本公开提供了一种交易风险的评估方法，涉及人工智能领域，还可用于金融领域或其他领域。该方法包括：获取待评估客户的客户属性数据；对所述客户属性数据进行编码，得到客户属性特征；将所述客户属性特征输入逻辑回归模型中，以确定所述客户的违约概率；基于所述违约概率，计算所述客户的综合风险；以及基于所述综合风险，获得所述客户的交易风险评估结果。本公开还提供了一种交易风险的评估装置、设备、存储介质和程序产品。存储介质和程序产品。存储介质和程序产品。
【技术实现步骤摘要】
交易风险的评估方法、装置、电子设备和介质
[0001]本公开涉及人工智能领域，还可用于金融领域或其他领域，具体地，涉及一种交易风险的评估方法、装置、设备、介质和程序产品。
技术介绍
[0002]交易风险评估是交易中的重要环节，对降低可能发生的交易损失有重要意义。为了对交易的风险进行评估，需要利用与交易相关的客户属性数据等相关数据进行计算。
[0003]在实现本公开构思的过程中，专利技术人发现，目前交易风险的评估方法计算速度慢、灵活性差，不能及时、准确反映交易风险情况，不利于控制交易风险。
技术实现思路
[0004]鉴于上述问题，本公开提供了一种交易风险的评估方法、装置、设备、介质和程序产品。
[0005]根据本公开的第一个方面，提供了一种交易风险的评估方法，包括：获取待评估客户的客户属性数据，所述客户属性数据包括数值型数据和逻辑型数据；对所述客户属性数据进行编码，得到客户属性特征；将所述客户属性特征输入逻辑回归模型中，以确定所述客户的违约概率，其中，所述逻辑回归模型是基于历史数据预先训练得到的；基于所述违约概率，计算所述客户的综合风险，其中，所述综合风险包括一阶风险和二阶风险，所述一阶风险用于表征成本风险，所述二阶风险用于表征超额利润风险；以及基于所述综合风险，获得所述客户的交易风险评估结果；其中，所述对所述客户属性数据进行编码，得到客户属性特征的步骤包括：利用WOE编码方式对所述数值型数据进行编码，以获取客户属性特征；和利用哑变量编码方式对所述逻辑型数据进行编码，以获取客户属性特征。
[0006]根据本公开的实施例，所述数值型数据包括地区编号和年龄，所述逻辑型数据包括房产、汽车、社保和违约数据。
[0007]根据本公开的实施例，所述基于所述违约概率，计算所述客户的综合风险的步骤包括：获取所述客户的交易量、人工成本和物料成本；基于所述客户属性特征、所述违约概率、所述交易量、人工成本和物料成本，计算得到一阶风险；获取所述客户的意愿度得分；利用所述一阶风险、所述意愿度得分、所述交易量、人工成本和物料成本，计算得到二阶风险；以及基于所述一阶风险和所述二阶风险，得到综合风险。
[0008]根据本公开的实施例，所述基于所述一阶风险和所述二阶风险，得到综合风险的步骤包括：将所述一阶风险和所述二阶风险相加，得到综合风险。
[0009]根据本公开的实施例，所述基于所述综合风险，获得所述客户的交易风险评估结果的步骤包括：预设风险阈值；和当所述综合风险小于所述风险阈值时，所述客户的交易风险评估结果为低风险，通过所述客户的交易。
[0010]根据本公开的实施例，所述方法还包括：当所述综合风险大于等于所述风险阈值时，所述客户的交易风险评估结果为高风险，将所述客户的交易纳入风险预警管理。
[0011]根据本公开的实施例，基于历史数据预先训练得到所述逻辑回归模型包括：获取历史数据，所述历史数据包括历史客户属性特征和历史违约概率；利用逻辑回归函数构建包含N个参数的违约概率的表达式，其中，N为大于等于1的整数；计算所述违约概率的表达式的对数似然函数；将所述对数似然函数分别对N个参数求导，得到包含参数的方程组，其中，所述方程组包含N个方程；将所述历史数据带入所述方程组，确定所述N个参数的参数值；以及基于所述N个参数的参数值，确定所述违约概率的表达式。
[0012]本公开的第二方面提供了一种交易风险的评估装置，包括：第一获取模块，用于获取待评估客户的客户属性数据，所述客户属性数据包括数值型数据和逻辑型数据；编码模块，用于对所述客户属性数据进行编码，得到客户属性特征，其中，所述对所述客户属性数据进行编码，得到客户属性特征的步骤包括：利用WOE编码方式对所述数值型数据进行编码，以获取客户属性特征；和利用哑变量编码方式对所述逻辑型数据进行编码，以获取客户属性特征；逻辑回归模块，用于将所述客户属性特征输入逻辑回归模型中，以确定所述客户的违约概率，其中，所述逻辑回归模型是基于历史数据预先训练得到的；第一计算模块，用于基于所述违约概率，计算所述客户的综合风险，其中，所述综合风险包括一阶风险和二阶风险，所述一阶风险用于表征成本风险，所述二阶风险用于表征超额利润风险；以及评估模块，用于基于所述综合风险，获得所述客户的交易风险评估结果。
[0013]根据本公开的实施例，所述数值型数据包括地区编号和年龄，所述逻辑型数据包括房产、汽车、社保和违约数据。
