CN110390587A - 一种客户评价方法和*** - Google Patents
一种客户评价方法和*** Download PDFInfo
- Publication number
- CN110390587A CN110390587A CN201810347755.7A CN201810347755A CN110390587A CN 110390587 A CN110390587 A CN 110390587A CN 201810347755 A CN201810347755 A CN 201810347755A CN 110390587 A CN110390587 A CN 110390587A
- Authority
- CN
- China
- Prior art keywords
- customer
- judgment matrix
- evaluation model
- variable
- risk
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 24
- 238000013210 evaluation model Methods 0.000 claims abstract description 86
- 239000011159 matrix material Substances 0.000 claims description 79
- 238000000034 method Methods 0.000 claims description 29
- 238000012216 screening Methods 0.000 claims description 16
- 238000011161 development Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 7
- 230000001419 dependent effect Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims 1
- 238000004900 laundering Methods 0.000 description 14
- 238000005406 washing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000012954 risk control Methods 0.000 description 5
- 230000004913 activation Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种客户评价方法和***,自动实现对客户的交易风险进行评估,提高评估效率以及评估准确度。该客户评价方法,包括:构建评价模型;获取客户交易数据;所述交易数据包括存储在交易数据库中的客户历史交易数据;将所述客户交易数据输入所述评价模型中,获取客户风险等级,并将所述客户风险等级存储在客户数据库中。
Description
技术领域
本发明属于大数据技术领域,具体来说,涉及一种客户评价方法和***。
背景技术
洗钱是危害性极大的***。随着互联网金融的快速发展,越来越多的不法分子开始通过网络渠道进行洗钱活动。我国从2003年开始全面建立反洗钱制度,中国人民银行3号令更是对反洗钱做了更明确的要求。互联网金融企业需要承担更为明确的责任和义务。
客户洗钱风险评估和等级分类划分工作是强化反洗钱工作的重要内容。为了避免洗钱活动,杜绝洗钱风险,对每一位互联网金融用户进行洗钱风险评估显得非常必要。现有技术中,采用人工方式对客户进行风险评估。由于用户数据庞大,采用人工方式对客户进行风险评估,效率低,准确度不高。
发明内容
本发明实施例提供一种客户评价方法和***,自动实现对客户的交易风险进行评估,提高评估效率以及评估准确度。
为解决上述技术问题,本发明实施例采用以下技术方案:
第一方面,本发明实施例提供一种客户评价方法,包括:
构建评价模型;
获取客户交易数据;所述交易数据包括存储在交易数据库中的客户历史交易数据;
将所述客户交易数据输入所述评价模型中,获取客户风险等级,并将所述客户风险等级存储在客户数据库中。
结合第一方面,作为第一种可实现的方案,所述构建评价模型包括:
确定评价模型变量;
采集客户基本信息数据,并根据所述客户基本信息数据,筛选评价模型变量;
计算筛选的评价模型变量的权重系数;
根据筛选的评价模型变量和评价模型变量的权重系数,建立评价模型。
结合第一方面的第一种可实现的方案,作为第二种可实现的方案,所述客户基本信息数据包括会员基本信息、会员基本属性、会员价值属性、会员交易行为、个人会员标签信息。
