(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211063537.3 (22)申请日 2022.09.01 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 汪一江　王成卓　段广茹　柯龙飞　 谢岱轩　贾畅　文国军　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 牛亭亭 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 40/08(2012.01) G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 一种风险预测方法、 装置、 设备及可读存储 介质 (57)摘要 本申请公开了一种风险预测方法、 装置、 设 备及可读存储介质， 可应用于 人工智能领域或金 融领域。 本方法获取待预测账户的账户信息， 账 户信息包括多个预测指标项的值， 将账户信息输 入至风险预测模 型， 得到风险预测模 型输出的结 果， 作为待预测账户的风险预测结果， 风险预测 结果指示待预测账户的违约概率， 由于， 预测指 标项包括与风险预测结果存在关联关系的指标 项， 且风险预测模型通过基于训练样本集合训练 预设的随机森 林模型得到， 训练样 本集合包括多 条训练样 本， 训练样本包括多个预测指标项的历 史值以及对应的违约结果的实际值。 因此， 提高 风险预测模 型的精度， 也即提高了待预测账户的 风险预测结果的准确度。 权利要求书2页 说明书14页 附图3页 CN 115393066 A 2022.11.25 CN 115393066 A 1.一种风险预测方法， 其特 征在于， 包括： 获取待预测账户的账户信 息， 所述账户信 息包括多个预测指标项的值， 其中， 所述预测 指标项包括满足第一预设条件的指标项， 所述第一预设条件包括： 与风险预测结果存在关 联关系； 将所述账户信息输入至风险预测模型， 得到所述风险预测模型输出的结果， 作为所述 待预测账户的风险预测结果， 所述风险预测结果指示所述待预测账户的违约概率， 所述风 险预测模型通过基于训练样本集合训练预设的随机森林模型得到， 所述训练样本集合包括 多条训练样本， 所述训练样本包括多个预测指标项的历史值以及对应的违约结果的实际 值。 2.根据权利要求1所述的方法， 其特 征在于， 所述 风险预测模型的训练过程包括： 获取候选样本集合， 所述候选样本集合包括多条候选样本， 所述候选样本包括多个候 选指标项的历史值以及对应的违约结果的实际值； 依据所述 候选样本集 合， 获取所述预测指标项； 获取所述训练样本集 合； 基于所述训练样本集 合， 训练所述随机森林模型 得到风险预测模型。 3.根据权利要求2所述的方法， 其特 征在于， 所述关联关系包括 正相关或反相关； 所述依据所述 候选样本集 合， 获取所述预测指标项， 包括： 基于所述 候选指标项的历史值， 划分得到多个区间； 基于所述候选指标项的历史值和对应的违约结果的实际值， 确定所述候选指标项在各 个所述区间内的违约率， 作为区间违约率； 判断所述 候选指标项和所述区间违约率是否呈正相关或反相关； 若确定所述候选指标项和所述 区间违约 率呈正相关或反相关， 将所述候选指标项作为 预测指标项。 4.根据权利要求3所述的方法， 其特征在于， 基于所述候选指标项的历史值和对应的违 约结果的实际值， 确定所述候选指标项在目标区间内的违约率， 所述 目标区间为任意一个 区间， 包括： 获取所述候选指标项的历史值落入所述目标区间内的候选样本的数量， 记为第一数 量； 所述候选指标项的历史值落入所述目标区间内的候选样本 中， 违约结果的实际值为违 约的候选样本的数量， 记为第二数量； 将所述第二数量与所述第一数量的比值作为所述 候选指标项在目标区间内的违约率。 5.根据权利要求4所述的方法， 其特征在于， 所述判断所述候选指标项和所述 区间违约 率是否呈正相关或反相关， 包括： 基于所述候选指标项的多个所述区间的区间违约 率， 拟合所述 区间与所述区间违约 率 的拟合函数； 若所述拟合 函数为增函数， 则确定所述 候选指标项和所述区间违约率呈正相关； 若所述拟合 函数为减函数， 则确定所述 候选指标项和所述区间违约率呈反相关。 6.根据权利要求3所述的方法， 其特 征在于， 所述第一指标 条件还包括： 满足正态分布； 在所述若确定所述候选指标项和所述 区间违约 率呈正相关或反相关， 将所述候选指标权　利　要　求　书 1/2 页 2 CN 115393066 A 2项作为预测指标项之前， 还 包括： 基于所述 候选指标项的历史值， 判断所述 候选值指标项是否满足正态分布； 所述若确定所述候选指标项和所述 区间违约 率呈正相关或反相关， 将所述候选指标项 作为预测指标项， 包括： 在确定所述候选值指标项满足正态分布的情况下， 若确定所述候选指标项和所述区间 违约率呈正相关或反相关， 将所述 候选指标项作为预测指标项。 7.根据权利要求6所述的方法， 其特征在于， 所述第 一指标条件还包括与违约结果的实 际值的相关系数 大于预设的系数阈值； 在所述若确定所述候选指标项和所述 区间违约 率呈正相关或反相关， 将所述候选指标 项作为预测指标项之前， 还 包括： 计算所述候选指标项与违约结果的实际值的相关系数， 所述相关系数与相关程度正相 关； 所述在确定所述候选值指标项满足正态分布的情况下， 若确定所述候选指标项和所述 区间违约率呈正相关或反相关， 将所述 候选指标项作为预测指标项， 包括： 在确定所述候选值指标项满足正态分布且所述相关系数大于所述系数阈值的情况下， 若确定所述候选指标项和所述区间违约率呈正相关或反相关， 将所述候选指标项作为预测 指标项。 8.一种风险预测装置， 其特 征在于， 包括： 待预测信息获取单元， 用于获取待预测账户的账户信息， 所述账户信息包括多个预测 指标项的值， 其中， 所述预测指标项包括满足第一预设条件的指标项， 所述第一预设条件包 括： 与风险预测结果存在关联关系； 风险预测单元， 用于将所述账户信息输入至风险预测模型， 得到所述风险预测模型输 出的结果， 作为所述待预测账户的风险预测结果， 所述风险预测结果指示所述待预测账户 的违约概率， 所述风险预测模型通过基于训练样本集合训练预设的随机森林模型得到， 所 述训练样本集合包括多条训练样本， 所述训练样本包括多个预测指标项的历史值以及 对应 的违约结果的实际值。 9.一种风险预测设备， 其特 征在于， 包括： 存 储器和处 理器； 所述存储器， 用于存 储程序； 所述处理器， 用于执行所述程序， 实现如权利要求1～7中任一项所述的风险预测方法 的各个步骤。 10.一种可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被处理 器执行时， 实现如权利要求1～7中任一项所述的风险预测方法的各个步骤。权　利　要　求　书 2/2 页 3 CN 115393066 A 3