CN114118793A - 一种地方交易所风险预警方法、装置及设备 - Google Patents
一种地方交易所风险预警方法、装置及设备 Download PDFInfo
- Publication number
- CN114118793A CN114118793A CN202111414751.4A CN202111414751A CN114118793A CN 114118793 A CN114118793 A CN 114118793A CN 202111414751 A CN202111414751 A CN 202111414751A CN 114118793 A CN114118793 A CN 114118793A
- Authority
- CN
- China
- Prior art keywords
- risk
- data
- local exchange
- early warning
- preset
- 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
Images
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及计算机信息技术领域,公开了一种地方交易所风险预警方法、装置及设备,方法包括:接收用户终端发送的风险分析请求;基于风险分析请求获取目标客户的监管数据,其中,监管数据包括目标客户在地方交易所的基础数据以及目标客户在地方交易所之外的外部分析数据;对监管数据进行预处理,得到与预设风险预测模型包含的各监控指标所对应的指标值;根据指标值与预设风险预测模型确定指标值所对应的风险等级;基于风险等级执行相应的风险预警动作。本发明解决了现有技术中地方交易所的风险预警中所存在的风险指标件无关联、预警指标单一且使用数据为单一汇总数据的技术问题,实现了提高地方交易所风险预警的准确性和正确率的技术效果。
Description
技术领域
本发明实施例涉及计算机信息技术领域,尤其涉及一种地方交易所风险预警方法、装置及设备。
背景技术
现有的地方各类交易所风险预警一般过程如下:(1)将收集到的数据进行加工和处理,对数据进行基本的格式化和标准化,对于异常数据,还需进行数据清洗。之后将处理好的数据存入结构化或非结构化数据库中。(2)针对不同类型的数据,风险预警***采用不同的计算规则从数据中抽取特征,计算指标,存储于结构化数据库中。(3)通过指标的计算结果归集形成指数,利用指数与阈值关系判定对地方各类交易场所的风险识别。
但是,当前针对地方交易所的风险预警模型识别方法有一定的局限性,包括:(1)单一指标的计算。假设各个指标之间无关联,计算较为简单,无法识别并发关联风险;(2)风险一般以单一指标预警为主,识别模式较为固定,规定了需要预警的方向,但是地方各类交易场所的业务形态不一,风险形式多样,很难通过通用性的某个单一指标达到及时的预警效果。(3)风险预警使用的数据一般是汇总数据而非明细数据,对预警准确性和针对性有一定的影响。
发明内容
本发明实施例提供一种地方交易所风险预警方法、装置及设备,解决了现有技术中地方交易所的风险预警中所存在的风险指标件无关联、预警指标单一且使用数据为单一汇总数据的技术问题。
第一方面,本申请实施例提供了一种地方交易所风险预警方法,所述方法包括:
接收用户终端发送的风险分析请求;
基于所述风险分析请求获取目标客户的监管数据,其中,所述监管数据包括所述目标客户在地方交易所的基础数据以及所述目标客户在所述地方交易所之外的外部分析数据;
对所述监管数据进行预处理,得到与预设风险预测模型包含的各监控指标所对应的指标值;
根据所述指标值与所述预设风险预测模型确定所述指标值所对应的风险等级;
基于所述风险等级执行相应的风险预警动作。
第二方面,本申请实施例提供了一种地方交易所风险预警装置,所述装置包括:
请求接收单元,用于接收用户终端发送的风险分析请求;
数据获取单元,用于基于所述风险分析请求获取目标客户的监管数据,其中,所述监管数据包括所述目标客户在地方交易所的基础数据以及所述目标客户在所述地方交易所之外的外部分析数据;
预处理单元,用于对所述监管数据进行预处理,得到与预设风险预测模型包含的各监控指标所对应的指标值;
等级确定单元,用于根据所述指标值与所述预设风险预测模型确定所述指标值所对应的风险等级;
风险预警单元,用于基于所述风险等级执行相应的风险预警动作。
第三方面,本申请实施例提供了一种地方交易所风险预警设备,所述地方交易所风险预警设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本申请实施例第一方面任意的地方交易所风险预警方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请实施例第一方面任意的地方交易所风险预警方法。