结合第一方面的第一种可实现的方案,作为第三种可实现的方案,所述计算筛选的评价模型变量的权重系数,包括:
构建判断矩阵,所述判断矩阵中的元素表示评价模型中的一变量和其他变量之间两两比较的相对重要性;
对所述判断矩阵进行一致性检验;若所述判断矩阵具有一致性,则通过所述判断矩阵计算评价模型变量的权重系数。
结合第一方面的第三种可实现的方案,作为第四种可实现的方案,所述对所述判断矩阵进行一致性检验,包括:
依据式(1)计算一致性指标C.I.:
其中,λmax表示判断矩阵的最大特征根,n表示判断矩阵阶数;
计算平均随机一致性指标R.I.;
依据式(2)计算一致性比例C.R.:
C.R.=C.I./R.I.式(2)
当C.R.<0.1时,则判断矩阵具有一致性;当C.R.≥0.1时,则判断矩阵不具有一致性;若判断矩阵不具有一致性,则调整判断矩阵中的参数,直到判断矩阵具有一致性。
结合第一方面的第一种可实现的方案,作为第五种可实现的方案,所述评价模型如式(3)所示:
y=w1A1+w2A2+…+wnAn 式(3)
A1、A2、…、An表示评价模型的变量;w1、w2、…、wn表示各变量的权重系数;权重系数满足:
结合第一方面,作为第六种可实现的方案,所述将所述客户交易数据输入所述评价模型中,获取客户风险等级,包括:
将所述客户交易数据输入所述评价模型中,获取客户风险评分;
将所述客户风险评分转化为标准分数;所述标准分数位于设定的评分区间内;
根据客户风险等级标准,以及所述标准分数,获取客户风险等级。
第二方面,本发明实施例还提供一种客户评价***,所述***包括:
构建模块:用于构建评价模型;
交易数据获取模块:用于获取客户交易数据;所述交易数据包括存储在交易数据库中的客户历史交易数据;
风险等级获取模块:用于将所述客户交易数据输入所述评价模型中,获取客户风险等级,并将所述客户风险等级存储在客户数据库中。
结合第二方面,作为第一种可实现的方案,所述构建模块包括:
确定单元:用于确定评价模型变量;
筛选单元:用于采集客户基本信息数据,并根据所述客户基本信息数据,筛选评价模型变量;
计算单元:用于计算筛选的评价模型变量的权重系数;
建立单元:用于根据筛选的评价模型变量和评价模型变量的权重系数,建立评价模型。
结合第二方面的第一种可实现的方案,作为第二种可实现的方案,所述计算单元包括:
构建子单元:用于构建判断矩阵,所述判断矩阵中的元素表示评价模型中的一变量和其他变量之间两两比较的相对重要性;
检验子单元:用于对所述判断矩阵进行一致性检验;若所述判断矩阵具有一致性,则通过所述判断矩阵计算评价模型变量的权重系数。
结合第二方面的第二种可实现的方案,作为第三种可实现的方案,所述检验子单元包括:
依据式(1)计算一致性指标C.I.:
其中,λmax表示判断矩阵的最大特征根,n表示判断矩阵阶数;
计算平均随机一致性指标R.I.;
依据式(2)计算一致性比例C.R.:
C.R.=C.I./R.I. 式(2)
当C.R.<0.1时,则判断矩阵具有一致性;当C.R.≥0.1时,则判断矩阵不具有一致性;若判断矩阵不具有一致性,则调整判断矩阵中的参数,直到判断矩阵具有一致性。
结合第二方面的第二种可实现的方案,作为第四种可实现的方案,所述评价模型如式(3)所示:
y=w1A1+w2A2+…+wnAn 式(3)
A1、A2、…、An表示评价模型的变量;w1、w2、…、wn表示各变量的权重系数;权重系数满足:
结合第二方面的第一种可实现的方案,作为第五种可实现的方案,所述风险等级获取模块包括:
风险评分获取单元:用于将所述客户交易数据输入所述评价模型中,获取客户风险评分;
转化单元:用于将所述客户风险评分转化为标准分数;
风险等级获取单元:用于根据客户风险等级标准,以及所述标准分数,获取客户风险等级。
与现有技术相比,本发明实施例的客户评价方法和***,可自动实现对客户的交易风险进行评估,提高评估效率以及评估准确度。本发明实施例的方法将所述客户交易数据输入所述评价模型中,获取客户风险等级,并将所述客户风险等级存储在客户数据库中。通过构建的评价模型,对客户交易数据进行分析,获得客户风险等级。风险等级越高,客户的交易风险越大。该方法利用评价模型和交易数据,更加客观和全面的反映客户的交易风险,提高了评估准确度。同时,该方法也大大提高了评估效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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发明的一些实施例,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,还可以根据这些附图获得其它的附图。
