CN108022167A - 风险测评的实现方法和装置 - Google Patents

Abstract

本说明书提供一种风险测评的实现方法，应用在服务端，所述方法包括：接收用户终端发送的风险测评请求，获取所述用户的风险测评题目；获取所述用户的测评基础数据，采用测评基础数据生成至少一道所述风险测评题目的推荐答案；基于推荐答案得到所述用户的风险模型特征值；根据所述用户的风险模型特征值生成所述用户的风险测评结果，并返回给所述用户的终端。

Description

风险测评的实现方法和装置

技术领域

本说明书涉及网络通信技术领域，尤其涉及一种风险测评的实现方法和装置。

背景技术

高新技术的不断进步，在推动经济发展的同时促进了金融创新。互联网金融作为金融和科技相结合的产物，在日常生活中扮演着越来越重要的角色。用户可以通过网络管理账目、进行支付、购买各种金融产品等。

一些金融产品对购买者的风险承受能力有一定的要求，在销售方向用户出售这些金融产品前，会对用户进行风险测评。通过网络进行的风险测评通常是由在终端上向用户显示多道题目，由用户给出答案，根据这些答案评估用户的风险承受水平。过多的题目会造成用户的负担，而过少的题目则可能造成评估结果的偏差。

发明内容

有鉴于此，本说明书提供一种风险测评的实现方法，应用在服务端，所述方法包括：

接收用户终端发送的风险测评请求，获取所述用户的风险测评题目；

获取所述用户的测评基础数据，采用测评基础数据生成至少一道所述风险测评题目的推荐答案；

基于推荐答案得到所述用户的风险模型特征值；

根据所述用户的风险模型特征值生成所述用户的风险测评结果，并返回给所述用户的终端。

本说明书提供的一种风险测评的实现方法，应用在用户的终端，所述方法包括：

根据用户的指示，向服务端发送所述用户的风险测评请求；

接收服务端返回的所述用户的风险测评结果，显示给用户；所述用户的风险测评结果由服务端在获取所述用户的风险测评题目和测评基础数据后，采用测评基础数据生成出至少一道风险测评题目的推荐答案，根据基于推荐答案得到的所述用户风险模型特征值生成。

本说明书还提供了一种风险测评的实现装置，应用在服务端，所述装置包括：

风险测评请求接收单元，用于接收用户终端发送的风险测评请求，获取所述用户的风险测评题目；

推荐答案生成单元，用于获取所述用户的测评基础数据，采用测评基础数据生成至少一道所述风险测评题目的推荐答案；

风险模型特征值单元，用于基于推荐答案得到所述用户的风险模型特征值；

风险测评结果生成单元，用于根据所述用户的风险模型特征值生成所述用户的风险测评结果，并返回给所述用户的终端。

本说明书提供的一种风险测评的实现装置，应用在用户的终端，所述装置包括：

风险测评请求发送单元，用于根据用户的指示，向服务端发送所述用户的风险测评请求；

风险测评结果接收单元，用于接收服务端返回的所述用户的风险测评结果，显示给用户；所述用户的风险测评结果由服务端在获取所述用户的风险测评题目和测评基础数据后，采用测评基础数据生成出至少一道风险测评题目的推荐答案，根据基于推荐答案得到的所述用户风险模型特征值生成。

本说明书提供的一种计算机设备，包括：存储器和处理器；所述存储器上存储有可由处理器运行的计算机程序；所述处理器运行所述计算机程序时，执行上述应用在服务端的风险测评的实现方法所述的步骤。

本说明书还提供了一种终端，包括：存储器和处理器；所述存储器上存储有可由处理器运行的计算机程序；所述处理器运行所述计算机程序时，执行上述应用在终端上的风险测评的实现方法所述的步骤。

本说明书提供的一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时，执行上述应用在服务端的风险测评的实现方法所述的步骤。

本说明书还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时，执行上述应用在终端上的风险测评的实现方法所述的步骤。

