CN106127576A - 一种基于用户行为的银行风险评估系统 - Google Patents

Abstract

一种基于用户行为的银行风险评估系统，其包括如下单元：用户信息管理单元，用于获取用户的个人基本情况、价值体系情况、信誉体系情况以及与账户情况；指标体系建立单元，用于设置个人基本情况、价值体系情况、信誉体系情况以及与账户情况的关联关系矩阵；并设置各个关联关系矩阵的特征向量值以及单排序一致性检验值；得到用户行为的评分指标体系；个人评级确定单元，用于对评分指标体系中的二级指标进行加权计算获得各个二级指标的隶属函数；根据各个隶属函数判断用户的个人评级状况；评估结果生成单元，用于通过BP神经网络算法对所有用户的个人评级状况输入获得银行风险的评估结果。

Description

一种基于用户行为的银行风险评估系统

技术领域

本发明涉及大数据云计算技术领域，特别涉及一种基于用户行为的银行风险评估系统。

背景技术

银行风险中的信用风险是商业银行的主要风险，指获得银行信用支持的债务人不能遵照合约按时足额偿还本金和利息的可能性.在商业银行业务多样化的今天，不仅涉及传统的信用风险仍然是商业银行的一项主要风险，而且，贴现，透支，信用证,同业拆放,证券包销等业务中涉及的信用风险也是商业银行面临的重要风险.信用风险主要有以下几类：

本金风险是指银行对某一客户的追索权不能得到落实的可能性.如呆帐贷款，最终将表现为本金风险。潜在替代风险即由于市场价格波动，交易对手自交易日至交收日期间违约而导致损失的风险，其大小根据市场走势向原先预计的相反方向发展时可能造成的最大损失来计算.对银行而言，可能是交易对手违约，而市场又向不利方向发展的情况下，被迫代替交易对手完成原有交易所付出的代价。第三者保证风险，如果债务人违约不能偿还债务，而担保方或承诺方又不能代债务人偿还债务，就出现了第三者担保风险。证券交易和包销风险指的是证券二级市场交易和一级市场交易中的风险。交收风险指的是资金或证券交与收的过程中，通知时间和实际时间之差可能产生的风险，一旦有关交收无法执行或交手处理错误，该风险将转化为本金风险。信贷集中风险是指银行的贷款只发放给少数客户，或者给某一个客户的贷款超过其贷款总额的一定比例，从而使所发放的贷款遭受损失的可能性大大上升.。

传统的银行风险评估主要依靠银行员工人工审核，由于现在的银行业务类型多样化，通过传统的人工审核的方式无法降级银行风险。

发明内容

有鉴于此，本发明提出一种基于用户行为的银行风险评估系统。

一种基于用户行为的银行风险评估系统，其包括如下单元：

用户信息管理单元，用于获取用户的个人基本情况、价值体系情况、信誉体系情况以及与账户情况；

指标体系建立单元，用于设置个人基本情况、价值体系情况、信誉体系情况以及与账户情况的关联关系矩阵；并设置各个关联关系矩阵的特征向量值以及单排序一致性检验值；得到用户行为的评分指标体系；

个人评级确定单元，用于对评分指标体系中的二级指标进行加权计算获得各个二级指标的隶属函数；根据各个隶属函数判断用户的个人评级状况；

评估结果生成单元，用于通过BP神经网络算法对所有用户的个人评级状况输入获得银行风险的评估结果。

在本发明所述的基于用户行为的银行风险评估系统中，所述用户的个人基本情况、价值体系情况、信誉体系情况以及与账户情况分别包括：

个人基本情况包括年龄、婚姻状况、受教育程度、职业状况、健康状况；价值体系情况包括月收入水平、月还款与月可支配收入比例、资产负债比率、收入来源、家庭财富评估价值；信誉体系情况信息包括贷款历史信用记录、其他毁誉记录、司法记录；账户情况包括开户银行卡持有状况、银行卡账户持有状况。

在本发明所述的基于用户行为的银行风险评估系统中，

所述评估结果生成单元具体包括用于将各个用户的个人的评级状况作为BP神经网络的输入因子输入BP神经网络，并通过试凑法在同一训练样本中调整隐节点数，直至达到BP神经网络误差最小，隐层神经元数＝3*输入因子数+2；设置学习率；通过BP神经网络算法运算获得银行风险的评估结果。