图1是本发明实施例的***架构图;
图2是本发明实施例的方法流程框图;
图3是本发明实施例的方法中S10的流程框图;
图4是本发明实施例中评价模型变量示意图;
图5是本发明实施例的***结构框图。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案,下面结合附图和具体实施方式对本发明作进一步详细描述。下文中将详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
本发明实施例的方法可以应用到如图1所示的***架构中。该***包括评价服务器、交易信息数据库和客户信息数据库。评价服务器从交易信息数据库中获取交易数据,并利用评价模型对交易信息数据进行计算,获得客户风险等级,并将客户风险等级存储在客户信息数据库中。
评价服务器可以是单独的服务器设备,比如:机架式、刀片、塔式或者机柜式的服务器设备,也可以采用工作站、大型计算机等具备较强计算能力硬件设备;也可以是由多个服务器设备组成的服务器集群。评价模型存储在评价服务器中。
交易信息数据库用于存储、管理交易数据,包括交易时间、交易物品、交易金额、交易人等信息。客户信息数据库用于存储、管理客户数据,包括客户的风险等级数据。数据库具体可以是单独作成的,用于数据的管理、存储的服务器设备,也可以是由多个服务器设备组成的服务器集群。在数据库***的硬件设备上运行对应服务器设备的数据库,用于管理并存储服务器设备的数据。具体可以采用常用的网状数据库(Network Database)、关系数据库(Relational Database)、树状数据库(Hierarchical Database)、面向对象数据库(Object-oriented Database)以及新一代大数据***架构。
本发明实施例提供的一种客户评价方法,如图2所示,包括:
S10构建评价模型;
S20获取客户交易数据;
S30将所述客户交易数据输入所述评价模型中,获取客户风险等级,并将所述客户风险等级存储在客户数据库中。
上述实施例的方法对客户风险等级的确定源于客户的交易数据。通过将客户交易数据输入所述评价模型中,获取客户风险等级。根据客户风险等级不同,对客户进行不同程度的监控。该方法基于客户的交易数据和评价模型,确定客户风险等级,更加客观的评价客户,利于交易风险控制。上述实施例的方法可以应用到反洗钱金融交易风险控制中。通过对客户风险等级的确认,对重点客户的金融交易进行监控。
上述实施例的方法中,评价模型作为确定客户风险等级的基础,关系到评价的准确性。作为优选例,如图3所示,构建评价模型具体包括:
S101确定评价模型变量;
S102采集客户基本信息数据,并根据所述客户基本信息数据,筛选评价模型变量;
S103计算筛选的评价模型变量的权重系数;
S104根据筛选的评价模型变量和评价模型变量的权重系数,建立评价模型。
上述构建评价模型的方法中,S102)中,所述客户基本信息数据包括会员基本信息、会员基本属性、会员价值属性、会员交易行为、个人会员标签信息。随着技术发展,以及交易行为的变化,客户基本信息数据包含的内容也随之变化。相应的评价模型变量,也会改变。
以反洗钱金融风险控制为例,评价体系包括客户特性、地域、业务(含金融产品、金融服务)、行业(含职业)四类基本要素。同时结合金融公司行业特点、业务类型、经营规模、客户范围等实际情况,分解出基本要素所包含的风险子项。由于不同数据源表中的信息反映客户不同的特征,从四类基本要素出发,进行变量的衍生和开发。如图4所示,评价模型共包括13个变量。客户特性维度包括实名认证状态、资料完整度、激活天数和客户年龄四个变量。其中,实名认证状态:用于考察客户身份认证状态,对于为认证或者认证状态为空缺的会员,给予高分数。资料完整度:用于考察客户账号的激活要素是否齐全(姓名、生日、性别、身份证号、绑定手机号、地址、电子邮箱等),对于输入资料不齐全的客户,给予高分数。激活天数:用于考察客户在平台激活账户的时间长短,激活日期距离越近,则分数相对越高。客户年龄:用于考察客户注册账户的年龄,年龄超越正常范围的客户,分数较高。地域维度包括账户归属地、身份证所在城市、身份证所在县市三个变量。其中,账户归属地:用于考察客户账户的地址是否处于高风险区域,属于则给予高分数。身份证所在城市:用于考察客户身份证所属地是否处于高风险城市,属于则给予高分数。身份证所在县市:用于考察客户身份证所属地是否处于高风险区域,属于则给予高分数。交易风险维度包括频繁交易、巨额交易、恶意注册和黄牛三个变量。其中,频繁交易:以一段时间为期限,统计出大部分人的交易频率,对于超出正常交易频率的客户,则给予高分数。