[发明专利]违约预测和违约预测模型的训练方法、装置及存储介质

说明书

本申请公开了一种违约预测和违约预测模型的训练方法、装置以及存储介质。其中，一种违约预测模型的训练方法，包括：获取未标记的第一企业数据集和已标记的第二企业数据集，其中未标记的第一企业数据集为已上市但无续存期债券的企业的企业数据，已标记的第二企业数据集为根据企业债券是否发生违约而标记的企业的企业数据；根据已标记的第二企业数据集对第一企业数据集进行标记，确定第三企业数据集；以及根据第三企业数据集对违约预测模型进行训练。

技术领域

本申请涉及信息技术领域，特别是涉及一种违约预测和违约预测模型的训练方法、装置以及存储介质。

背景技术

债券违约是指债券发债主体不能按照事先达成的债券协议按期履行其义务的行为。近年来高发的债券违约现象给投资者带来了巨大财产损失，因此，能够对债券违约的风险进行识别显得尤为重要。

传统的债券分析工具，往往只能提供债券信用评级以及一些发债主体的财务信息，信息内容单一，投资者无法通过上述信息获得债券的直观评级，更难以对债券违约风险进行全面实时的跟踪。

后来随着机器学习技术的不断发展，越来越多开始尝试利用机器学习技术进行债券违约预测，例如逻辑回归(LR)、支持向量机(SVM)、随机森林(RF)、梯度提升决策树(GBDT)等，这些方法主要基于发债主体的财务数据，将这些数据结构化之后，送到机器学习模型进行训练，最后对新债券进行违约预测。

现有技术中，机器学习技术在使用过程免不了存在以下缺陷：1.由于训练样本中真实违约企业数量远少于未违约的企业，导致机器学习模型正负样本严重不均衡，往往导致过拟合结果的出现；2.传统机器学习方法对于类别特征支持不好，往往需要人工处理之后才能放入模型中进行训练，导致人工噪声的引入从而降低了模型的效果。

针对上述的现有技术中存在的模型训练所需样本的局限性高的技术问题，目前尚未提出有效的解决方案。

发明内容

本申请的实施例提供了一种违约预测和违约预测模型的训练方法、装置以及存储介质，以至少解决现有技术中存在的模型训练所需样本的局限性高的技术问题。

根据本申请实施例的一个方面，提供了一种违约预测模型的训练方法，包括：获取未标记的第一企业数据集和已标记的第二企业数据集，其中未标记的第一企业数据集为已上市但无续存期债券的企业的企业数据，已标记的第二企业数据集为根据企业债券是否发生违约而标记的企业的企业数据；根据已标记的第二企业数据集对第一企业数据集进行标记，确定第三企业数据集；以及根据第三企业数据集对违约预测模型进行训练。

根据本申请实施例的另一方面，还提供了一种违约预测方法，包括：获取有存续期债券的企业的企业数据；以及通过预设的违约预测模型，根据企业数据，预测企业的违约概率。

根据本申请实施例的另一个方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时由处理器执行以上任意一项的方法。

根据本申请实施例的另一个方面，还提供了一种违约预测模型的训练装置，包括：第一获取模块，用于获取未标记的第一企业数据集和已标记的第二企业数据集，其中未标记的第一企业数据集为已上市但无续存期债券的企业的企业数据，已标记的第二企业数据集为根据企业债券是否发生违约而标记的企业的企业数据；数据确定模块，用于根据已标记的第二企业数据集对第一企业数据集进行标记，确定第三企业数据集；以及模型训练模块，用于根据第三企业数据集对违约预测模型进行训练。

根据本申请实施例的另一个方面，还提供了一种违约预测装置，包括：第二获取模块，用于获取有存续期债券的企业的企业数据；以及概率预测模块，用于通过预设的违约预测模型，根据企业数据，预测企业的违约概率。