由以上技术方案可见，本说明书的实施例中，由服务端按照可获取的测评基础数据来生成用户风险测评题目的推荐答案，并根据基于推荐答案得出的风险模型特征值来生成用户的风险测评结果，由于用户无需对有推荐答案的题目作答，减少了用户的操作，提高了风险测评的效率；同时从测评基础数据得出的推荐答案通常能准确反映用户的情况，避免了因用户记忆不准确、操作失误等造成的答案错误，提高了风险测评的准确度。

附图说明

图1是本说明书实施例中一种应用在服务端的风险测评的实现方法的流程图；

图2是本说明书实施例中一种应用在终端上的风险测评的实现方法的流程图；

图3是本说明书应用示例中一种服务端对用户风险测评请求的处理流程图；

图4是终端或服务端所在设备的一种硬件结构图；

图5是本说明书实施例中一种应用在服务端的风险测评的实现装置的逻辑结构图；

图6是本说明书实施例中一种应用在终端上的风险测评的实现装置的逻辑结构图。

具体实施方式

本说明书的实施例提出一种新的风险测评的实现方法，在收到用户的终端发出风险测评请求后，服务端获取用户的风险测评题目和测评基础数据，利用测评基础数据生成推荐答案，并采用以推荐答案为基础得到的风险模型特征值生成用户的风险测评结果，推荐答案能够减少用户需要作答的题目和答题操作，减轻了用户的负担，而由测评基础数据生成的推荐答案避免了因用户记忆有误或操作不当造成的答题错误，在提高风险测评效率的同时增加了风险测评的准确度。

本说明书的实施例中，用户通过自己的终端使用某个网络服务提供商的服务。网络服务提供商的服务端与用户的终端之间通过网络相互可访问，用户可以通过安装在终端上的客户端软件访问服务端，也可以通过终端上的浏览器或其他应用程度访问服务端。其中，用户的终端可以是手机、平板电脑、PC(Personal Computer，个人电脑)、笔记本等设备；服务端可以运行在一个设备上，也可以是由两个或两个以上分担不同职责的设备、相互协同来实现本说明书实施例中服务端的各项功能，不做限定。

本说明书的实施例中，风险测评的实现方法应用在服务端的流程如图1所示，应用在用户终端上的流程如图2所示。

在终端上，步骤210，根据用户的指示，向服务端发送所述用户的风险测评请求。

在服务端，步骤110，接收用户终端发送的风险测评请求，获取所述用户的风险测评题目。

本说明书的实施例中，根据网络服务提供商在实际应用场景中的业务规则，当缺少用户的风险测评结果来进行业务时，服务端通过终端告知用户需要进行风险测评；用户也可以在终端上主动发起风险测评请求。当终端收到用户进行风险测评的指示后，向服务端发送该用户的风险测评请求。

当服务端收到终端发送的风险测评请求后，获取该用户的风险测评题目。根据实际应用场景的风险测评需要，用户的风险测评题目可能因所要进行的业务、用户的特征等因素而不同。另外，服务端可以从预定的网络存储位置读取用户的风险测评题目，也可以从其他的服务端请求风险测评题目。本说明书的实施例对上述两点均不做限定。

在服务端，步骤120，获取所述用户的测评基础数据，采用测评基础数据生成至少一道所述风险测评题目的推荐答案。

服务端在得到用户的风险测评题目后，获取该用户的测评基础数据。测评基础数据可以是任意与该用户的风险测评相关的数据，例如可以包括用户的注册信息、用户的历史行为数据、利用各种模型对用户的评估结论等中的一种到多种。

本说明书实施例中对测评基础数据的来源不做限定。例如，服务端可以从本网络服务提供商的系统中提取，也可以向其他网络服务提供商、政府机构等的系统查询，等等。在一些应用场景中，服务端可以根据具体的风险测评题目来获取与题目相关的数据作为测评基础数据。

在一些应用场景中，服务端可以在得到用户的许可后，再获取作为测评基础数据的用户数据。具体而言，服务端可以在收到终端的风险测评请求后，向终端发送用户数据使用请求，由终端显示给用户；终端在收到用户的确认操作后，向服务端发送用户数据使用许可；服务端收到用户数据使用许可后再获取用户的测评基础数据。