巨额交易:以一段时间为期限,监控客户账户在平台上的交易金额情况,针对超出正常交易金额的账户,给予高分数。恶意注册和黄牛:基于对客户的前期分析,被确定为恶意注册、黄牛的客户,他们的交易行为被给予高分数。行(职)业风险包括高危风险行业、高危风险职业、业务与现金相关度三个变量。其中,高危风险行业:在历年洗钱案例中,被公认为具有较高风险的行业,属于高危风险行业的客户,给予高分数。例如娱乐也、信托业等。高危风险职业:在历年洗钱案例中,统计出的高危职业,如果客户具有相类似的职业背景,则给予高分数。例如***、演员等。业务与现金相关度:在平台上的客户,在短时间内有大量资金进出的客户,给予高分数。
当然,随着技术的发展,以及交易行为的变化,上述13个变量可调整、修改。
作为优选例,步骤S103包括:
S1031构建判断矩阵,所述判断矩阵中的元素表示评价模型中的一变量和其他变量之间两两比较的相对重要性。判断矩阵如下所示:
其中,aij表示Ai与Aj相比时的量化值。Ai表示评价模型中第i个变量,Aj表示评价模型中第j个变量,1≤i≤n,1≤j≤n。量化值可依据表1确定。表1中的第一列的数字,即1、3、5、7、9是比较两个变量重要性时的量化值,也即是标度值。
表1
1 | 表示两个元素相比,具有同样重要性 |
3 | 表示两个元素相比,一个元素比另一个元素稍微重要 |
5 | 表示两个元素相比,一个元素比另一个元素明显重要 |
7 | 表示两个元素相比,一个元素比另一个元素强烈重要 |
9 | 表示两个元素相比,一个元素比另一个元素极端重要 |
S1032对所述判断矩阵进行一致性检验;若所述判断矩阵具有一致性,则通过所述判断矩阵,计算评价模型变量的权重系数。
上述步骤中,对所述判断矩阵进行一致性检验,包括:
依据式(1)计算一致性指标C.I.:
其中,λmax表示判断矩阵的最大特征根,n表示判断矩阵阶数;
计算平均随机一致性指标R.I.。指标R.I.是多次重复进行随机判断矩阵特征值的计算,取算术平均数。作为示例,下表给出1~10维判断矩阵重复计算1000次的平均随机一致性指标:
维数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
R.I. | 0 | 0 | 0.52 | 0.89 | 1.12 | 1.26 | 1.36 | 1.41 | 1.46 | 1.49 |
依据式(2)计算一致性比例C.R.:
C.R.=C.I./R.I. 式(2)
当C.R.<0.1时,则判断矩阵具有一致性;当C.R.≥0.1时,则判断矩阵不具有一致性;若判断矩阵不具有一致性,则调整判断矩阵中的参数,直到判断矩阵具有一致性。
通过所述判断矩阵,计算评价模型变量的权重系数。
上述实施例中,所述评价模型如式(3)所示:
y=w1A1+w2A2+…+wnAn 式(3)
A1、A2、…、An表示评价模型的变量;w1、w2、…、wn表示各变量的权重系数;权重系数满足:
作为优选例,步骤S20中,所述交易数据包括存储在交易数据库中的客户历史交易数据。从交易数据库中调取客户交易数据。
作为优选例,所述步骤S30包括:
S301将所述客户交易数据输入所述评价模型中,获取客户风险评分;
S302将所述客户风险评分转化为标准分数;所述标准分数位于设定的评分区间内;
S303根据客户风险等级标准,以及所述标准分数,获取客户风险等级。
上述实施例中,评分区间可为1—1000。将所述客户风险评分转化为标准分数,便于对客户排序,标准分数越高,交易风险越大。
在S303中,所述客户风险等级标准,按照所有客户的历史标准分数所占比例进行划分,如下表所示。
表1风险等级表
对于表1中的最高风险和较高风险,可以预警。具体来说,步骤S30还包括:
S304对于客户风险等级高的客户,从交易数据库中调取并显示所述客户的交易信息,从客户数据库中调取并显示所述客户的基本信息。
对高危等级的客户,***及时调取相关客户信息以及历史交易信息,并与监控人员查阅相关信息。
上述实施例的方法将大数据技术和金融交易业务相结合,实现对客户评价,以预防洗钱等违法金融交易的进行。上述实施例的方法在金融反洗钱领域的应用,为科学、客观、全面的反应客户的洗钱风险提供了方法。该方法引用在金融反洗钱领域,可弥补在反洗钱客户风险评估方面的空白,方便反洗钱业务人员参考风险等级,快速准确的识别反洗钱客户,提高反洗钱分析的效率。
上述实施例的方法在金融反洗钱领域的应用,可快速筛选出可疑的高风险客户,为反洗钱客户筛选工作提高了效率,避免了大海捞针式的低效率工作。另外,评价模型中的变量可随技术发展以及交易行为的变化而设置,使得评价模型能够准确计算出客户风险等级。
