CN107818506A - 电子装置、信贷风险控制方法及存储介质 - Google Patents
电子装置、信贷风险控制方法及存储介质 Download PDFInfo
- Publication number
- CN107818506A CN107818506A CN201710916169.5A CN201710916169A CN107818506A CN 107818506 A CN107818506 A CN 107818506A CN 201710916169 A CN201710916169 A CN 201710916169A CN 107818506 A CN107818506 A CN 107818506A
- Authority
- CN
- China
- Prior art keywords
- user
- risk
- portrait
- macroeconomy
- core
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Accounting & Taxation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电子装置、信贷风险控制方法及存储介质。首先通过利用预先确定的第一聚类算法分析用户在预设时间内定位过的地理位置信息,得到该用户的核心活动区域和非核心活动区域;然后基于核心活动区域对应的地理位置周围的经济数据信息,构建该用户的总体经济画像;接着根据总体经济画像与风险系数之间的映射关系,确定对该用户放贷的风险。这样,能够根据用户定位过的地理位置信息确定用户的总体经济画像,进而根据用户的总体经济画像确定对该用户放贷的风险,降低信贷中存在的风险概率。
Description
技术领域
本发明涉及信贷领域,尤其涉及一种电子装置、信贷风险控制方法及存储介质。
背景技术
随着社会的发展,人们在日常生活中越来越依赖于通讯设备。例如,利用通讯设备的定位功能来获取周围的地理位置信息,并根据周围的地理位置信息获取需要的服务。
目前,通讯设备在固定的时间段内获取到的一个用户的地理位置信息有可能是不连续的且比较稀疏的,这是由于通讯设备能否获取到地理位置信息与该用户所处位置当前的信号强弱有关,以及与该用户是否连续开启通讯设备的导航功能、或是否连续登陆定位APP等有关。而通常,一个用户的地理位置信息中蕴含着大量可以挖掘并利用的与该用户的日常相关的信息点,例如,若能根据获取到的该用户在特定时间段内不连续且稀疏的所有地理位置信息确定出该用户的日常活动轨迹,则可通过分析该用户的日常活动轨迹对应的地理位置周围的经济数据信息,来确定该用户的消费水平及经济状况,并在一些业务场景中,例如,贷中监控、或贷前风险评估等,可以根据该用户的消费水平及经济状况来确定该用户的风险承受能力,从而降低信贷中存在的风险概率。
发明内容
有鉴于此,本发明提出一种电子装置、信贷风险控制方法及存储介质,能够根据用户的地理位置信息确定该用户的总体经济画像,进而根据该用户的总体经济画像确定对该用户放贷的风险,降低信贷中存在的风险概率。
首先,为实现上述目的,本发明提出一种电子装置,所述电子装置包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的信贷风险控制系统,所述信贷风险控制系统被所述处理器执行时实现如下步骤:
A、获取用户在预设时间内定位过的地理位置信息,并利用预先确定的第一聚类算法分析所述地理位置信息,得到该用户的一个或多个核心活动区域和非核心活动区域;
B、基于所述核心活动区域对应的地理位置周围的经济数据信息,构建该用户的总体经济画像,其中,所述经济数据信息包括房价、人均收入水平、及人均消费水平,所述总体经济画像包括收入水平及消费水平;
C、根据所述总体经济画像与风险系数之间的映射关系,确定对该用户放贷的风险系数,若确定出对该用户放贷的风险系数大于或等于预设的风险阈值,则向预先确定的终端发送针对该用户的放贷风险预警。
优选地,所述步骤B可替换为如下步骤:
利用预先确定的第二聚类算法分析所述核心活动区域,得到所述核心活动区域的中心地理位置;
基于所述中心地理位置周围的经济数据信息,构建该用户的总体经济画像。
优选地,所述步骤C还包括如下步骤:
若确定出对该用户放贷的风险系数小于预设的风险阈值,则需要根据该用户的核心活动区域和非核心活动区域对应的地理位置信息,构建该用户在所述预设时间内的日常活动轨迹;
根据所述日常活动轨迹对应的地理位置周围的经济数据信息,构建该用户的总体经济画像;根据所述总体经济画像与风险系数之间的映射关系,确定对该用户放贷的风险系数,若确定出对该用户放贷的风险系数大于或等于预设的风险阈值,则向预先确定的终端发送针对该用户的放贷风险预警。
优选地,所述预先确定的第一聚类算法为基于密度的聚类算法,所述预先确定的第二聚类算法为基于划分的聚类算法。
优选地,所述地理位置信息包括时间纬度信息、以及地理纬度信息。
此外,为实现上述目的,本发明还提供一种信贷风险控制方法,该方法包括如下步骤:
S1、获取用户在预设时间内定位过的地理位置信息,并利用预先确定的第一聚类算法分析所述地理位置信息,得到该用户的一个或多个核心活动区域和非核心活动区域;
