[發(fā)明專利]一種動態(tài)高風(fēng)險客群檢測方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201710928291.4
• 申請日: 2017-10-09
• 公開（公告）號: CN107798597A
• 公開（公告）日: 2018-03-13
• 發(fā)明（設(shè)計）人: 王軍偉;信亞楠;彭亞棟
• 申請（專利權(quán)）人: 上海二三四五金融科技有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明屬于風(fēng)險檢測領(lǐng)域，具體地，涉及一種動態(tài)高風(fēng)險客群檢測方法及系統(tǒng)。

背景技術(shù)

在當(dāng)今虛擬經(jīng)濟(jì)飛速發(fā)展的時代，信用體制以及其風(fēng)險管理日益受到關(guān)注。

促進(jìn)利用個人信用進(jìn)行消費(fèi)是當(dāng)今社會經(jīng)濟(jì)環(huán)境下擴(kuò)大內(nèi)需、促進(jìn)經(jīng)濟(jì)發(fā)展的重要方法，當(dāng)前中國首當(dāng)其沖的任務(wù)就是大力發(fā)展經(jīng)濟(jì)，利用個人信用消費(fèi)對國民經(jīng)濟(jì)增長起到推動力的作用，但個人信用方面的發(fā)展會遇到很多困難阻礙，從而個人信用很難得到有效的控制，而隨著金融證券化的發(fā)展，銀行已由賣方市場轉(zhuǎn)化到了買房市場，因此，爭奪實(shí)力雄厚、信用度高、還款能力強(qiáng)的客戶是商業(yè)銀行的主要競爭，調(diào)查人員在開拓市場進(jìn)行信貸營銷時，受理貸款人的申請，根據(jù)貸款人的資料，對其信用評估，同時對貸款的合法性、安全性、盈利性進(jìn)行調(diào)查，測定貸款風(fēng)險度，并提交分析報告。

而傳統(tǒng)模式對貸款人進(jìn)行信用風(fēng)險評估時，往往會因?yàn)楦鞣N資料的審查而導(dǎo)致周期過長，嚴(yán)重影響效率，以及貸款人提交的所有資料的真實(shí)性也無法確保，從而導(dǎo)致了很多高風(fēng)險人群因提交了虛假資料及證明或因?yàn)樵u估審查工作人員的疏忽而貸款成功，一旦無法按時還款，就會給銀行或放貸單位造成巨大損失。

目前基于大數(shù)據(jù)的客戶信用算法都是針對每個新用戶進(jìn)行重新計算，即，針對每個新用戶都要重復(fù)執(zhí)行一次信用算法，這樣帶來的數(shù)據(jù)處理量較高，而且處理較慢，因此，現(xiàn)有技術(shù)并未提供一種比較快速準(zhǔn)確的算法，用于檢測新用戶的風(fēng)險度。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)存在的技術(shù)缺陷，本發(fā)明的目的是提供一種動態(tài)高風(fēng)險客群檢測算法，其用于檢測歸屬于不同客群的新用戶的風(fēng)險度,根據(jù)本發(fā)明的一個方面，提供了一種動態(tài)高風(fēng)險客群檢測算法具體實(shí)施步驟，其用于檢測歸屬于不同客群的新用戶的風(fēng)險度，包括如下步驟：

a.基于評估指標(biāo)確定每個所述客群的風(fēng)險度，將所述風(fēng)險度大于風(fēng)險閾值的所述客群確定為高風(fēng)險客群；

b.基于距離函數(shù)確定所述新用戶與所述高風(fēng)險客群的相似度，將相似度大于第一相似度閾值的所述新用戶判定為風(fēng)險用戶，所述距離函數(shù)所述新用戶的用戶數(shù)據(jù)的種類相關(guān)。

優(yōu)選地，所述步驟a之前執(zhí)行如下步驟：

i.使用聚類算法基于多個歷史用戶的多個歷史數(shù)據(jù)對多個所述歷史用戶建群形成多個客群，所述聚類算法與所述歷史數(shù)據(jù)的種類相關(guān)。

優(yōu)選地，所述步驟i通過如下任一方式實(shí)現(xiàn)：

-若所述歷史數(shù)據(jù)為通訊錄數(shù)據(jù)或者個人特征數(shù)據(jù)，基于杰卡德距離算法確定多個所述歷史用戶彼此之間的相似度，將相似度大于第二相似度閾值的所述歷史用戶劃為一個所述客群；

-若所述歷史數(shù)據(jù)為定位數(shù)據(jù)，基于空間距離算法確定多個所述歷史用戶彼此之間的相似度，將相似度大于第三相似度閾值的所述歷史用戶劃為一個所述客群；

-若所述歷史數(shù)據(jù)為個人信息數(shù)據(jù)，基于歐式距離算法確定多個所述歷史用戶彼此之間的相似度，將相似度大于第四相似度閾值的所述歷史用戶劃為一個所述客群。

優(yōu)選地，所述步驟a包括如下步驟：

a1.根據(jù)所述評估指標(biāo)的種類篩選所述客群的關(guān)聯(lián)數(shù)據(jù)；

a2.采集超過所述評估指標(biāo)的所述關(guān)聯(lián)數(shù)據(jù)的數(shù)量和幅度；

a3.以所述數(shù)量和所述幅度為自變量通過風(fēng)險評估函數(shù)確定所述客群的反饋系數(shù)，所述反饋系數(shù)即為所述客群的風(fēng)險度。

優(yōu)選地，所述評估指標(biāo)基于如下方式確定：

-確定所述客群對應(yīng)的客群數(shù)據(jù)庫的時間分布，基于所述客群數(shù)據(jù)庫的時間分布確定所述評估指標(biāo)的種類；

-基于所述新用戶發(fā)出的請求類型確定所述評估指標(biāo)的種類。

優(yōu)選地，所述評估指標(biāo)為反饋周期最短的指標(biāo)。

優(yōu)選地，所述新用戶與所述高風(fēng)險客群的相似度通過如下任一方式實(shí)現(xiàn)：

-若所述用戶數(shù)據(jù)為通訊錄數(shù)據(jù)或者個人特征數(shù)據(jù)，基于杰卡德距離算法確定所述用戶與所述高風(fēng)險客群之間的相似度；

-若所述用戶數(shù)據(jù)為定位數(shù)據(jù)，基于空間距離算法確定所述用戶與所述高風(fēng)險客群之間的相似度；

-若所述用戶數(shù)據(jù)為個人信息數(shù)據(jù)，基于歐式距離算法確定所述用戶與所述高風(fēng)險客群之間的相似度。

優(yōu)選地，所述用戶與所述高風(fēng)險客群之間的相似度通過如下方式確定：逐一判斷所述新用戶與所述高風(fēng)險客戶群包括的每個所述歷史用戶對應(yīng)的歷史數(shù)據(jù)之間的重合度并獲得多個重合度，對所述多個重合度進(jìn)行處理得到所述用戶與所述高風(fēng)險客群之間的相似度。

根據(jù)本發(fā)明的另一個方面，提供了一種動態(tài)高風(fēng)險客群檢測系統(tǒng)，其用于檢測歸屬于不同客群的新用戶的風(fēng)險度，包括：