一种对风险账户的判别方法技术

本发明专利技术提供的一种对风险账户的判别方法，所述判别方法包括：定期从大数据平台采集客户储蓄信息；对所述客户储蓄信息进行加工，生成风控规则；将特征变量中离散型的特征变量进行one

【技术实现步骤摘要】
一种对风险账户的判别方法


[0001]本专利技术涉及金融
，尤其涉及一种对风险账户的判别方法。

技术介绍

[0002]风险账户判别方法是判别非法资金转移的跨境赌博、电信网络诈骗等违法犯罪活动的一种方法。风险账户判别则能够及时发现银行中的违法异常账户，挖掘账户出租、出售、出借等潜在风险，判别出由非法犯罪分子行为形成的黑色产业链。较好的配合执法和监管机构打击治理电信网络违法犯罪行为。现有技术中的风险判别方法是，客户触碰单个风险规则，赋10分，所有风险规则检测完毕后，得到客户总分。将总分与既有风险阈值进行比较，若超过阈值则判定为风险账户。
[0003]所以，现有技术中的风险判别方法认为每个风险规则同等重要，且缺乏数据及算法支持，所以获得的风险判别的结果不准确。

技术实现思路

[0004]鉴于上述问题，提出了本专利技术一种对风险账户的判别方法。
[0005]根据本专利技术的一个方面，提供了一种对风险账户的判别方法，所述判别方法包括：
[0006]定期从大数据平台采集客户储蓄信息；
[0007]对所述客户储蓄信息进行加工，生成风控规则；
[0008]以账户作为统一维度，根据所述风控规则作为特征变量X和业务反馈的好坏标签Y进行拼接，最终生成特征变量为X，标签为Y的大宽表；
[0009]将特征变量中离散型的特征变量进行one
‑
hot处理，将特征变量中连续型的特征变量进行字符类型处理，构建特征工程；
[0010]将所述特征工程放入模型中训练，构建模型；
[0011]采用KS和AUC指标对模型结果进行评估，输出特征变量重要性排序和特征变量对应分数；
[0012]将特征变量的分数进行标准化处理，获得处理结果，所述处理结果为风险规则的权重；
[0013]根据所述权重得到风险总得分，将所述风险总得分与风险阈值对比，获得对比结果，根据所述对比结果判别其是否为风险账户。
[0014]可选的，所述客户储蓄信息具体包括客户储蓄明细数据表，流水附表信息，个人客户账户合约信息表，个人客户基本信息表，开销户表，客户资产统计历史表，客户筛选表的数据信息，明确每张表的唯一主键进行关联。
[0015]可选的，所述将特征变量中离散型的特征变量进行one
‑
hot处理具体包括：
[0016]one
‑
hot编码方式如下：
[0017]确定要编码的对象：[
‘
中国
’
,
’
美国
’
,
’
日本
’
,
’
美国
’
][0018]确定分类变量：中国，美国，日本，共3种类别
[0019]有3个样本，每个样本有3个特征，将每个样本转化为二进制向量表示，首先进行特征的整数编码：中国
‑‑
0，美国
‑‑
1，日本
‑‑
2，并将特征按照从小到大排列，得到one
‑
hot编码如下：
[0020][
‘
中国
’
,
’
美国
’
,
’
日本
’
,
’
美国
’
]在one
‑
hot编码后为：
[0021][[1,0,0],[0,1,0],[0,0,1],[0,1,0]]。
[0022]可选的，所述采用KS和AUC指标对模型结果进行评估，输出特征变量重要性排序和特征变量对应分数具体包括：
[0023]指标的计算方法基本一致；它是用不同方式呈现分类模型的准确性；KS 值是KS图中两条线之间最大的距离；其中KS的值越大，代表模型预测的准确性越好，KS的取值范围是[0,1]，其中，KS>0.2代表模型有很好的区分性；在[0.2,0.4)之间，代表模型勉强接受；在[0.4,0.6)之间，代表模型有很好的区分能力，在[0.6,0.8)之间，代表模型有非常好的区分能力，大于等于0.8以上，代表模型可能异常；
[0024]AUC值为ROC曲线所覆盖的区域面积，AUC越大，分类器分类效果越好；AUC＝1，是完美分类器，采用这个预测模型时，不管设定什么阈值都能得出完美预测；0.75＝<AUC<1，代表这个分类器模型能有较好的分类结果； 0.5＝<AUC<0.75，代表分类器模型分类结果一般；AUC<0.5，比随机猜测还差。