服务端利用测评基础数据，自动生成一道至多道风险测评题目的推荐答案。根据具体的风险测评题目和测评基础数据，服务端可以采用各种方式来生成风险测评题目的推荐答案，不做限定。服务端可以直接将某些测评基础数据作为某些风险测评题目的答案(如用户的性别)；可以对某些测评基础数据进行统计或计算后得出某些风险测评题目的答案(如根据测评基础数据中的身份证号码计算用户的年龄，再如根据测评基础数据中用户买卖股票的成交记录计算用户的平均股票持有时长)；也可以将某些测评基础数据作为训练完成的机器学习模型的输入，依据模型的输出来得到推荐答案(如将测评基础数据中用户购买各类金融资产、浏览各种金融信息的历史记录输入训练后的模型，来评估用户对投资的熟悉程度)。

在服务端，步骤130，基于推荐答案得到该用户的风险模型特征值。

风险模型特征值是在利用某个既定的风险模型对某个用户做出风险测评结论时所需要的该用户的全部输入信息，例如可以包括用户的性别、年龄、年收入额、年消费额、资产额度、债务额度、和/或信用卡额度等等。风险模型可以是匹配于实际应用场景需求的任何形式，不做限定。

当服务端为所有的风险测评题目都生成有推荐答案时，服务端可以采用推荐答案生成所述用户的部分或全部风险模型特征值(如直接将推荐答案作为部分或全部的风险模型特征值)，而无需再由用户对风险测评题目作答。

当服务端不能为有的风险测评题目生成推荐答案时，或者在一些应用场景中，希望采用经过用户确认的风险测评题目的答案来对用户进行风险测评时，可以采用以下过程来得到该用户的风险模型特征值：

由服务端将用户的风险测评题目和至少一个推荐答案发送给该用户的终端。终端将服务端下发的风险测评题目和至少一个推荐答案显示给用户，并且将推荐答案作为对应风险测评题目的当前答案。终端根据用户的输入修改风险测评题目的当前答案；可以包括在收到用户对没有推荐答案的风险测评题目的输入操作时，依据用户输入得到该风险测评题目的当前答案；也可以包括在收到用户对有推荐答案的风险测评题目的输入操作时，依据用户的输入修改该风险测评题目的当前答案。终端在收到用户的上传指令后，将当前答案作为对应风险测评题目的确认答案上传给服务端；其中，确认答案由用户根据终端显示的风险测评题目和推荐答案确定。服务端在收到终端上传的确认答案后，采用确认答案生成该用户的部分或全部风险模型特征值。

在一些应用场景中，风险模型特征值中除了风险测评题目的答案(确认答案或推荐答案)，还可以包括其他变量，可以在测评基础数据中包括用户的历史行为数据，采用用户的历史行为数据生成该用户的除风险测评题目答案以外的其他风险模型特征值。例如，可以根据测评基础数据中包括的用户访问股票论坛、在股票论坛发言等的历史行为数据，来统计出该用户对股票论坛的参与程度特征值。

在服务端，步骤140，根据用户的风险模型特征值生成该用户的风险测评结果，并返回给该用户的终端。

在终端上，步骤220，接收服务端返回的该用户的风险测评结果，显示给用户。该用户的风险测评结果由服务端在获取该用户的风险测评题目和测评基础数据后，采用测评基础数据生成出至少一道风险测评题目的推荐答案，根据基于推荐答案得到的该用户风险模型特征值生成。

服务端将用户的风险模型特征值作为风险模型的输入，该风险模型的输出即为该用户的风险测评结果。在一个例子中，风险模型中为每个风险模型特征值设置预定的权重，并为每个风险模型特征值的不同取值区间设置既定的分值；当输入某个用户的风险模型特征值时，根据该用户的某个风险模型特征值所在的取值区间得到该风险模型特征值的得分，以若干个风险模型特征值得分的加权和作为该用户的风险测评结果。