S2、基于所述核心活动区域对应的地理位置周围的经济数据信息,构建该用户的总体经济画像,其中,所述经济数据信息包括房价、人均收入水平、及人均消费水平,所述总体经济画像包括收入水平及消费水平;
S3、根据所述总体经济画像与风险系数之间的映射关系,确定对该用户放贷的风险系数,若确定出对该用户放贷的风险系数大于或等于预设的风险阈值,则向预先确定的终端发送针对该用户的放贷风险预警。
优选地,所述步骤S2可替换为如下步骤:
利用预先确定的第二聚类算法分析所述核心活动区域,得到所述核心活动区域的中心地理位置。
基于所述中心地理位置周围的经济数据信息,构建该用户的总体经济画像。
优选地,所述步骤S3还包括如下步骤:
若确定出对该用户放贷的风险系数小于预设的风险阈值,则需要根据该用户的核心活动区域和非核心活动区域对应的地理位置信息,构建该用户在所述预设时间内的日常活动轨迹;
根据所述日常活动轨迹对应的地理位置周围的经济数据信息,构建该用户的总体经济画像;根据所述总体经济画像与风险系数之间的映射关系,确定对该用户放贷的风险系数,若确定出对该用户放贷的风险系数大于或等于预设的风险阈值,则向预先确定的终端发送针对该用户的放贷风险预警。
优选地,所述预先确定的第一聚类算法为基于密度的聚类算法,所述预先确定的第二聚类算法为基于划分的聚类算法。
进一步地,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有信贷风险控制系统,所述信贷风险控制系统可被至少一个处理器执行,以使所述至少一个处理器执行如上述的信贷风险控制方法的步骤。
相较于现有技术,本发明所提出的电子装置、信贷风险控制分析方法及存储介质,在需要确定对一个用户放贷的风险时,获取该用户在预设时间内定位过的地理位置信息,并利用预先确定的第一聚类算法分析获取到的地理位置信息,得到该用户的核心活动区域和非核心活动区域;然后基于该用户的核心活动区域对应的地理位置周围的经济数据信息,构建该用户的总体经济画像;接着根据总体经济画像与风险系数之间的映射关系,确定对该用户放贷的风险系数,若对该用户放贷的风险系数大于或等于预设的风险阈值,则向预先确定的终端发出针对该用户的放贷风险预警。这样,能够根据用户的地理位置信息确定该用户的总体经济画像,进而根据该用户的总体经济画像确定对该用户放贷的风险,降低信贷中存在的风险概率。
附图说明
图1是本发明电子装置较佳实施例的硬件架构的示意图;
图2是本发明信贷风险控制程序较佳实施例的程序模块示意图;
图3是本发明信贷风险控制方法较佳实施例的实施流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
参阅图1所示,是本发明
电子装置2较佳实施例的硬件架构的示意图。本实施例中,电子装置2可包括,但不仅限于,可通过通信总线14相互通信连接的存储器11、处理器12、网络接口13。需要指出的是,图1仅示出了具有组件11-14的电子装置2,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
其中,存储器11至少包括一种类型的可读存储介质,可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器11可以是电子装置2的内部存储单元,例如电子装置2的硬盘或内存。在另一些实施例中,存储器11也可以是电子装置2的外部存储设备,例如电子装置2上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,存储器11还可以既包括电子装置2的内部存储单元也包括其外部存储设备。本实施例中,存储器11通常用于存储安装于电子装置2的操作系统和各类应用软件,例如信贷风险控制程序等。此外,存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器12在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。处理器12通常用于控制电子装置2的总体操作,例如执行与移动终端1进行数据交互或者通信相关的控制和处理等。本实施例中,处理器12用于运行存储器11中存储的程序代码或者处理数据,例如运行的信贷风险控制程序等。
网络接口13可包括无线网络接口或有线网络接口,网络接口13通常用于在电子装置2与其他电子设备之间建立通信连接。本实施例中,网络接口13主要用于通过网络3将电子装置2与一个或多个移动终端1相连,在电子装置2与一个或多个移动终端1之间的建立数据传输通道和通信连接。
通信总线14用于实现这些组件之间的连接通信。
可选地,该装置还可以包括用户接口,用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard),可选的用户接口还可以包括标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在基于社交网络的用户关键词提取装置中处理的信息以及用于显示可视化的用户界面。
至此,己经详细介绍了本发明各个实施例的应用环境和相关设备的硬件结构和功能。下面,将基于上述应用环境和相关设备,提出本发明的各个实施例。
