[發明專利]金融目標客戶確定方法、裝置及電子設備

在審

• 申請號: 201911290914.5
• 申請日: 2019-12-16
• 公開（公告）號: CN111179051A
• 公開（公告）日: 2020-05-19
• 發明（設計）人: 張潮華;高明宇
• 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目標客戶確定方法、裝置、電子設備及計算機可讀介質。該方法包括：基于多個客戶的金融信息和風險評分模型確定所述多個客戶的風險評分；提取所述風險評分大于閾值的至少一個客戶；基于所述至少一個客戶的金融信息和利潤評分模型確定所述至少一個客戶的利潤評分；以及基于所述利潤評分由所述至少一個客戶中確定目標客戶。本公開涉及的金融目標客戶確定方法、裝置、電子設備及計算機可讀介質，能夠通過風險和利潤等多個角度對目標用戶進行篩選，提高整體金融服務的通過率，提升公司利潤。

技術領域

本公開涉及計算機信息處理領域，具體而言，涉及一種金融目標客戶確定方法、裝置、電子設備及計算機可讀介質。

背景技術

隨著經濟的發展，為了滿足其自身發展的需要，個人用戶或者企業用戶經常由金融服務機構進行借款活動，對于金融服務機構而言，用戶的借款活動很可能會給金融服務公司帶來風險。在還款期限屆滿之前，借款人(信貸用戶)財務商務狀況的重大不利變化很可能影響其履約能力，從而發生呆賬、壞賬等風險，因此，為了降低此類風險的發生概率，金融服務機構需要對借款人進行風險評估，根據風險評估結果，金融服務公司可拒絕為金融風險較高、不能還款的用戶提供服務。

目前，金融風險的判別經常是通過對用戶的信用風險進行分析獲得。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。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。但是在實際中發現，有些客戶雖然不能夠按時還款，但是由于涉及到違約金和利息等金融收益，在這些違約還款的用戶還款的時候，其帶來的利潤也相較于按時還款的客戶的利潤高。而且，通過信用風險判定之后拒貸的客戶中，有些客戶帶來的利潤是可以覆蓋風險，給金融服務公司帶來利潤收入。如何對這類用戶進行分析，合理的對這些用戶進行金融服務，是亟待解決的問題。

因此，需要一種新的金融目標客戶確定方法、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目標客戶確定方法、裝置、電子設備及計算機可讀介質，能夠通過風險和利潤等多個角度對目標用戶進行篩選，提高整體金融服務的通過率，提升公司利潤。

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，提出一種金融目標客戶確定方法，該方法包括：基于多個客戶的金融信息和風險評分模型確定所述多個客戶的風險評分；提取所述風險評分大于閾值的至少一個客戶；基于所述至少一個客戶的金融信息和利潤評分模型確定所述至少一個客戶的利潤評分；以及基于所述利潤評分由所述至少一個客戶中確定目標客戶。

可選地，還包括：通過歷史客戶的還款信息對第一機器學習模型進行訓練，生成所述風險評分模型，所述風險評分模型用于生成客戶違約還款的風險評分。

可選地，通過歷史客戶的還款信息對第一機器學習模型進行訓練，包括：通過歷史客戶的還款信息對梯度提升決策樹模型進行訓練。

可選地，還包括：通過歷史客戶的收益信息對第二機器學習模型進行訓練，生成所述利潤評分模型，所述利潤評分模型用于生成客戶帶來的年化收益的利潤評分。

可選地，通過歷史客戶的收益信息對第二機器學習模型進行訓練，包括：通過歷史客戶的收益信息對卡方自動交互檢測決策樹模型進行訓練。

可選地，提取所述風險評分大于閾值的至少一個客戶，包括：通過歷史經驗數據確定所述閾值；以及將所述多個客戶的風險評分與所述閾值進行比較以提取所述至少一個客戶。