在本发明所述的基于用户行为的银行风险评估系统中，

所述用户信息管理单元还用于根据管理员的不同管理权限对用户信息进行调整。

在本发明所述的基于用户行为的银行风险评估系统中，

所述评估结果生成单元还包括对银行风险进行压力测试，具体包括：

选择压力测试对象；测试对象包括资产规模、盈利能力、资本充足率；

确定承压对象和承压指标；承压指标包括技术型指标以及管理承压指标；技术型指标包括违约概率、违约损失率、预期损失、非预期损失、风险暴露、头寸的缺口、外汇敞口、风险价值、现金流缺口、流动性比率、存贷比率、操作风险损失金额、操作风险价值、监管资本；管理承压指标包括业务头寸价值损失、行业盈利能力、融资缺口、损失分布以及损失概率；

确定压力因素和压力指标；压力因素和压力指标包括信用风险压力因素和压力指标以及市场风险压力因素和压力指标；信用风险压力因素和压力指标包括国内生产总值或地区生产总值、消费者物价指数、名义货币发行量、全社会商品零售总额、全社会用电量、铁路货运量、期货价格指数、行业因子；市场风险压力因素和压力指标包括国债指数、股票市场指数、美元指数、人民币汇率、银行间短期拆借利率、基准利率、地方政府债务收益率及总量变化；

设计压力情景；压力情景通过历史情景法、专家情景法、模型法进行混合设计；

建立压力传导模型；通过分段测试方法建立压力传导模型；

获取测试结果。

实施本发明提供的基于用户行为的银行风险评估系统与现有技术相比具有以下有益效果：通过对评分指标体系中的二级指标进行加权计算获得各个二级指标的隶属函数；根据各个隶属函数判断用户的个人评级状况，使得在个人评级时更为精确，同时将各个用户的个人的评级状况作为BP神经网络的输入因子输入BP神经网络，使得BP神经网络算法的输入值更为准确。通过在对银行风险进行压力测试，具体包括：选择压力测试对象；确定压力因素和压力指标；设计压力情景；压力情景通过历史情景法、专家情景法、模型法进行混合设计；建立压力传导模型；通过分段测试方法建立压力传导模型；获取测试结果，能够预先获得银行风险的压力测试结果，方便对银行风险进行预估和采取针对性的措施。

附图说明

图1是本发明实施例的基于用户行为的银行风险评估系统结构框图。

具体实施方式

如图1所示，一种基于用户行为的银行风险评估系统，其包括如下单元：

用户信息管理单元，用于获取用户的个人基本情况、价值体系情况、信誉体系情况以及与账户情况；

指标体系建立单元，用于设置个人基本情况、价值体系情况、信誉体系情况以及与账户情况的关联关系矩阵；并设置各个关联关系矩阵的特征向量值以及单排序一致性检验值；得到用户行为的评分指标体系；

个人评级确定单元，用于对评分指标体系中的二级指标进行加权计算获得各个二级指标的隶属函数；根据各个隶属函数判断用户的个人评级状况；

评估结果生成单元，用于通过BP神经网络算法对所有用户的个人评级状况输入获得银行风险的评估结果。

在本发明所述的基于用户行为的银行风险评估系统中，所述用户的个人基本情况、价值体系情况、信誉体系情况以及与账户情况分别包括：

个人基本情况包括年龄、婚姻状况、受教育程度、职业状况、健康状况；价值体系情况包括月收入水平、月还款与月可支配收入比例、资产负债比率、收入来源、家庭财富评估价值；信誉体系情况信息包括贷款历史信用记录、其他毁誉记录、司法记录；账户情况包括开户银行卡持有状况、银行卡账户持有状况。

在本发明所述的基于用户行为的银行风险评估系统中，

所述评估结果生成单元具体包括用于将各个用户的个人的评级状况作为BP神经网络的输入因子输入BP神经网络，并通过试凑法在同一训练样本中调整隐节点数，直至达到BP神经网络误差最小，隐层神经元数＝3*输入因子数+2；设置学习率；通过BP神经网络算法运算获得银行风险的评估结果。

在本发明所述的基于用户行为的银行风险评估系统中，

所述用户信息管理单元还用于根据管理员的不同管理权限对用户信息进行调整。

在本发明所述的基于用户行为的银行风险评估系统中，

所述评估结果生成单元还包括对银行风险进行压力测试，具体包括：

选择压力测试对象；测试对象包括资产规模、盈利能力、资本充足率；

确定承压对象和承压指标；承压指标包括技术型指标以及管理承压指标；技术型指标包括违约概率、违约损失率、预期损失、非预期损失、风险暴露、头寸的缺口、外汇敞口、风险价值、现金流缺口、流动性比率、存贷比率、操作风险损失金额、操作风险价值、监管资本；管理承压指标包括业务头寸价值损失、行业盈利能力、融资缺口、损失分布以及损失概率；