首先,在图1所示的电子装置的实施例中,存储器11中存储有信贷风险控制程序,处理器12执行存储器11中存储的信贷风险控制程序,以实现如下步骤:
A、获取用户在预设时间内定位过的地理位置信息,并利用预先确定的第一聚类算法分析地理位置信息,得到该用户的一个或多个核心活动区域和非核心活动区域;
B、基于核心活动区域对应的地理位置周围的经济数据信息,构建该用户的总体经济画像,其中,经济数据信息包括房价、人均收入水平、及人均消费水平,总体经济画像包括收入水平及消费水平;
C、根据总体经济画像与风险系数之间的映射关系,确定对该用户放贷的风险系数,若确定出对该用户放贷的风险系数大于或等于预设的风险阈值,则向预先确定的终端发送针对该用户的放贷风险预警。
在本实施例中,第一聚类算法为基于密度的聚类算法,在本实施例中,基于密度的聚类算法为DBscan算法,具体的聚类过程包括:首先以获取的该用户在预设时间内(例如,离当前时间点最近的半年内)所有定位过的地理位置信息中的每个地理位置信息分别作为DBscan算法的不同输入对象,可以理解的是,获取到的地理位置信息为一些稀疏的数据,并预设扫描半径e(例如,e=3天)以及最小包含点数minp(例如,minp=3次),然后任选一个未被访问的点(地理位置)开始,找出在时间间隔e之内(包括e)该点被定位的次数,若在时间间隔e之内该点被定位的次数大于或等于minp,则该点(当前的地理位置)与其他在时间间隔e之内被定位的次数大于或等于minp次的点形成一个簇(一个聚类的簇),并且出发点(出发的地理位置)被标记为已访问点(已访问的地理位置,对应在本实施例中为核心活动区域内的地理位置点)。然后递归,以相同的方法处理该簇内所有未被标记为已访问的点(已访问的地理位置),从而对簇进行扩展。若在时间间隔e之内该点被定位的次数小于minp,则该点(该地理位置)暂时被标记作为噪声点(非聚类的点,对应在本实施例中为非核心活动区域内的地理位置点),若簇充分地被扩展,即簇内的所有点被标记为已访问,则用同样的算法去处理未被访问的点(未被访问的地理位置)。通过这种聚类分析方法可以从获取到的用户定位过的稀疏的活动区域中获取核心活动区域和非核心活动区域。需要说明的是,在上述实施例中,DBscan算法中出现的点均指的是地理位置。基于核心活动区域对应的地理位置周围的经济数据信息,例如,房价、人均收入水平、以及人均消费水平,构建该用户的总体经济画像,例如,收入水平和消费水平。或者,利用预先确定的第二聚类算法分析该用户的核心活动区域,得到该用户的核心活动区域的中心地理位置;例如,在本实施例中,第二聚类算法为基于划分的聚类算法,在本实施例中基于划分的聚类算法为K-means算法。具体的聚类过程包括:a、从该用户的日常活动轨迹对应的各个地理位置中随机选取K个地理位置作为质心(本实施例中为中心地理位置);b、对剩余的每个地理位置测量其到每个质心的距离,并把它归到距离最近的质心的类;c、重新计算已经得到的各个类的质心;d、迭代b和c步直至新的质心与原质心相等或小于指定的阈值,算法结束。
需要说明的是,在本实施例的K-means算法中,质心为中心地理位置。
基于中心地理位置周围的经济数据信息,构建该用户的总体经济画像。或者,作为一种实施方式,当确定出对该用户放贷的风险系数小于预设的风险阈值,则需要根据该用户的核心活动区域和非核心活动区域对应的地理位置信息,构建该用户在预设时间内的日常活动轨迹;根据日常活动轨迹对应的地理位置周围的经济数据信息,构建该用户的总体经济画像;根据总体经济画像与风险系数之间的映射关系,确定对该用户放贷的风险系数,若确定出对该用户放贷的风险系数大于或等于预设的风险阈值,则向预先确定的终端发送针对该用户的放贷风险预警。
需要说明的是,上述实施例中的地理位置信息为获取的用户通过移动终端的定位功能(例如,手机的GPS定位系统)定位过的包括时间纬度信息、以及地理纬度信息的数据。
上述实施例提出的电子装置,对需要确定一个用户放贷的风险时,获取该用户在预设时间内定位过的地理位置信息,并利用预先确定的第一聚类算法分析所述地理位置信息,得到该用户的一个或多个核心活动区域和非核心活动区域;基于核心活动区域对应的地理位置周围的经济数据信息,构建该用户的总体经济画像,其中,经济数据信息包括房价、人均收入水平、及人均消费水平,总体经济画像包括收入水平及消费水平;根据总体经济画像与风险系数之间的映射关系,确定对该用户放贷的风险系数,若确定出对该用户放贷的风险系数大于或等于预设的风险阈值,则向预先确定的终端发送针对该用户的放贷风险预警。从而降低信贷中存在的风险概率。
可选地,在其他的实施例中,信贷风险控制程序依据其各部分所实现的功能,还可以用一个或者多个虚拟模块进行描述,一个或者多个虚拟模块被存储于存储器11中,并由一个或多个处理器(本实施例为处理器12)所执行,以完成本发明,本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段。例如,参照图2所示,为本发明信贷风险控制程序较佳实施例的程序模块示意图,该实施例中,信贷风险控制程序可以被分割为获取模块201、构建模块202、风险系数确定模块203,其中模块201-203所实现的功能或操作步骤均与上文类似,此处不再详述,示例性地,例如其中:
获取模块201用于获取用户在预设时间内定位过的地理位置信息,并利用预先确定的第一聚类算法分析地理位置信息,得到该用户的一个或多个核心活动区域和非核心活动区域;
构建模块202用于基于核心活动区域对应的地理位置周围的经济数据信息,构建该用户的总体经济画像,其中,经济数据信息包括房价、人均收入水平、及人均消费水平,总体经济画像包括收入水平及消费水平;
风险系数确定模块203用于根据总体经济画像与风险系数之间的映射关系,确定对该用户放贷的风险系数,若确定出对该用户放贷的风险系数大于或等于预设的风险阈值,则向预先确定的终端发送针对该用户的放贷风险预警。
此外,本发明还提出一种信贷风险控制方法。请参阅图3所示,是本发明信贷风险控制方法一实施例的实施流程示意图。该方法可以由一个装置执行,该装置可以由软件和/或硬件实现。
在本实施例中,信贷风险控制方法包括:
步骤S301,获取用户在预设时间内定位过的地理位置信息,并利用预先确定的第一聚类算法分析地理位置信息,得到该用户的一个或多个核心活动区域和非核心活动区域;
步骤S302,基于核心活动区域对应的地理位置周围的经济数据信息,构建该用户的总体经济画像,其中,经济数据信息包括房价、人均收入水平、及人均消费水平,总体经济画像包括收入水平及消费水平;
步骤S303,根据总体经济画像与风险系数之间的映射关系,确定对该用户放贷的风险系数,若确定出对该用户放贷的风险系数大于或等于预设的风险阈值,则向预先确定的终端发送针对该用户的放贷风险预警。
在本实施例中,第一聚类算法为基于密度的聚类算法,在本实施例中,基于密度的聚类算法为DBscan算法,具体的聚类过程包括:首先以获取的该用户在预设时间内(例如,离当前时间点最近的半年内)所有定位过的地理位置信息中的每个地理位置信息分别作为DBscan算法的不同输入对象,可以理解的是,获取到的地理位置信息为一些稀疏的数据,并预设扫描半径e(例如,e=3天)以及最小包含点数minp(例如,minp=3次),然后任选一个未被访问的点(地理位置)开始,找出在时间间隔e之内(包括e)该点被定位的次数,若在时间间隔e之内该点被定位的次数大于或等于minp,则该点(当前的地理位置)与其他在时间间隔e之内被定位的次数大于或等于minp次的点形成一个簇(一个聚类的簇),并且出发点(出发的地理位置)被标记为已访问点(已访问的地理位置,对应在本实施例中为核心活动区域内的地理位置点)。然后递归,以相同的方法处理该簇内所有未被标记为已访问的点(已访问的地理位置),从而对簇进行扩展。若在时间间隔e之内该点被定位的次数小于minp,则该点(该地理位置)暂时被标记作为噪声点(非聚类的点,对应在本实施例中为非核心活动区域内的地理位置点),若簇充分地被扩展,即簇内的所有点被标记为已访问,则用同样的算法去处理未被访问的点(未被访问的地理位置)。通过这种聚类分析方法可以从获取到的用户定位过的稀疏的活动区域中获取核心活动区域和非核心活动区域。需要说明的是,在上述实施例中,DBscan算法中出现的点均指的是地理位置。基于核心活动区域对应的地理位置周围的经济数据信息,例如,房价、人均收入水平、以及人均消费水平,构建该用户的总体经济画像,例如,收入水平和消费水平。或者,利用预先确定的第二聚类算法分析该用户的核心活动区域,得到该用户的核心活动区域的中心地理位置;例如,在本实施例中,第二聚类算法为基于划分的聚类算法,在本实施例中基于划分的聚类算法为K-means算法。具体的聚类过程包括:a、从该用户的日常活动轨迹对应的各个地理位置中随机选取K个地理位置作为质心(本实施例中为中心地理位置);b、对剩余的每个地理位置测量其到每个质心的距离,并把它归到距离最近的质心的类;c、重新计算已经得到的各个类的质心;d、迭代b和c步直至新的质心与原质心相等或小于指定的阈值,算法结束。
需要说明的是,在本实施例的K-means算法中,质心为中心地理位置。
基于中心地理位置周围的经济数据信息,构建该用户的总体经济画像。
或者,作为另一种实施方式,当确定出对该用户放贷的风险系数小于预设的风险阈值,则需要根据该用户的核心活动区域和非核心活动区域对应的地理位置信息,构建该用户在预设时间内的日常活动轨迹;根据日常活动轨迹对应的地理位置周围的经济数据信息,构建该用户的总体经济画像;根据总体经济画像与风险系数之间的映射关系,确定对该用户放贷的风险系数,若确定出对该用户放贷的风险系数大于或等于预设的风险阈值,则向预先确定的终端发送针对该用户的放贷风险预警。
需要说明的是,上述实施例中的地理位置信息为获取的用户通过移动终端的定位功能(例如,手机的GPS定位系统)定位得到的包括时间纬度信息、以及地理纬度信息的数据。
上述实施例提出的信贷风险控制方法,对需要确定一个用户放贷的风险时,获取该用户在预设时间内定位过的地理位置信息,并利用预先确定的第一聚类算法分析所述地理位置信息,得到该用户的一个或多个核心活动区域和非核心活动区域;基于核心活动区域对应的地理位置周围的经济数据信息,构建该用户的总体经济画像,其中,经济数据信息包括房价、人均收入水平、及人均消费水平,总体经济画像包括收入水平及消费水平;根据总体经济画像与风险系数之间的映射关系,确定对该用户放贷的风险系数,若确定出对该用户放贷的风险系数大于或等于预设的风险阈值,则向预先确定的终端发送针对该用户的放贷风险预警。从而降低信贷中存在的风险概率。
