[發明專利]金融風險敏感用戶識別方法、裝置及電子設備

在審

• 申請號: 201910581205.6
• 申請日: 2019-06-29
• 公開（公告）號: CN110348999A
• 公開（公告）日: 2019-10-18
• 發明（設計）人: 沈赟;白苗君;管笛;鄭彥
• 申請（專利權）人: 北京淇瑀信息科技有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02
• 代理公司: 北京清誠知識產權代理有限公司 11691
• 代理人: 喬東峰

1.一種金融風險敏感用戶識別方法，其特征在于，包括：

獲取多個信用風險模型，所述多個信用風險模型基于多個宏觀經濟環境建立；

將用戶數據輸入所述多個信用風險模型中，獲取多個信用評分；

基于所述多個信用評分生成用戶的信用波動特征值；以及

根據所述信用波動特征值的強度，確定所述用戶是否為金融風險敏感用戶。

2.如權利要求1所述的方法，其特征在于，還包括：

根據所述信用波動特征值與敏感客戶劃分模型，為所述用戶確定監控風險級別。

3.如權利要求1-2中任一所所述的方法，其特征在于，還包括：

基于多個宏觀經濟環境下的多個用戶數據與機器學習方法建立所述多個信用風險模型；

其中，所述信用風險模型為體現微觀經濟個體金融特征的機器學習模型。

4.如權利要求1-3中任一所所述的方法，其特征在于，基于多個宏觀經濟環境下的多個用戶數據與機器學習方法建立所述多個信用風險模型還包括：

通過多個預定時間范圍內的多個用戶數據生成多個宏觀經濟環境下的多個用戶數據。

5.如權利要求1-4中任一所所述的方法，其特征在于，將用戶數據輸入所述多個信用風險模型中，獲取多個信用評分包括：

將用戶數據輸入信用風險模型中；

所述信用風險模型基于所述用戶數據進行迭代計算；以及

在迭代計算滿足預設條件時，生成所述信用評分。

6.如權利要求1-5中任一所所述的方法，其特征在于，基于所述多個信用評分生成用戶的信用波動特征值包括：

基于所述多個信用評分生成用戶的信用波動曲線；以及

對所述信用波動曲線進行波動分析以生成所述信用波動特征值。

7.如權利要求1-6中任一所所述的方法，其特征在于，根據所述信用波動特征值的強度，確定所述用戶是否為金融風險敏感用戶包括：

根據歷史用戶的信用波動特征值建立閾值；

將所述信用波動特征值與所述閾值比較以確定所述強度；以及

其中所述閾值包括至少一個子閾值。

8.一種金融風險敏感用戶識別裝置，其特征在于，包括：

模型模塊，用于獲取多個信用風險模型，所述多個信用風險模型基于多個宏觀經濟環境建立；

評分模塊，用于將用戶數據輸入所述多個信用風險模型中，獲取多個信用評分；

波動模塊，用于基于所述多個信用評分生成用戶的信用波動特征值；以及

判斷模塊，用于根據所述信用波動特征值的強度，確定所述用戶是否為金融風險敏感用戶。

9.一種電子設備，其特征在于，包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序；

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-7中任一所述的方法。

10.一種計算機可讀介質，其上存儲有計算機程序，其特征在于，所述程序被處理器執行時實現如權利要求1-7中任一所述的方法。