[发明专利]基于支持向量机的信用风险预测方法及装置

权利要求书

1.一种基于支持向量机的信用风险预测方法，其特征在于，包括：

获取待评估客户的多个信用指标数据；

根据所述信用指标数据以及预先创建的信用风险预测模型进行信用评估，得到所述待评估客户对应的信用风险预测结果；

其中，所述信用风险预测模型是基于多个客户的历史信用数据训练以及基于改进遗传算法优化得到的。

2.根据权利要求1所述的基于支持向量机的信用风险预测方法，其特征在于，所述信用指标数据包括盈利能力数据、长期负债能力数据、短期偿债能力数据以及运营能力数据。

3.根据权利要求1所述的基于支持向量机的信用风险预测方法，其特征在于，创建所述信用风险预测模型的步骤包括：

根据多个历史客户的盈利能力数据、长期负债能力数据、短期偿债能力数据以及运营能力数据确定样本数据集；

基于改进遗传算法以及所述样本数据集对支持向量机模型的待优化参数进行优化，得到支持向量机模型的最优结构参数以及最优支持向量机模型；

基于所述样本数据集对最优支持向量机模型进行训练和验证，得到所述信用风险预测模型。

4.根据权利要求3所述的基于支持向量机的信用风险预测方法，其特征在于，所述根据多个历史客户的盈利能力数据、长期负债能力数据、短期偿债能力数据以及运营能力数据确定样本数据集，包括：

获取多个客户的历史信用数据，所述历史信用数据包括盈利能力数据、长期负债能力数据、短期偿债能力数据以及运营能力数据；

基于主成分分析法对各客户的历史信用数据进行降维分析，得到用于信用风险预测的多个信用指标；

基于所述信用指标获取各客户的历史信用指标数据，并对各历史信用指标数据进行标准化处理；

根据各客户标准化处理后的历史信用指标数据以及各客户对应的样本标签，生成样本数据集。

5.根据权利要求3所述的基于支持向量机的信用风险预测方法，其特征在于，所述基于改进遗传算法以及所述样本数据集对支持向量机模型的待优化参数进行优化，得到支持向量机模型的最优结构参数，包括：

根据待优化参数随机生成初始代种群；

根据改进后的交叉概率函数和变异概率函数生成多代种群；

根据改进后的适应度函数以及所述样本数据集分别计算所述初始代种群和各代种群各个体的适应度，并根据所述适应度确定所有种群中的最优个体；所述最优个体为所述最优结构参数。

6.根据权利要求3所述的基于支持向量机的信用风险预测方法，其特征在于，改进后的交叉概率函数为：

改进后的变异概率函数为：

其中，p_c为交叉概率，p_m为变异概率，f_max为当代种群中个体的最大适应度值，f₁为当代种群中两个交叉个体中的最大适应度值，f₂为当代种群中突变个体的适应度值，f_avg为当代种群中个体的平均适应度值，p_cmax为最大的交叉概率，p_cmin为最小的交叉概率，p_mmax为最大的变异概率，p_mmin为最小的变异概率，λ为预设参数。

7.根据权利要求3所述的基于支持向量机的信用风险预测方法，其特征在于，根据改进后的适应度函数以及样本数据集计算个体的适应度，包括：

将所述样本数据集划分为N组样本数据；

利用基于所述个体的支撑向量机分类器分别对N组样本数据进行分类，得到N组样本数据对应的分类结果；

根据各组样本数据对应的分类结果以及各组样本数据的样本标签确定与N组样本数据对应的N个分类准确率；

根据改进后的适应度函数以及所述N个分类准确率，确定所述个体的适应度。