此外,本发明实施例还提出一种计算机可读存储介质,该计算机可读存储介质上存储有信贷风险控制程序,该信贷风险控制程序被处理器执行时实现如下步骤:
获取用户在预设时间内定位过的地理位置信息,并利用预先确定的第一聚类算法分析地理位置信息,得到该用户的一个或多个核心活动区域和非核心活动区域;
基于核心活动区域对应的地理位置周围的经济数据信息,构建该用户的总体经济画像,其中,经济数据信息包括房价、人均收入水平、及人均消费水平,总体经济画像包括收入水平及消费水平;
根据总体经济画像与风险系数之间的映射关系,确定对该用户放贷的风险系数,若确定出对该用户放贷的风险系数大于或等于预设的风险阈值,则向预先确定的终端发送针对该用户的放贷风险预警。
进一步地,该信贷风险控制程序被处理器执行时还实现如下步骤:
利用预先确定的第二聚类算法分析核心活动区域,得到核心活动区域的中心地理位置;
基于中心地理位置周围的经济数据信息,构建该用户的总体经济画像。
进一步地,该信贷风险控制程序被处理器执行时还实现如下步骤:
若确定出对该用户放贷的风险系数小于预设的风险阈值,则需要根据该用户的核心活动区域和非核心活动区域对应的地理位置信息,构建该用户在预设时间内的日常活动轨迹;
根据日常活动轨迹对应的地理位置周围的经济数据信息,构建该用户的总体经济画像;
根据总体经济画像与风险系数之间的映射关系,确定对该用户放贷的风险系数,若确定出对该用户放贷的风险系数大于或等于预设的风险阈值,则向预先确定的终端发送针对该用户的放贷风险预警。
本发明计算机可读存储介质具体实施方式与上述电子装置及风险控制方法各实施例基本相同,在此不作累述。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种电子装置,其特征在于,所述电子装置包括存储器、及与所述存储器连接的处理器,所述存储器中存储有信贷分险控制程序,所述处理器执行所述信贷风险控制程序,以实现如下步骤:
A、获取用户在预设时间内定位过的地理位置信息,并利用预先确定的第一聚类算法分析所述地理位置信息,得到该用户的一个或多个核心活动区域和非核心活动区域;
B、基于所述核心活动区域对应的地理位置周围的经济数据信息,构建该用户的总体经济画像,其中,所述经济数据信息包括房价、人均收入水平、及人均消费水平,所述总体经济画像包括收入水平及消费水平;
C、根据所述总体经济画像与风险系数之间的映射关系,确定对该用户放贷的风险系数,若确定出对该用户放贷的风险系数大于或等于预设的风险阈值,则向预先确定的终端发送针对该用户的放贷风险预警。
2.如权利要求1所述的电子装置,其特征在于,所述步骤B可替换为如下步骤:
利用预先确定的第二聚类算法分析所述核心活动区域,得到所述核心活动区域的中心地理位置;
基于所述中心地理位置周围的经济数据信息,构建该用户的总体经济画像。
3.如权利要求1所述的电子装置,其特征在于,所述步骤C还包括如下步骤:
若确定出对该用户放贷的风险系数小于预设的风险阈值,则需要根据该用户的核心活动区域和非核心活动区域对应的地理位置信息,构建该用户在所述预设时间内的日常活动轨迹;
根据所述日常活动轨迹对应的地理位置周围的经济数据信息,构建该用户的总体经济画像;根据所述总体经济画像与风险系数之间的映射关系,确定对该用户放贷的风险系数,若确定出对该用户放贷的风险系数大于或等于预设的风险阈值,则向预先确定的终端发送针对该用户的放贷风险预警。
4.如权利要求2或3所述的电子装置,其特征在于,所述预先确定的第一聚类算法为基于密度的聚类算法,所述预先确定的第二聚类算法为基于划分的聚类算法。
5.如权利要求4所述的电子装置,其特征在于,所述地理位置信息包括时间纬度信息、以及地理纬度信息。
6.一种信贷风险控制方法,其特征在于,所述方法包括如下步骤:
S1、获取用户在预设时间内定位过的地理位置信息,并利用预先确定的第一聚类算法分析所述地理位置信息,得到该用户的一个或多个核心活动区域和非核心活动区域;
S2、基于所述核心活动区域对应的地理位置周围的经济数据信息,构建该用户的总体经济画像,其中,所述经济数据信息包括房价、人均收入水平、及人均消费水平,所述总体经济画像包括收入水平及消费水平;
S3、根据所述总体经济画像与风险系数之间的映射关系,确定对该用户放贷的风险系数,若确定出对该用户放贷的风险系数大于或等于预设的风险阈值,则向预先确定的终端发送针对该用户的放贷风险预警。
7.如权利要求6所述的信贷风险控制方法,其特征在于,所述步骤B可替换为如下步骤:
利用预先确定的第二聚类算法分析所述核心活动区域,得到所述核心活动区域的中心地理位置。
基于所述中心地理位置周围的经济数据信息,构建该用户的总体经济画像。
8.如权利要求6所述的信贷风险控制方法,其特征在于,所述步骤C还包括如下步骤:
若确定出对该用户放贷的风险系数小于预设的风险阈值,则需要根据该用户的核心活动区域和非核心活动区域对应的地理位置信息,构建该用户在所述预设时间内的日常活动轨迹;
根据所述日常活动轨迹对应的地理位置周围的经济数据信息,构建该用户的总体经济画像;根据所述总体经济画像与风险系数之间的映射关系,确定对该用户放贷的风险系数,若确定出对该用户放贷的风险系数大于或等于预设的风险阈值,则向预先确定的终端发送针对该用户的放贷风险预警。
