[發明專利]一種風險評估方法、裝置、終端設備及存儲介質

在審

• 申請號: 201810435813.1
• 申請日: 2018-05-09
• 公開（公告）號: CN108665159A
• 公開（公告）日: 2018-10-16
• 發明（設計）人: 劉順
• 申請（專利權）人: 深圳壹賬通智能科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q40/00
• 代理公司: 深圳眾鼎專利商標代理事務所(普通合伙) 44325
• 代理人: 譚果林

本發明公開了一種風險評估方法、裝置、終端設備及存儲介質，所述方法包括：獲取樣本用戶的歷史金融信息構建訓練集，針對訓練集，使用隨機森林算法構建決策樹，根據生成的多棵決策樹構造出隨機森林，得到金融風險評估模型，使用金融風險評估模型對待評測用戶的金融信息進行預測，統計金融風險評估模型中每棵決策樹的預測結果，并充分利用每一棵決策樹的投票結果，進一步計算出待評測用戶的金融風險厭惡系數。本發明的技術方案通過構建金融風險評估模型對用戶的金融信息進行預測，并統計模型的預測結果作進一步的計算，從而得到用戶的金融風險承受水平，提高對用戶的金融風險評估的精確度。

技術領域

本發明涉及金融服務技術領域，尤其涉及一種風險評估方法、裝置、終端設備及存儲介質。

背景技術

在許多金融業務的推廣方面，需要明確的了解用戶的金融風險承受水平，風險承受水平是指一個人有多大能力承擔風險，與個人資產狀況、家庭情況、工作情況等方面都有關系，需要綜合考慮衡量，從而評估得到用戶能承受多大的投資損失但不至于影響他的正常生活的風險承受能力。

目前評估用戶的風險承受水平一般采用問卷調查的方法，如用戶在購買理財產品、基金或者股票之前，對用戶做一個風險評估的問卷調查，根據用戶填寫的金融風險評估的問卷的答題情況，并結合用戶的個人信息，得到該用戶的風險承受水平。但是，在這種金融風險評估問卷調查的方式中，用戶給出的答案往往具有強烈的主觀性，或者由問卷中得到的用戶信息并不全面，無法客觀的反映用戶真實的金融情況，因此得到的用戶的金融風險承受水平往往并不準確，導致金融風險評估的準確性較低。

發明內容

本發明實施例提供一種風險評估方法，以解決現有技術中對用戶的金融風險承受水平進行金融風險評估的準確性低的問題。

第一方面，本發明實施例提供一種風險評估方法，包括：

獲取樣本用戶的歷史金融信息；

根據所述歷史金融信息構建訓練集；

針對所述訓練集，使用隨機森林算法進行決策樹構建，得到金融風險評估模型，其中，所述金融風險評估模型包括K棵決策樹，K為正整數；

使用所述金融風險評估模型對待評測用戶的金融信息進行模型預測，得到所述待評測用戶在所述金融風險評估模型中每棵所述決策樹的預測結果；

根據所述預測結果，對預設的金融風險類別進行投票，并統計每個所述金融風險類別的得票率，其中，所述金融風險類別包括預設的多個風險等級和每個所述風險等級對應的初始厭惡系數；

將每個所述金融風險類別的得票率中最高得票率的金融風險類別確定為基準類別，并計算低于所述基準類別的金融風險類別的得票率的左平均值，以及高于所述基準類別的金融風險類別的得票率的右平均值；

若所述左平均值大于或者等于所述右平均值，則將所述基準類別的初始厭惡系數與所述左平均值的差確定為所述待評測用戶的金融風險厭惡系數，否則，將所述基準類別的初始厭惡系數與所述右平均值的和確定為所述金融風險厭惡系數；

根據所述金融風險厭惡系數確定所述待評測用戶的金融風險承受水平。

第二方面，本發明實施例提供一種風險評估裝置，包括：

用戶歷史金融信息獲取模塊，用于獲取樣本用戶的歷史金融信息；

訓練集構建模塊，用于根據所述歷史金融信息構建訓練集；

金融風險評估模型構建模塊，用于針對所述訓練集，使用隨機森林算法進行決策樹構建，得到金融風險評估模型，其中，所述金融風險評估模型包括K棵決策樹，K為正整數；

金融風險評估模型預測模塊，用于使用所述金融風險評估模型對待評測用戶的金融信息進行模型預測，得到所述待評測用戶在所述金融風險評估模型中每棵所述決策樹的預測結果；