[0025]可选的，所述将特征变量的分数进行标准化处理，获得处理结果，所述处理结果为风险规则的权重具体包括：
[0026]将特征变量的分数进行min
‑
max标准化处理，对应的数值为风控规则的权重；min
‑
max标准化公式如下：
[0027]对序列x1,x2,x3,......,x
n
进行变换，
[0028]则新序列y1,y2,y3,......,y
n
∈[0,1]且无量纲。
[0029]可选的，所述根据所述权重得到风险总得分，将所述风险总得分与风险阈值对比，获得对比结果，根据所述对比结果判别其是否为风险账户具体包括：
[0030]将各个风控规则根据权重进行加总，计算风险总得分；
[0031]将风险总得分和风险阈值进行比较，若超过，对应账户为风险账户；否则，对应账户为无风险账户；
[0032]设总得分为y，风险阈值为Y，规则触碰得分为x1,x2,x3,......,x
n
，规则权重为a1,a2,a3......a
n
，则具体公式如下：
[0033]y＝a1x1+a2x2+a3x3+......+a
n
x
n
[0034]若y>Y，对应为风险账户。
[0035]本专利技术提供的一种对风险账户的判别方法，所述判别方法包括：定期从大数据平台采集客户储蓄信息；对所述客户储蓄信息进行加工，生成风控规则；以账户作为统一维度，根据所述风控规则作为特征变量X和业务反馈的好坏标签Y进行拼接，最终生成特征变量为X，标签为Y的大宽表；将特征变量中离散型的特征变量进行one
‑
hot处理，将特征变量中连续型的特征变量进行字符类型处理，构建特征工程；将所述特征工程放入模型中训练，构建模型；采用KS和AUC指标对模型结果进行评估，输出特征变量重要性排序和特征变量对
应分数；将特征变量的分数进行标准化处理，获得处理结果，所述处理结果为风险规则的权重；根据所述权重得到风险总得分，将所述风险总得分与风险阈值对比，获得对比结果，根据所述对比结果判别其是否为风险账户。提高了风险评估的准确度。
[0036]上述说明仅是本专利技术技术方案本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对风险账户的判别方法，其特征在于，所述判别方法包括：定期从大数据平台采集客户储蓄信息；对所述客户储蓄信息进行加工，生成风控规则；以账户作为统一维度，根据所述风控规则作为特征变量X和业务反馈的好坏标签Y进行拼接，最终生成特征变量为X，标签为Y的大宽表；将特征变量中离散型的特征变量进行one
‑
hot处理，将特征变量中连续型的特征变量进行字符类型处理，构建特征工程；将所述特征工程放入模型中训练，构建模型；采用KS和AUC指标对模型结果进行评估，输出特征变量重要性排序和特征变量对应分数；将特征变量的分数进行标准化处理，获得处理结果，所述处理结果为风险规则的权重；根据所述权重得到风险总得分，将所述风险总得分与风险阈值对比，获得对比结果，根据所述对比结果判别其是否为风险账户。2.根据权利要求1所述的一种对风险账户的判别方法，其特征在于，所述客户储蓄信息具体包括客户储蓄明细数据表，流水附表信息，个人客户账户合约信息表，个人客户基本信息表，开销户表，客户资产统计历史表，客户筛选表的数据信息，明确每张表的唯一主键进行关联。3.根据权利要求1所述的一种对风险账户的判别方法，其特征在于，所述将特征变量中离散型的特征变量进行one
‑
hot处理具体包括：one
‑
hot编码方式如下：确定要编码的对象：[
‘
中国
’
,
’
美国
’
,
’
日本
’
,
’
美国
’
]确定分类变量：中国，美国，日本，共3种类别有3个样本，每个样本有3个特征，将每个样本转化为二进制向量表示，首先进行特征的整数编码：中国
‑‑
0，美国
‑‑
1，日本
‑‑
2，并将特征按照从小到大排列，得到one
‑
hot编码如下：[
‘
中国
’
,
’
美国
’
,
’
日本
’
,
’
美国
’
]在one
‑
hot编码后为：[[1,0,0],[0,1,0],[0,0,...

【专利技术属性】
技术研发人员：姜永进，
申请(专利权)人：北银金融科技有限责任公司，
类型：发明
国别省市：