[發明專利]一種對風險賬戶的判別方法

在審

• 申請號: 202111138679.7
• 申請日: 2021-09-27
• 公開（公告）號: CN114139594A
• 公開（公告）日: 2022-03-04
• 發明（設計）人: 姜永進
• 申請（專利權）人: 北銀金融科技有限責任公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q30/00;G06Q40/04;G06Q50/26
• 代理公司: 北京世譽鑫誠專利代理有限公司 11368
• 代理人: 孫國棟

1.一種對風險賬戶的判別方法，其特征在于，所述判別方法包括：

定期從大數據平臺采集客戶儲蓄信息；

對所述客戶儲蓄信息進行加工，生成風控規則；

以賬戶作為統一維度，根據所述風控規則作為特征變量X和業務反饋的好壞標簽Y進行拼接，最終生成特征變量為X，標簽為Y的大寬表；

將特征變量中離散型的特征變量進行one-hot處理，將特征變量中連續型的特征變量進行字符類型處理，構建特征工程；

將所述特征工程放入模型中訓練，構建模型；

采用KS和AUC指標對模型結果進行評估，輸出特征變量重要性排序和特征變量對應分數；

將特征變量的分數進行標準化處理，獲得處理結果，所述處理結果為風險規則的權重；

根據所述權重得到風險總得分，將所述風險總得分與風險閾值對比，獲得對比結果，根據所述對比結果判別其是否為風險賬戶。

2.根據權利要求1所述的一種對風險賬戶的判別方法，其特征在于，所述客戶儲蓄信息具體包括客戶儲蓄明細數據表，流水附表信息，個人客戶賬戶合約信息表，個人客戶基本信息表，開銷戶表，客戶資產統計歷史表，客戶篩選表的數據信息，明確每張表的唯一主鍵進行關聯。

3.根據權利要求1所述的一種對風險賬戶的判別方法，其特征在于，所述將特征變量中離散型的特征變量進行one-hot處理具體包括：

one-hot編碼方式如下：

確定要編碼的對象：[‘中國’,’美國’,’日本’,’美國’]

確定分類變量：中國，美國，日本，共3種類別

有3個樣本，每個樣本有3個特征，將每個樣本轉化為二進制向量表示，首先進行特征的整數編碼：中國--0，美國--1，日本--2，并將特征按照從小到大排列，得到one-hot編碼如下：

[‘中國’,’美國’,’日本’,’美國’]在one-hot編碼后為：

[[1,0,0],[0,1,0],[0,0,1],[0,1,0]]。

4.根據權利要求1所述的一種對風險賬戶的判別方法，其特征在于，所述采用KS和AUC指標對模型結果進行評估，輸出特征變量重要性排序和特征變量對應分數具體包括：

指標的計算方法基本一致；它是用不同方式呈現分類模型的準確性；KS值是KS圖中兩條線之間最大的距離；其中KS的值越大，代表模型預測的準確性越好，KS的取值范圍是[0,1]，其中，KS0.2代表模型有很好的區分性；在[0.2,0.4)之間，代表模型勉強接受；在[0.4,0.6)之間，代表模型有很好的區分能力，在[0.6,0.8)之間，代表模型有非常好的區分能力，大于等于0.8以上，代表模型可能異常；

AUC值為ROC曲線所覆蓋的區域面積，AUC越大，分類器分類效果越好；AUC＝1，是完美分類器，采用這個預測模型時，不管設定什么閾值都能得出完美預測；0.75＝AUC1，代表這個分類器模型能有較好的分類結果；0.5＝AUC0.75，代表分類器模型分類結果一般；AUC0.5，比隨機猜測還差。

5.根據權利要求1所述的一種對風險賬戶的判別方法，其特征在于，所述將特征變量的分數進行標準化處理，獲得處理結果，所述處理結果為風險規則的權重具體包括：

將特征變量的分數進行min-max標準化處理，對應的數值為風控規則的權重；min-max標準化公式如下：

對序列x₁,x₂,x₃,......,x_n進行變換，

則新序列y₁,y₂,y₃,......,y_n∈[0,1]且無量綱。

6.根據權利要求1所述的一種對風險賬戶的判別方法，其特征在于，所述根據所述權重得到風險總得分，將所述風險總得分與風險閾值對比，獲得對比結果，根據所述對比結果判別其是否為風險賬戶具體包括：

將各個風控規則根據權重進行加總，計算風險總得分；

將風險總得分和風險閾值進行比較，若超過，對應賬戶為風險賬戶；否則，對應賬戶為無風險賬戶；

設總得分為y，風險閾值為Y，規則觸碰得分為x₁,x₂,x₃,......,x_n，規則權重為a₁,a₂,a₃......a_n，則具體公式如下：

y＝a₁x₁+a₂x₂+a₃x₃+......+a_nx_n

若yY，對應為風險賬戶。