本发明专利技术公开了一种汽车金融风险智能化识别方法，本发明专利技术通过采集历史金融数据样本，基于预设规则、根据历史金融数据样本中的交易信息及对应的交易类型标签，建立金融数据风控模型；以及根据金融数据风控模型对目标金融数据的交易类型进行预测，并根据预测结果对该目标金融数据进行风险控制，通过直接采集带有交易类型标签的历史金融数据样本建立金融数据风控模型，能够有效提高金融数据风控模型的构建效率，根据金融数据风控模型实现对目标金融数据的智能化数据预测，有效提高预测效率和准确率，通过获取训练样本，建立XGBoost模型，利用训练样本对预设的初始XGBoost模型进行训练学习，得到XGBoost模型及参数，利用经训练的XGBoost模型对目标客户的金融风险进行评估。XGBoost模型对目标客户的金融风险进行评估。XGBoost模型对目标客户的金融风险进行评估。
【技术实现步骤摘要】
一种汽车金融风险智能化识别方法及系统
[0001]本专利技术涉及数据处理
，具体为一种汽车金融风险智能化识别方法及系统。
技术介绍
[0002]金融领域的应用趋向数据信息化、结构化、网络化、智能化，而对于客户授信额度的信用评测同样是以客户大量的个人信息作为评测基础，就当前而言，越来越多的金融网络平台、终端金融软件应运而生，使得网络中产生大量的数据信息。
[0003]个人用户在进行金融交易的过程中，无法很好的对所选择的交易目标进行风险识别和评估，从而使得个人用户对自己的金融交易的风险程度情况不了解，造成盲目交易，甚至导致财产损失。如何对个人用户的金融交易活动进行有效的风险评估，为个人用户的金融交易提供有效参考，是大数据时代面临的挑战问题，为此，我们提出一种汽车金融风险智能化识别方法及系统。
技术实现思路
[0004]本专利技术提供了一种汽车金融风险智能化识别方法及系统，以对个人用户的金融交易活动进行有效的风险评估，为个人用户的金融交易提供有效参考。
[0005]为了解决上述技术问题，本专利技术的技术方案为：
[0006]一种汽车金融风险智能化识别方法，包括以下步骤：
[0007]S1：采集历史金融数据样本(data sample)，其中，历史金融数据样本中包含有各个交易信息(Transaction Information)及对应的交易类型标签(Type Tag)，统计多个平台中每个平台的交易特征数据以及平台基本信息；根据交易特征数据以及平台基本信息对多个平台进行聚类处理(Clustering)，得到多个平台集合(Set)；
[0008]S2：基于预设规则、根据所述历史金融数据样本中的各个交易信息及对应的交易类型标签，建立金融数据风控模型(Model)；
[0009]S3：根据所述金融数据风控模型对目标金融数据的交易类型进行预测，并根据预测结果对该目标金融数据进行风险控制；
[0010]S4：获取训练样本(training samples)，并利用所述训练样本对预设的初始XGBoost模型进行模型训练，得到最终的XGBoost模型，所述训练样本包括客户的特征数据及对应的金融风险等级(Level of risk)，所述特征数据至少包括客户授权的身份信息、交易记录及社会关联关系；
[0011]S5：接收金融风险识别指令，并根据所述金融风险识别指令获取目标客户的当前特征数据，利用所述XGBoost模型对所述目标客户的金融风险进行评估，得到所述目标客户的第一风险评估等级；
[0012]S6：判断所述第一风险评估等级是否大于预设的等级阈值(threshold)，若是则发送所述目标客户的特征数据至人工分析队列，若否则实时监控所述目标客户的特征数据。
[0013]进一步的，S2步骤具体包括：
[0014](1)对历史金融数据样本进行预处理；将预处理后的历史金融数据样本进行抽样(Sample)，得到训练数据；
[0015](2)基于所述训练数据进行模型特征选择(Feature Selection)，得到训练特征；
[0016](3)根据所述训练特征对预设分类算法进行模型训练，得到所述金融数据风控模型。
[0017]进一步的，对历史金融数据样本进行预处理的步骤包括：
[0018](1)对历史金融数据样本进行数据清洗，包括筛除噪音数据、重复数据；
[0019](2)对经数据清洗处理后的历史金融数据样本进行数据预分析处理，得到经数据清洗处理后的历史金融数据样本的数据结构特征。
[0020]进一步的，训练数据的获得是根据经数据清洗处理后的历史金融数据样本的数据结构特征，对所述经数据清洗处理后的历史金融数据样本进行抽样，得到作为机器学习的训练数据；训练数据中包含有正样本(positive example)和负样本(negative example)，且正样本对应第一交易类型标签，负样本对应第二交易类型标签。
[0021]进一步的，基于所述训练数据进行模型特征选择，得到训练特征，包括：
[0022]根据第一预设规则对所述训练数据进行预处理；基于第二预设规则将预处理后的训练数据进行筛选，得到所述训练特征。
