CN113112370A - 基于svm算法模型的债券征信评估方法 - Google Patents
基于svm算法模型的债券征信评估方法 Download PDFInfo
- Publication number
- CN113112370A CN113112370A CN202110417773.XA CN202110417773A CN113112370A CN 113112370 A CN113112370 A CN 113112370A CN 202110417773 A CN202110417773 A CN 202110417773A CN 113112370 A CN113112370 A CN 113112370A
- Authority
- CN
- China
- Prior art keywords
- bond
- credit
- credit investigation
- data set
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 28
- 238000011835 investigation Methods 0.000 claims abstract description 43
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims abstract description 12
- 238000007637 random forest analysis Methods 0.000 claims abstract description 7
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 description 12
- 238000004451 qualitative analysis Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Economics (AREA)
- Marketing (AREA)
- Bioinformatics & Computational Biology (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
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Random Forest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。
Description
技术领域
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
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。
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。
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
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Random Forest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。
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：
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。
优选的，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。
优选的，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。
优选的，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。
优选的，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Random Forest算法获取具有不同征信特征的债券信息采集模型。
优选的，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。
与现有技术相比，本发明的有益效果如下：
本发明通过SVM算法和Random Forest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。
附图说明
图1为本发明评估方法流程示意图；
具体实施方式
下面将结合本发明的实施例，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供一种技术方案：基于SVM算法模型的债券征信评估方法，包括以下步骤：
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。
优选的，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。
优选的，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。
优选的，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。
优选的，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Random Forest算法获取具有不同征信特征的债券信息采集模型。
优选的，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。
本发明通过SVM算法和Random Forest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。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (6)
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Random Forest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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110417773.XA CN113112370A (zh) | 2021-04-19 | 2021-04-19 | 基于svm算法模型的债券征信评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110417773.XA CN113112370A (zh) | 2021-04-19 | 2021-04-19 | 基于svm算法模型的债券征信评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113112370A true CN113112370A (zh) | 2021-07-13 |
Family
ID=76718317
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110417773.XA Pending CN113112370A (zh) | 2021-04-19 | 2021-04-19 | 基于svm算法模型的债券征信评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113112370A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114219655A (zh) * | 2022-01-12 | 2022-03-22 | 得分数字科技(珠海)有限公司 | 债券违约的预测方法、装置、存储介质及计算机设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020082889A1 (zh) * | 2018-10-26 | 2020-04-30 | 阿里巴巴集团控股有限公司 | 征信评估方法及装置、电子设备 |
| CN111612627A (zh) * | 2020-05-28 | 2020-09-01 | 深圳博普科技有限公司 | 一种评估债券风险影响指标的方法 |
| CN111612634A (zh) * | 2020-05-28 | 2020-09-01 | 深圳博普科技有限公司 | 一种债券征信评价方法 |
-
2021
- 2021-04-19 CN CN202110417773.XA patent/CN113112370A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020082889A1 (zh) * | 2018-10-26 | 2020-04-30 | 阿里巴巴集团控股有限公司 | 征信评估方法及装置、电子设备 |
| CN111612627A (zh) * | 2020-05-28 | 2020-09-01 | 深圳博普科技有限公司 | 一种评估债券风险影响指标的方法 |
| CN111612634A (zh) * | 2020-05-28 | 2020-09-01 | 深圳博普科技有限公司 | 一种债券征信评价方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114219655A (zh) * | 2022-01-12 | 2022-03-22 | 得分数字科技(珠海)有限公司 | 债券违约的预测方法、装置、存储介质及计算机设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230071328A1 (en) | Mapping consumer ownership of financial assets to geographic localities and computer-implemented methods and computer systems thereof | |
| CN103678659A (zh) | 一种基于随机森林算法的电子商务网站欺诈用户识别方法及系统 | |
| CN110991441A (zh) | 基于图像识别的资产评估方法、装置以及计算机存储介质 | |
| CN113011961B (zh) | 公司关联信息风险监测方法、装置、设备及存储介质 | |
| CN112419030A (zh) | 财务舞弊风险评估的方法、系统及设备 | |
| CN108564465A (zh) | 一种企业信用管理方法 | |
| CN112732786A (zh) | 金融数据处理方法、装置、设备及存储介质 | |
| CN112950359A (zh) | 一种用户识别方法和装置 | |
| CN107590737A (zh) | 个人信用评分以及信用额度测算方法 | |
| CN113112370A (zh) | 基于svm算法模型的债券征信评估方法 | |
| Deng | Study of the prediction of micro-loan default based on Logit model | |
| CN113506173A (zh) | 一种信用风险评估方法及其相关设备 | |
| CN113034041A (zh) | 一种挖掘潜在成长性企业并进行培育和智能奖补的方法和系统 | |
| CN110992076A (zh) | 商家质量评价方法、装置、电子设备及可读存储介质 | |
| CN116342255A (zh) | 互联网消费贷反欺诈风险识别方法及系统 | |
| CN115439265A (zh) | 一种保险行业智能赔付异常交易风险控制系统 | |
| CN114444764B (zh) | 一种基于大数据的供应链金融产业评估系统 | |
| CN114626940A (zh) | 数据分析方法、装置及电子设备 | |
| CN113449923A (zh) | 一种多模型标的物行情预测方法和装置 | |
| CN113191857A (zh) | 一种基于大数据的云平台电子商务数据处理方法及系统 | |
| CN113591932A (zh) | 基于一类支持向量机的用户异常行为处理方法和装置 | |
| CN112464162A (zh) | 基于历史数据的基金比较方法、装置、计算机设备和介质 | |
| CN117291740B (zh) | 一种基于大数据的应收账款资料真实性智能识别审核系统 | |
| CN110956471A (zh) | 装修行业征信数据的分析方法 | |
| CN113450116A (zh) | 一种交易风险分析方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210713 |