风险测评结果可以是一个单一的测评结果，也可以包括用户在两个到多个不同方面的测评结果，每个方面的测评结果可以以部分或全部的风险模型特征值作为输入、基于不同的风险模型来得出。

在一些应用场景中，可以根据风险模型特征值自身的特点、用途等因素来划分为若干个特征类别，不同类别的风险模型特征值可以用来生成不同方面的测评结果。

在一个例子中，风险模型特征值包括以下至少一个特征类别：身份信息、财产状况、个人偏好；其中，身份信息类别包括以下至少一个风险模型特征值：年龄、性别、教育程度、家庭结构；财产状况类别包括以下至少一个风险模型特征值：金融资产、非金融资产、信用卡额度、消费水平、收入水平、出行情况、负债水平、职业及保险情况、偿债情况；当用户有投资行为时，个人偏好类别包括以下至少一个风险模型特征值：持有金融资产的时长、购买金融资产前的信息浏览广度、购买金融资产前的信息浏览深度、投资社区的发言情况、投资业务的使用次数、信用卡数量、公共事业缴费次数、捐赠次数；当用户没有投资行为时，个人偏好包括以下至少一个风险模型特征值：对金融资产投资的兴趣度、金融业务的活跃程度、对非金融资产投资的兴趣度、信用卡数量、公共事业缴费次数、捐赠次数。这个例子中的风险测评结果包括两个方面：风险承受能力测评结果和偏好测评结果，其中，风险承受能力测评结果根据至少一个属于身份信息类别的风险模型特征值、和至少一个属于财产状况类别的风险模型特征值生成；偏好测评结果根据至少一个属于身份信息类别的风险模型特征值、和至少一个属于个人偏好类别的风险模型特征值生成。

可见，本说明书的实施例中，用户的终端向服务端发出风险测评请求，服务端按照可获取的测评基础数据来生成用户风险测评题目的推荐答案，采用以推荐答案为基础得到的风险模型特征值生成用户的风险测评结果，推荐答案能够减少用户需要作答的题目和答题操作，提高了风险测评的效率；由测评基础数据生成的推荐答案避免了因用户记忆有误或操作不当造成的答题错误，提高了风险测评的准确度。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

在本说明书的一个应用示例中，用户可以通过安装在自己终端上的某个金融产品销售平台的App(应用程序)在线上购买某个金融产品销售平台出售的金融产品，包括基金、债券、理财产品等。对其中一些具有一定风险程度的金融产品，该金融产品销售平台只能出售给风险承受能力和偏好均符合各个金融产品要求的用户，该金融产品销售平台需要对首次购买这些金融产品的用户进行风险测评。用户也可以在该金融产品销售平台的客户端App中主动发起风险测评。

当用户启动App、或者请求交易下单时，该金融产品销售平台的服务端查询数据库中是否保存有该用户的风险承受能力得分和偏好得分，如果没有，则该用户可以对该用户进行风险测评。服务端向用户的终端发送请用户确认进行风险测评的消息，由终端显示给用户。如果用户同意进行风险测评，则App向服务端发送风险测评请求。用户也可以在App中主动发起风险测评，App根据用户的指示，向服务端发送风险测评请求。

服务端在收到App的风险测评请求后的处理流程如图3所示。

步骤305，从风险测评题目的数据库中查询适用于该用户的风险测评题目。

步骤310，向App发送使用用户数据进行答案推荐的请求消息。

步骤315，接收App返回的响应，如果用户同意使用其用户数据，执行步骤320，否则转步骤335。

步骤320，获取该用户在本平台的浏览记录、论坛发言记录、交易记录等历史行为数据，以及该用户在本平台的注册信息，作为该用户的测评基础数据。

步骤325，利用测评基础数据得出若干道风险测评题目的推荐答案。例如，对用户的年龄题目，可以按照用户的身份证号码计算出用户的年龄；再如，可以按照用户在平台的浏览记录来给出用户对哪些金融产品感兴趣的题目的推荐答案。

