[发明专利]交易风险识别方法、装置及计算机存储介质

权利要求书

1.一种交易风险识别方法，其特征在于，所述方法包括：

获取预先训练完成的交易风险评分卡模型，所述交易风险评分卡模型由机器学习算法对多组训练样本训练得到，且每组所述训练样本包括目标特征数据样本以及所述目标特征数据样本的评分，所述目标特征数据样本包括特征变量和所述特征变量对应的变量值；所述特征变量为用于表征经营行为的指标；

获取融资请求方的进销项发票数据，从所述融资请求方的进销项发票数据中确定出目标特征数据，所述目标特征数据包括特征变量和所述特征变量对应的变量值；

将所述目标特征数据输入至所述交易风险评分卡模型，以得到所述交易风险评分卡模型输出的所述目标特征数据的评分；

根据所述目标特征数据的评分计算得到所述融资请求方的交易风险评分。

2.根据权利要求1所述的方法，其特征在于，所述交易风险评分卡模型的训练步骤包括：

采集进销项发票数据样本，从所述进销项发票数据样本中确定出所述目标特征数据样本；

对所述目标特征数据样本进行分箱操作以及WOE转换，得到所述目标特征数据样本的分箱系数和WOE值；

将所述目标特征数据样本的分箱系数与WOE值的乘积作为所述目标特征数据样本的评分；

将多个所述目标特征数据样本的评分相加，得到的和值作为交易风险评分。

3.根据权利要求2所述的方法，其特征在于，所述从所述进销项发票数据样本中确定出所述目标特征数据样本，包括：

从所述进销项发票数据样本中确定出多个候选特征数据样本，所述候选特征数据样本包括第一特征变量和所述第一特征变量对应的变量值；所述第一特征变量为用于表征经营行为的指标；

依据支持度、可信度和作用度，为所述第一特征变量设置FP-Tree，根据设置的FP-Tree从多个所述第一特征变量中确定出第二特征变量；

对多个所述第二特征变量进行分箱操作以及WOE转换，利用KS值、AR值、IV值和VIF值对多个所述第二特征变量进行筛选；

通过逻辑回归算法拟合所述第二特征变量与目标特征变量的关系，从多个所述第二特征变量中确定出所述目标特征变量，所述目标特征变量以及所述目标特征变量对应的变量值构成所述目标特征数据样本。

4.根据权利要求2所述的方法，其特征在于，所述从所述进销项发票数据样本中确定出所述目标特征数据样本之后，所述方法还包括：

对所述目标特征数据样本进行数据清洗和/或数据加工，所述数据清洗包括对所述目标特征数据样本进行缺失值处理和/或异常值处理，所述数据加工包括对所述目标特征数据样本进行数据转置和/或数据求和。

5.根据权利要求1所述的方法，其特征在于，所述根据所述目标特征数据的评分计算得到所述融资请求方的交易风险评分，包括：

对多个所述目标特征数据的评分进行加权求和，将加权求和的计算结果作为所述融资请求方的交易风险评分。

6.根据权利要求1所述的方法，其特征在于，所述根据所述目标特征数据的评分计算得到所述融资请求方的交易风险评分之后，所述方法还包括：

设置多个评分分段，每个评分分段分别对应一种交易风险程度等级；

确定所述融资请求方的交易风险评分所在的目标评分分段，将所述目标评分分段对应的交易风险程度等级确定为所述融资请求方的交易风险程度等级。