本发明专利技术涉及数据处理技术领域，尤其涉及一种资产托管风控模型的构建方法、风险评估方法及装置。包括，获取多个用户资产数据，对资产数据进行预处理，将预处理后的资产数据划分到训练数据集和优化数据集中；根据训练数据集的数据属性和数据规模构建初始风控模型；采用控制变量法，利用训练数据集对初始风控模型进行迭代训练，得到目标风控模型；采用交叉验证法，利用训练数据集和优化数据集对目标风控模型进行优化，以便于利用优化后的目标风控模型计算目标用户的资产数据的资产托管风险。通过本文的方法，实现了在进行资产托管清算之前，对投资经理的交易指令做出风险评估，能够及时有效地进行风控结果的反馈，提高资产托管的风控管理水平。理水平。理水平。
【技术实现步骤摘要】
一种资产托管风控模型的构建方法、风险评估方法及装置
[0001]本专利技术涉及数据处理
，尤其涉及一种资产托管风控模型的构建方法、风险评估方法及装置。
技术介绍
[0002]本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]资产托管行业是现代金融体系的重要组成部分，对金融体系稳定运行、资产管理行业稳健发展、商业银行转型发展具有重要意义，而风控管理是资产托管中的一项重要的增值服务，受到越来越多管理人的重视，现有的资产托管系统风控管理对未知风险难以预测，且过度依赖业务人员，难以及时发现问题。
[0004]现在亟需一种资产托管风控模型的构建方法以及风险评估方法，从而解决现有的资产托管系统风控管理对未知风险难以预测的问题。
技术实现思路
[0005]为解决现有技术中存在的问题，本专利技术实施例提供了一种资产托管风控模型的构建方法、风险评估方法及装置，实现了在进行资产托管清算之前，对投资经理的交易指令做出风险评估，能够及时有效地进行风控结果的反馈，提高资产托管的风控管理水平，解决了现有的资产托管系统风控管理对未知风险难以预测的问题。
[0006]为了解决上述技术问题，本专利技术的具体技术方案如下：
[0007]一方面，本专利技术实施例提供一种资产托管风控模型的构建方法，该方法包括：
[0008]获取多个用户资产数据，对所述资产数据进行预处理，将预处理后的所述资产数据划分到训练数据集和优化数据集中；
[0009]根据所述训练数据集的数据属性和数据规模构建初始风控模型；
[0010]采用控制变量法，利用所述训练数据集对所述初始风控模型进行迭代训练，得到目标风控模型；
[0011]采用交叉验证法，利用所述训练数据集和所述优化数据集对所述目标风控模型进行优化，以便于利用优化后的所述目标风控模型计算目标用户的资产数据的资产托管风险。
[0012]进一步地，采用控制变量法，利用所述训练数据集对所述初始风控模型进行迭代训练，得到目标风控模型进一步包括，
[0013]按照预定比例，将所述训练数据集分为测试数据集和验证数据集；
[0014]利用所述测试数据集对所述初始风控模型进行训练，得到次级风控模型；
[0015]利用所述验证数据集对所述次级风控模型的模型效果进行验证；
[0016]基于验证的结果判断所述次级风控模型的准确率是否满足要求；
[0017]若否，则利用控制变量法调整所述次级风控模型的模型参数，再次执行利用所述
测试数据集对所述次级风控模型进行训练的步骤；
[0018]若是，则将所述次级风控模型作为所述目标风控模型。
[0019]进一步地，采用交叉验证法，利用所述训练数据集和重新获取到的优化数据集对所述目标风控模型进行优化进一步包括，
[0020]设定模型评估指标；
[0021]采用交叉验证法，利用所述训练数据集和所述优化数据集计算所述目标风控模型的模型评估指标对应的评估结果；
[0022]根据所述评估结果判断所述目标风控模型的拟合程度是否符合要求；
[0023]若不符合要求，则调整所述训练数据集的数据特征，重新执行采用控制变量法，利用调整数据特征后的所述训练数据集对所述初始风控模型进行迭代训练的步骤，直至所述拟合程度符合要求。
[0024]进一步地，根据所述评估结果判断所述目标风控模型的拟合程度是否符合要求进一步包括，
[0025]根据预定的第一阈值和所述拟合程度确定所述目标风控模型是否过拟合，以及根据预定的第二阈值和所述拟合程度确定所述目标风控模型是否欠拟合；
[0026]若不符合要求，则调整所述训练数据集的数据特征进一步包括，
[0027]若所述目标风控模型过拟合，则扩大所述测试数据集的数据量或减少所述训练数据集的数据特征；
[0028]若所述目标风控模型欠拟合，则增加所述训练数据集的数据特征。
[0029]进一步地，所述方法还包括，
[0030]设定模型更新条件，所述模型更新条件包括资产数据的数据量大小和更新时间；
[0031]根据所述模型更新条件判断所述目标风控模型是否需要更新，若是，则重新获取多个用户资产数据对所述目标风控模型更新训练。
[0032]另一方面，本专利技术实施例还提供了一种资产托管风控模型的构建装置，包括：
[0033]数据获取单元，用于获取多个用户资产数据，对所述资产数据进行预处理，将预处理后的所述资产数据划分到训练数据集和优化数据集中；
