基于SVM算法模型的债券征信评估方法.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CN113112370A(43)申请公布日2021.07.13(21)申请号202110417773.X(22)申请日2021.04.19(71)申请人上海同态信息科技有限责任公司地址200000上海市徐汇区田林路192号云赛空间(72)发明人宋明昊朱静熹茹浩(74)专利代理机构北京科家知识产权代理事务所(普通合伙)11427代理人宫建华(51)Int.Cl.G06Q40/06(2012.01)G06K9/62(2006.01)G06N20/10(2019.01)权利要求书1页说明书3页附图1页(54)发明名称基于SVM算法模型的债券征信评估方法(57)摘要本发明公开了基于SVM算法模型的债券征信评估方法，包括以下步骤：第一步，用户通过客户端向服务器端发出债券征信评估请求；第二步，服务器端从企业债券数据集中读取征信特征；第三步，服务器端将读取的征信特征通过债券信息采集模型进行债券征信特征计算，并将计算结果返回服务器端；第四步，服务器端对计算结果进行整理后发送至客户端，用户得到债券征信评估报告。本发明通过SVM算法和RandomForest算法对债券数据集进行处理，生成债券模型，从而综合评估债券的信用程度。通过这种债券征信评估方法，债券购买者或投资者可以有效地理解债券的信用信息，并作出更好的投资选择。CN113112370ACN113112370A权利要求书1/1页1.基于SVM算法模型的债券征信评估方法，其特征在于，包括以下步骤：第一步，用户通过客户端向服务器端发出债券征信评估请求；第二步，服务器端从企业债券数据集中读取征信特征；第三步，服务器端将读取的征信特征通过债券信息采集模型进行债券征信特征计算，并将计算结果返回服务器端；第四步，服务器端对计算结果进行整理后发送至客户端，用户得到债券征信评估报告。2.根据权利要求1所述的基于SVM算法模型的债券征信评估方法，其特征在于：所述企业债券数据集包括债券信息、发行主体、财务报表、历史评级、行业指数、发行主体信用数据、债券新闻以及债券公告。3.根据权利要求1所述的基于SVM算法模型的债券征信评估方法，其特征在于，所述债券信息采集模型的获取方法如下：首先，通过债券数据集的预处理，获得均衡的债券数据集；对数据均衡后债券数据集进行分类预测；根据所述分类预测得到债券信息采集模型。4.根据权利要求3所述的基于SVM算法模型的债券征信评估方法，其特征在于，所述对数据均衡后债券数据集进行分类预测，包括：通过SVM算法对所述数据均衡后债券数据集进行训练，得到训练后的债券模型；评估所述训练后的债券模型，得到不同分类的债券模型。5.根据权利要求3所述的基于SVM算法模型的债券征信评估方法，其特征在于，根据所述分类预测得到债券信息采集模型，包括：所述不同分类的债券模型通过RandomForest算法获取具有不同征信特征的债券信息采集模型。6.根据权利要求1所述的基于SVM算法模型的债券征信评估方法，其特征在于，所述征信特征计算，包括：提取其征信特征，发现重要性高的征信特征，并追溯到其数据源，将这些信息用于债券的征信评估，从而获得该债券的征信值和信用度。2CN113112370A说明书1/3页基于SVM算法模型的债券征信评估方法技术领域[0001]本发明涉及机器学习技术领域，具体为基于SVM算法模型的债券征信评估方法。背景技术[0002]目前，债券违约事件频繁发生，使得债券投资者所承担的风险剧增。目前债券征信评级是由人工对发行主体的经营状况、财务状况、信用状况以及所属行业信用行情做出定性的分析。这种方法所评出的评级结果可信度依赖评估人的经验；同时该方法缺乏数据支持。[0003]从海外成熟的经验来看，评级方法以定量分析为主，定性分析作为辅助。等级的信赖度依赖于经验丰富、信息充分分析的人的综合平衡。在我国，债券评级机构的审查员只能根据事先确定的指标计算出的实际值进行评分，不能进行自己的综合判断，所以不能全面评价企业债券的信用。同时，关于高级计量法的实施，国内优秀的人才储备也不足。[0004]为了解决上述问题，我们提出了一种基于SVM算法模型的债券征信评估方法。发明内容[0005]本发明的目的在于提供基于SVM算法模型的债券征信评估方法，通过SVM算法和RandomForest算法对债券数据集进行处理，生成债券模型，从而综合评估债券的信用程度。[0006]为实现上述目的，本发明提供如下技术方案：基于SVM算法模型的债券征信评估方法，包括以下步骤：[0007]第一步，用户通过客户端向服务器端发出债券征信评估请求；[0008]第二步，服务器端从企业债券数据集中读取征信特征；[0009]第三步，服务器端将读取的征信特征通过债券信息采集模型进行债