步骤330，将风险测评题目和推荐答案发送给App。对用测评基础数据无法得出推荐答案的风险测评题目，只发送该风险测评题目本身，由用户作答。转步骤340。

App将风险测评题目和推荐答案显示给用户，用户可以对没有推荐答案的题目作答，也可以修改推荐答案，在确认所有题目的答案后，指示App提交。App将用户的确认答案发送给服务端。

步骤335，将风险测评题目发送给App。

App将风险测评题目显示给用户，由用户对每道题目作答并指示App提交。App将用户的确认答案发送给服务端。

步骤340，从App接收用户的确认答案。

步骤345，以用户的确认答案作为部分风险模型特征值，根据用户的历史行为记录生成其他的风险模型特征值。

步骤350，将用户的风险模型特征值输入风险承受能力模型和偏好模型，得到用户的风险承受能力得分和偏好得分。

在一个例子中，风险承受能力模型如表1所示：

表1

表2

本例中，可以根据表2中用户的各个风险模型特征值所在的取值区间确定身份维度、资产维度、消费维度、收入维度的得分，以其中最高的得分作为表1中用户的财富水平得分，然后按照表1中各个风险模型特征值的所在区间确定该风险模型特征值的得分，然后将得分的加权和作为该用户的风险承受能力得分。

本例中，偏好模型中的风险模型特征值如表3所示：

表3

按照表3中各个风险模型特征值的所在区间确定该风险模型特征值的得分，将所有风险模型特征值的得分加总后得到X，然后可以根据式1得到用户的偏好得分：

exp(x)/(exp(x)+1)*100 式1

步骤355，向App返回用户的风险承受能力得分和偏好得分，由App显示给用户。

与上述流程实现对应，本说明书的实施例还提供了一种应用在服务端的风险测评的实现装置，和一种应用在终端上的风险测评的实现装置。这两种装置均可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为逻辑意义上的装置，是通过终端或服务端所在设备的CPU(Central Process Unit，中央处理器)将对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，除了图4所示的CPU、内存以及存储器之外，风险测评的实现装置所在的终端通常还包括用于进行无线信号收发的芯片等其他硬件，风险测评的实现装置所在的服务端设备通常还包括用于实现网络通信功能的板卡等其他硬件。

图5所示为本说明书实施例提供的一种风险测评的实现装置，应用在服务端，所述装置包括风险测评请求接收单元、推荐答案生成单元、风险模型特征值单元和风险测评结果生成单元，其中：风险测评请求接收单元用于接收用户终端发送的风险测评请求，获取所述用户的风险测评题目；推荐答案生成单元用于获取所述用户的测评基础数据，采用测评基础数据生成至少一道所述风险测评题目的推荐答案；风险模型特征值单元用于基于推荐答案得到所述用户的风险模型特征值；风险测评结果生成单元用于根据所述用户的风险模型特征值生成所述用户的风险测评结果，并返回给所述用户的终端。

可选的，所述风险模型特征值单元具体用于以下之一：采用推荐答案生成所述用户的部分或全部风险模型特征值；或，将所述用户的风险测评题目和至少一个推荐答案发送给所述用户的终端，在收到终端上传的确认答案后，采用确认答案生成所述用户的部分或全部风险模型特征值，所述确认答案由用户根据终端显示的风险测评题目和推荐答案确定。

可选的，所述测评基础数据包括：所述用户的历史行为数据；所述风险模型特征值单元具体用于：基于推荐答案得到所述用户的部分风险模型特征值，采用所述用户的历史行为数据生成所述用户的其他风险模型特征值。

可选的，所述风险测评结果生成单元具体用于：根据所述用户的某个风险模型特征值所在的取值区间得到该风险模型特征值的得分，以若干个风险模型特征值得分的加权和作为所述用户的风险测评结果。

