本技术涉及人工智能领域及金融科技领域，具体而言，涉及一种信贷风险的确定方法、装置、电子设备及存储介质。
背景技术：
1、企业信贷风险是商业银行所面临的主要风险之一，企业信贷风险是指银行贷款能否收回贷款本金和利息的不确定性。通过对企业的信用状况和借款用途进行分析和评估，确定企业的整体还款能力和信用风险，可以提高信贷业务的履约率，降低风险。
2、其中，传统的企业信贷风险评估规则是基于资深客户经理的经验生成的，其主要根据企业的资产信息、年度报表和纳税信息等情况来评估企业的整体还款能力，确定贷款方案(决定是否批准贷款申请,以及决定贷款的金额和利率)。这样的方式极度依赖客户经理的专业能力，被借鉴参考的难度和成本较大。
3、另外，随着贷款方式的不断更新，传统的信息风险评估规则有难以进行复制推广、局限性大(每个客户经理的经验有限)以及复杂不统一等问题，从而导致在确定企业信贷风险时存在准确度低的问题。
4、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本技术提供了一种信贷风险的确定方法、装置、电子设备及存储介质，以至少解决现有技术中在确定企业信贷风险时存在的准确度低的技术问题。
2、根据本技术的一个方面，提供了一种信贷风险的确定方法，包括：在接收到贷款对象的授权信息的情况下，从贷款对象的金融信息中提取得到n个数据特征，其中，金融信息至少包括贷款对象的还款记录数据以及交易流水数据，n个数据特征用于表征贷款对象的还款明细情况以及交易明细情况，n为大于1的整数；将金融信息划分为l个数据集，其中，l个数据集中不同的数据集对应不同的时间段；基于l个数据集中的每个数据集提取到与该数据集相对应的m个统计特征，其中，每个数据集对应的m个统计特征用于表征贷款对象在该数据集对应的时间段内的还款行为的波动情况以及交易行为的波动情况，m为大于1的整数；将n个数据特征以及每个数据集对应的m个统计特征转换为编码数据，其中，编码数据用于通过数值表征每个数据特征和每个统计特征；根据编码数据确定贷款对象的信贷风险。
3、可选地，信贷风险的确定方法还包括：通过编码器对n个数据特征和每个数据集对应的m个统计特征进行降维处理，得到n个目标数据特征和每个数据集对应的m个目标统计特征，其中，每个目标数据特征由n个数据特征中的一个数据特征降维处理得到，每个目标统计特征由m个统计特征中的一个统计特征降维处理得到；对n个目标数据特征和每个数据集对应的m个目标统计特征进行编码处理，得到编码数据，其中，不同类型的特征对应的编码方式不同。
4、可选地，信贷风险的确定方法还包括：通过目标模型利用模型训练过程中所学习的先验知识基于编码数据预测得到贷款对象的信贷风险，其中，信贷风险通过风险级别表示，目标模型为依据已知风险级别的参照对象的历史公开数据训练得到的模型。
5、可选地，信贷风险的确定方法还包括：通过滑动时间窗的方式依据金融信息中的每笔还款记录数据的生成时刻以及每笔交易流水数据的生成时刻，将金融信息划分为l个数据集，其中，l个数据集中的每个数据集对应不同的滑动时间窗，每个数据集对应的滑动时间窗用于确定该数据集对应的时间段。
6、可选地，每个数据集对应的m个统计特征包括如下至少之一：每个数据集中的相同类型的数据的平均值、方差、最大值、最小值、峰值、上四分位数、下四分位数。
7、可选地，信贷风险的确定方法还包括：获取x个参照对象的历史金融信息，其中，x个参照对象中的每个参照对象对应一个风险级别，x为大于1的整数；将x个参照对象的历史金融信息划分为y个金融数据集合，其中，y为大于1的整数，y个金融数据集合中的每个金融数据集合由对应相同风险级别的参照对象的历史金融信息组成；获取每个金融数据集合中的数据数量；根据每个金融数据集合中的数据数量确定y个金融数据集合中的第一数据集合和第二数据集合，其中，第一数据集合的数据数量少于第二数据集合的数据数量；根据第一数据集合和第二数据集合训练得到目标模型。
8、可选地，信贷风险的确定方法还包括：对第一数据集合进行上采样操作，其中，上采样操作用于将第一数据集合的数据数量扩充至第一数量，第一数量大于或等于第二数据集合的数据数量；将执行完上采样操作后的第一数据集合作为第三数据集合；根据第三数据集合和第二数据集合训练得到目标模型。
9、可选地，信贷风险的确定方法还包括：对第二数据集合和第三数据集合分别进行下采样操作，其中，下采样操作用于将第二数据集合的数据数量缩小至第二数量，并且将第三数据集合的数据数量缩小至第二数量，第二数量小于第二数据集合的数据数量且大于执行上采样操作前的第一数据集合的数据数量；将执行完下采样操作后的第二数据集合作为第四数据集合，并且将执行完下采样操作后的第三数据集合作为第五数据集合；根据第四数据集合和第五数据集合训练得到目标模型。
10、可选地，信贷风险的确定方法还包括：从第四数据集合和第五数据集合二者中的历史金融信息中提取得到n个训练数据特征，其中，n个训练数据特征用于表征历史金融信息对应的参照对象的还款明细情况以及交易明细情况；将历史金融信息划分为l个训练数据集，其中，l个训练数据集中不同的训练数据集对应不同的历史时间段；基于l个训练数据集中的每个训练数据集提取到与该训练数据集相对应的m个统计特征，其中，每个训练数据集对应的m个统计特征用于表征历史金融信息对应的参照对象在该训练数据集对应的历史时间段内的还款行为的波动情况以及交易行为的波动情况；将n个训练数据特征以及每个训练数据集对应的m个统计特征转换为训练编码数据，其中，训练编码数据用于通过数值表征每个训练数据特征和每个训练数据集对应的统计特征；将训练编码数据以及历史金融信息对应的参照对象的已知风险级别输入至神经网络中，经过多次迭代训练之后，将训练完成的神经网络作为目标模型。
