[發明專利]風險尾端客戶分析方法、裝置、設備及計算機存儲介質

在審

• 申請號: 202010549855.5
• 申請日: 2020-06-16
• 公開（公告）號: CN111652525A
• 公開（公告）日: 2020-09-11
• 發明（設計）人: 桑曉臨;林銘鑫
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/10;G06Q40/02;G06K9/62
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 許峰

本發明涉及金融科技領域，并公開了一種風險尾端客戶分析方法、裝置、設備及計算機存儲介質。所述方法包括如下步驟：在接收到風險分析請求時，確定所述風險分析請求對應待分析的目標客戶，并獲取所述目標客戶的客戶信息；將所述客戶信息輸入至預設的尾端分析模型中，通過所述尾端分析模型處理所述客戶信息，獲得風險特征信息；通過所述尾端分析模型分析所述風險特征信息，獲得所述目標客戶的風險分類；在所述目標客戶的風險分類為尾端客戶分類時，輸出提示信息。本發明通過尾端分析模型全面考慮客戶信息，提高了風險尾端客戶分析的準確性。

技術領域

本發明涉及金融科技(Fintech)技術領域，尤其涉及風險尾端客戶分析方法、裝置、設備及計算機存儲介質。

背景技術

近年來，互聯網金融科技(Fintech)的飛速發展，越來越多的技術(大數據、分布式、區塊鏈Blockchain、人工智能等)應用在金融領域。

金融業務的數據量和業務量指數增長，為了提高金融業務的安全性，在金融業務執行的過程中需要進行風險尾端客戶分析，風險尾端客戶分析是指對用戶相關的信息進行分析風險表現極端的客戶，為排除風險表現極端的客戶，審批流程中通常對風險直接類特征所涉及的指標設定準入閾值，以篩除閾值外的尾端客戶，這種處理方案簡單直接，然而，目前篩除閾值外的尾端客戶沒有通用的解決方案，主要依賴于專家經驗判斷來選擇所用風險規則及相關的指標，這樣的尾端客戶風險分析方法分析存在一定的主觀性，風險尾端客戶識別不準確。

發明內容

本發明的主要目的在于提出一種風險尾端客戶分析方法、裝置、設備及計算機存儲介質，旨在當前的導致尾端客戶風險分析存在一定的主觀性，風險尾端客戶識別不準確的技術問題。

為實現上述目的，本發明提供一種風險尾端客戶分析方法，所述風險尾端客戶分析方法包括如下步驟：

在接收到風險分析請求時，確定所述風險分析請求對應待分析的目標客戶，并獲取所述目標客戶的客戶信息；

將所述客戶信息輸入至預設的尾端分析模型中，通過所述尾端分析模型處理所述客戶信息，獲得風險特征信息；

通過所述尾端分析模型分析所述風險特征信息，獲得所述目標客戶的風險分類；

在所述目標客戶的風險分類為尾端客戶分類時，輸出提示信息。

可選地，所述在接收到風險分析請求時，確定所述風險分析請求對應待分析的目標客戶，并獲取所述目標客戶的客戶信息的步驟之前，所述方法包括：

獲取樣本數據集，針對所述樣本數據集中樣本數據構建風險特征集，將所述風險特征集中的各風險特征轉化為初始變量值組成初始變量集；

窮舉所述初始變量集中的各初始變量值后預設占比的分位數分別作為初始規則閾值，根據各所述初始規則閾值確定初始規則集；

根據所述初始規則集從所述初始變量集中選擇與風險分析有關聯性的初始變量作為入模變量值，將選擇的所述入模變量值組成入模變量集；

窮舉所述入模變量集中的各入模變量值后預設占比的分位數分別作為入模規則閾值，根據各所述入模規則閾值確定入模規則集；

根據所述樣本數據集和所述入模規則集訓練初始分析模型，獲得尾端分析模型。

可選地，所述根據所述初始規則集從所述初始變量集中選擇與風險分析有關聯性的初始變量作為入模變量值，將選擇的所述入模變量值組成入模變量集的步驟，包括：

計算所述初始規則集中各初始規則命中所述樣本數據集中負例樣本的濃度提升度和影響面；

從所述初始規則集中篩選出不同影響面下濃度提升度最高的目標規則，將各所述目標規則對應的初始變量值作為入模變量值，將各所述入模變量值組成入模變量集。