9.如权利要求7或8所述的信贷风险控制方法,其特征在于,所述预先确定的第一聚类算法为基于密度的聚类算法,所述预先确定的第二聚类算法为基于划分的聚类算法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有放贷风险控制系统,所述放贷风险控制系统可被至少一个处理器执行,以使所述至少一个处理器执行如权利要求6-9中任一项所述的放贷风险控制方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710916169.5A CN107818506A (zh) | 2017-09-30 | 2017-09-30 | 电子装置、信贷风险控制方法及存储介质 |
PCT/CN2018/077343 WO2019062009A1 (zh) | 2017-09-30 | 2018-02-27 | 电子装置、信贷风险控制方法及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710916169.5A CN107818506A (zh) | 2017-09-30 | 2017-09-30 | 电子装置、信贷风险控制方法及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107818506A true CN107818506A (zh) | 2018-03-20 |
Family
ID=61607688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710916169.5A Pending CN107818506A (zh) | 2017-09-30 | 2017-09-30 | 电子装置、信贷风险控制方法及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN107818506A (zh) |
WO (1) | WO2019062009A1 (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108763051A (zh) * | 2018-04-06 | 2018-11-06 | 平安证券股份有限公司 | 电子装置、交易软件运行风险预警方法及存储介质 |
CN109409936A (zh) * | 2018-09-28 | 2019-03-01 | 深圳壹账通智能科技有限公司 | 用户消费画像生成方法、装置、设备及可读存储介质 |
CN109447689A (zh) * | 2018-09-27 | 2019-03-08 | 深圳壹账通智能科技有限公司 | 用户风险画像生成方法、装置、设备及可读存储介质 |
CN110197315A (zh) * | 2018-04-08 | 2019-09-03 | 腾讯科技(深圳)有限公司 | 风险评估方法、装置及其存储介质 |
CN110334936A (zh) * | 2019-06-28 | 2019-10-15 | 阿里巴巴集团控股有限公司 | 一种信贷资质评分模型的构建方法、装置和设备 |
CN110705994A (zh) * | 2019-10-10 | 2020-01-17 | 支付宝(杭州)信息技术有限公司 | 一种风险用户检测方法及装置 |
CN111400663A (zh) * | 2020-03-17 | 2020-07-10 | 深圳前海微众银行股份有限公司 | 风险识别方法、装置、设备及计算机可读存储介质 |
WO2021103626A1 (zh) * | 2019-11-26 | 2021-06-03 | 深圳壹账通智能科技有限公司 | 用户地理画像生成方法、装置、计算机设备和存储介质 |
CN114219053A (zh) * | 2022-02-23 | 2022-03-22 | 北京淇瑀信息科技有限公司 | 用户位置信息处理方法、装置及电子设备 |
CN117291716A (zh) * | 2023-11-24 | 2023-12-26 | 南通千鸟纸通宝信息科技有限公司 | 一种货款数据的风险评估方法 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163741A (zh) * | 2019-04-16 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 基于信贷风控模型的信贷决策方法、装置、设备及介质 |
CN111161042A (zh) * | 2019-11-26 | 2020-05-15 | 深圳壹账通智能科技有限公司 | 个人风险评估方法、装置、终端及存储介质 |
CN112256762B (zh) * | 2020-10-26 | 2024-03-29 | 中冶赛迪技术研究中心有限公司 | 基于产业地图的企业画像方法、系统、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140164218A1 (en) * | 2011-01-13 | 2014-06-12 | Lenddo, Limited | Risk-related scoring using online social footprint |