11、根据本技术的另一方面，还提供了一种信贷风险的确定装置，其中，信贷风险的确定装置包括：数据特征提取单元，用于在接收到贷款对象的授权信息的情况下，从贷款对象的金融信息中提取得到n个数据特征，其中，金融信息至少包括贷款对象的还款记录数据以及交易流水数据，n个数据特征用于表征贷款对象的还款明细情况以及交易明细情况，n为大于1的整数；划分单元，用于将金融信息划分为l个数据集，其中，l个数据集中不同的数据集对应不同的时间段；统计特征提取单元，用于基于l个数据集中的每个数据集提取到与该数据集相对应的m个统计特征，其中，每个数据集对应的m个统计特征用于表征贷款对象在该数据集对应的时间段内的还款行为的波动情况以及交易行为的波动情况，m为大于1的整数；转换单元，用于将n个数据特征以及每个数据集对应的m个统计特征转换为编码数据，其中，编码数据用于通过数值表征每个数据特征和每个统计特征；确定单元，用于根据编码数据确定贷款对象的信贷风险。
12、根据本技术的另一方面，还提供了一种计算机可读存储介质，其中，计算机可读存储介质中存储有计算机程序，其中，在计算机程序运行时控制计算机可读存储介质所在设备执行上述任意一项的信贷风险的确定方法。
13、根据本技术的另一方面，还提供了一种电子设备，其中，电子设备包括一个或多个处理器和存储器，存储器用于存储一个或多个程序，其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现上述任意一项的信贷风险的确定方法。
14、在本技术中，采用将金融信息划分为l个数据集，并基于每个数据集提取到对应的m个统计特征的方式，在接收到贷款对象的授权信息的情况下，从贷款对象的金融信息中提取得到n个数据特征，其中，金融信息至少包括贷款对象的还款记录数据以及交易流水数据，n个数据特征用于表征贷款对象的还款明细情况以及交易明细情况，n为大于1的整数。然后，将金融信息划分为l个数据集，其中，l个数据集中不同的数据集对应不同的时间段。随后，基于l个数据集中的每个数据集提取到与该数据集相对应的m个统计特征，其中，每个数据集对应的m个统计特征用于表征贷款对象在该数据集对应的时间段内的还款行为的波动情况以及交易行为的波动情况，m为大于1的整数。最后，将n个数据特征以及每个数据集对应的m个统计特征转换为编码数据，并根据编码数据确定贷款对象的信贷风险，其中，编码数据用于通过数值表征每个数据特征和每个统计特征。
15、由上述内容可知，本技术首先将贷款对象的金融信息划分为l个数据集，并基于l个数据集中的每个数据集提取到与每个数据集相对应的m个统计特征，从而实现了增加特征维度的目的(即在n个数据特征的基础上新增了不同时间段内的m个统计特征)，用于更全面地反映贷款对象在不同时间段内的还款行为的波动情况以及交易行为的波动情况，在此基础上，依据n个数据特征与每个数据集对应的m个统计特征，可以更准确地预测贷款对象的信贷风险。此外，将数据特征和统计特征均转换为编码数据，相当于将非数值类的特征全部转换为数值表示的形式，从而还可以降低后续的计算量，提高数据处理效率。
16、由此可见，通过本技术的技术方案，达到了无需依据资深客户经验便可以自动化地确定贷款对象的信贷风险的目的，并且实现了基于多维度特征提高对信贷风险的预测准确度的技术效果，进而解决了现有技术中在确定企业信贷风险时存在的准确度低的技术问题。
1.一种信贷风险的确定方法，其特征在于，包括：
2.根据权利要求1所述的信贷风险的确定方法，其特征在于，将所述n个数据特征以及所述每个数据集对应的m个统计特征转换为编码数据，包括：
3.根据权利要求2所述的信贷风险的确定方法，其特征在于，根据所述编码数据确定所述贷款对象的信贷风险，包括：
4.根据权利要求1所述的信贷风险的确定方法，其特征在于，将所述金融信息划分为l个数据集，包括：
5.根据权利要求1所述的信贷风险的确定方法，其特征在于，所述每个数据集对应的m个统计特征包括如下至少之一：
6.根据权利要求3所述的信贷风险的确定方法，其特征在于，所述目标模型通过以下步骤训练得到，包括：
7.根据权利要求6所述的信贷风险的确定方法，其特征在于，根据所述第一数据集合和所述第二数据集合训练得到所述目标模型，包括：
8.根据权利要求7所述的信贷风险的确定方法，其特征在于，根据所述第三数据集合和所述第二数据集合训练得到所述目标模型，包括：
9.根据权利要求8所述的信贷风险的确定方法，其特征在于，根据所述第四数据集合和所述第五数据集合训练得到所述目标模型，包括：
10.一种信贷风险的确定装置，其特征在于，包括：
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至9中任意一项所述的信贷风险的确定方法。
12.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至9中任意一项所述的信贷风险的确定方法。
