专利名称：信用违约预测方法与装置的制作方法
技术领域：
本发明是关于一种违约预测方法与装置，尤指一种信用违约预测方法与装置。
背景技术：
企业无预警倒闭事件层出不穷，企业财务危机不只是单一层面的问题，更严重还会危及整个社会体系的运作，因此，提升企业违约机率预测的准确度已成为财务风险管理领域的重要议题。信用风险(Credit Risk)是指因交易对手信用品质发生变化，导致银行持有部位价值的改变，更甚者发生违约(Default)，即交易对手无意愿或无法履行契约。而信用评分(Credit Scoring)为提供风险排序的相关信息，信用评等等级良好的企业，仅是反映其偿债能力较强、无法履行债务机率较低，故能有效区分出各公司的信用风险，除协助市场专业人士作融资或授信等财务决策，或使债务发行人及投资人都能更清楚掌握企业的债信状况，也能及时侦测出财务危机公司。关于本领域的现有技术，中国台湾新型专利M377655揭露一种具有智能型企业营运风险评估系统的计算机，中国专利公开说明书CN1928905揭露一种企业危机预警系统主要通过对企业各种经营管理信息的比较、分析和评价，判别企业目前的经营状态是否进入危机，以及预测企业的未来是否会发生危机。以上两篇虽皆以评估企业营运风险，但其并未使用与企业攸关的公开报导，以预测企业信用指标。另外，中国台湾专利1252987揭露一种可从大量信息之中自动抽出应注意信息的技术，其信息来自于个人Web页和布告栏的发言的个人意见。因此，1252987其主要分析的目的为个人意见的公开内容，藉此指定关于该对象的个人评价(好评价/坏评价)，而非评估企业营运风险。过去财务危机预测的相关研究，大多采用财务报表等量化信息进行研究，然而企业危机事件的征兆往往隐藏在事件发生前的公开信息中。然而，投资人普遍认为公开信息为纯噪声的观念，不具有内涵价值。职是之故，发明人鉴于现有技术的缺失，乃经悉心试验与研究，并一本锲而不舍的精神，发明出本发明“信用违约预测方法与装置”，以下为本发明的简要说明。
发明内容
本发明纳入新闻信息内涵做为提升企业信用评等的预测能力，并证实已公开的新闻信息内涵可增进企业信用风险指标的预测能力本发明的一个面向是提供一种预测信用违约的方法，包含下列步骤:利用第一演算法筛选文件的多个特征词(或特征字)；利用第二演算法产生多个经筛选的该等特征词(或特征字)的多个权重；利用该等权重以及第三演算法产生至少一个量化指标；从财务资料以及该量化指标筛选多个变量；以及利用该等变量以及第四演算法产生预测信用违约指数。本发明的另一个面向是提供一种预测信用违约的装置，包含:计算单元，用以筛选文件的多个特征词(或特征字)，产生该等特征词(或特征字)的多个权重，产生至少一个量化指标，筛选财务资料以及该量化指标的多个变量，以及产生预测信用违约指数；输出单元，输出由该计算单元所得的该等特征词(或特征字)与权重表；以及储存单元，储存由该输出单元而来的该等特征词(或特征字)与该权重表，其中该等特征词(或特征字)与该权重表是由多个演算法筛选而来。本发明的又一个面向是提供一种预测信用违约的方法，包含下列步骤:提供财务资料；提供至少一个量化指标；筛选财务资料以及该量化指标的多个变量；以及利用该等变量产生预测信用违约指数。本发明的再一个面向是提供一种产生量化指标的方法，包含下列步骤:为特定目的而取得的一个文件提供多个特征字；为该等特征字分别赋予多个权重；以及以该等权重为基础，为所述文件产生至少一个量化指标。为了易于说明，本发明得通过下述实施例及附图而得到充分了解，并使得熟习本领域的技术人员可以据以完成之，然本发明的实施型态并不限制于下列实施例中。
图1:本发明文本量化指标试算的流程图。图2:本发明信用违约预测的流程图。图3:本发明预测信用违约的装置。主要元件符号说明11、12、121、122、131、132、14、15、16、21、22、23、24、25 步骤3预测信用违约的装置31计算单元32输出单元33储存单元331多个特征词332权重表