确定压力因素和压力指标；压力因素和压力指标包括信用风险压力因素和压力指标以及市场风险压力因素和压力指标；信用风险压力因素和压力指标包括国内生产总值或地区生产总值、消费者物价指数、名义货币发行量、全社会商品零售总额、全社会用电量、铁路货运量、期货价格指数、行业因子；市场风险压力因素和压力指标包括国债指数、股票市场指数、美元指数、人民币汇率、银行间短期拆借利率、基准利率、地方政府债务收益率及总量变化；

设计压力情景；压力情景通过历史情景法、专家情景法、模型法进行混合设计；

建立压力传导模型；通过分段测试方法建立压力传导模型；

获取测试结果。

实施本发明提供的基于用户行为的银行风险评估系统与现有技术相比具有以下有益效果：通过对评分指标体系中的二级指标进行加权计算获得各个二级指标的隶属函数；根据各个隶属函数判断用户的个人评级状况，使得在个人评级时更为精确，同时将各个用户的个人的评级状况作为BP神经网络的输入因子输入BP神经网络，使得BP神经网络算法的输入值更为准确。通过在对银行风险进行压力测试，具体包括：选择压力测试对象；确定压力因素和压力指标；设计压力情景；压力情景通过历史情景法、专家情景法、模型法进行混合设计；建立压力传导模型；通过分段测试方法建立压力传导模型；获取测试结果，能够预先获得银行风险的压力测试结果，方便对银行风险进行预估和采取针对性的措施。

可以理解的是，对于本领域的普通技术人员来说，可以根据本发明的技术构思做出其它各种相应的改变与变形，而所有这些改变与变形都应属于本发明权利要求的保护范围。

Claims (5)

1.一种基于用户行为的银行风险评估系统，其特征在于，其包括如下单元：

用户信息管理单元，用于获取用户的个人基本情况、价值体系情况、信誉体系情况以及与账户情况；

指标体系建立单元，用于设置个人基本情况、价值体系情况、信誉体系情况以及与账户情况的关联关系矩阵；并设置各个关联关系矩阵的特征向量值以及单排序一致性检验值；得到用户行为的评分指标体系；

个人评级确定单元，用于对评分指标体系中的二级指标进行加权计算获得各个二级指标的隶属函数；根据各个隶属函数判断用户的个人评级状况；

评估结果生成单元，用于通过BP神经网络算法对所有用户的个人评级状况输入获得银行风险的评估结果。

2.如权利要求1所述的基于用户行为的银行风险评估系统，其特征在于，所述用户的个人基本情况、价值体系情况、信誉体系情况以及与账户情况分别包括：

个人基本情况包括年龄、婚姻状况、受教育程度、职业状况、健康状况；价值体系情况包括月收入水平、月还款与月可支配收入比例、资产负债比率、收入来源、家庭财富评估价值；信誉体系情况信息包括贷款历史信用记录、其他毁誉记录、司法记录；账户情况包括开户银行卡持有状况、银行卡账户持有状况。

3.如权利要求2所述的基于用户行为的银行风险评估系统，其特征在于，

所述评估结果生成单元具体包括用于将各个用户的个人的评级状况作为BP神经网络的输入因子输入BP神经网络，并通过试凑法在同一训练样本中调整隐节点数，直至达到BP神经网络误差最小，隐层神经元数＝3*输入因子数+2；设置学习率；通过BP神经网络算法运算获得银行风险的评估结果。

4.如权利要求3所述的基于用户行为的银行风险评估系统，其特征在于，

所述用户信息管理单元还用于根据管理员的不同管理权限对用户信息进行调整。

5.如权利要求4所述的基于用户行为的银行风险评估系统，其特征在于，

所述评估结果生成单元还包括对银行风险进行压力测试，具体包括：

选择压力测试对象；测试对象包括资产规模、盈利能力、资本充足率；

确定承压对象和承压指标；承压指标包括技术型指标以及管理承压指标；技术型指标包括违约概率、违约损失率、预期损失、非预期损失、风险暴露、头寸的缺口、外汇敞口、风险价值、现金流缺口、流动性比率、存贷比率、操作风险损失金额、操作风险价值、监管资本；管理承压指标包括业务头寸价值损失、行业盈利能力、融资缺口、损失分布以及损失概率；

确定压力因素和压力指标；压力因素和压力指标包括信用风险压力因素和压力指标以及市场风险压力因素和压力指标；信用风险压力因素和压力指标包括国内生产总值或地区生产总值、消费者物价指数、名义货币发行量、全社会商品零售总额、全社会用电量、铁路货运量、期货价格指数、行业因子；市场风险压力因素和压力指标包括国债指数、股票市场指数、美元指数、人民币汇率、银行间短期拆借利率、基准利率、地方政府债务收益率及总量变化；

设计压力情景；压力情景通过历史情景法、专家情景法、模型法进行混合设计；

建立压力传导模型；通过分段测试方法建立压力传导模型；

获取测试结果。