技术特征：
1.一种构建违约损失率预测模型的方法，其特征在于，包括：获取影响违约损失率的影响因素，基于获取的影响因素构建违约损失率影响层次结构；对构建的违约损失率影响层次结构中的准则层因素矩阵进行赋值，得到准则层值矩阵，以及，对构建的违约损失率影响层次结构中的因子层因素矩阵进行赋值，得到因子层值矩阵；依据预先设置的特征根计算策略以及一致性判别策略，对准则层值矩阵以及因子层值矩阵进行调整，得到准则层一致性值矩阵及因子层一致性值矩阵；基于准则层一致性值矩阵、因子层一致性值矩阵、预先设置的主因素排序权值、子因素排序权值以及可变函数，获取违约损失率；基于获取的违约损失率以及实际的违约损失率，对准则层一致性值矩阵以及因子层一致性值矩阵进行修正，直至获取的违约损失率以及实际的违约损失率的误差满足预先设置的误差策略，得到违约损失率预测模型。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于所述违约损失率影响层次结构包含的各影响因素，获取待评估交易的影响因素数据值；依据所述违约损失率预测模型中准则层一致性值矩阵以及因子层一致性值矩阵与影响因素数据值的映射关系，以及获取的影响因素数据值，构建待评估准则层值矩阵以及待评估因子层值矩阵；基于待评估准则层值矩阵、待评估因子层值矩阵、主因素排序权值、子因素排序权值以及可变函数，得到所述待评估交易的预测违约损失率。3.根据权利要求1或2所述的方法，其特征在于，所述违约损失率影响层次结构包括准则层和因子层，基于获取的影响因素构建违约损失率影响层次结构，包括：对获取的各影响因素进行聚类，得到多个主因素，基于得到的多个主因素构建准则层，以及，基于每一主因素包含的子因素，构建包含各子因素的因子层；基于准则层包含的主因素，构建分别以包含的主因素为行列的准则层因素矩阵，以及，基于因子层每一主因素包含的子因素，分别构建以该主因素包含的子因素为行列的因子层因素矩阵。4.根据权利要求1或2所述的方法，其特征在于，所述对构建的违约损失率影响层次结构中的准则层因素矩阵进行赋值，得到准则层值矩阵，包括：提取准则层因素矩阵中第一阈值行的第一主因素以及第二阈值列的第二主因素；依据第一主因素相对第二主因素对违约损失率的影响程度，对准则层因素矩阵的第一阈值行第二阈值列进行赋值；针对每一样本交易，提取包含的影响因素，依据提取的影响因素对应的值，与赋值的准则层因素矩阵进行匹配，得到准则层值矩阵。5.根据权利要求1或2所述的方法，其特征在于，所述依据预先设置的特征根计算策略以及一致性判别策略，对准则层值矩阵以及因子层值矩阵进行调整，得到准则层一致性值矩阵及因子层一致性值矩阵，包括：依据预先设置的特征根计算策略，获取准则层值矩阵的准则最大特征根近似值，以及，
因子层值矩阵的因子最大特征根近似值；基于准则最大特征根近似值以及一致性判别策略，调整准则层值矩阵，得到准则层一致性值矩阵，以及，基于因子最大特征根近似值以及一致性判别策略，调整因子层值矩阵，得到因子层一致性值矩阵。6.根据权利要求5所述的方法，其特征在于，所述依据预先设置的特征根计算策略，获取因子层值矩阵的因子最大特征根近似值，包括：对因子层值矩阵的每一列向量，分别进行归一化处理，得到因子列归一向量；对因子列归一向量进行按行求和，得到因子行和值；对因子行和值进行归一化处理，得到因子权向量；依据因子权向量，计算因子最大特征根近似值。7.根据权利要求1或2所述的方法，其特征在于，所述基于准则层一致性值矩阵、因子层一致性值矩阵、预先设置的主因素排序权值、子因素排序权值以及可变函数，获取违约损失率，包括：基于准则层一致性值矩阵对应的主因素排序权值，计算准则层排序权重，以及，基于因子层一致性值矩阵对应的子因素排序权值，计算因子层排序权重；根据准则层排序权重与因子层排序权重，计算总权重；根据总权重与因子值计算综合得分；获取综合得分的核心参数，利用预先设置的可变函数对核心参数进行计算，得到资产回收率，基于资产回收率获取违约损失率。8.一种构建违约损失率预测模型的装置，其特征在于，包括：层次构建模块，用于获取影响违约损失率的影响因素，基于获取的影响因素构建违约损失率影响层次结构；赋值模块，用于对构建的违约损失率影响层次结构中的准则层因素矩阵进行赋值，得到准则层值矩阵，以及，对构建的违约损失率影响层次结构中的因子层因素矩阵进行赋值，得到因子层值矩阵；一致性校正模块，用于依据预先设置的特征根计算策略以及一致性判别策略，对准则层值矩阵以及因子层值矩阵进行调整，得到准则层一致性值矩阵及因子层一致性值矩阵；损失率计算模块，用于基于准则层一致性值矩阵、因子层一致性值矩阵、预先设置的主因素排序权值、子因素排序权值以及可变函数，获取违约损失率；模型构建模块，用于基于获取的违约损失率以及实际的违约损失率，对准则层一致性值矩阵以及因子层一致性值矩阵进行修正，直至获取的违约损失率以及实际的违约损失率的误差满足预先设置的误差策略，得到违约损失率预测模型。9.一种计算机设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至7任一所述的构建违约损失率预测模型的方法的步骤。10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至7任一所述的构建违约损失率预测模型的方法的步骤。
技术总结
本发明提供了一种构建违约损失率预测模型的方法及装置，方法包括：获取影响违约损失率的影响因素，构建违约损失率影响层次结构；对构建的违约损失率影响层次结构进行赋值，得到准则层值矩阵及因子层值矩阵；依据特征根计算策略及一致性判别策略，对矩阵进行调整，得到准则层一致性值矩阵及因子层一致性值矩阵；基于准则层一致性值矩阵、因子层一致性值矩阵、主因素排序权值、子因素排序权值及可变函数，获取违约损失率；基于获取的违约损失率以及实际的违约损失率，对准则层一致性值矩阵以及因子层一致性值矩阵进行修正，直至获取的违约损失率及实际的违约损失率的误差满足误差策略，得到违约损失率预测模型。可以提高LGD的预测精度。预测精度。预测精度。
技术研发人员：况文川 陈明 肖勃飞 何兴凤 孙梦芸
受保护的技术使用者：中电金信软件有限公司
技术研发日：2022.11.23
技术公布日：2023/3/7