[發明專利]一種基于規則引擎的銀行異常業務監控方法和系統

無效

• 申請號: 200910084860.7
• 申請日: 2009-05-26
• 公開（公告）號: CN101714273A
• 公開（公告）日: 2010-05-26
• 發明（設計）人: 胡佰慶;徐鶴;李治宇;賈皓立
• 申請（專利權）人: 北京銀豐新融科技開發有限公司
• 主分類號: G07F19/00
• 分類號: G07F19/00;G05B19/048;G06F17/00;G06Q40/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于規則引擎的銀行異常業務監控方法，其特征在于，主要步驟包括：

對銀行業務流程，產品，業務單元的操作風險因素進行定義和描述；

確定損失數據和風險數據收集框架，對重要損失數據分析以確定損失事件和風險因素的因果關系；

確定關鍵風險指標(KPI)；

衡量可能的損失金金額和風險概率，包括：基于歷史數據的量化方法和專家評判法；

衡量現有的管控方法的有效性，建設更有效的管控方案；

決策和實施基于效率和相平衡的管控體系；

風險預警指標，針對高級管理層的風險報告，風險官孔方法的有效監控。

衡量流程的合規性和有效性。

2.根據權利要求1所述的方法，其特征在于，所述方法通過對象與行為的關系關聯監督檢查資金流向的異常情況，從而發現各種欺詐行為。

3.根據權利要求1所述的方法，其特征在于，所述方法包括一套基于KRI(關鍵風險指標)的風險量化指標體系。

4.根據權利要求3所述的方法，其特征在于，所述風險量化指標體系采用從下至上的分層設計，基于業務數據集市分為對象輪廓指標、基礎風險指標、規則風險指標、風險度量指標等。

5.根據權利要求1所述的方法，其特征在于，所述方法還包括一種監控模型的建立方法，包括：

對象行為模式：將業務活動的對象、要素、行為統一成單一對象行為模式、多個對象行為模式；

監測模型：將監測模型主要分為實時控制模型、正常業務模型、異常業務監測模型、累計特征分析模型；這四類模型方法既是獨立的，也是相互依賴的。

模型構建方法：統一的一套建模方法論，指導監測系統從業務到模型的實施過程。

6.根據權利要求5所述的方法，其特征在于，所述方法在建立監測模型的過程中，主要步驟還包括：

行為分析：確定監測對象之后，針對對象行為進行組合分析，形成監測模型；

模型試驗：在一定數據范圍內，利用監測模型進行數據試驗；

模型確定：對試驗信息進行評估認定，從反饋結果中確立正確合適的監測模型。

7.根據權利要求1所述的方法，其特征在于，所述方法通過預警規則庫將風險監測的業務范圍劃分為綜合管理、個金業務、公司業務、外匯業務、授信業務等；每類業務按照監測技術劃分，可以分為實時監測、事后監測、定期分析和事后監督四種類型。

8.根據權利要求1所述的方法，其特征在于，所述方法根據設置的預警規則將每日自動對業務數據進行風險監測預警，并將系統的預警信息按照其重要程度，設定用戶級別。

9.一種基于規則引擎的銀行異常業務監控系統，其特征在于，所述系統按邏輯層次劃分，包括：

業務數據層、數據采集層、數據存儲層、風險處理層、風險管理層和信息展現層。

所述業務數據層，主要指系統的原始業務數據來源。業務數據主要來自于現有的：核心業務系統、業務集中系統、數據倉庫和其他外部數據。

所述數據采集層，利用數據采集平臺從核心系統、數據倉庫及相關業務系統中采集原始業務數據，包括：實時與非實時兩種數據采集方式。

所述數據存儲層，主要用于各類數據的存儲，包括采集過來的原始業務數據以及系統所產生的衍生數據。

所述風險處理層，提供各類業務邏輯處理，主要由三大智能引擎實現：

計算引擎：根據風控實例的計算特性進行計算，主要包括即時計算和批處理計算兩種模式。需要對日常統計、風險指標等進行批處理計算，除此之外，需要對抽樣、查詢等進行即時計算。

規則引擎：主要處理風險監測預警所涉及的指標、參數以及規則的計算，利用實時業務監測模型、正常業務監測模型、異常業務監測模型以及特征累計監測模型實現風險的監測預警。

工作流引擎：利用工作流技術實現在預警處理、調查分析、案例管理以及風險報告過程中業務處理工作流程的管理。

所述風險管理層可以實現會計業務風險的監測、預警、調查、跟蹤、報告等一系列風險處理流程，同時提供了系統的所有業務功能。主要劃分為基礎管理、監測預警兩大應用功能平臺。

所述信息展現層，為各類用戶提供了統一的系統信息門戶進行功能接入以及信息訪問，實現了WEB功能展現、BI多維分析以及安全保障體系。用戶可劃分為：風險監測用戶、系統運作用戶、技術開發用戶、會計業務主管、部門領導、行領導等。