一种客户关联风险的预测方法及装置制造方法及图纸

本发明专利技术提供了一种客户关联风险的预测方法及装置，依据预设关联关系权重体系和目标客户群中每个客户对间的关联关系类型，得到客户对间每种关联关系的风险传导系数，并进一步对客户对间每种关联关系的风险传导系数进行拟合，得到客户对间的拟合风险传导系数，使客户对间的关联关系风险可量化，在此基础上，依据客户对间的拟合风险传导系数将目标客户群划分为多个风险共同体，便于对其进行风险管理。

A prediction method and device of customer associated risk

The invention provides a prediction method and device of customer association risk. According to the preset association relationship weight system and the association relationship type of each customer pair in the target customer group, the risk transmission coefficient of each association relationship between customer pairs is obtained, and the risk transmission coefficient of each association relationship between customer pairs is further fitted to get the fitting risk transmission between customer pairs On this basis, the target customer group is divided into multiple risk communities according to the fitted risk transmission coefficient between customer pairs, which is convenient for risk management.

【技术实现步骤摘要】
一种客户关联风险的预测方法及装置
本专利技术涉及数据处理
，更具体的，涉及一种客户关联风险的预测方法及装置。
技术介绍
在外部经营环境方面，经济增速回落以及经济结构深入调整带来资产质量下行压力。随着企业跨地域、集团化经营业态的发展，风险传导机制日益复杂，增加了风险管理难度。银行信贷规模增长以及客户结构深刻变化，使得客户信用风险表现形式更加多元化，信用风险管理难度持续加大。当前商业银行的对客户风险的计量，主要考虑客户本身的相关属性进行风险计量，包括客户评级、风险分类、打分卡等技术手段，该类风险计量方式均侧重于客户本身的风险计量，对于风险的关联和传导考虑较少或者不完整，不能对客户信用风险进行准确预测。
技术实现思路
有鉴于此，本专利技术提供了一种客户关联风险的预测方法及装置，能够有效解决传统信贷业务中，信用风险管理体系重点关注单个客户、同时过度依赖专家经验等问题。为了实现上述专利技术目的，本专利技术提供的具体技术方案如下：一种客户关联风险的预测方法，包括：依据预设关联关系权重体系和目标客户群中每个客户对间的关联关系类型，计算每个所述客户对间每种关联关系的风险传导系数；分别对每个所述客户对间每种关联关系的风险传导系数进行拟合，得到每个所述客户对间的拟合风险传导系数；依据每个所述客户对间的拟合风险传导系数将所述目标客户群划分为多个风险共同体。可选的，所述依据预设关联关系权重体系和目标客户群中每个客户对间的关联关系类型，计算每个所述客户对间每种关联关系的风险传导系数，包括：依据预设关联关系权重体系，确定每个所述客户对间每种关联关系类型对应的权重；调用预先构建的逻辑回归模型，依据所述客户对间每种关联关系类型对应的权重以及所述客户对间目标客户发生逾期后预设周期内关联客户发生逾期的概率，计算所述客户对间每种关联关系的风险传导系数。可选的，所述依据每个所述客户对间的拟合风险传导系数将所述目标客户群划分为多个风险共同体，所述风险共同体中的所有客户具有相同的风险权重，包括：依据所述目标客户群中每个客户对间的关联关系，生成关联关系网络，所述关联关系网络中的每个节点分别对应一个客户，所述客户对对应的两个节点互为邻居节点，节点之间的边权重为相应所述客户对间的拟合风险传导系数；为每个节点设置一个唯一客群标识；当所述关联关系网络不满足收敛条件时，对于任意一个节点，将所有邻居节点中总权重最高的节点的客群标识作为本节点的客群标识，直到所述关联关系网络满足收敛条件，具有相同客群标识的节点对应的客户构成风险共同体，其中，节点的总权重为节点与每个邻居节点之间的边权重之和。可选的，所述将所有邻居节点中总权重最高的节点的客群标识作为本节点的客群标识，包括：当存在多个总权重最高的邻居节点时，从其中随机选取一个总权重最高的邻居节点的客群标识作为本节点的客群标识。一种客户关联风险的预测装置，包括：风险传导系数计算单元，用于依据预设关联关系权重体系和目标客户群中每个客户对间的关联关系类型，计算每个所述客户对间每种关联关系的风险传导系数；风险传导系数拟合单元，用于分别对每个所述客户对间每种关联关系的风险传导系数进行拟合，得到每个所述客户对间的拟合风险传导系数；风险共同体划分单元，用于依据每个所述客户对间的拟合风险传导系数将所述目标客户群划分为多个风险共同体。可选的，所述风险传导系数计算单元，具体用于：依据预设关联关系权重体系，确定每个所述客户对间每种关联关系类型对应的权重；调用预先构建的逻辑回归模型，依据所述客户对间每种关联关系类型对应的权重以及所述客户对间目标客户发生逾期后预设周期内关联客户发生逾期的概率，计算所述客户对间每种关联关系的风险传导系数。可选的，所述风险共同体划分单元，具体用于：依据所述目标客户群中每个客户对间的关联关系，生成关联关系网络，所述关联关系网络中的每个节点分别对应一个客户，所述客户对对应的两个节点互为邻居节点，节点之间的边权重为相应所述客户对间的拟合风险传导系数；为每个节点设置一个唯一客群标识；当所述关联关系网络不满足收敛条件时，对于任意一个节点，将所有邻居节点中总权重最高的节点的客群标识作为本节点的客群标识，直到所述关联关系网络满足收敛条件，具有相同客群标识的节点对应的客户构成风险共同体，其中，节点的总权重为节点与每个邻居节点之间的边权重之和。可选的，所述风险共同体划分单元，具体用于当存在多个总权重最高的邻居节点时，从其中随机选取一个总权重最高的邻居节点的客群标识作为本节点的客群标识。相对于现有技术，本专利技术的有益效果如下：本专利技术公开的客户关联风险的预测方法，依据预设关联关系权重体系和目标客户群中每个客户对间的关联关系类型，得到客户对间每种关联关系的风险传导系数，并进一步对客户对间每种关联关系的风险传导系数进行拟合，得到客户对间的拟合风险传导系数，使客户对间的关联关系风险可量化，在此基础上，依据客户对间的拟合风险传导系数将目标客户群划分为多个风险共同体，便于对其进行风险管理。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本专利技术实施例公开的一种客户关联风险的预测方法的流程示意图；图2为本专利技术实施例公开的一种客户关联风险的预测装置的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。专利技术人经研究发现客户的信用风险应该包括两部分，一部分是客户本身产生的风险，另一部分是由于客户各类关联关系带来的传导风险。其中，客户本身产生的风险可以通过客户评级、风险分类、打分卡等现有技术手段进行预测计算，本专利技术主要涉及对客户关联风险的预测。请参阅图1，本实施例公开了一种客户关联风险的预测方法，具体包括以下步骤：S101：依据预设关联关系权重体系和目标客户群中每个客户对间的关联关系类型，计算每个所述客户对间每种关联关系的风险传导系数；不同的企业间经常会存在不止一种的关联关系，如担保关系、投资关系等，而不同的关联关系其风险程度不同，因此，在对客户间风险传导进行量化时需要先对两个客户间存在的关联关系进行识别，本实施例对目前客观存在的客户间的关联关系进行梳理，得到以下10大类40种关联关系，并依据在大量历史数据的基础上采用各种科学分析方法计算每种关联关系的权重，构建了关联关系权重体系如下：表1关联关系权重体系本文档来自技高网...