本发明实施例公开了一种地方交易所风险预警方法、装置及设备,方法包括:接收用户终端发送的风险分析请求;基于风险分析请求获取目标客户的监管数据,其中,监管数据包括目标客户在地方交易所的基础数据以及目标客户在地方交易所之外的外部分析数据;对监管数据进行预处理,得到与预设风险预测模型包含的各监控指标所对应的指标值;根据指标值与预设风险预测模型确定指标值所对应的风险等级;基于风险等级执行相应的风险预警动作。本发明解决了现有技术中地方交易所的风险预警中所存在的风险指标件无关联、预警指标单一且使用数据为单一汇总数据的技术问题,实现了提高地方交易所风险预警的准确性和正确率的技术效果。
附图说明
图1是本发明实施例提供的一种地方交易所风险预警方法的流程图;
图2是本发明实施例提供的另一种地方交易所风险预警方法的流程图;
图3是本发明实施例提供的又一种地方交易所风险预警方法的流程图;
图4是本发明实施例提供的又一种地方交易所风险预警方法的流程图;
图5是本发明实施例提供的一种地方交易所风险预警装置的结构图;
图6为本发明实施例提供的一种地方交易所风险预警设备的结构示意图。
具体实施方式
地方交易所是指各地区为推进权益(如股权、产权等)和商品市场发展,批准设立的从事产权交易、文化艺术品交易和大宗商品中远期交易等各种类型的交易场所,随着新一代信息技术在金融业的充分运用,大大促进了各种金融业态创新,各种传统的线下金融业务行为不断向线上转移、融合,其中,各类地方交易所异军突起、迅猛发展,业务创新层出不穷,地方金融监管作为由政府提供的维护市场经济秩序的制度安排,面临新的挑战和更高的标准要求。
为了符合更高的标准要求,做到更加精准、正确的进行地方交易所的风险预警,本发明提出了一种地方交易所风险预警方法、装置及设备。
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
需要说明的是,本发明的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于限定特定顺序。本发明下述各个实施例可以单独执行,各个实施例之间也可以相互结合执行,本发明实施例对此不作具体限制。
图1是本发明实施例提供的一种地方交易所风险预警方法的流程图。该地方交易所风险预警方法可适用于所有地方交易所需要进行风险预警的情况。该地方交易所风险预警方法可以由地方交易所风险预警装置来执行,该装置可以采用硬件和/或软件的方式来实现,并一般可集成于服务器中。
如图1所示,该地方交易所风险预警方法具体包括如下步骤:
S101,接收用户终端发送的风险分析请求。
具体地,用户终端一般为监管部门人员处的上位机、移动终端或上位机和移动终端上安装的相应的人机交互单元,该人机交互单元可以为APP(Application,应用程序)的形式,也可以为其他所能实现发送风险分析请求的装置;所要进行监控的目标客户为监管部门辖区内的所有地方交易场所及其分支机构,监管部门人员通过用户终端向地方交易所风险预警装置发送需要预测风险的目标地方交易所的风险分析请求。
S102,基于风险分析请求获取目标客户的监管数据,其中,监管数据包括目标客户在地方交易所的基础数据以及目标客户在地方交易所之外的外部分析数据。
可选地,S102,基于风险分析请求获取目标客户的监管数据包括:通过集中获取以及持续获取的方式,基于风险分析请求从多个预设维度获取目标客户的监管数据,其中,预设维度至少包括以下两种:交易事件、交易机构、资金流向、产品信息、交易状态、账户异动、行业走势、事件上报状态、事件排查信息、事件相关人员信息、广告、催收、报表。
具体地,监管数据主要分为状态数据以及明细数据,其中,目标客户在地方交易所的基础数据为状态数据,目标客户在地方交易所之外的外部分析数据为明细数据。
基础数据主要为地方交易所的所有非空有效数据,通过集中获取的方式定期自动获取,包括地方交易所的基本信息、业务数据、财务数据、舆情数据、公检法等政府部门公开的政务数据、互联网公开数据、日常监管报表等报表数据及其余可补充的数据,例如:交易合同、客户信息、会员管理信息等,需要说明的是,基础数据可以为地方交易所的当前数据,也包括地方交易所的历史交易数据,在对上述各监管数据进行存储和/或处理时,符合国家法律法规的相关规定。
可选地,目标客户在地方交易所之外的外部分析数据包括以下至少之一:外部数据交换中心推送的目标客户的相关数据;政府数据资源共享交换中心采集的相关政务数据;基于各类数据维度生成的相关数据,其中,数据维度包括组织维度、事项维度、自然人维度以及行政机关维度。
S103,对监管数据进行预处理,得到与预设风险预测模型包含的各监控指标所对应的指标值。
具体地,在获取到各项监管数据之后,对监管数据进行的预处理包括将监管数据转换为统一的格式,然后将统一格式后的监管数据进行特征向量的提取,并基于特征向量得到相应的交叉关联特征以及特征向量的权重,其中,特征向量、交叉关联特征以及特征向量的权重即为上述指标值。