[0034]初始风控模型构建单元，用于根据所述训练数据集的数据属性和数据规模构建初始风控模型；
[0035]风控模型训练单元，用于采用控制变量法，利用所述训练数据集对所述初始风控模型进行迭代训练，得到目标风控模型；
[0036]模型优化单元，用于采用交叉验证法，利用所述训练数据集和重新获取到的优化数据集对所述目标风控模型进行优化，以便于利用优化后的所述目标风控模型计算目标用户的资产数据的资产托管风险。
[0037]基于同一专利技术构思，本专利技术实施例还提供了一种风险评估方法，包括，
[0038]获取目标用户的资产数据；
[0039]利用上述所述的资产托管风控模型的构建方法所构建的目标风控模型对所述目标用户的资产数据进行计算，得到所述目标用户的风险评估结果；
[0040]将所述风险评估结果进行解码，得到风险评估报告，以便于业务人员根据所述风险评估报告处理所述目标用户的资产托管风险。
[0041]另一方面，本专利技术实施例还提供了一种风险评估装置，包括：
[0042]目标资产数据获取单元，用于获取目标用户的资产数据；
[0043]风险评估单元，用于利用上述所述的资产托管风控模型的构建方法所构建的目标风控模型对所述目标用户的资产数据进行计算，得到所述目标用户的风险评估结果；
[0044]风险评估报告生成单元，用于将所述风险评估结果进行解码，得到风险评估报告，以便于业务人员根据所述风险评估报告处理所述目标用户的资产托管风险。
[0045]另一方面，本专利技术实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在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时实现上述方法。
[0046]另一方面，本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述方法。
[0047]最后，本专利技术实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述方法。
[0048]本专利技术实施例中，对多个用户的资产数据进行预处理后，划分到训练数据集和优化数据集中，然后根据训练数据集的数据属性和数据规模构建初始风控模型，相比于随机设定初始风控模型的模型参数的方法，能够提高模型训练的效率。然后本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种资产托管风控模型的构建方法，其特征在于，所述方法包括，获取多个用户资产数据，对所述资产数据进行预处理，将预处理后的所述资产数据划分到训练数据集和优化数据集中；根据所述训练数据集的数据属性和数据规模构建初始风控模型；采用控制变量法，利用所述训练数据集对所述初始风控模型进行迭代训练，得到目标风控模型；采用交叉验证法，利用所述训练数据集和所述优化数据集对所述目标风控模型进行优化，以便于利用优化后的所述目标风控模型计算目标用户的资产数据的资产托管风险。2.根据权利要求1所述的方法，其特征在于，采用控制变量法，利用所述训练数据集对所述初始风控模型进行迭代训练，得到目标风控模型进一步包括，按照预定比例，将所述训练数据集分为测试数据集和验证数据集；利用所述测试数据集对所述初始风控模型进行训练，得到次级风控模型；利用所述验证数据集对所述次级风控模型的模型效果进行验证；基于验证的结果判断所述次级风控模型的准确率是否满足要求；若否，则利用控制变量法调整所述次级风控模型的模型参数，再次执行利用所述测试数据集对所述次级风控模型进行训练的步骤；若是，则将所述次级风控模型作为所述目标风控模型。3.根据权利要求2所述的方法，其特征在于，采用交叉验证法，利用所述训练数据集和重新获取到的优化数据集对所述目标风控模型进行优化进一步包括，设定模型评估指标；采用交叉验证法，利用所述训练数据集和所述优化数据集计算所述目标风控模型的模型评估指标对应的评估结果；根据所述评估结果判断所述目标风控模型的拟合程度是否符合要求；若不符合要求，则调整所述训练数据集的数据特征，重新执行采用控制变量法，利用调整数据特征后的所述训练数据集对所述初始风控模型进行迭代训练的步骤，直至所述拟合程度符合要求。4.根据权利要求3所述的方法，其特征在于，根据所述评估结果判断所述目标风控模型的拟合程度是否符合要求进一步包括，根据预定的第一阈值和所述拟合程度确定所述目标风控模型是否过拟合，以及根据预定的第二阈值和所述拟合程度确定所述目标风控模型是否欠拟合；若不符合要求，则调整所述训练数据集的数据特征进一步包括，若所述目标风控模型过拟合，则扩大所述测试数据集的数据量或减少所述训练数据集的数据特征；若所述目标风控模型欠拟合，则增加所述训练数据集的数据特征。5.根据权利要求1所述的方法，其特征在于，所述方法还包括，设定...
【专利技术属性】
技术研发人员：王菲，
申请(专利权)人：中国银行股份有限公司，
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。