[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

本公開涉及一種金融風險敏感用戶識別方法、裝置、電子設備及計算機可讀介質。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。本公開涉及的金融風險敏感用戶識別方法、裝置、電子設備及計算機可讀介質，能夠將宏觀環境因素和用戶自身的微觀個體因素結合起來，更加準確全面的對用戶的金融風險進行判定。

技術領域

本公開涉及計算機信息處理領域，具體而言，涉及一種金融風險敏感用戶識別方法、裝置、電子設備及計算機可讀介質。

背景技術

信用風險又稱為交易對方風險或履約風險，指交易對方不履行到期債務的風險。由于結算方式的不同，場內衍生交易和場外衍生交易各自所涉的信用風險也有所不同。在具體的應用場景下，信用風險只要是指是借款人因各種原因未能及時、足額償還債務或銀行貸款而違約，信用風險是由兩方面的原因造成的：一是由于經濟運行的周期性的原因；在處于經濟擴張期時，信用風險降低，因為較強的贏利能力使總體違約率降低。在處于經濟緊縮期時，信用風險增加，因為贏利情況總體惡化，借款人因各種原因不能及時足額還款的可能性增加；二是個人職業或者生活環境變動的原因，這種特殊事件發生與經濟運行周期無關，與個人用戶的個人信息強相關。

信用風險作為互聯網金融服務行業所面臨的主要風險，一直是信貸風險管理的核心內容。現有技術中對于用戶的信用風險計算的普遍用的方式是把宏觀經濟環境變量與金融主體公司整體風險掛鉤，主要考慮宏觀環境是否對提供金融服務的互聯網金融公司有影響，或哪些宏觀因素導致了提供互聯網金融服務公司整體風險變高了，隨著全球經濟依賴性逐漸增強，分析宏觀經濟環境變化對客戶信用損失的影響并挖掘出對宏觀因素較敏感的客群是非常有必要的。

因此，需要一種新的金融風險敏感用戶識別方法、裝置、電子設備及計算機可讀介質。

在所述背景技術部分公開的上述信息僅用于加強對本公開的背景的理解，因此它可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

有鑒于此，本公開提供一種金融風險敏感用戶識別方法、裝置、電子設備及計算機可讀介質，能夠將宏觀環境因素和用戶自身的微觀個體因素結合起來，更加準確全面的對用戶的金融風險進行判定。

本公開的其他特性和優點將通過下面的詳細描述變得顯然，或部分地通過本公開的實踐而習得。

根據本公開的一方面，提出一種金融風險敏感用戶識別方法，該方法包括：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。

可選地，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。

可選地，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。

可選地，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。

可選地，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。

可選地，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。