预设风险预测模型的建立过程如下:采集大量的监管数据,根据现有监管数据情况构建监督机器学习标签和训练样本,训练样本中包含训练集和测试集以及验证样本,其中,提取历史已出风险企业的相关数据作为训练样本,提取现有企业的相关数据为测试样本,提取现有企业监管评级为A和监管评级为D的企业的相关数据为验证样本。
在划分样本之后,根据对象类型和行业属性,提取地方交易所对应的业务、资金和工商数据,进行数据分类,根据不同的分析维度提取数据进行风险指标加工,维度为业务运营、财务风险、舆情风险等。初始化模型时,根据监管数据加工出的指标,利用相关行业专家的定义,提取模型特征,并构建关联关系的交叉特征、偏离值特征以及实际的业务场景存在的隐晦特征,需要说明的是,当前各种特征的划分依据主要是根据历史已出风险的企业和专家判断来定义相应的模型特征、交叉特征、偏离特征和隐晦特征。举例来说,如果指标加工中,债务纠纷的外部诉讼指标数值较大,则提取一个企业经营存在困难特征,该经营存在困难特质即为其中一个模型特征。
具体来说,特征交叉是通过组合两个或更多个特征而形成的合成特征,通过特征组合的方式增加特征的维度,以求得更好的训练效果,因此,交叉特征主要是为了解决非线性问题,通过建立特征组合将数据分开;偏离特征是一个观察测试环境和***稳定性的数据,偏离特征的特征值越小则环境越稳定,所测得的数据越有效,反之,如果偏离特征的特征值太大则说明环境不稳定,在这种情况下测得的数据就没什么价值,所以在测试的时候,必须要保证偏离特征的特征值是小的,相应的,偏离特征的特征值较大的特征会在训练中被逐步剔除;隐晦特征是指单从数据情况识别不出,需要利用实际的业务经验来判断的特征,例如一个企业的各项财务数据一切平稳,但是这个企业是单一股东持股,当该名股东持股的其他公司出现风险时,该企业也会对应的迅速出现危机,在以往的监管场景里,这种时候可能企业才会被发现属于空壳企业,财报数据均为伪造,所以需要判断一些隐晦特征来提早识别出。
根据训练样本中训练基于机器学习算法构建基础的预设风险预测模型,在测试集中进行模型调优。可选地,验证样本用于对预设风险预测模型的预测精度进行验证。根据验证样本对基础的预设风险预测模型进行模型泛化性能验证,不断训练模型返回结果提高基础的预设风险预测模型的精确度。
当基础的预警模型的准确度未达到预设的准确度阈值,即未达到准确度、精度、召回率三个维度时,需要对基础的预设风险预测模型再次训练。包括两种训练方式:检查预设风险预测模型构建过程中的参数配置是否不合理,如果不合理需要重新调整指标间的交叉特征关联方式和证据权重转换,同时检查选取的特征字段是否存在不符合经济意义的情况;另一种方法是检查预设风险预测模型构建过程中的样本结构是否合理,包括标签定义、样本数量、样本拆分,其中,样本拆分又包括训练样本与验证样本的拆分、训练样本中训练集与测试集的拆分。如果存在不合理的部分,则需要将监管数据重新整理匹配生成新的训练样本,根据新的训练样本对基础的预设风险预测模型进行再次训练。
最后,若有新增监管数据的读取和积累,使用新增监管数据构建优化预设风险预测模型,将新增的监管数据作为样本进行模型微调获得优化的预设风险预测模型。将基础的预设风险预测模型和优化的预设风险预测模型进行对比挑战,获得最终的预设风险预测模型,地方交易场所的预设风险预测模型以最终预设风险预测模型的应用为准。
S104,根据指标值与预设风险预测模型确定指标值所对应的风险等级。
具体地,假定所有的指标值都是可以引起地方交易所出现交易风险的风险指标,但可能引起风险的几率不同,对各项指标值依据专家经验进行重要性排序,然后依据重要性排序、各位专家的偏好以及预设风险预测模型对各项指标值进行等级评估,最终得到指标值所对应的风险等级。
S105,基于风险等级执行相应的风险预警动作。
具体地,在得到风险等级之后,依据风险等级对各监管对象进行风险预警。
总之,在本发明实施例中,每一次获取到监管数据的都是最新的数据,根据新增数据的读取进行优化。将所有的数据按监管数据标准进行规范化处理后,对采集到的监管数据统一加工为监管指标,将指标参数进行风险特征分析,然后提取风险特征量,根据风险特征量进行度量和分析。如果发生风险事件,要判断出风险发生的原因、位置以及可能引起的其他风险传导态势,以做出相应的风险预警动作。
本发明解决了现有技术中地方交易所的风险预警中所存在的风险指标件无关联、预警指标单一且使用数据为单一汇总数据的技术问题,实现了提高地方交易所风险预警的准确性和正确率的技术效果。
在上述各技术方案的基础上,图2是本发明实施例提供的另一种地方交易所风险预警方法的流程图,如图2所示,上述S103步骤具体包括:
S201,将监管数据转换为统一的格式。
具体地,在获取到相应的监管数据之后,将原始监管数据进行储存,然后将监管数据按照规定的统一标准进行转换。