一个例子中，所述风险模型特征值包括以下至少一个特征类别：身份信息、财产状况、个人偏好；所述身份信息类别包括以下至少一个风险模型特征值：年龄、性别、教育程度、家庭结构；所述财产状况类别包括以下至少一个风险模型特征值：金融资产、非金融资产、信用卡额度、消费水平、收入水平、出行情况、负债水平、职业及保险情况、偿债情况；当所述用户有投资行为时，所述个人偏好类别包括以下至少一个风险模型特征值：持有金融资产的时长、购买金融资产前的信息浏览广度、购买金融资产前的信息浏览深度、投资社区的发言情况、投资业务的使用次数、信用卡数量、公共事业缴费次数、捐赠次数；当所述用户没有投资行为时，所述个人偏好包括以下至少一个风险模型特征值：对金融资产投资的兴趣度、金融业务的活跃程度、对非金融资产投资的兴趣度、信用卡数量、公共事业缴费次数、捐赠次数。

上述例子中，所述风险测评结果可以包括：风险承受能力测评结果和偏好测评结果；所述风险承受能力测评结果根据至少一个属于身份信息类别的风险模型特征值、和至少一个属于财产状况类别的风险模型特征值生成；所述偏好测评结果根据至少一个属于身份信息类别的风险模型特征值、和至少一个属于个人偏好类别的风险模型特征值生成。

图6所示为本说明书实施例提供的一种风险测评的实现装置，应用在用户的终端，所述装置包括风险测评请求发送单元和风险测评结果接收单元，其中：风险测评请求发送单元用于根据用户的指示，向服务端发送所述用户的风险测评请求；风险测评结果接收单元用于接收服务端返回的所述用户的风险测评结果，显示给用户；所述用户的风险测评结果由服务端在获取所述用户的风险测评题目和测评基础数据后，采用测评基础数据生成出至少一道风险测评题目的推荐答案，根据基于推荐答案得到的所述用户风险模型特征值生成。

可选的，所述装置还包括推荐答案接收单元、当前答案修改单元和确认答案上传单元，其中：推荐答案接收单元用于接收服务端下发的所述用户的风险测评题目和至少一个推荐答案并显示给用户，将推荐答案作为对应风险测评题目的当前答案；当前答案修改单元用于根据用户的输入修改风险测评题目的当前答案；确认答案上传单元用于在收到用户的上传指令后，将当前答案作为对应风险测评题目的确认答案上传给服务端。

可选的，所述风险测评结果包括：风险承受能力测评结果和偏好测评结果。

本说明书的实施例提供了一种计算机设备，该计算机设备包括存储器和处理器。其中，存储器上存储有能够由处理器运行的计算机程序；处理器在运行存储的计算机程序时，执行本说明书实施例中应用在服务端的风险测评的实现方法的各个步骤。对应用在服务端的风险测评的实现方法的各个步骤的详细描述请参见之前的内容，不再重复。

本说明书的实施例提供了一种终端，该终端包括存储器和处理器。其中，存储器上存储有能够由处理器运行的计算机程序；处理器在运行存储的计算机程序时，执行本说明书实施例中应用在终端上的风险测评的实现方法的各个步骤。对应用在终端上的风险测评的实现方法的各个步骤的详细描述请参见之前的内容，不再重复。

本说明书的实施例提供了一种计算机可读存储介质，该存储介质上存储有计算机程序，这些计算机程序在被处理器运行时，执行本说明书实施例中应用在服务端的风险测评的实现方法的各个步骤。对应用在服务端的风险测评的实现方法的各个步骤的详细描述请参见之前的内容，不再重复。

本说明书的实施例提供了一种计算机可读存储介质，该存储介质上存储有计算机程序，这些计算机程序在被处理器运行时，执行本说明书实施例中应用在终端上的风险测评的实现方法的各个步骤。对应用在终端上的风险测评的实现方法的各个步骤的详细描述请参见之前的内容，不再重复。

以上所述仅为本说明书的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书的实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书的实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

Claims (22)

