【技术实现步骤摘要】
本专利技术涉及银行交易风险评估，具体而言，涉及一种交易真实度风险评估方法、交易真实度风险评估装置和交易真实度风险评估系统。
技术介绍
1、随着信息技术和互联网技术的不断发展，同业金融领域传统的线下议价交易模式正在向线上化、数字化和平台化过渡。在交易员基于互联网平台进行议价和沟通过程中，询价、报价和议价是最常见的沟通场景，在此过程中涉及很多重要的交易要素和隐私信息，如价格、利率、期限和联系方式等，交易员需要谨慎的判断各种情况是否可以透露给交易用户。现有的金融同业交易员在询价、报价和议价过程中，往往是通过交易用户的熟悉程度和本人对金融产品成交价格的判断，来决定在询价、报价和议价环节的金融产品要素信息。通常要判断交易用户是否有真实交易意向，或者是否是收集报价信息的资金中介等情况。另外在议价环节，对于交易用户给出的报价信息，交易员也要判断报价的真实性，是否是无法成交的交易，或者只是为了干扰交易员对市场的判断等情况。
2、现有的方法或系统只是通过对用户行为和金融产品要素进行分析，通过设置指导价格、价格波动阈值和其他参数去判断同业金融交易报价的真实性和合理性，一方面忽略了金融市场的实时变化，交易报价无法实时反应市场的真实情况，导致交易员无法准确判断报价的准确情况；另一方面，没有将用户的询价、报价和议价环节的行为数据进行存储和分析，通过模型分析出异常的交易要素或交易行为，从而提醒交易员。
技术实现思路
1、本申请的主要目的在于提供一种交易真实度风险评估方法、交易真实度风险评估装置和交
2、为了实现上述目的，根据本申请的一个方面，提供了一种交易真实度风险评估方法，包括：获取标准化交易信息数据，所述标准化交易信息数据至少包括标准化之后的交易用户信息、金融产品要素信息、金融产品价格指数、交易数据和外部数据，所述金融产品价格指数至少包括shibor利率、dr利率和对应金融产品的近期成交记录；将所述标准化交易信息数据输入至目标风险评估模型，输出得到风险类型对应的风险指数，一个所述风险类型对应至少一个所述风险指数，所述目标风险评估模型为利用多组训练数据采用无监督学习方法或者监督学习方法进行迭代训练所得到的收敛模型，每组所述训练数据均包括样本标准化交易数据和对应的样本风险指数，所述风险类型至少包括以下之一：交易用户风险、金融产品风险、交易产品风险和报价信息风险，所述交易用户风险为发起交易申请的用户的信用风险；在所述风险指数大于对应的设定指数阈值的情况下，发出提示信息，所述提示信息用于提示当前交易存在风险。
3、可选地，获取标准化交易信息数据，包括：获取原始交易信息数据，所述原始交易信息数据为未经标准化处理的所述交易用户信息、所述金融产品要素信息、所述金融产品价格指数、所述交易数据和所述外部数据；对所述原始交易信息数据进行数据清洗操作，得到干净交易信息数据，所述数据清洗操作至少包括填充缺失值和去除异常值的操作；对所述干净交易信息数据进行标准化处理，得到所述标准化交易信息数据。
4、可选地，在获取标准化交易信息数据之后，所述方法还包括：基于所述标准化交易信息数据进行特征选择并分类，得到多个风险特征，并对每个风险特征设定对应的特征分值，所述风险特征至少包括交易行为特征、地理位置特征、金融产品特征和客户行为特征。
5、可选地，所述风险类型包括所述交易用户风险，将所述标准化交易信息数据输入至目标风险评估模型，输出得到风险类型对应的风险指数，包括：在所述目标风险评估模型为采用所述监督学习方法进行迭代训练所得到的收敛模型的情况下，计算所述标准化交易信息数据中相关风险特征对应的特征分值与设定权重系数之间乘积，得到所述交易用户风险的所述风险指数，所述相关风险特征为风险特征中与所述交易用户具有相关性的特征，所述风险特征至少包括所述交易用户的行为特征、地理位置特征、设备特征和时间特征；在所述目标风险评估模型为采用所述无监督学习方法进行迭代训练所得到的收敛模型的情况下，从所述标准化交易信息数据中获取所述交易用户的风险信息，并对所述风险信息进行异常识别，得到所述交易用户风险的所述风险指数，所述风险信息至少包括所述交易用户所在地区、所述交易用户在设定历史时期内产品浏览记录和交易记录。
6、可选地，对所述风险信息进行异常识别，包括：根据所述风险信息中所述交易用户所在地区判断所述交易用户所在地区是否标记高风险，以及所述交易用户是否使用vpn或代理、所述交易用户的地理位置与历史浏览访问时是否存在偏离；根据所述风险信息中所述交易记录分析在设定时间内是否进行小额交易超过设定交易次数，或者所述设定时间内是否总交易数超过所述设定交易次数；在满足异常规则的情况下，判定所述交易用户存在交易异常问题，所述异常规则为所述交易用户所在地区标记高风险、所述交易用户使用vpn或代理、所述交易用户的地理位置与历史浏览访问时存在偏离、在设定时间内进行小额交易超过设定交易次数以及所述设定时间内总交易数超过所述设定交易次数满足设定个数；在不满足所述异常规则的情况下，判定所述交易用户不存在交易异常问题。