S202,对统一格式后的监管数据基于预设维度特征提取,得到相应的特征向量。
具体地,对监管数据进行预设维度特征提取,即将预设维度中交易事件、交易机构、资金流向、产品信息、交易状态、账户异动、行业走势、事件上报状态、事件排查信息、事件相关人员信息、广告、催收、报表等作为相应的目标,对每个目标下的各自采集的监管数据进行特征提取,得到相应的特征向量。
S203,基于特征向量创建交叉域分类,并基于交叉域分类确定相应的交叉关联特征。
具体地,利用前期对特征空间的分析影响,在创建交叉域分类时,可以指定在从源对象返回值之前必须满足的一个或多个条件,可以为源对象和目标对象定义条件,如果满足条件,则自动创造交叉域分类。在确定出交叉域分类之后,可以根据交叉域分类确定出相应的交叉域关联特征。
S204,基于预设风险预测模型确定特征向量的权重,其中,特征向量、交叉关联特征以及特征向量的权重为指标值。
可选地,预设风险预测模型包括训练样本以及验证样本,训练样本包括训练集和测试集,S204,基于预设风险预测模型确定特征向量的权重包括:将特征向量通过训练集进行训练,分别得到缺少第n个特征向量的分类器,其中,n为特征向量的个数,n≥1;通过测试集分别测试各个分类器的分类效果,并统计各个分类器的错误分类数;对错误分类数进行归一化处理,得到特征向量的权重。
在上述各技术方案的基础上,图3是本发明实施例提供的又一种地方交易所风险预警方法的流程图,如图3所示,上述S202步骤具体包括:
S301,基于预设维度对监管数据进行主成分分析,将分析得到的最大特征值所对应的特征向量组成特征空间;
S302,将每个监管数据在各自特征空间产生的影响作为特征向量的分类依据;
S303,基于分类依据对监管数据进行特征提取,得到相应的特征向量。
具体来说,将预设维度等作为相应的目标,对每个目标下的各自采集的监管数据进行主成分分析,并将分析得到的最大特征值所对应的特征向量组成特征空间,将每个目标数据(即每个目标下采集的监管数据)在各自特征空间产生的影响作为特征向量的分类依据,基于分类依据对监管数据进行特征提取,得到相应的特征向量。
在上述各技术方案的基础上,图4是本发明实施例提供的又一种地方交易所风险预警方法的流程图,如图4所示,上述S104步骤具体包括:
S401,将指标值作为风险指标,将风险指标依据专家经验进行重要性排序,其中,专家经验的数量大于1,得到的风险指标的重要性排序数量大于1;
S402,对多个重要性排序依据预设风险预测模型进行风险评估,得到相应的风险等级。
示例性地,在各项指标值中,假定所有指标值均为可引起地方交易所的风险指标,将指标值作为风险指标,然后将风险指标依据专家经验进行指标重要性排序。假定存在n个可能的风险指标,定义完备风险指标集A,n个可能的风险指标定义为u1,u2,……,un,则完备风险指标集表示为:A={u1,u2,……,un},预先让各位专家对全部风险指标的重要性做出排序,再根据每位专家的偏好形成专家群的偏好,从而得出关键因素集U={u1,u2,……,um},其中m<n。同时,建立出的风险评判集是可能评价结果的集合,表示为V={v1,v2,……,vm},其中,各元素代表各种可能的评判结果。
在地方交易所风险评估中,可以参照惯例采用分制,将模糊评判集分为级,级分别用v1~v9表示,即AAA,AA,A,BB,B,CC,C,DD,D。为了便于定量计算,参照其他风险水平数据,给这五个等级赋值为V={0.01,0.02,0.03,0.04,0.05,0.06,0.07,0.08,0.09},最后,基于预设风险预测模型以及风险评估的等级赋值得到相应的风险等级。
图5是本发明实施例提供的一种地方交易所风险预警装置的结构图,如图5所示,该地方交易所风险预警装置包括:
请求接收单元51,用于接收用户终端发送的风险分析请求;
数据获取单元52,用于基于风险分析请求获取目标客户的监管数据,其中,监管数据包括目标客户在地方交易所的基础数据以及目标客户在地方交易所之外的外部分析数据;
预处理单元53,用于对监管数据进行预处理,得到与预设风险预测模型包含的各监控指标所对应的指标值;
等级确定单元54,用于根据指标值与预设风险预测模型确定指标值所对应的风险等级;
风险预警单元55,用于基于风险等级执行相应的风险预警动作。
可选地,数据获取单元52具体用于:通过集中获取以及持续获取的方式,基于风险分析请求从多个预设维度获取目标客户的监管数据,其中,预设维度至少包括以下两种:交易事件、交易机构、资金流向、产品信息、交易状态、账户异动、行业走势、事件上报状态、事件排查信息、事件相关人员信息、广告、催收、报表。
可选地,预处理单元53包括:
转换子单元,用于将监管数据转换为统一的格式;
特征提取子单元,用于对统一格式后的监管数据基于预设维度特征提取,得到相应的特征向量;
特征确定子单元,用于基于特征向量创建交叉域分类,并基于交叉域分类确定相应的交叉关联特征;