[0014]根据本公开的实施例，所述第一计算模块包括：第一获取单元，用于获取所述客户的交易量、人工成本和物料成本；第一计算单元，用于基于所述客户属性特征、所述违约概率、所述交易量、人工成本和物料成本，计算得到一阶风险；第二获取单元，用于获取所述客户的意愿度得分；第二计算单元，用于利用所述一阶风险、所述意愿度得分、所述交易量、人工成本和物料成本，计算得到二阶风险；以及第三计算单元，用于基于所述一阶风险和所述二阶风险，得到综合风险。
[0015]根据本公开的实施例，所述第三计算单元包括第一计算子模块，用于将所述一阶风险和所述二阶风险相加，得到综合风险。
[0016]根据本公开的实施例，所述评估模块包括：预设单元，用于预设风险阈值；和第一评估单元，用于当所述综合风险小于所述风险阈值时，所述客户的交易风险评估结果为低风险，通过所述客户的交易。
[0017]根据本公开的实施例，所述评估模块还包括：第二评估单元，用于当所述综合风险大于等于所述风险阈值时，所述客户的交易风险评估结果为高风险，将所述客户的交易纳入风险预警管理。
[0018]根据本公开的实施例，所述逻辑回归模块包括：第三获取单元，用于获取历史数据，所述历史数据包括历史客户属性特征和历史违约概率；表达式构建单元，用于利用逻辑回归函数构建包含N个参数的违约概率的表达式，其中，N为大于等于1的整数；第四计算单元，用于计算所述违约概率的表达式的对数似然函数；第五计算单元，用于将所述对数似然函数分别对N个参数求导，得到包含参数的方程组，其中，所述方程组包含N个方程；第六计算单元，用于将所述历史数据带入所述方程组，确定所述N个参数的参数值；以及第一确定单元，用于基于所述N个参数的参数值，确定所述违约概率的表达式。
[0019]本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述方法。
[0020]本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述方法。
[0021]本公开的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述方法。
[0022]上述一个或多个实施例具有如下优点或有益效果：本公开实施例提供的交易风险的评估方法，利用WOE编码方式和哑变量编码方式对客户属性数据进行编码，并利用编码后的客户属性特征进行交易风险计算，从而加快了整体的计算速度本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种交易风险的评估方法，其特征在于，所述方法包括：获取待评估客户的客户属性数据，所述客户属性数据包括数值型数据和逻辑型数据；对所述客户属性数据进行编码，得到客户属性特征；将所述客户属性特征输入逻辑回归模型中，以确定所述客户的违约概率，其中，所述逻辑回归模型是基于历史数据预先训练得到的；基于所述违约概率，计算所述客户的综合风险，其中，所述综合风险包括一阶风险和二阶风险，所述一阶风险用于表征成本风险，所述二阶风险用于表征超额利润风险；以及基于所述综合风险，获得所述客户的交易风险评估结果；其中，所述对所述客户属性数据进行编码，得到客户属性特征的步骤包括：利用WOE编码方式对所述数值型数据进行编码，以获取客户属性特征；和利用哑变量编码方式对所述逻辑型数据进行编码，以获取客户属性特征。2.根据权利要求1所述的方法，其特征在于，所述数值型数据包括地区编号和年龄，所述逻辑型数据包括房产、汽车、社保和违约数据。3.根据权利要求1所述的方法，其特征在于，所述基于所述违约概率，计算所述客户的综合风险的步骤包括：获取所述客户的交易量、人工成本和物料成本；基于所述客户属性特征、所述违约概率、所述交易量、人工成本和物料成本，计算得到一阶风险；获取所述客户的意愿度得分；利用所述一阶风险、所述意愿度得分、所述交易量、人工成本和物料成本，计算得到二阶风险；以及基于所述一阶风险和所述二阶风险，得到综合风险。4.根据权利要求3所述的方法，其特征在于，所述基于所述一阶风险和所述二阶风险，得到综合风险的步骤包括：将所述一阶风险和所述二阶风险相加，得到综合风险。5.根据权利要求1所述的方法，其特征在于，所述基于所述综合风险，获得所述客户的交易风险评估结果的步骤包括：预设风险阈值；和当所述综合风险小于所述风险阈值时，所述客户的交易风险评估结果为低风险，通过所述客户的交易。6.根据权利要求4所述的方法，其特征在于，所述方法还包括：当所述综合风险大于等于所述风险阈值时，所述客户的交易风险评估结果为高风险，将所述客户的交易纳入风险预警管理...
【专利技术属性】
技术研发人员：张璐，张家玮，张潇，
申请(专利权)人：中国工商银行股份有限公司，
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。