企业风险预测方法、装置、电子设备和介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114154757A(43)申请公布日2022.03.08(21)申请号202111643903.8(22)申请日2021.12.29(71)申请人中国建设银行股份有限公司地址100033北京市西城区金融大街25号(72)发明人陈鹏(74)专利代理机构北京品源专利代理有限公司11332代理人康欢欢(51)Int.Cl.G06Q10/04(2012.01)G06Q10/06(2012.01)G06Q40/00(2012.01)G06K9/62(2022.01)权利要求书2页说明书9页附图3页(54)发明名称企业风险预测方法、装置、电子设备和介质(57)摘要本申请公开了一种企业风险预测方法、装置、电子设备、介质和程序产品，涉及数据分析技术领域。所述方法包括：利用时间序列模型对各企业的历史违约金额时间序列数据进行过滤，得到各企业的残差序列，并组成残差序列矩阵；利用所述残差序列矩阵拟合相关度模型，其中，所述相关度模型用于反映多维数据间的概率相依结构；根据所述拟合好的相关度模型和所述时间序列模型对所述各企业未来的违约金额进行预测。本申请的技术方案可以实现对企业违约金额风险的精准预测，从而达到防范经营风险的目的。CN114154757ACN114154757A权利要求书1/2页1.一种企业风险预测方法，其特征在于，包括：利用时间序列模型对各企业的历史违约金额时间序列数据进行过滤，得到各企业的残差序列，并组成残差序列矩阵；利用所述残差序列矩阵拟合相关度模型，其中，所述相关度模型用于反映多维数据间的概率相依结构；根据所述拟合好的相关度模型和所述时间序列模型对所述各企业未来的违约金额进行预测。2.根据权利要求1所述的方法，其特征在于，所述相关度模型为copula模型。3.根据权利要求1所述的方法，其特征在于，还包括：将所述残差序列矩阵中的各列数据替换为其所在列的经验分布概率值，得到经转化的残差序列矩阵；将所述经转化的残差序列矩阵中的数据划分为用于拟合所述相关度模型的训练集，和用于对所述相关度模型的预测效果进行假设检验的测试集。4.根据权利要求3所述的方法，其特征在于，所述利用所述残差序列矩阵拟合相关度模型，包括：将所述训练集输入预先构造的相关度模型，并依据极大似然法拟合相关度模型。5.根据权利要求3所述的方法，其特征在于，所述根据所述拟合好的相关度模型和所述时间序列模型对所述各企业未来的违约金额进行预测，包括：根据所述拟合好的相关度模型和所述时间序列模型对所述测试集中的每一个数据进行多次预测，得到与所述测试集的每个违约总额对应的多个违约预测总额；将所述多个违约预测总额取平均值，作为所述各企业未来的违约预测总额的目标值。6.根据权利要求5所述的方法，其特征在于，还包括：根据所述测试集的每个违约总额和与之对应的多个违约预测总额计算均方误差，其中，所述均方误差的结果作为精准度，用于评判所述相关度模型的预测效果。7.根据权利要求5所述的方法，其特征在于，还包括：根据所述多个违约预测总额计算风险控制线，其中，所述风险控制线是根据风险分位点值确定，用于表示潜在风险上限。8.根据权利要求7所述的方法，其特征在于，还包括：根据所述风险控制线和测试集，构造如下假设检验中的至少一种，以对所述相关度模型的预测效果进行假设检验：LRuc、LRind、LRcc。9.根据权利要求3所述的方法，其特征在于，所述将所述残差序列矩阵中的各列数据替换为其所在列的经验分布概率值，得到经转化的残差序列矩阵，包括：将所述残差序列矩阵中的各列数据按照大小顺序进行排序，排序后得到各列的样本总体；将经排序的各列数据中的每个数据，转化为其在各列样本总体中对应的分位点值，其中，所述分位点值的取值范围为0至1；根据所述每个数据对应的分位点值得到所述经转换的残差序列矩阵。10.根据权利要求9所述的方法，其特征在于，其中，所述将所述残差序列矩阵中的各列数据，按样本分位点值进行转换，得到经转换的残差序列矩阵，还包括：2CN114154757A权利要求书2/2页在不改变所述排序的顺序的情况下，将所述每个数据在各列样本总体对应的分位点值中出现的极值进行缩放。11.一种企业风险预测装置，其特征在于，包括：过滤模块，用于利用时间序列模型对各企业的历史违约金额时间序列数据进行过滤，得到各企业的残差序列，并组成残差序列矩阵；模型拟合模块，用于利用所述残差序列矩阵拟合相关度模型，其中，所述相关度模型用于反映多维数据间的概率相依结构；预测模块，用于根据所述拟合好的相关度模型和所述时间序列模型对所述各企业未来的违约金额进行预测。12.根据权利要求11所述的装置，其特征在于，所述相关度模型为copula模型。13.一种电子设备，其特征在于，包括：