CN105894089A (zh) * | 2016-04-21 | 2016-08-24 | 百度在线网络技术(北京)有限公司 | 一种征信模型的建立方法、征信确定方法及对应装置 |
CN106097095A (zh) * | 2016-06-08 | 2016-11-09 | 腾讯科技(深圳)有限公司 | 确定信用的方法及装置 |
CN106651603A (zh) * | 2016-12-29 | 2017-05-10 | 平安科技(深圳)有限公司 | 基于位置服务的风险评估方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809502A (zh) * | 2014-12-30 | 2016-07-27 | 阿里巴巴集团控股有限公司 | 交易风险检测方法和装置 |
CN104599175A (zh) * | 2015-02-05 | 2015-05-06 | 上海百筹金融信息服务有限公司 | 一种基于大数据的个人金融信用评价系统 |
-
2017
- 2017-09-30 CN CN201710916169.5A patent/CN107818506A/zh active Pending
-
2018
- 2018-02-27 WO PCT/CN2018/077343 patent/WO2019062009A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140164218A1 (en) * | 2011-01-13 | 2014-06-12 | Lenddo, Limited | Risk-related scoring using online social footprint |
CN105894089A (zh) * | 2016-04-21 | 2016-08-24 | 百度在线网络技术(北京)有限公司 | 一种征信模型的建立方法、征信确定方法及对应装置 |
CN106097095A (zh) * | 2016-06-08 | 2016-11-09 | 腾讯科技(深圳)有限公司 | 确定信用的方法及装置 |
CN106651603A (zh) * | 2016-12-29 | 2017-05-10 | 平安科技(深圳)有限公司 | 基于位置服务的风险评估方法及装置 |
Non-Patent Citations (1)
Title |
---|
王顺然: "使用DBSCAN探测点阵图中的噪点", 《科学家》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108763051B (zh) * | 2018-04-06 | 2023-07-25 | 平安证券股份有限公司 | 电子装置、交易软件运行风险预警方法及存储介质 |
CN108763051A (zh) * | 2018-04-06 | 2018-11-06 | 平安证券股份有限公司 | 电子装置、交易软件运行风险预警方法及存储介质 |
CN110197315A (zh) * | 2018-04-08 | 2019-09-03 | 腾讯科技(深圳)有限公司 | 风险评估方法、装置及其存储介质 |
CN110197315B (zh) * | 2018-04-08 | 2024-03-22 | 腾讯科技(深圳)有限公司 | 风险评估方法、装置及其存储介质 |
CN109447689A (zh) * | 2018-09-27 | 2019-03-08 | 深圳壹账通智能科技有限公司 | 用户风险画像生成方法、装置、设备及可读存储介质 |
CN109409936A (zh) * | 2018-09-28 | 2019-03-01 | 深圳壹账通智能科技有限公司 | 用户消费画像生成方法、装置、设备及可读存储介质 |
CN110334936A (zh) * | 2019-06-28 | 2019-10-15 | 阿里巴巴集团控股有限公司 | 一种信贷资质评分模型的构建方法、装置和设备 |
CN110334936B (zh) * | 2019-06-28 | 2023-09-29 | 创新先进技术有限公司 | 一种信贷资质评分模型的构建方法、装置和设备 |
CN110705994A (zh) * | 2019-10-10 | 2020-01-17 | 支付宝(杭州)信息技术有限公司 | 一种风险用户检测方法及装置 |
WO2021103626A1 (zh) * | 2019-11-26 | 2021-06-03 | 深圳壹账通智能科技有限公司 | 用户地理画像生成方法、装置、计算机设备和存储介质 |
CN111400663A (zh) * | 2020-03-17 | 2020-07-10 | 深圳前海微众银行股份有限公司 | 风险识别方法、装置、设备及计算机可读存储介质 |
