一種金融風險指標預測模型構建、金融風險態勢預測方法、裝置和計算機可讀存儲介質，所述金融風險態勢預測方法包括：根據金融業務歷史數據，確定金融風險指標歷史數據集；根據金融風險指標歷史數據集訓練基于LSTM的預測模型，得到金融風險指標預測模型，其中，所述基于LSTM的預測模型的輸入為所述金融風險指標歷史數據集中的當期風險指標數據，所述預測模型的輸出為所述金融風險指標歷史數據集中后一期風險指標數據；根據金融業務當前指定時間段的數據，確定金融風險指標當前一期數據集；將所述金融風險指標當前一期數據集輸入所述金融風險指標預測模型，將所述金融風險指標預測模型輸出的后一期風險指標數據作為金融風險態勢預測結果。

技術領域

本文涉及風險預測領域，尤指一種金融風險指標預測模型構建、金融風險態勢預測方法、裝置和計算機可讀存儲介質。

背景技術

金融風險識別能力是關系金融企業健康、快速發展的重要因素，由于金融行業受環境、政策和行業的整體發展趨勢等因素影響，存在一定的周期波動性，實時把控金融風險指標，針對風險指標的風險態勢預判，對潛在的風險提早采取措施，是防止金融企業發生系統性風險的主要方法。

目前，金融的風險指標計算主要反映歷史的風險情況，風險的識別具有一定的滯后性，依據歷史數據進行風險指標計算，借助專家經驗對未來短中期的風險進行預判，該方法是目前主要的風險預測方法，其缺點較為明顯，一則需要經驗豐富的專家根據歷史風險指標數據預判后期風險，二則建立在專家經驗的預判缺乏理論支撐，判斷的本身就存在風險性。

發明內容

本申請提供了一種金融風險指標預測模型構建、金融風險態勢預測方法、裝置和計算機可讀存儲介質，以預測后期金融風險指標。

本申請實施例提供了一種金融風險指標預測模型構建方法，包括：

根據金融業務歷史數據，確定金融風險指標歷史數據集；

根據金融風險指標歷史數據集訓練基于長短期記憶網絡LSTM的預測模型，得到金融風險指標預測模型，其中，所述基于LSTM的預測模型的輸入為所述金融風險指標歷史數據集中的當期風險指標數據，所述基于LSTM的預測模型的輸出為所述金融風險指標歷史數據集中的后一期風險指標數據。

本申請實施例還提供一種金融風險態勢預測方法，包括：

根據金融業務歷史數據，確定金融風險指標歷史數據集；

根據金融風險指標歷史數據集訓練基于LSTM的預測模型，得到金融風險指標預測模型，其中，所述基于LSTM的預測模型的輸入為所述金融風險指標歷史數據集中的當期風險指標數據，所述預測模型的輸出為所述金融風險指標歷史數據集中后一期風險指標數據；

根據金融業務當前指定時間段的數據，確定金融風險指標當前一期數據集；

將所述金融風險指標當前一期數據集輸入所述金融風險指標預測模型，將所述金融風險指標預測模型輸出的后一期風險指標數據作為金融風險態勢預測結果。

本申請實施例還提供一種金融風險指標預測模型構建裝置，包括：存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時實現所述金融風險指標預測模型構建方法。

本申請實施例還提供一種金融風險態勢預測裝置，包括：存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時實現所述金融風險態勢預測方法。

本申請實施例還提供一種計算機可讀存儲介質，存儲有計算機可執行指令，所述計算機可執行指令用于執行所述金融風險指標預測模型構建方法。

本申請實施例還提供一種計算機可讀存儲介質，存儲有計算機可執行指令，所述計算機可執行指令用于執行所述金融風險態勢預測方法。