[发明专利]基于自编码神经网络的企业风险识别方法、装置及设备

说明书

本发明实施例公开了一种基于自编码神经网络的企业风险识别方法，所述方法包括：获取待评估企业的企业信用数据，对待评估企业的企业信用数据进行处理，以获取与所述待评估企业的第一特征数据；将所述第一特征数据作为入参输入预设的自编码神经网络模型，经过所述预设的自编码神经网络模型输出第二特征数据；通过预设的误差计算公式，计算第一特征数据和第二特征数据之间的差异值；根据计算得到的差异值确定所述待评估企业的风险水平。此外，本发明实施例还公开了一种基于自编码神经网络的企业风险识别装置、计算机设备及可读存储介质。采用本发明，可提高企业信用风险识别的准确性。

技术领域

本发明涉及互联网技术领域，尤其涉及一种基于自编码神经网络的企业风险识别方法、装置、计算机设备及计算机可读存储介质。

背景技术

随着金融业的发展，债券市场取得了迅猛的发展。越来越多的企业到债券市场上发行债券、募集资金，债券的品种和数量都有了极大的增长。投资者在购买债券获得收益的同时，也要承担债券发行者可能违约带来的损失。对发债企业的信用风险的评估和预警成为债券市场参与者关注的焦点。

发明内容

基于此，有必要针对上述问题，提出了一种基于自编码神经网络的企业风险识别方法、装置、计算机设备及计算机可读存储介质。

在本发明的第一部分，提供了一种基于自编码神经网络的企业风险识别方法，所述方法包括：

获取待评估企业的企业信用数据，对待评估企业的企业信用数据进行处理，以获取与所述待评估企业的第一特征数据；

将所述第一特征数据作为入参输入预设的自编码神经网络模型，经过所述预设的自编码神经网络模型输出第二特征数据；

通过预设的误差计算公式，计算第一特征数据和第二特征数据之间的差异值；

根据计算得到的差异值确定所述待评估企业的风险水平。

可选的，所述通过预设的误差计算公式，计算第一特征数据和第二特征数据之间的差异值的步骤，还包括：

根据公式

计算所述第一特征数据和第二特征数据之间的差异值，其中，MSE为所述第一特征数据和第二特征数据之间的差异值，n为特征数据的数量，为第i个第二特征数据，为第i个第一特征数据，i为不大于n的自然数。

可选的，所述根据计算得到的差异值确定所述待评估企业的风险水平的步骤，还包括：

当所述计算得到的差异值MSE大于预设阈值的情况下，确定所述待评估企业存在风险。

可选的，所述根据计算得到的差异值确定所述待评估企业的风险水平的步骤，还包括：

根据预设的差异值与风险等级之间的对应关系，确定与计算得到的差异值对应的目标风险等级。

可选的，所述获取待评估企业的企业信用数据，对待评估企业的企业信用数据进行处理，以获取与所述待评估企业的第一特征数据的步骤，还包括：

对所述企业信用数据进行预处理；

对预处理之后的企业信用数据，按照预设的特征提取算法，提取预设特征维度下的一个或多个特征数据作为第一特征数据。

可选的，所述自编码神经网络模型的训练过程包括：

确定正常样本的认定标准，根据认定标准筛选至少一个正常样本和至少一个非正常样本；

根据至少一个正常样本对所述自编码神经网络模型进行训练。

可选的，所述方法还包括：