【技术保护点】
1.一种客户关联风险的预测方法，其特征在于，包括：/n依据预设关联关系权重体系和目标客户群中每个客户对间的关联关系类型，计算每个所述客户对间每种关联关系的风险传导系数；/n分别对每个所述客户对间每种关联关系的风险传导系数进行拟合，得到每个所述客户对间的拟合风险传导系数；/n依据每个所述客户对间的拟合风险传导系数将所述目标客户群划分为多个风险共同体。/n

【技术特征摘要】
1.一种客户关联风险的预测方法，其特征在于，包括：
依据预设关联关系权重体系和目标客户群中每个客户对间的关联关系类型，计算每个所述客户对间每种关联关系的风险传导系数；
分别对每个所述客户对间每种关联关系的风险传导系数进行拟合，得到每个所述客户对间的拟合风险传导系数；
依据每个所述客户对间的拟合风险传导系数将所述目标客户群划分为多个风险共同体。


2.根据权利要求1所述的方法，其特征在于，所述依据预设关联关系权重体系和目标客户群中每个客户对间的关联关系类型，计算每个所述客户对间每种关联关系的风险传导系数，包括：
依据预设关联关系权重体系，确定每个所述客户对间每种关联关系类型对应的权重；
调用预先构建的逻辑回归模型，依据所述客户对间每种关联关系类型对应的权重以及所述客户对间目标客户发生逾期后预设周期内关联客户发生逾期的概率，计算所述客户对间每种关联关系的风险传导系数。


3.根据权利要求1所述的方法，其特征在于，所述依据每个所述客户对间的拟合风险传导系数将所述目标客户群划分为多个风险共同体，所述风险共同体中的所有客户具有相同的风险权重，包括：
依据所述目标客户群中每个客户对间的关联关系，生成关联关系网络，所述关联关系网络中的每个节点分别对应一个客户，所述客户对对应的两个节点互为邻居节点，节点之间的边权重为相应所述客户对间的拟合风险传导系数；
为每个节点设置一个唯一客群标识；
当所述关联关系网络不满足收敛条件时，对于任意一个节点，将所有邻居节点中总权重最高的节点的客群标识作为本节点的客群标识，直到所述关联关系网络满足收敛条件，具有相同客群标识的节点对应的客户构成风险共同体，其中，节点的总权重为节点与每个邻居节点之间的边权重之和。


4.根据权利要求3所述的方法，其特征在于，所述将所有邻居节点中总权重最高的节点的客群标识作为本节点的客群标识，包括：
当存在多个总权重最高的邻居节点时，从...

【专利技术属性】
技术研发人员：赵焕芳，陈萌，薛飞，邓伟仲，石花，李俊，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：北京;11