如图5所示,本发明实施例还提供一种客户评价***,所述***包括:
构建模块:用于构建评价模型;
交易数据获取模块:用于获取客户交易数据;所述交易数据包括存储在交易数据库中的客户历史交易数据;
风险等级获取模块:用于将所述客户交易数据输入所述评价模型中,获取客户风险等级,并将所述客户风险等级存储在客户数据库中。
上述实施例的***对客户风险等级的确定源于客户的交易数据。通过将客户交易数据输入所述评价模型中,获取客户风险等级。根据客户风险等级不同,对客户进行不同程度的监控。该***基于客户的交易数据和评价模型,确定客户风险等级,更加客观的评价客户,利于交易风险控制。上述实施例的***可以应用到反洗钱金融交易风险控制中。通过对客户风险等级的确认,对重点客户的金融交易进行监控。
作为优选例,所述构建模块包括:
确定单元:用于确定评价模型变量;
筛选单元:用于采集客户基本信息数据,并根据所述客户基本信息数据,筛选评价模型变量;
计算单元:用于计算筛选的评价模型变量的权重系数;
建立单元:用于根据筛选的评价模型变量和评价模型变量的权重系数,建立评价模型。
作为优选例,所述计算单元包括:
构建子单元:用于构建判断矩阵,所述判断矩阵中的元素表示评价模型中的一变量和其他变量之间两两比较的相对重要性;
检验子单元:用于对所述判断矩阵进行一致性检验;若所述判断矩阵具有一致性,则通过所述判断矩阵计算评价模型变量的权重系数。
其中,检验子单元具体包括:
依据式(1)计算一致性指标C.I.:
其中,λmax表示判断矩阵的最大特征根,n表示判断矩阵阶数;
计算平均随机一致性指标R.I.;
依据式(2)计算一致性比例C.R.:
C.R.=C.I./R.I. 式(2)
当C.R.<0.1时,则判断矩阵具有一致性;当C.R.≥0.1时,则判断矩阵不具有一致性;若判断矩阵不具有一致性,则调整判断矩阵中的参数,直到判断矩阵具有一致性。
所述评价模型如式(3)所示:
y=w1A1+w2A2+…+wnAn 式(3)
A1、A2、…、An表示评价模型的变量;w1、w2、…、wn表示各变量的权重系数;权重系数满足:
作为优选例,所述风险等级获取模块包括:
风险评分获取单元:用于将所述客户交易数据输入所述评价模型中,获取客户风险评分;
转化单元:用于将所述客户风险评分转化为标准分数;
风险等级获取单元:用于根据客户风险等级标准,以及所述标准分数,获取客户风险等级。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。
本领域技术人员应该知晓,实现上述实施例的方法或者***,可以通过计算机程序指令来实现。该计算机程序指令装载到可编程数据处理设备上,例如计算机,从而在可编程数据处理设备上执行相应的指令,用于实现上述实施例的方法或者***实现的功能。
本领域技术人员依据上述实施例,可以对本申请进行非创造性的技术改进,而不脱离本发明的精神实质。这些改进仍应视为在本申请权利要求的保护范围之内。
Claims (13)
1.一种客户评价方法,其特征在于,所述方法包括:
构建评价模型;
获取客户交易数据;所述交易数据包括存储在交易数据库中的客户历史交易数据;
将所述客户交易数据输入所述评价模型中,获取客户风险等级,并将所述客户风险等级存储在客户数据库中。
2.根据权利要求1所述的方法,其特征在于,所述构建评价模型包括:
确定评价模型变量;
采集客户基本信息数据,并根据所述客户基本信息数据,筛选评价模型变量;
计算筛选的评价模型变量的权重系数;
根据筛选的评价模型变量和评价模型变量的权重系数,建立评价模型。
3.根据权利要求2所述的方法,其特征在于,所述客户基本信息数据包括会员基本信息、会员基本属性、会员价值属性、会员交易行为、个人会员标签信息。
4.根据权利要求2所述的方法,其特征在于,所述计算筛选的评价模型变量的权重系数,包括:
构建判断矩阵,所述判断矩阵中的元素表示评价模型中的一变量和其他变量之间两两比较的相对重要性;
对所述判断矩阵进行一致性检验;若所述判断矩阵具有一致性,则通过所述判断矩阵计算评价模型变量的权重系数。
5.根据权利要求4所述的方法,其特征在于,所述对所述判断矩阵进行一致性检验,包括:
依据式(1)计算一致性指标C.I.:
其中,λmax表示判断矩阵的最大特征根,n表示判断矩阵阶数;
计算平均随机一致性指标R.I.;
依据式(2)计算一致性比例C.R.:
C.R.=C.I./R.I. 式(2)
当C.R.<0.1时,则判断矩阵具有一致性;当C.R.≥0.1时,则判断矩阵不具有一致性;若判断矩阵不具有一致性,则调整判断矩阵中的参数,直到判断矩阵具有一致性。
6.根据权利要求2所述的方法,其特征在于,所述评价模型如式(3)所示:
