[发明专利]一种动态高风险客群检测方法及系统

说明书

技术领域

本发明属于风险检测领域，具体地，涉及一种动态高风险客群检测方法及系统。

背景技术

在当今虚拟经济飞速发展的时代，信用体制以及其风险管理日益受到关注。

促进利用个人信用进行消费是当今社会经济环境下扩大内需、促进经济发展的重要方法，当前中国首当其冲的任务就是大力发展经济，利用个人信用消费对国民经济增长起到推动力的作用，但个人信用方面的发展会遇到很多困难阻碍，从而个人信用很难得到有效的控制，而随着金融证券化的发展，银行已由卖方市场转化到了买房市场，因此，争夺实力雄厚、信用度高、还款能力强的客户是商业银行的主要竞争，调查人员在开拓市场进行信贷营销时，受理贷款人的申请，根据贷款人的资料，对其信用评估，同时对贷款的合法性、安全性、盈利性进行调查，测定贷款风险度，并提交分析报告。

而传统模式对贷款人进行信用风险评估时，往往会因为各种资料的审查而导致周期过长，严重影响效率，以及贷款人提交的所有资料的真实性也无法确保，从而导致了很多高风险人群因提交了虚假资料及证明或因为评估审查工作人员的疏忽而贷款成功，一旦无法按时还款，就会给银行或放贷单位造成巨大损失。

目前基于大数据的客户信用算法都是针对每个新用户进行重新计算，即，针对每个新用户都要重复执行一次信用算法，这样带来的数据处理量较高，而且处理较慢，因此，现有技术并未提供一种比较快速准确的算法，用于检测新用户的风险度。

发明内容

针对现有技术存在的技术缺陷，本发明的目的是提供一种动态高风险客群检测算法，其用于检测归属于不同客群的新用户的风险度,根据本发明的一个方面，提供了一种动态高风险客群检测算法具体实施步骤，其用于检测归属于不同客群的新用户的风险度，包括如下步骤：

a.基于评估指标确定每个所述客群的风险度，将所述风险度大于风险阈值的所述客群确定为高风险客群；

b.基于距离函数确定所述新用户与所述高风险客群的相似度，将相似度大于第一相似度阈值的所述新用户判定为风险用户，所述距离函数所述新用户的用户数据的种类相关。

优选地，所述步骤a之前执行如下步骤：

i.使用聚类算法基于多个历史用户的多个历史数据对多个所述历史用户建群形成多个客群，所述聚类算法与所述历史数据的种类相关。

优选地，所述步骤i通过如下任一方式实现：

-若所述历史数据为通讯录数据或者个人特征数据，基于杰卡德距离算法确定多个所述历史用户彼此之间的相似度，将相似度大于第二相似度阈值的所述历史用户划为一个所述客群；

-若所述历史数据为定位数据，基于空间距离算法确定多个所述历史用户彼此之间的相似度，将相似度大于第三相似度阈值的所述历史用户划为一个所述客群；

-若所述历史数据为个人信息数据，基于欧式距离算法确定多个所述历史用户彼此之间的相似度，将相似度大于第四相似度阈值的所述历史用户划为一个所述客群。

优选地，所述步骤a包括如下步骤：

a1.根据所述评估指标的种类筛选所述客群的关联数据；

a2.采集超过所述评估指标的所述关联数据的数量和幅度；

a3.以所述数量和所述幅度为自变量通过风险评估函数确定所述客群的反馈系数，所述反馈系数即为所述客群的风险度。

优选地，所述评估指标基于如下方式确定：

-确定所述客群对应的客群数据库的时间分布，基于所述客群数据库的时间分布确定所述评估指标的种类；

-基于所述新用户发出的请求类型确定所述评估指标的种类。

优选地，所述评估指标为反馈周期最短的指标。

优选地，所述新用户与所述高风险客群的相似度通过如下任一方式实现：

-若所述用户数据为通讯录数据或者个人特征数据，基于杰卡德距离算法确定所述用户与所述高风险客群之间的相似度；

-若所述用户数据为定位数据，基于空间距离算法确定所述用户与所述高风险客群之间的相似度；

-若所述用户数据为个人信息数据，基于欧式距离算法确定所述用户与所述高风险客群之间的相似度。

优选地，所述用户与所述高风险客群之间的相似度通过如下方式确定：逐一判断所述新用户与所述高风险客户群包括的每个所述历史用户对应的历史数据之间的重合度并获得多个重合度，对所述多个重合度进行处理得到所述用户与所述高风险客群之间的相似度。

根据本发明的另一个方面，提供了一种动态高风险客群检测系统，其用于检测归属于不同客群的新用户的风险度，包括：