权重确定子单元,用于基于预设风险预测模型确定特征向量的权重,其中,特征向量、交叉关联特征以及特征向量的权重为指标值。
可选地,特征提取子单元具体用于:
基于预设维度对监管数据进行主成分分析,将分析得到的最大特征值所对应的特征向量组成特征空间;
将每个监管数据在各自特征空间产生的影响作为特征向量的分类依据;
基于分类依据对监管数据进行特征提取,得到相应的特征向量。
可选地,预设风险预测模型包括训练样本以及验证样本,训练样本包括训练集和测试集,权重确定子单元具体用于:
将特征向量通过训练集进行训练,分别得到缺少第n个特征向量的分类器,其中,n为特征向量的个数,n≥1;
通过测试集分别测试各个分类器的分类效果,并统计各个分类器的错误分类数;
对错误分类数进行归一化处理,得到特征向量的权重。
可选地,等级确定单元54具体用于:
将指标值作为风险指标,将风险指标依据专家经验进行重要性排序,其中,专家经验的数量大于1,得到的风险指标的重要性排序数量大于1;
对多个重要性排序依据预设风险预测模型进行风险评估,得到相应的风险等级。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
本发明实施例提供的地方交易所风险预警装置,与上述实施例提供的地方交易所风险预警方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
图6为本发明实施例提供的一种地方交易所风险预警设备的结构示意图,如图6所示,该地方交易所风险预警设备包括处理器61、存储器62、输入装置63和输出装置64;地方交易所风险预警设备中处理器61的数量可以是一个或多个,图6中以一个处理器61为例;地方交易所风险预警设备中的处理器61、存储器62、输入装置63和输出装置64可以通过总线或其他方式连接,图6中以通过总线连接为例。
存储器62作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的地方交易所风险预警方法对应的程序指令/模块(例如,地方交易所风险预警装置中的请求接收单元51、数据获取单元52、预处理单元53、等级确定单元54以及风险预警单元55)。处理器61通过运行存储在存储器62中的软件程序、指令以及模块,从而执行地方交易所风险预警设备的各种功能应用以及数据处理,即实现上述的地方交易所风险预警方法。
存储器62可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器62可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器62可进一步包括相对于处理器61远程设置的存储器,这些远程存储器可以通过网络连接至地方交易所风险预警设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置63可用于接收输入的数字或字符信息,以及产生与地方交易所风险预警设备的用户设置以及功能控制有关的键信号输入。输出装置64可包括显示屏等显示设备。
本发明实施例还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种地方交易所风险预警方法。
具体地,该地方交易所风险预警方法包括:
接收用户终端发送的风险分析请求;
基于风险分析请求获取目标客户的监管数据,其中,监管数据包括目标客户在地方交易所的基础数据以及目标客户在地方交易所之外的外部分析数据;
对监管数据进行预处理,得到与预设风险预测模型包含的各监控指标所对应的指标值;
根据指标值与预设风险预测模型确定指标值所对应的风险等级;
基于风险等级执行相应的风险预警动作。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的地方交易所风险预警方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述搜索装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
最后应说明的是,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (11)
1.一种地方交易所风险预警方法,其特征在于,所述方法包括:
接收用户终端发送的风险分析请求;
基于所述风险分析请求获取目标客户的监管数据,其中,所述监管数据包括所述目标客户在地方交易所的基础数据以及所述目标客户在所述地方交易所之外的外部分析数据;
对所述监管数据进行预处理,得到与预设风险预测模型包含的各监控指标所对应的指标值;
根据所述指标值与所述预设风险预测模型确定所述指标值所对应的风险等级;
基于所述风险等级执行相应的风险预警动作。