7、可选地，所述风险类型包括所述金融产品风险，将所述标准化交易信息数据输入至目标风险评估模型，输出得到风险类型对应的风险指数，包括：在所述目标风险评估模型为采用所述监督学习方法进行迭代训练所得到的收敛模型的情况下，从所述标准化交易信息数据中获取金融产品的金融产品特征以及所述金融产品特征对应的特征分值；将各所述金融产品特征对应的所述特征分值与设定权重系数相乘，得到所述金融产品风险的所述风险指数，所述金融产品特征至少包括收益率、发行机构的信誉和资质、所述金融产品的风险评级、市场环境和宏观经济状况，所述金融产品风险的所述风险指数至少包括金融产品的资金成本风险指数、流动性风险指数和价格风险指数，所述流动性风险指数表示所述金融产品在市场流动性状况的风险指数；在所述目标风险评估模型为采用所述无监督学习方法进行迭代训练所得到的收敛模型的情况下，从所述标准化交易信息数据中获取所述金融产品的交易数据，并根据所述金融产品的交易数据进行风险评估，得到所述金融产品风险的所述风险指数。
8、可选地，在所述风险指数小于对应的设定指数阈值的情况下，发出提示信息，包括：在所述风险类型为所述金融产品风险的情况下，将所述金融产品的所述价格风险指数、所述流动性风险指数、所述资金成本风险指数与所述设定指数阈值比较；在触发风险提示规则的情况下，发出所述提示信息，所述风险提示规则为所述价格风险指数、所述流动性风险指数、所述资金成本风险指数中存在一个或者两个所述风险指数高于第一设定指数阈值；在触发禁止交易规则的情况下，终止当前交易，所述禁止交易规则为所述价格风险指数、所述流动性风险指数、所述资金成本风险指数均高于所述第一设定指数阈值；在所述风险类型为所述交易用户风险的情况下，将所述交易用户风险对应的所述风险指数与第二设定指数阈值进行比较；在所述交易用户风本文档来自技高网...
【技术保护点】
1.一种交易真实度风险评估方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取标准化交易信息数据，包括：
3.根据权利要求1所述的方法，其特征在于，在获取标准化交易信息数据之后，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述风险类型包括所述交易用户风险，将所述标准化交易信息数据输入至目标风险评估模型，输出得到风险类型对应的风险指数，包括：
5.根据权利要求4所述的方法，其特征在于，对所述风险信息进行异常识别，包括：
6.根据权利要求1所述的方法，其特征在于，所述风险类型包括所述金融产品风险，将所述标准化交易信息数据输入至目标风险评估模型，输出得到风险类型对应的风险指数，包括：
7.根据权利要求6所述的方法，其特征在于，在所述风险指数大于对应的设定指数阈值的情况下，发出提示信息，包括：
8.根据权利要求1所述的方法，其特征在于，在将所述标准化交易信息数据输入至目标风险评估模型，输出得到风险类型对应的风险指数之后，所述方法还包括：
9.一种交易真实度风
10.一种交易真实度风险评估系统，其特征在于，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行权利要求1至7中任意一项所述的方法。
...【技术特征摘要】
1.一种交易真实度风险评估方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取标准化交易信息数据，包括：
3.根据权利要求1所述的方法，其特征在于，在获取标准化交易信息数据之后，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述风险类型包括所述交易用户风险，将所述标准化交易信息数据输入至目标风险评估模型，输出得到风险类型对应的风险指数，包括：
5.根据权利要求4所述的方法，其特征在于，对所述风险信息进行异常识别，包括：
6.根据权利要求1所述的方法，其特征在于，所述风险类型包括所述金融产品风险，将所述标准化交易信息数据输入至目标风险评估模型，输出得...
【专利技术属性】
技术研发人员：赵春生，杨晓晖，王宏，乔若琦，罗雨旸，
申请(专利权)人：中国邮政储蓄银行股份有限公司，
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。