[发明专利]一种客户评价方法和系统

说明书

本发明公开了一种客户评价方法和系统，自动实现对客户的交易风险进行评估，提高评估效率以及评估准确度。该客户评价方法，包括：构建评价模型；获取客户交易数据；所述交易数据包括存储在交易数据库中的客户历史交易数据；将所述客户交易数据输入所述评价模型中，获取客户风险等级，并将所述客户风险等级存储在客户数据库中。

技术领域

本发明属于大数据技术领域，具体来说，涉及一种客户评价方法和系统。

背景技术

洗钱是危害性极大的经济犯罪。随着互联网金融的快速发展，越来越多的不法分子开始通过网络渠道进行洗钱活动。我国从2003年开始全面建立反洗钱制度，中国人民银行3号令更是对反洗钱做了更明确的要求。互联网金融企业需要承担更为明确的责任和义务。

客户洗钱风险评估和等级分类划分工作是强化反洗钱工作的重要内容。为了避免洗钱活动，杜绝洗钱风险，对每一位互联网金融用户进行洗钱风险评估显得非常必要。现有技术中，采用人工方式对客户进行风险评估。由于用户数据庞大，采用人工方式对客户进行风险评估，效率低，准确度不高。

发明内容

本发明实施例提供一种客户评价方法和系统，自动实现对客户的交易风险进行评估，提高评估效率以及评估准确度。

为解决上述技术问题，本发明实施例采用以下技术方案：

第一方面，本发明实施例提供一种客户评价方法，包括：

构建评价模型；

获取客户交易数据；所述交易数据包括存储在交易数据库中的客户历史交易数据；

将所述客户交易数据输入所述评价模型中，获取客户风险等级，并将所述客户风险等级存储在客户数据库中。

结合第一方面，作为第一种可实现的方案，所述构建评价模型包括：

确定评价模型变量；

采集客户基本信息数据，并根据所述客户基本信息数据，筛选评价模型变量；

计算筛选的评价模型变量的权重系数；

根据筛选的评价模型变量和评价模型变量的权重系数，建立评价模型。

结合第一方面的第一种可实现的方案，作为第二种可实现的方案，所述客户基本信息数据包括会员基本信息、会员基本属性、会员价值属性、会员交易行为、个人会员标签信息。

结合第一方面的第一种可实现的方案，作为第三种可实现的方案，所述计算筛选的评价模型变量的权重系数，包括：

构建判断矩阵，所述判断矩阵中的元素表示评价模型中的一变量和其他变量之间两两比较的相对重要性；

对所述判断矩阵进行一致性检验；若所述判断矩阵具有一致性，则通过所述判断矩阵计算评价模型变量的权重系数。

结合第一方面的第三种可实现的方案，作为第四种可实现的方案，所述对所述判断矩阵进行一致性检验，包括：

依据式(1)计算一致性指标C.I.：

其中，λ_max表示判断矩阵的最大特征根，n表示判断矩阵阶数；

计算平均随机一致性指标R.I.；

依据式(2)计算一致性比例C.R.：

C.R.＝C.I./R.I.式(2)

当C.R.＜0.1时，则判断矩阵具有一致性；当C.R.≥0.1时，则判断矩阵不具有一致性；若判断矩阵不具有一致性，则调整判断矩阵中的参数，直到判断矩阵具有一致性。