2.根据权利要求1所述的地方交易所风险预警方法,其特征在于,所述基于所述风险分析请求获取目标客户的监管数据包括:通过集中获取以及持续获取的方式,基于所述风险分析请求从多个预设维度获取所述目标客户的监管数据,其中,所述预设维度至少包括以下两种:交易事件、交易机构、资金流向、产品信息、交易状态、账户异动、行业走势、事件上报状态、事件排查信息、事件相关人员信息、广告、催收、报表。
3.根据权利要求1所述的地方交易所风险预警方法,其特征在于,所述目标客户在所述地方交易所之外的外部分析数据包括以下至少之一:
外部数据交换中心推送的所述目标客户的相关数据;
政府数据资源共享交换中心采集的相关政务数据;
基于各类数据维度生成的相关数据,其中,所述数据维度包括组织维度、事项维度、自然人维度以及行政机关维度。
4.根据权利要求2所述的地方交易所风险预警方法,其特征在于,所述对所述监管数据进行预处理,得到与预设风险预测模型包含的各监控指标所对应的指标值包括:
将所述监管数据转换为统一的格式;
对统一格式后的所述监管数据基于所述预设维度特征提取,得到相应的特征向量;
基于所述特征向量创建交叉域分类,并基于所述交叉域分类确定相应的交叉关联特征;
基于所述预设风险预测模型确定所述特征向量的权重,其中,所述特征向量、所述交叉关联特征以及所述特征向量的权重为所述指标值。
5.根据权利要求4所述的地方交易所风险预警方法,其特征在于,所述对统一格式后的所述监管数据基于所述预设维度特征提取,得到相应的特征向量包括:
基于所述预设维度对所述监管数据进行主成分分析,将分析得到的最大特征值所对应的特征向量组成特征空间;
将每个所述监管数据在各自特征空间产生的影响作为特征向量的分类依据;
基于所述分类依据对所述监管数据进行特征提取,得到相应的所述特征向量。
6.根据权利要求4所述的地方交易所风险预警方法,其特征在于,所述预设风险预测模型包括训练样本以及验证样本,所述训练样本包括训练集和测试集,所述基于所述预设风险预测模型确定所述特征向量的权重包括:
将所述特征向量通过所述训练集进行训练,分别得到缺少第n个特征向量的分类器,其中,n为所述特征向量的个数,n≥1;
通过所述测试集分别测试各个所述分类器的分类效果,并统计各个所述分类器的错误分类数;
对所述错误分类数进行归一化处理,得到所述特征向量的权重。
7.根据权利要求1所述的地方交易所风险预警方法,其特征在于,所述根据所述指标值与所述预设风险预测模型确定所述指标值所对应的风险等级包括:
将所述指标值作为风险指标,将所述风险指标依据专家经验进行重要性排序,其中,所述专家经验的数量大于1,得到的所述风险指标的重要性排序数量大于1;
对多个所述重要性排序依据所述预设风险预测模型进行风险评估,得到相应的所述风险等级。
8.根据权利要求6所述的地方交易所风险预警方法,其特征在于,所述验证样本用于对所述预设风险预测模型的预测精度进行验证。
9.一种地方交易所风险预警装置,其特征在于,所述装置包括:
请求接收单元,用于接收用户终端发送的风险分析请求;
数据获取单元,用于基于所述风险分析请求获取目标客户的监管数据,其中,所述监管数据包括所述目标客户在地方交易所的基础数据以及所述目标客户在所述地方交易所之外的外部分析数据;
预处理单元,用于对所述监管数据进行预处理,得到与预设风险预测模型包含的各监控指标所对应的指标值;
等级确定单元,用于根据所述指标值与所述预设风险预测模型确定所述指标值所对应的风险等级;
风险预警单元,用于基于所述风险等级执行相应的风险预警动作。
10.一种地方交易所风险预警设备,其特征在于,所述地方交易所风险预警设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的地方交易所风险预警方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-8中任一所述的地方交易所风险预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111414751.4A CN114118793A (zh) | 2021-11-25 | 2021-11-25 | 一种地方交易所风险预警方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111414751.4A CN114118793A (zh) | 2021-11-25 | 2021-11-25 | 一种地方交易所风险预警方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114118793A true CN114118793A (zh) | 2022-03-01 |
Family
