[發(fā)明專利]一種基于復(fù)雜網(wǎng)絡(luò)的信用卡客戶欺詐風(fēng)險特征提取方法

在審

• 申請?zhí)枺?/td>: 201710398124.3
• 申請日: 2017-05-31
• 公開（公告）號: CN107169864A
• 公開（公告）日: 2017-09-15
• 發(fā)明（設(shè)計）人: 雷濤;譚可華;呂慧;高紅霄;周治輝;賈鑫
• 申請（專利權(quán)）人: 天云融創(chuàng)數(shù)據(jù)科技（北京）有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q50/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及復(fù)雜網(wǎng)絡(luò)及機器學(xué)習(xí)領(lǐng)域，特別是涉及一種基于復(fù)雜網(wǎng)絡(luò)的信用卡客戶欺詐風(fēng)險特征提取方法。

背景技術(shù)

近年來，隨著經(jīng)濟的快速發(fā)展和對外開放的不斷深入，我國信用卡業(yè)務(wù)快速發(fā)展。商業(yè)銀行逐漸重視信用卡業(yè)務(wù)，外資銀行也以不同方式介入信用卡業(yè)務(wù)，各發(fā)卡銀行發(fā)卡量大幅上升，市場競爭逐漸開始激烈，區(qū)域性的競爭尤為突出。據(jù)統(tǒng)計，僅2016年上半年，上市銀行新增發(fā)卡量就達(dá)到了4976萬張。伴隨著發(fā)卡量的增長，發(fā)卡銀行面臨的風(fēng)險也日益顯現(xiàn)，如信用風(fēng)險、流動風(fēng)險、市場風(fēng)險等。尤其是信用卡作為無擔(dān)保的信用貸款金融產(chǎn)品，雖然貸款基于消費，且基本為小額，但客戶群體眾多，審核手續(xù)簡單，在銀行對客戶信息收集、信息篩選中都面臨不對稱信息問題，由于客戶收入變化，或是惡意拖欠會造成較大的信用風(fēng)險，即使存在有效的風(fēng)險監(jiān)控機制，事后逾期催收手段，同樣面臨較高的交易成本。據(jù)研究資料和實務(wù)數(shù)據(jù)統(tǒng)計分析，信用風(fēng)險所造成的損失占商業(yè)銀行信用卡業(yè)務(wù)風(fēng)險損失的90％，因此信用風(fēng)險是造成信用卡業(yè)務(wù)資產(chǎn)損失的主要原因。

如何有效地對新申請客戶進行信用欺詐預(yù)測，防范信用不良的客戶申辦信用卡，提高銀行預(yù)防和抵抗信用卡風(fēng)險的能力，是所有銀行迫切需要解決的問題。傳統(tǒng)的信用風(fēng)險度量是根據(jù)客戶基本信息和信用歷史資料，利用相應(yīng)的機器學(xué)習(xí)信用預(yù)測模型，評估用戶的信用欺詐概率，該類方法以局部分析多，全局分析少；而復(fù)雜網(wǎng)絡(luò)能夠?qū)?fù)雜系統(tǒng)的本質(zhì)進行抽象，有助于理解復(fù)雜系統(tǒng)中各元素間的相互作用和復(fù)雜系統(tǒng)的整體性質(zhì)。因此如何提取復(fù)雜網(wǎng)絡(luò)特征，構(gòu)建有效的客戶欺詐風(fēng)險特征向量，對于提高信用卡申請欺詐預(yù)測模型的準(zhǔn)確性起到重要作用。

發(fā)明內(nèi)容

信用卡的發(fā)放本質(zhì)屬于信貸業(yè)務(wù)。通過剖析信用卡業(yè)務(wù)風(fēng)險成因，建立完善的風(fēng)險控制機制，并挖掘出高效的風(fēng)險控制技術(shù)，對于化解商業(yè)銀行信用卡業(yè)務(wù)風(fēng)險具有十分重要的現(xiàn)實意義。本發(fā)明的目的是借助復(fù)雜網(wǎng)絡(luò)分析客戶之間的社交關(guān)系，設(shè)計并計算相關(guān)社交網(wǎng)絡(luò)特征，構(gòu)建有效的客戶欺詐風(fēng)險特征向量，全面描述客戶信息，提高信用卡申請欺詐預(yù)測的準(zhǔn)確性，從本質(zhì)上防范信用風(fēng)險。