1.一种风险测评的实现方法，应用在服务端，所述方法包括：

接收用户终端发送的风险测评请求，获取所述用户的风险测评题目；

获取所述用户的测评基础数据，采用测评基础数据生成至少一道所述风险测评题目的推荐答案；

基于推荐答案得到所述用户的风险模型特征值；

根据所述用户的风险模型特征值生成所述用户的风险测评结果，并返回给所述用户的终端。

2.根据权利要求1所述的方法，所述基于推荐答案得到所述用户的风险模型特征值，包括以下之一：

采用推荐答案生成所述用户的部分或全部风险模型特征值；或，

将所述用户的风险测评题目和至少一个推荐答案发送给所述用户的终端，在收到终端上传的确认答案后，采用确认答案生成所述用户的部分或全部风险模型特征值，所述确认答案由用户根据终端显示的风险测评题目和推荐答案确定。

3.根据权利要求1所述的方法，所述测评基础数据包括：所述用户的历史行为数据；

所述基于推荐答案得到所述用户的风险模型特征值，包括：基于推荐答案得到所述用户的部分风险模型特征值，采用所述用户的历史行为数据生成所述用户的其他风险模型特征值。

4.根据权利要求1所述的方法，所述根据所述用户的风险模型特征值生成所述用户的风险测评结果，并返回给所述用户的终端，包括：根据所述用户的某个风险模型特征值所在的取值区间得到该风险模型特征值的得分，以若干个风险模型特征值得分的加权和作为所述用户的风险测评结果。

5.根据权利要求1所述的方法，所述风险模型特征值包括以下至少一个特征类别：身份信息、财产状况、个人偏好；

所述身份信息类别包括以下至少一个风险模型特征值：年龄、性别、教育程度、家庭结构；

所述财产状况类别包括以下至少一个风险模型特征值：金融资产、非金融资产、信用卡额度、消费水平、收入水平、出行情况、负债水平、职业及保险情况、偿债情况；

当所述用户有投资行为时，所述个人偏好类别包括以下至少一个风险模型特征值：持有金融资产的时长、购买金融资产前的信息浏览广度、购买金融资产前的信息浏览深度、投资社区的发言情况、投资业务的使用次数、信用卡数量、公共事业缴费次数、捐赠次数；当所述用户没有投资行为时，所述个人偏好包括以下至少一个风险模型特征值：对金融资产投资的兴趣度、金融业务的活跃程度、对非金融资产投资的兴趣度、信用卡数量、公共事业缴费次数、捐赠次数。

6.根据权利要求5所述的方法，所述风险测评结果包括：风险承受能力测评结果和偏好测评结果；

所述风险承受能力测评结果根据至少一个属于身份信息类别的风险模型特征值、和至少一个属于财产状况类别的风险模型特征值生成；

所述偏好测评结果根据至少一个属于身份信息类别的风险模型特征值、和至少一个属于个人偏好类别的风险模型特征值生成。

7.一种风险测评的实现方法，应用在用户的终端，所述方法包括：

根据用户的指示，向服务端发送所述用户的风险测评请求；

接收服务端返回的所述用户的风险测评结果，显示给用户；所述用户的风险测评结果由服务端在获取所述用户的风险测评题目和测评基础数据后，采用测评基础数据生成出至少一道风险测评题目的推荐答案，根据基于推荐答案得到的所述用户风险模型特征值生成。

8.根据权利要求7所述的方法，所述方法还包括：

接收服务端下发的所述用户的风险测评题目和至少一个推荐答案并显示给用户，将推荐答案作为对应风险测评题目的当前答案；

根据用户的输入修改风险测评题目的当前答案；

在收到用户的上传指令后，将当前答案作为对应风险测评题目的确认答案上传给服务端。

9.根据权利要求7所述的方法，所述风险测评结果包括：风险承受能力测评结果和偏好测评结果。

10.一种风险测评的实现装置，应用在服务端，所述装置包括：

风险测评请求接收单元，用于接收用户终端发送的风险测评请求，获取所述用户的风险测评题目；

推荐答案生成单元，用于获取所述用户的测评基础数据，采用测评基础数据生成至少一道所述风险测评题目的推荐答案；

风险模型特征值单元，用于基于推荐答案得到所述用户的风险模型特征值；

风险测评结果生成单元，用于根据所述用户的风险模型特征值生成所述用户的风险测评结果，并返回给所述用户的终端。

11.根据权利要求10所述的装置，所述风险模型特征值单元具体用于以下之一：

采用推荐答案生成所述用户的部分或全部风险模型特征值；或，

将所述用户的风险测评题目和至少一个推荐答案发送给所述用户的终端，在收到终端上传的确认答案后，采用确认答案生成所述用户的部分或全部风险模型特征值，所述确认答案由用户根据终端显示的风险测评题目和推荐答案确定。