y=w1A1+w2A2+…+wnAn 式(3)
A1、A2、…、An表示评价模型的变量;w1、w2、…、wn表示各变量的权重系数;权重系数满足:
7.根据权利要求1所述的方法,其特征在于,所述将所述客户交易数据输入所述评价模型中,获取客户风险等级,包括:
将所述客户交易数据输入所述评价模型中,获取客户风险评分;
将所述客户风险评分转化为标准分数;所述标准分数位于设定的评分区间内;
根据客户风险等级标准,以及所述标准分数,获取客户风险等级。
8.一种客户评价***,其特征在于,所述***包括:
构建模块:用于构建评价模型;
交易数据获取模块:用于获取客户交易数据;所述交易数据包括存储在交易数据库中的客户历史交易数据;
风险等级获取模块:用于将所述客户交易数据输入所述评价模型中,获取客户风险等级,并将所述客户风险等级存储在客户数据库中。
9.根据权利要求8所述的***,其特征在于,所述构建模块包括:
确定单元:用于确定评价模型变量;
筛选单元:用于采集客户基本信息数据,并根据所述客户基本信息数据,筛选评价模型变量;
计算单元:用于计算筛选的评价模型变量的权重系数;
建立单元:用于根据筛选的评价模型变量和评价模型变量的权重系数,建立评价模型。
10.根据权利要求9所述的***,其特征在于,所述计算单元包括:
构建子单元:用于构建判断矩阵,所述判断矩阵中的元素表示评价模型中的一变量和其他变量之间两两比较的相对重要性;
检验子单元:用于对所述判断矩阵进行一致性检验;若所述判断矩阵具有一致性,则通过所述判断矩阵计算评价模型变量的权重系数。
11.根据权利要求10所述的***,其特征在于,所述检验子单元包括:
依据式(1)计算一致性指标C.I.:
其中,λmax表示判断矩阵的最大特征根,n表示判断矩阵阶数;
计算平均随机一致性指标R.I.;
依据式(2)计算一致性比例C.R.:
C.R.=C.I./R.I. 式(2)
当C.R.<0.1时,则判断矩阵具有一致性;当C.R.≥0.1时,则判断矩阵不具有一致性;若判断矩阵不具有一致性,则调整判断矩阵中的参数,直到判断矩阵具有一致性。
12.根据权利要求10所述的***,其特征在于,所述评价模型如式(3)所示:
y=w1A1+w2A2+…+wnAn 式(3)
A1、A2、…、An表示评价模型的变量;w1、w2、…、wn表示各变量的权重系数;权重系数满足:
13.根据权利要求9所述的***,其特征在于,所述风险等级获取模块包括:
风险评分获取单元:用于将所述客户交易数据输入所述评价模型中,获取客户风险评分;
转化单元:用于将所述客户风险评分转化为标准分数;
风险等级获取单元:用于根据客户风险等级标准,以及所述标准分数,获取客户风险等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810347755.7A CN110390587A (zh) | 2018-04-18 | 2018-04-18 | 一种客户评价方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810347755.7A CN110390587A (zh) | 2018-04-18 | 2018-04-18 | 一种客户评价方法和*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110390587A true CN110390587A (zh) | 2019-10-29 |
Family
ID=68282868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810347755.7A Pending CN110390587A (zh) | 2018-04-18 | 2018-04-18 | 一种客户评价方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110390587A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110955866A (zh) * | 2019-11-29 | 2020-04-03 | 卓尔智联(武汉)研究院有限公司 | 跨境交易风险评估装置、方法及可读存储介质 |
CN111199358A (zh) * | 2020-01-08 | 2020-05-26 | 上海电气集团股份有限公司 | 一种危废处置行业客户关系评价***及方法 |
CN113628748A (zh) * | 2021-08-16 | 2021-11-09 | 未鲲(上海)科技服务有限公司 | 用户风险承受倾向的评估方法、装置、设备及存储介质 |