上述發(fā)明目的是通過以下技術(shù)方案實現(xiàn)的：

步驟1：根據(jù)信用卡客戶的社交信息和欺詐客戶信息，制定鏈接規(guī)則，以信用卡客戶為節(jié)點，構(gòu)建客戶社交網(wǎng)絡(luò)。

信用卡客戶社交信息包括申請客戶的通訊信息，申請注冊推廣人信息和郵件往來信息，欺詐客戶信息包括“通過”和“欺詐”兩類客戶標(biāo)簽；以此為數(shù)據(jù)基礎(chǔ)，制定鏈接規(guī)則，將信用卡客戶作為節(jié)點，將客戶對應(yīng)的標(biāo)簽信息作為節(jié)點的欺詐屬性，若兩個節(jié)點間有相同的通訊信息，申請注冊推廣人信息或具有郵件往來，則將兩個節(jié)點鏈接起來，構(gòu)建客戶社交網(wǎng)絡(luò)。

步驟2：在構(gòu)建完成客戶社交網(wǎng)絡(luò)后，定義并計算一階度、一階欺詐數(shù)、一階欺詐比、二階度、二階欺詐數(shù)、二階欺詐比和欺詐最短路徑七個社交網(wǎng)絡(luò)特征。

步驟3：綜合客戶的申請信息和社交網(wǎng)絡(luò)特征，構(gòu)建客戶特征向量。

傳統(tǒng)信用風(fēng)險評估一般都是直接采用客戶的申請信息構(gòu)建客戶特征向量，僅從個體角度描述客戶信息，而未考慮到客戶之間的關(guān)聯(lián)關(guān)系，本發(fā)明通過分析信用卡客戶的社交信息和欺詐客戶信息，發(fā)現(xiàn)客戶之間關(guān)聯(lián)關(guān)系，構(gòu)建客戶社交網(wǎng)絡(luò)，計算相關(guān)的社交網(wǎng)絡(luò)特征，構(gòu)建有效的客戶特征向量，更全面的描述客戶信息，對構(gòu)建高效的欺詐預(yù)測模型，支撐欺詐客戶發(fā)現(xiàn)起到重要作用。

附圖說明

圖1是基于復(fù)雜網(wǎng)絡(luò)的信用卡客戶欺詐風(fēng)險特征提取方法的流程圖；

圖2是“一階度”示意圖；

圖3是“二階度”示意圖；

圖4是“欺詐最短路徑”示意圖；

具體實施方式

下面結(jié)合附圖和具體實施方式對本發(fā)明基于復(fù)雜網(wǎng)絡(luò)的信用卡客戶欺詐風(fēng)險特征提取方法作進一步的說明：

如圖1所示，本發(fā)明公開了一種基于復(fù)雜網(wǎng)絡(luò)的信用卡客戶欺詐風(fēng)險特征提取方法，操作步驟如下：首先根據(jù)信用卡客戶的社交信息和欺詐客戶信息，制定鏈接規(guī)則，以信用卡客戶為節(jié)點，構(gòu)建客戶社交網(wǎng)絡(luò)；然后在構(gòu)建完成客戶社交網(wǎng)絡(luò)后，定義并計算一階度、一階欺詐數(shù)、一階欺詐比、二階度、二階欺詐數(shù)、二階欺詐比和欺詐最短路徑七個社交網(wǎng)絡(luò)特征；最后綜合客戶的申請信息和社交網(wǎng)絡(luò)特征，構(gòu)建客戶特征向量。構(gòu)建一個有效的特征向量，對于建立一個高效的預(yù)測模型，進而準(zhǔn)確地分析與把握商業(yè)銀行經(jīng)營風(fēng)險并有效防范信用風(fēng)險具有重要意義。

其具體實現(xiàn)過程為：

步驟1：構(gòu)建客戶社交網(wǎng)絡(luò)的具體流程如下：

1)綜合信用卡客戶的社交信息和欺詐客戶信息，形成客戶社交信息表；