12.根据权利要求10所述的装置，所述测评基础数据包括：所述用户的历史行为数据；

所述风险模型特征值单元具体用于：基于推荐答案得到所述用户的部分风险模型特征值，采用所述用户的历史行为数据生成所述用户的其他风险模型特征值。

13.根据权利要求10所述的装置，所述风险测评结果生成单元具体用于：根据所述用户的某个风险模型特征值所在的取值区间得到该风险模型特征值的得分，以若干个风险模型特征值得分的加权和作为所述用户的风险测评结果。

14.根据权利要求10所述的装置，所述风险模型特征值包括以下至少一个特征类别：身份信息、财产状况、个人偏好；

所述身份信息类别包括以下至少一个风险模型特征值：年龄、性别、教育程度、家庭结构；

所述财产状况类别包括以下至少一个风险模型特征值：金融资产、非金融资产、信用卡额度、消费水平、收入水平、出行情况、负债水平、职业及保险情况、偿债情况；

当所述用户有投资行为时，所述个人偏好类别包括以下至少一个风险模型特征值：持有金融资产的时长、购买金融资产前的信息浏览广度、购买金融资产前的信息浏览深度、投资社区的发言情况、投资业务的使用次数、信用卡数量、公共事业缴费次数、捐赠次数；当所述用户没有投资行为时，所述个人偏好包括以下至少一个风险模型特征值：对金融资产投资的兴趣度、金融业务的活跃程度、对非金融资产投资的兴趣度、信用卡数量、公共事业缴费次数、捐赠次数。

15.根据权利要求14所述的装置，所述风险测评结果包括：风险承受能力测评结果和偏好测评结果；

所述风险承受能力测评结果根据至少一个属于身份信息类别的风险模型特征值、和至少一个属于财产状况类别的风险模型特征值生成；

所述偏好测评结果根据至少一个属于身份信息类别的风险模型特征值、和至少一个属于个人偏好类别的风险模型特征值生成。

16.一种风险测评的实现装置，应用在用户的终端，所述装置包括：

风险测评请求发送单元，用于根据用户的指示，向服务端发送所述用户的风险测评请求；

风险测评结果接收单元，用于接收服务端返回的所述用户的风险测评结果，显示给用户；所述用户的风险测评结果由服务端在获取所述用户的风险测评题目和测评基础数据后，采用测评基础数据生成出至少一道风险测评题目的推荐答案，根据基于推荐答案得到的所述用户风险模型特征值生成。

17.根据权利要求16所述的装置，所述装置还包括：

推荐答案接收单元，用于接收服务端下发的所述用户的风险测评题目和至少一个推荐答案并显示给用户，将推荐答案作为对应风险测评题目的当前答案；

当前答案修改单元，用于根据用户的输入修改风险测评题目的当前答案；

确认答案上传单元，用于在收到用户的上传指令后，将当前答案作为对应风险测评题目的确认答案上传给服务端。

18.根据权利要求16所述的装置，所述风险测评结果包括：风险承受能力测评结果和偏好测评结果。

19.一种计算机设备，包括：存储器和处理器；所述存储器上存储有可由处理器运行的计算机程序；所述处理器运行所述计算机程序时，执行如权利要求1到6任意一项所述的步骤。

20.一种终端，包括：存储器和处理器；所述存储器上存储有可由处理器运行的计算机程序；所述处理器运行所述计算机程序时，执行如权利要求7到9任意一项所述的步骤。

21.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时，执行如权利要求1到6任意一项所述的步骤。

22.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时，执行如权利要求7到9任意一项所述的步骤。