[0023]进一步的，获取训练样本，并利用所述训练样本对预设的初始XGBoost模型进行模型训练，得到最终的XGBoost模型包括：
[0024]K1：获取预设数量客户的特征数据，根据所述特征数据的所属类型确定所述特征数据的风险因子(Risk factors)，并对所述特征数据按所述风险因子进行预处理，得到因子特征数据；
[0025]K2：根据预置分析规则对所述因子特征数据进行金融风险等级划分并按等级划分存储，得到分级特征数据；
[0026]K3：分别提取预设比例的分级特征数据作为训练数据，对所述初始XGBoost模型进行训练，得到最终的XGBoost模型。
[0027]进一步的，K2步骤具体包括：
[0028]获取因子特征数据所属客户的客户信息；检测所述客户信息中是否存在金融风险行为记录，若是则判定所述因子特征数据为高风险特征数据；若否则判定所述因子特征数据为低风险特征数据。
[0029]本专利技术还提供了一种汽车金融风险智能化识别系统，包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序用以实现上述汽车金融风险智能化识别方法。
[0030]采用上述技术方案，与现有技术相比，本专利技术具备以下有益效果：
[0031](1)本专利技术通过采集历史金融数据样本，其中，历史金融数据样本中包含有交易信息及对应的交易类型标签；基于预设规则、根据历史金融数据样本中的交易信息及对应的交易类型标签，建立金融数据风控模型；以及，根据金融数据风控模型对目标金融数据的交易类型进行预测，并根据预测结果对该目标金融数据进行风险控制，通过直接采集带有交易类型标签的历史金融数据样本建立金融数据风控模型，能够有效提高金融数据风控模型
的构建效率，根据金融数据风控模型实现对目标金融数据的智能化数据预测，有效提高预测效率和准确率。
[0032](2)本专利技术通过获取训练样本，建立XGBoost模型，利用训练样本对预设的初始XGBoost模型进行训练学习，得到最终的XGBoost模型及参数；接收金融风险识别指令，并根据金融风险识别指令获取目标客户授权的当前特征数据，利用经训练的XGBoost模型对目标客户的金融风险进行评估，得到目标客户的风险评估等级。
附图说明
[0033]图1为本专利技术流程示意图。
具体实施方式
[0034]下面结合附图对本专利技术的具体实施方式作进一步说明。在此需要说明的是，对于这些实施方式的说明用于帮助理解本专利技术，但并不构成对本专利技术的限定。此外，下面所描述的本专利技术各个实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。
[0035]如图1所示，一种汽车金融风险智能化识别本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种汽车金融风险智能化识别方法，其特征在于，包括以下步骤：S1：采集历史金融数据样本，其中，历史金融数据样本中包含有各个交易信息及对应的交易类型标签，统计多个平台中每个平台的交易特征数据以及平台基本信息；根据交易特征数据以及平台基本信息对多个平台进行聚类处理，得到多个平台集合；S2：基于预设规则、根据所述历史金融数据样本中的各个交易信息及对应的交易类型标签，建立金融数据风控模型；S3：根据所述金融数据风控模型对目标金融数据的交易类型进行预测，并根据预测结果对该目标金融数据进行风险控制；S4：获取训练样本，并利用所述训练样本对预设的初始XGBoost模型进行模型训练，得到最终的XGBoost模型，所述训练样本包括客户的特征数据及对应的金融风险等级，所述特征数据至少包括客户授权的身份信息、交易记录及社会关联关系；S5：接收金融风险识别指令，并根据所述金融风险识别指令获取目标客户的当前特征数据，利用所述XGBoost模型对所述目标客户的金融风险进行评估，得到所述目标客户的第一风险评估等级；S6：判断所述第一风险评估等级是否大于预设的等级阈值，若是则发送所述目标客户的特征数据至人工分析队列，若否则实时监控所述目标客户的特征数据。2.根据权利要求1所述的一种汽车金融风险智能化识别方法，其特征在于，S2步骤具体包括：(1)对历史金融数据样本进行预处理；将预处理后的历史金融数据样本进行抽样，得到训练数据；(2)基于所述训练数据进行模型特征选择，得到训练特征；(3)根据所述训练特征对预设分类算法进行模型训练，得到所述金融数据风控模型。3.根据权利要求2所述的一种汽车金融风险智能化识别方法，其特征在于，对历史金融数据样本进行预处理的步骤包括：(1)对历史金融数据样本进行数据清洗，包括筛除噪音数据、重复数据；(2)对经数据清洗处理后的历史金融数据样本进行数据预分析处理，得到经数据清洗处理后的历...
【专利技术属性】
技术研发人员：张辉，李建州，杨兴海，杨兴荣，武林，
申请(专利权)人：世纪恒通科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。