【技术实现步骤摘要】
本公开涉及金融、大数据、人工智能，更具体地涉及一种交易风险预测方法、模型训练方法、装置、设备、介质和程序产品。
技术介绍
1、个人客户规模大、准入门槛低、存在较大不确定性，容易受到外部因素影响而导致违约，因此金融机构需要加强对个人客户的风险管理，例如，进行个人客户交易风险预测。但是由于交易风险预测中存在个人客户的数据特征种类较少、特征信息不全面的情况，从而影响了交易风险预测效果。
技术实现思路
1、鉴于上述问题，本公开提供了一种交易风险预测方法、模型训练方法、装置、设备、介质和程序产品。
2、本公开的一个方面，提供了一种交易风险预测方法，包括：获取目标用户的历史数据，其中，目标用户的历史数据至少包括目标用户基本信息、目标用户产品历史持有信息、目标用户历史交易行为数据和目标用户历史信用记录信息；基于目标用户的历史数据，构建目标用户的第一时间序列信息和第二时间序列信息；根据第一时间序列信息和第二时间序列信息，得到目标用户的交易风险预测结果。
3、根据本公开的实施例，第一时间序列信息包括m组第一信息值，m组第一信息值与m个预定时间周期的历史数据关联；第二时间序列信息包括n组第二信息值，各组第二信息值与m个预定时间周期中的l个预定时间周期的历史数据关联，l小于等于m。
4、根据本公开的实施例，根据第一时间序列信息和第二时间序列信息，得到目标用户的交易风险预测结果包括：对第一时间序列信息和第二时间序列信息进行特征预处理，得到目标用户的特征集；将目标用户的特
5、根据本公开的实施例，对第一时间序列信息和第二时间序列信息进行特征预处理，得到目标用户的特征集包括：将第一时间序列信息和第二时间序列信息进行特征转换，得到多个转换特征；对各个转换特征进行信息价值计算，得到各个转换特征的信息价值；基于各个转换特征的信息价值进行第一特征筛选，将信息价值大于等于第一预设阈值的转换特征组合得到多个待筛选特征；对多个待筛选特征进行第二特征筛选，得到目标用户的特征集。
6、根据本公开的实施例，对多个待筛选特征进行第二特征筛选，得到目标用户的特征集包括：确定多个待筛选特征各自的特征重要性；基于多个待筛选特征各自的特征重要性对多个待筛选特征进行多次迭代筛选，得到目标用户的特征集。
7、本公开的另一个方面提供了一种模型训练方法，包括：获取多个参考用户的训练样本数据，其中，多个参考用户的训练样本数据至少包括多个参考用户基本信息、多个参考用户产品历史持有信息、多个参考用户历史交易行为数据和多个参考用户历史信用记录信息；基于多个参考用户的训练样本数据，构建多个参考用户的第一训练样本时间序列信息和第二训练样本时间序列信息；基于多个参考用户的第一训练样本时间序列信息和第二训练样本时间序列信息，训练交易风险预测模型。
8、根据本公开的实施例，多个参考用户至少包括第一类用户和第二类用户，其中，第一类用户和第二类用户的交易风险程度不同。
9、本公开的另一个方面提供了一种交易风险预测装置，包括：第一获取模块，用于获取目标用户的历史数据，其中，目标用户的历史数据至少包括目标用户基本信息、目标用户产品历史持有信息、目标用户历史交易行为数据和目标用户历史信用记录信息；第一构建模块，用于基于目标用户的历史数据，构建目标用户的第一时间序列信息和第二时间序列信息；以及获得模块，用于根据第一时间序列信息和第二时间序列信息，得到目标用户的交易风险预测结果。
10、本公开的另一个方面提供了一种模型训练装置，包括：第二获取模块，用于获取多个参考用户的训练样本数据，其中，多个参考用户的训练样本数据至少包括多个参考用户基本信息、多个参考用户产品历史持有信息、多个参考用户历史交易行为数据和多个参考用户历史信用记录信息；第二构建模块，用于基于多个参考用户的训练样本数据，构建多个参考用户的第一训练样本时间序列信息和第二训练样本时间序列信息；以及训练模块，用于基于多个参考用户的第一训练样本时间序列信息和第二训练样本时间序列信息，训练交易风险预测模型。
11、本公开的另一个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交易风险预测方法、模型训练方法。
12、本公开的另一个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交易风险预测方法、模型训练方法。
13、本公开的另一个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交易风险预测方法、模型训练方法。
14、根据本公开的实施例，基于包括目标用户基本信息、目标用户产品历史持有信息、目标用户历史交易行为数据和目标用户历史信用记录信息的目标用户的历史数据，构建目标用户的第一时间序列信息和第二时间序列信息，对目标用户的历史数据进行深入挖掘，有效构造多组预测数据，以此为基础进行交易风险预测时，准确度较高。
本文档来自技高网...【技术保护点】
1.一种交易风险预测方法，包括：
2.根据权利要求1所述的方法，其中，所述第一时间序列信息包括M组第一信息值，所述M组第一信息值与M个预定时间周期的历史数据关联；
3.根据权利要求1所述的方法，其中，所述根据所述第一时间序列信息和所述第二时间序列信息，得到所述目标用户的交易风险预测结果包括：
4.根据权利要求3所述的方法，其中，所述对所述第一时间序列信息和所述第二时间序列信息进行特征预处理，得到所述目标用户的特征集包括：
5.根据权利要求4所述的方法，其中，所述对所述多个待筛选特征进行第二特征筛选，得到所述目标用户的特征集包括：
6.一种模型训练方法，包括：
7.根据权利要求6所述的方法，其中，多个参考用户至少包括第一类用户和第二类用户，其中，第一类用户和第二类用户的交易风险程度不同。
8.一种交易风险预测装置，包括：
9.一种模型训练装置，包括：
10.一种电子设备，包括：
11.一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实现权
12.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1至7中任一项所述的方法。
...【技术特征摘要】
1.一种交易风险预测方法，包括：
2.根据权利要求1所述的方法，其中，所述第一时间序列信息包括m组第一信息值，所述m组第一信息值与m个预定时间周期的历史数据关联；
3.根据权利要求1所述的方法，其中，所述根据所述第一时间序列信息和所述第二时间序列信息，得到所述目标用户的交易风险预测结果包括：
4.根据权利要求3所述的方法，其中，所述对所述第一时间序列信息和所述第二时间序列信息进行特征预处理，得到所述目标用户的特征集包括：
5.根据权利要求4所述的方法，其中，所述对所述多个待筛选特征进行第二特征筛选，得到所述目标用户的特征集包...
【专利技术属性】
技术研发人员：王豆豆，王晓舟，张博，王晴，
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。