具体实施例方式图1为文本量化指标试算的流程图。首先先进行文本搜集(步骤11)，并进行前处理(步骤12)，前处理包含结构化处理(步骤121)以及断词(步骤122)。接着利用演算法进行特征词的筛选(步骤131)或者直接由专家筛选分类特征词(步骤132)。由演算法或者专家筛选出的特征词接着利用演算法进行特征词权重计算(步骤14)，然后汇整不同演算法筛选过的分类特征词与权重列表(步骤15)，最后利用演算法进行文本量化指标计算(步骤16)。图2为信用违约预测的流程图。首先搜集文本与建构量化指标(步骤21)以及搜集其他量化信息(步骤22)，该等量化信息可包括但并不限于如财务比率、公司治理、总体经济或其它。之后筛选纳入模型分析的变量(步骤23)，筛选方式可利用经验法则自行筛选或者利用统计方法筛选。接着利用二元罗吉斯回归或者稳健罗吉斯回归公式进行信用违约预测(步骤24)，最后进行模型绩效评估(步骤25)。图3为预测信用违约的装置3，装置3包含计算单元31、输出单元32及储存单元33。计算单元31用以筛选文件的多个特征词，产生该等特征词的多个权重，产生多个量化指标，筛选财务资料以及该等量化指标的多个变量，以及产生预测信用违约指数。输出单元32输出由计算单元所得的该等特征词与权重表。而储存单元33储存由输出单元而来的该等特征词331与权重表332，其中该等特征词与权重表是由多个演算法筛选而来。以下开始介绍图1与图2的详细步骤及相关的演算法。一、用演算法进行特征词筛选:用演算法进行特征词筛选:特征词筛选可应用无母数的卡方独立性检验进行，在此是指某一词汇t对某一类别i的独立性(正交性)缺乏程度，独立性缺乏程度愈高，表示此词汇t对此类别i相当重要。特征词的计算方面经由卡方测试所挑选出的语词比直接计算频率的效果更好，故为提高分类词汇的鉴别度，可利用卡方独立性检验以过滤不具代表性的词汇，再经由过滤后所剩下的词汇，筛选出具代表性的分类特征词。卡方独立性检验统计量如下:
权利要求
1.种预测信用违约的方法，包含下列步骤: 利用第一演算法筛选文件的多个特征词； 利用第二演算法产生多个经筛选的该等特征词的多个权重； 利用该等权重以及第三演算法产生至少一个量化指标； 从财务资料以及所述量化指标筛选多个变量；以及 利用该等变量以及第四演算法产生预测信用违约指数。
2.权利要求1所述的方法，其中所述第一演算法是使用如下公式:
3.权利要求1所述的方法，其中所述第二演算法是使用如下公式:
4.权利要求1所述的方法，其中所述量化指标是选自公开信息揭露程度(Media)，财务危机发生率强度指标(I7DC)以及净乐观程度(NSR)，其中:
5.权利要求1所述的方法，其中所述第四演算法是选自二元罗吉斯回归公式以及稳健罗吉斯回归公式。
6.种预测信用违约的装置，包含: 计算单元，用以筛选文件的多个特征词，产生该等特征词的多个权重，产生至少一个量化指标，筛选财务资料以及所述量化指标的多个变量，以及产生预测信用违约指数； 输出单元，输出由所述计算单元所得的该等特征词与权重表；以及储存单元，储存由所述输出单元而来的该等特征词与所述权重表，其中该等特征词与所述权重表是由多个演算法筛选而来。
7.权利要求6所述的装置，其中该等特征词与所述权重表是由卡方检验和条件概率以及所述卡方检验和熵值权重法计算并筛选。
8.权利要求7所述的装置，其中所述卡方检验是使用如下公式:
9.种预测信用违约的方法，包含下列步骤: 提供与企业信用违约相关的量化信息； 提供至少一个文本量化指标； 筛选量化信息以及所述文本量化指标的多个变量；以及 利用该等变量产生预测信用违约指数。
10.种产生量化指标的方法，包含下列步骤: 为特定目的而取得的文件提供多个特征字； 为该等特征字分别赋予多个权重；以及以该等权重为基础， 为所述文件产生至少一个量化指标。
全文摘要
本发明是提供一种预测信用违约的方法，包含下列步骤利用第一演算法筛选文件的多个特征词，利用第二演算法产生多个经筛选的该等特征词的多个权重，利用该等权重以及第三演算法产生至少一个量化指标，从财务资料以及该等量化指标筛选多个变量，以及利用该等变量以及第四演算法产生预测信用违约指数。
文档编号G06Q10/04GK103093280SQ20121042237
公开日2013年5月8日 申请日期2012年10月30日 优先权日2011年10月31日
发明者卢阳正, 陈振南, 魏裕珍 申请人:铭传大学