CN108416672A - 金融风险评估方法、系统、服务器及存储介质 - Google Patents

金融风险评估方法、系统、服务器及存储介质 Download PDF

Info

Publication number
CN108416672A
CN108416672A CN201810447304.0A CN201810447304A CN108416672A CN 108416672 A CN108416672 A CN 108416672A CN 201810447304 A CN201810447304 A CN 201810447304A CN 108416672 A CN108416672 A CN 108416672A
Authority
CN
China
Prior art keywords
assessed
track
work
risk
work activities
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
Application number
CN201810447304.0A
Other languages
English (en)
Inventor
吕梁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Touchstone Credit Service Co Ltd
Original Assignee
Touchstone Credit Service Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Touchstone Credit Service Co Ltd filed Critical Touchstone Credit Service Co Ltd
Priority to CN201810447304.0A priority Critical patent/CN108416672A/zh
Publication of CN108416672A publication Critical patent/CN108416672A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Technology Law (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明公开了一种金融风险评估方法、系统、服务器及存储介质，通过服务器获取待评估对象的信息采集表和所述待评估对象的用户设备在预设时间范围内的基站定位信息；从所述基站定位信息中获得所述待评估对象在所述预设时间范围内的工作时间段的工作活动轨迹，以及在所述预设时间范围内的休息时间段的休息活动轨迹；根据所述信息采集表、所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在欺诈风险；根据所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在信用风险，提高了信用风险评估的准确性，有效防止了金融欺诈和信用风险的情况发生，提升了金融风险防控能力。