CN113781247A (zh) * | 2021-09-18 | 2021-12-10 | 平安医疗健康管理股份有限公司 | 协议数据推荐方法、装置、计算机设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104424572A (zh) * | 2013-08-28 | 2015-03-18 | 国家广播电影电视总局广播科学研究院 | 一种数字家庭购物商户信用评价方法 |
CN104881783A (zh) * | 2015-05-14 | 2015-09-02 | 中国科学院信息工程研究所 | 电子银行账户欺诈行为及风险检测方法与*** |
CN106204154A (zh) * | 2016-07-20 | 2016-12-07 | 武汉斗鱼网络科技有限公司 | 基于层次分析法和熵值法的用户价值评分***及其方法 |
CN106447434A (zh) * | 2016-09-14 | 2017-02-22 | 全联征信有限公司 | 个人信用生态平台 |
CN107169857A (zh) * | 2017-07-14 | 2017-09-15 | 成都农村商业银行股份有限公司 | 反洗钱***的客户风险评级方法 |
-
2018
- 2018-04-18 CN CN201810347755.7A patent/CN110390587A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104424572A (zh) * | 2013-08-28 | 2015-03-18 | 国家广播电影电视总局广播科学研究院 | 一种数字家庭购物商户信用评价方法 |
CN104881783A (zh) * | 2015-05-14 | 2015-09-02 | 中国科学院信息工程研究所 | 电子银行账户欺诈行为及风险检测方法与*** |
CN106204154A (zh) * | 2016-07-20 | 2016-12-07 | 武汉斗鱼网络科技有限公司 | 基于层次分析法和熵值法的用户价值评分***及其方法 |
CN106447434A (zh) * | 2016-09-14 | 2017-02-22 | 全联征信有限公司 | 个人信用生态平台 |
CN107169857A (zh) * | 2017-07-14 | 2017-09-15 | 成都农村商业银行股份有限公司 | 反洗钱***的客户风险评级方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110955866A (zh) * | 2019-11-29 | 2020-04-03 | 卓尔智联(武汉)研究院有限公司 | 跨境交易风险评估装置、方法及可读存储介质 |
CN111199358A (zh) * | 2020-01-08 | 2020-05-26 | 上海电气集团股份有限公司 | 一种危废处置行业客户关系评价***及方法 |
CN113628748A (zh) * | 2021-08-16 | 2021-11-09 | 未鲲(上海)科技服务有限公司 | 用户风险承受倾向的评估方法、装置、设备及存储介质 |
CN113781247A (zh) * | 2021-09-18 | 2021-12-10 | 平安医疗健康管理股份有限公司 | 协议数据推荐方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110119413B (zh) | 数据融合的方法和装置 | |
Frees et al. | Insurance ratemaking and a Gini index | |
Nussbeck et al. | Analysing multitrait–multimethod data with structural equation models for ordinal variables applying the WLSMV estimator: What sample size is needed for valid results? | |
CN110390587A (zh) | 一种客户评价方法和*** | |
CN103154991B (zh) | 信用风险采集 | |
CN110263024A (zh) | 数据处理方法、终端设备及计算机存储介质 | |
US20120095802A1 (en) | System and methods for evaluating political, social, and economic risk associated with a geographic region | |