CN111400663B (zh) * | 2020-03-17 | 2022-06-14 | 深圳前海微众银行股份有限公司 | 模型训练方法、装置、设备及计算机可读存储介质 |
CN114219053A (zh) * | 2022-02-23 | 2022-03-22 | 北京淇瑀信息科技有限公司 | 用户位置信息处理方法、装置及电子设备 |
CN117291716A (zh) * | 2023-11-24 | 2023-12-26 | 南通千鸟纸通宝信息科技有限公司 | 一种货款数据的风险评估方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2019062009A1 (zh) | 2019-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107818506A (zh) | 电子装置、信贷风险控制方法及存储介质 | |
CN110992169B (zh) | 一种风险评估方法、装置、服务器及存储介质 | |
CN111527507B (zh) | 利用安全环境的数据交互平台 | |
CN112148987B (zh) | 基于目标对象活跃度的消息推送方法及相关设备 | |
EP3343399B1 (en) | Device and method for processing metadata | |
CN113892087B (zh) | 第三方应用程序性能改进工具包 | |
CN107798557A (zh) | 电子装置、基于lbs数据的服务场所推荐方法及存储介质 | |
US20180329769A1 (en) | Method, computer readable storage medium and electronic device for detecting anomalies in time series | |
EP2348448A1 (en) | Method and device for managing security events | |
CN107688987A (zh) | 电子装置、保险推荐方法、及计算机可读存储介质 | |
CN104769616A (zh) | 作为移动应用的平台的规则引擎 | |
WO2019071897A1 (zh) | 实时推荐方法、电子设备及计算机可读存储介质 | |
CN109377406A (zh) | 电子装置、基于梯度提升回归的建筑物电力负荷预测方法及存储介质 | |
US8700637B2 (en) | Complex event processing engine | |
CN105978722B (zh) | 用户属性挖掘方法及装置 | |
CN108256986A (zh) | 基于云计算的薪资计算方法、应用服务器及计算机可读存储介质 | |
Li et al. | Dynamic decision model of real estate investment portfolio based on wireless network communication and ant colony algorithm | |
CN107945034A (zh) | 基于微博财经事件的金融分析方法、应用服务器及计算机可读存储介质 | |
CN111475468A (zh) | 新增系统的日志接入方法、装置、设备及存储介质 | |
CN110503563A (zh) | 风险控制方法及系统 | |
CN113469696B (zh) | 一种用户异常度评估方法、装置及计算机可读存储介质 | |
CN109902486A (zh) | 电子装置、异常用户处理策略智能决策方法及存储介质 | |
CN104932870A (zh) | 一种对虚幻脚本的数据处理方法,及装置 | |
CN114741435A (zh) | 控制站供水保证水位确定方法及其相关装置 | |
CN113901456A (zh) | 一种用户行为安全性预测方法、装置、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20180529 Address after: 518000 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.) Applicant after: Shenzhen one ledger Intelligent Technology Co., Ltd. Address before: 200030 Xuhui District, Shanghai Kai Bin Road 166, 9, 10 level. Applicant before: Shanghai Financial Technologies Ltd |
|
TA01 | Transfer of patent application right | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180320 |
|
RJ01 | Rejection of invention patent application after publication |