ID=80373279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111414751.4A Pending CN114118793A (zh) | 2021-11-25 | 2021-11-25 | 一种地方交易所风险预警方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114118793A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117437040A (zh) * | 2023-12-21 | 2024-01-23 | 广州平云小匠科技股份有限公司 | 授信风险等级的更新方法、设备及存储介质 |
CN117557086A (zh) * | 2023-07-05 | 2024-02-13 | 北京忠业兴达科技有限公司 | 涉密载体监管方法、装置、设备及可读存储介质 |
-
2021
- 2021-11-25 CN CN202111414751.4A patent/CN114118793A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117557086A (zh) * | 2023-07-05 | 2024-02-13 | 北京忠业兴达科技有限公司 | 涉密载体监管方法、装置、设备及可读存储介质 |
CN117557086B (zh) * | 2023-07-05 | 2024-03-26 | 北京忠业兴达科技有限公司 | 涉密载体监管方法、装置、设备及可读存储介质 |
CN117437040A (zh) * | 2023-12-21 | 2024-01-23 | 广州平云小匠科技股份有限公司 | 授信风险等级的更新方法、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109543096B (zh) | 数据查询方法、装置、计算机设备和存储介质 | |
Li et al. | A MIDAS modelling framework for Chinese inflation index forecast incorporating Google search data | |
CN111401777B (zh) | 企业风险的评估方法、装置、终端设备及存储介质 | |
CN114066242A (zh) | 一种企业风险的预警方法及装置 | |
EP2329447A1 (en) | Evaluating loan access using online business transaction data | |
CN103154991A (zh) | 信用风险采集 | |
CN114118793A (zh) | 一种地方交易所风险预警方法、装置及设备 | |
CN104321794A (zh) | 一种使用多维评级来确定一实体的未来商业可行性的***和方法 | |
CN107679734A (zh) | 一种用于无标签数据分类预测的方法和*** | |
CN110659961A (zh) | 一种用于识别线下商户的方法和装置 | |
CN112419030B (zh) | 财务舞弊风险评估的方法、***及设备 | |
CN111738843B (zh) | 一种使用流水数据的量化风险评价***和方法 | |
CN111882420A (zh) | 响应率的生成方法、营销方法、模型训练方法及装置 | |
CN113450009A (zh) | 一种企业成长性评价的方法及*** | |
Chimonaki et al. | Identification of financial statement fraud in Greece by using computational intelligence techniques | |
CN111798246A (zh) | 一种金融风险等级评估方法和装置 | |
CN112581291B (zh) | 风险测评异动检测方法、装置、设备及存储介质 | |
CN112950359B (zh) | 一种用户识别方法和装置 | |
CN117172721B (zh) | 用于融资业务的数据流转监管预警方法及*** | |
CN114282951B (zh) | 一种网络零售预测方法、设备及介质 | |
CN111489134B (zh) | 数据模型的构建方法、装置、设备及计算机可读存储介质 | |
CN114626940A (zh) | 数据分析方法、装置及电子设备 | |
KR100776193B1 (ko) | 거절자 추론을 반영한 기술평가방법 | |
CN113935819A (zh) | 核算异常特征提取方法 | |
CN114092216A (zh) | 企业信贷评级方法、装置、计算机设备和存储介质 |
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 |