[發明專利]一種風險評級方法及裝置

在審

• 申請號: 201910590901.3
• 申請日: 2019-07-02
• 公開（公告）號: CN110245879A
• 公開（公告）日: 2019-09-17
• 發明（設計）人: 郭會;孫琳
• 申請（專利權）人: 中國農業銀行股份有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q40/02
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 劉穎

本申請公開了一種風險評級方法及裝置，該方法中，通過對多個歷史客戶的數據進行特征提取，建立歷史客戶的特征點集，對目標客戶的數據進行同樣的特征提取，建立目標客戶的特征點集，計算目標客戶的特征點集與多個歷史客戶的特征點集之間的距離，找到與目標客戶的特征點集距離最近的K個特征點集對應的K個歷史客戶，基于該K個歷史客戶的評級數據得到目標客戶的風險評級。在進行目標客戶的風險評級時，先找到與目標客戶在預設特征方面具有強相關性的歷史客戶，利用這些歷史客戶的已審核評級數據確定目標客戶的評級數據，充分考慮了客戶之間的相關性，實現了準確的風險評級。

技術領域

本申請涉及數據處理技術領域，尤其涉及一種風險評級方法及裝置。

背景技術

風險評級指的是銀行對客戶進行風險等級劃分，風險等級反映的是客戶風險的高低，一般包括高中低三個等級。對于高風險客戶銀行應采取相應交易限制措施和管理措施，以預防洗錢和恐怖融資活動。

能否準確地對客戶進行風險評級對銀行來說非常重要，如果將低風險客戶誤評為高風險客戶，對該客戶的交易限制和管理會給該客戶造成很多不便，影響客戶的體驗；而如果將高風險客戶無評為低風險客戶，銀行將不能防范洗錢風險。

因此，如何準確地對客戶進行風險評級已經成為了亟需解決的問題。

發明內容

有鑒于此，本申請提供了一種風險評級方法及裝置，以實現準確的風險評級。

為實現上述目的，一方面，本申請提供了一種風險評級方法，所述方法包括：

獲取目標客戶的客戶信息、合約信息和交易信息；

從所述目標客戶的客戶信息、合約信息和交易信息中提取出預設特征的特征值，形成所述目標客戶的特征點集；所述特征點集中的各特征值按照預定順序排列；

分別計算所述目標客戶的特征點集與預先建立的每個歷史客戶的特征點集的距離，按由小到大的順序對計算出的多個距離進行排序，確定前K個距離對應的K個歷史客戶；所述K為正整數；

依據所述K個歷史客戶的已審核評級數據，確定所述目標客戶的風險評級。

在一種可能的實現方式中，所述從所述目標客戶的客戶信息、合約信息和交易信息中提取出預設特征的特征值，包括：

從所述客戶信息中提取年齡、地址和職業的特征值；

從所述合約信息中提取合約開立關閉時間、合約信息最近更新日距上一個更新日時間、合約余額和合約近預設時間段內的交易對手個數的特征值；

從所述交易信息中提取近預設時間段內的交易筆數、最近一筆交易金額、近預設時間段內的交易平均金額、最近一筆非線上交易地點和最近預設筆非線上交易地點最遠距離的特征值。

在一種可能的實現方式中，所述歷史客戶的特征點集按照以下步驟建立：

從大數據平臺獲取客戶數據、合約數據、交易數據和已審核評級數據；

去除所述客戶數據、合約數據、交易數據和已審核評級數據中的重復數據和噪聲數據；

從去除重復數據和噪聲數據之后的數據中提取出預設特征的特征值；

針對每個所述已審核評級數據對應的歷史客戶，統計屬于所述歷史客戶的特征值，并按照預設順序排列所述屬于所述歷史客戶的各特征值，得到所述歷史客戶的特征點集。

在一種可能的實現方式中，所述K為按照如下步驟確定的最優值：

選取建立的多個歷史客戶的特征點集中的第一部分歷史客戶的特征點集作為訓練集，第二部分歷史客戶的特征點集作為測試集；

按照設定的參數取值范圍，依次取出一個參數值；所述參數值為正整數；