[發明專利]理財產品的風險預測方法、相關裝置及計算機存儲介質

在審

• 申請號: 202110484109.7
• 申請日: 2021-04-30
• 公開（公告）號: CN113052684A
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 申亞坤;劉燁敏;譚瑩坤;周慧婷
• 申請（專利權）人: 中國銀行股份有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q40/06;G06Q30/02;G06K9/62
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 李慧引

1.一種理財產品的風險預測方法，其特征在于，包括：

實時采集客戶設定的至少一個數據源的數據；

針對每一個所述數據源的數據，對所述數據源的數據進行特征處理，得到所述數據源的特征值；

將每一個所述數據源的特征值，輸入至風險預測模型中，得到風險預測結果；其中，所述風險預測模型由訓練樣本客戶的歷史交易數據對隨機森林模型進行訓練得到；所述歷史交易數據包括所述訓練樣本客戶進行的歷史交易操作數據以及所述訓練樣本客戶進行歷史交易時對應的數據源的數據；

將所述風險預測結果與風險敏感度的積，作為最終的風險值；其中，所述風險敏感度為通過預先以問卷的形式對所述客戶風險承受能力進行評測的結果；

若所述最終的風險值大于收益閾值時，生成提醒信息；其中，所述收益閾值包括正向閾值和負向閾值；所述收益閾值由所述客戶進行設定；所述提醒信息用于提醒所述客戶，所述客戶所持有的理財產品存在風險。

2.根據權利要求1所述的風險預測方法，其特征在于，所述風險預測模型的構建方法，包括：

構建訓練樣本集；其中，所述訓練樣本集包括多個訓練樣本客戶的歷史交易數據；

針對每一個所述訓練樣本客戶，將所述訓練樣本客戶進行歷史交易時對應的數據源的數據輸入至隨機森林模型，得到風險預測結果；

利用所述風險預測結果與真實結果之間的誤差，對所述隨機森林模型進行不斷調整，直至調整后的所述隨機森林模型輸出的風險預測結果與真實結果之間的誤差滿足預設的收斂條件時，將所述調整后的隨機森林模型確定為風險預測模型；其中，所述真實結果為所述訓練樣本客戶進行歷史交易時對應的數據源的數據對應的歷史交易操作。

3.根據權利要求2所述的風險預測方法，其特征在于，所述利用所述風險預測結果與真實結果之間的誤差，對所述隨機森林模型進行不斷調整，直至調整后的所述隨機森林模型輸出的風險預測結果與真實結果之間的誤差滿足預設的收斂條件時，將所述調整后的隨機森林模型確定為風險預測模型之前，還包括：

計算得到訓練樣本集中所有所述訓練樣本客戶的風險預測結果與真實結果之間的誤差的均值，作為修正參數；

將所述風險預測結果與所述修正參數的和，作為最終的風險預測結果；

其中，所述利用所述風險預測結果與真實結果之間的誤差，對所述隨機森林模型進行不斷調整，直至調整后的所述隨機森林模型輸出的預測結果與真實結果之間的誤差滿足預設的收斂條件時，將所述調整后的隨機森林模型確定為風險預測模型，包括：

利用所述最終的風險預測結果與真實結果之間的誤差，對所述隨機森林模型進行不斷調整，直至調整后的所述隨機森林模型輸出的最終的風險預測結果與真實結果之間的誤差滿足預設的收斂條件時，將所述調整后的隨機森林模型確定為風險預測模型。

4.根據權利要求1所述的風險預測方法，其特征在于，還包括：

若所述最終的風險值小于所述收益閾值，且大于系統固然誤差時，按照對所述客戶設定的贖回設置對資金進行贖回；其中，所述系統固然誤差為所述系統中所有客戶執行風險預測時產生的累計誤差。

5.一種理財產品的風險預測裝置，其特征在于，包括：

采集單元，用于實時采集客戶設定的至少一個數據源的數據；

特征處理單元，用于針對每一個所述數據源的數據，對所述數據源的數據進行特征處理，得到所述數據源的特征值；

第一輸入單元，用于將每一個所述數據源的特征值，輸入至風險預測模型中，得到風險預測結果；其中，所述風險預測模型由訓練樣本客戶的歷史交易數據對隨機森林模型進行訓練得到；所述歷史交易數據包括所述訓練樣本客戶進行的歷史交易操作數據以及所述訓練樣本客戶進行歷史交易時對應的數據源的數據；

風險確定單元，用于將所述風險預測結果與風險敏感度的積，作為最終的風險值；其中，所述風險敏感度為通過預先以問卷的形式對所述客戶風險承受能力進行評測的結果；

提醒單元，用于若所述最終的風險值大于收益閾值時，生成提醒信息；其中，所述收益閾值包括正向閾值和負向閾值；所述收益閾值由所述客戶進行設定。