WO2014055238A1 (en) | System and method for building and validating a credit scoring function | |
US20230071328A1 (en) | Mapping consumer ownership of financial assets to geographic localities and computer-implemented methods and computer systems thereof | |
Baffour Awuah et al. | The role of task complexity in valuation errors analysis in a developing real estate market | |
CN106372215A (zh) | 信用查询***及方法 | |
Fonseka et al. | Effects of regulator's announcements, information asymmetry and ownership changes on private equity placements: Evidence from China | |
US20060293915A1 (en) | Method for optimizing accuracy of real estate valuations using automated valuation models | |
Cho et al. | Tunneling by related‐party transactions: Evidence from Korean conglomerates | |
CN109784352A (zh) | 一种评估分类模型的方法和装置 | |
CN110135684A (zh) | 一种能力测评方法、能力测评装置及终端设备 | |
Shi et al. | Long-tail longitudinal modeling of insurance company expenses | |
CN112419030A (zh) | 财务舞弊风险评估的方法、***及设备 | |
Meng et al. | New combined weighting model based on maximizing the difference in evaluation results and its application | |
Chen et al. | Mutual fund performance evaluation–application of system BCC model | |
CN112634062A (zh) | 基于Hadoop的数据处理方法、装置、设备及存储介质 | |
KR101960863B1 (ko) | 기술가치 평가 시스템 | |
Chevallier et al. | Cross-market linkages between commodities, stocks and bonds | |
CN115577983A (zh) | 基于区块链的企业任务匹配方法、服务器及存储介质 | |
CN115358894A (zh) | 一种知识产权生命周期托管管理方法、装置、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210729 Address after: Room 834, Yingying building, 99 Tuanjie Road, yanchuangyuan, Jiangbei new district, Nanjing, Jiangsu 210000 Applicant after: Nanjing Xingyun Digital Technology Co.,Ltd. Address before: 210042 Suning Headquarters, No. 1 Suning Avenue, Xuanwu District, Nanjing City, Jiangsu Province Applicant before: SUNING.COM Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191029 |
|
RJ01 | Rejection of invention patent application after publication |