Description

金融风险评估方法、系统、服务器及存储介质
技术领域
本发明涉及金融风险防控领域，尤其涉及一种金融风险评估方法、系统、服务器及存储介质。
背景技术
基于地理位置信息的金融风险防控产品主要有常用位置判断类产品，如：家庭、工作地址验证，家庭、工作地址变动情况等，而地理位置信息在金融风险防控上的应用越来越普及，但现有的获取个人地理位置信息的方式存在以下缺点：通过个人填写的地理位置信息获取方式如信用卡申请书填写的地址的获取持续性极低，且数据真实性和范围覆盖率也极低；通过邮寄地址的方式如淘宝等填写的收货地址的获取持续性较低，且数据真实性和范围覆盖率也较低；通过全球定位系统(Global Positioning System，GPS)定位的地理位置信息获取方式如打开应用程序应用程序(Application，APP)时的定位的获取持续性和数据真实性一般，范围覆盖率具有局限性，而且存在较大定位误差的情况。
发明内容
本发明的主要目的在于提供一种金融风险评估方法、系统、服务器及存储介质，旨在解决现有技术中金融位置判断类产品位置定位获取持续性较差，数据真实性和范围覆盖率较低而导致金融风险防控较差的技术问题。
为实现上述目的，本发明提供一种金融风险评估方法，所述金融风险评估方法包括：
服务器获取待评估对象的信息采集表和所述待评估对象的用户设备在预设时间范围内的基站定位信息；
从所述基站定位信息中获得所述待评估对象在所述预设时间范围内的工作时间段的工作活动轨迹，以及在所述预设时间范围内的休息时间段的休息活动轨迹；
根据所述信息采集表、所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在欺诈风险；
根据所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在信用风险。
优选地，所述根据所述信息采集表、所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在欺诈风险，具体包括：
从所述信息采集表中提取所述待评估对象填写的工作地址和住宅地址；
判断所述工作活动轨迹与所述工作地址是否匹配，以及所述休息活动轨迹与所述住宅地址是否匹配，获得判断结果；
根据所述判断结果确定所述待评估对象是否存在地址欺诈风险。
优选地，所述根据所述信息采集表、所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在欺诈风险，具体包括：
获取多个待评估对象的信息采集表、工作活动轨迹和休息活动轨迹；
从各信息采集表中获取各待评估对象填写的手机号码，获取各手机号码对应的通信记录；
从多个待评估对象的工作活动轨迹和休息活动轨迹中找到活动轨迹重叠的对象作为目标对象；
确定各目标对象对应的通信记录符合预设通信筛选规则的目标对象存在团伙欺诈风险。
优选地，所述根据所述信息采集表、所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在欺诈风险，具体包括：
从所述信息采集表中获取所述待评估对象填写的手机号码，获取各手机号码绑定的预设支付位置信息
当检测到所述用户设备进行支付操作时，实时获取当前位置信息，并判断所述预设支付位置信息与所述当前位置信息是否匹配；
在所述预设支付位置信息与所述当前位置信息不匹配时，确定所述待评估对象存在交易欺诈风险。
优选地，所述根据所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在信用风险，具体包括：
根据所述工作活动轨迹预测所述待评估对象的职业，根据所述休息活动轨迹预测所述待评估对象的住宅位置；
根据预设住宅房价表确定所述住宅位置对应的房价估值，根据预设职业收入表确定所述职业对应的工作收入；
根据所述房价估值和工作收入确定所述待评估对象的财富水平；
获取所述待评估对象的贷款额度信息，根据所述财富水平与所述贷款额度信息的匹配结果确定所述待评估对象的信用风险等级。
优选地，所述根据所述工作活动轨迹预测所述待评估对象的职业，根据所述休息活动轨迹预测所述待评估对象的住宅位置，具体包括：
根据所述工作活动轨迹中的第一活动范围、第一移动速度和第一移动持续时间预测所述待评估对象的职业，根据所述休息活动轨迹中的第二活动范围、第二移动速度和第二移动持续时间预测所述待评估对象的住宅位置。
优选地，所述根据所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在信用风险，具体包括：
根据所述工作活动轨迹确定所述待评估对象的预测工作地址；
获取所述待评估对象在预测工作地址的工作周期；
根据所述工作周期确定所述待评估对象的工作稳定程度，通过所述工作稳定程度确定所述待评估对象的信用风险等级。
此外，为实现上述目的，本发明还提出一种服务器，所述服务器包括：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金融风险评估程序，所述金融风险评估程序配置为实现如上文所述的金融风险评估方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有金融风险评估程序，所述金融风险评估程序被处理器执行时实现如上文所述的金融风险评估方法的步骤。
此外，为实现上述目的，本发明还提供一种金融风险评估系统，所述金融风险评估系统包括：
信息采集模块，用于获取待评估对象的信息采集表和所述待评估对象的用户设备在预设时间范围内的基站定位信息；
轨迹确定模块，用于从所述基站定位信息中获得所述待评估对象在所述预设时间范围内的工作时间段的工作活动轨迹，以及在所述预设时间范围内的休息时间段的休息活动轨迹；
欺诈风险模块，用于根据所述信息采集表、所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在欺诈风险；
信用风险模块，用于根据所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在信用风险。
本发明提出的金融风险评估方法，通过服务器获取待评估对象的信息采集表和所述待评估对象的用户设备在预设时间范围内的基站定位信息；从所述基站定位信息中获得所述待评估对象在所述预设时间范围内的工作时间段的工作活动轨迹，以及在所述预设时间范围内的休息时间段的休息活动轨迹；根据所述信息采集表、所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在欺诈风险；根据所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在信用风险，依托基站地理定位的获取持续性、数据真实性和范围覆盖率高的优点，从而构建了完善的金融风险防控体系，提高了信用风险评估的准确性，有效防止了金融欺诈和信用风险的情况发生，提升了金融风险防控能力。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的服务器结构示意图；
图2为本发明金融风险评估方法第一实施例的流程示意图；
图3为本发明金融风险评估方法第二实施例的流程示意图；
图4为本发明金融风险评估方法第三实施例的流程示意图；
图5为本发明金融风险评估系统第一实施例的功能模块图；
图6为本发明金融风险评估系统第二实施例的功能模块图。
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
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例的解决方案主要是：本发明通过服务器获取待评估对象的信息采集表和所述待评估对象的用户设备在预设时间范围内的基站定位信息；从所述基站定位信息中获得所述待评估对象在所述预设时间范围内的工作时间段的工作活动轨迹，以及在所述预设时间范围内的休息时间段的休息活动轨迹；根据所述信息采集表、所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在欺诈风险；根据所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在信用风险，依托基站地理定位的获取持续性、数据真实性和范围覆盖率高的优点，从而构建了完善的金融风险防控体系，提高了信用风险评估的准确性，有效防止了金融欺诈和信用风险的情况发生，提升了金融风险防控能力，解决了现有技术中金融位置判断类产品位置定位获取持续性较差，数据真实性和范围覆盖率较低而导致金融风险防控较差的技术问题。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的服务器结构示意图。
如图1所示，该服务器可以包括：处理器1001，例如CPU，通信总线1002、用户端接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户端接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户端接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的服务器结构并不构成对该服务器的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户端接口模块以及金融风险评估程序。
本发明服务器通过处理器1001调用存储器1005中存储的金融风险评估程序，并执行以下操作：
获取待评估对象的信息采集表和所述待评估对象的用户设备在预设时间范围内的基站定位信息；
从所述基站定位信息中获得所述待评估对象在所述预设时间范围内的工作时间段的工作活动轨迹，以及在所述预设时间范围内的休息时间段的休息活动轨迹；
根据所述信息采集表、所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在欺诈风险；
根据所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在信用风险。
进一步地，处理器1001可以调用存储器1005中存储的金融风险评估程序，还执行以下操作：
从所述信息采集表中提取所述待评估对象填写的工作地址和住宅地址；
判断所述工作活动轨迹与所述工作地址是否匹配，以及所述休息活动轨迹与所述住宅地址是否匹配，获得判断结果；
根据所述判断结果确定所述待评估对象是否存在地址欺诈风险。
进一步地，处理器1001可以调用存储器1005中存储的金融风险评估程序，还执行以下操作：
获取多个待评估对象的信息采集表、工作活动轨迹和休息活动轨迹；
从各信息采集表中获取各待评估对象填写的手机号码，获取各手机号码对应的通信记录；
从多个待评估对象的工作活动轨迹和休息活动轨迹中找到活动轨迹重叠的对象作为目标对象；
确定各目标对象对应的通信记录符合预设通信筛选规则的目标对象存在团伙欺诈风险。
进一步地，处理器1001可以调用存储器1005中存储的金融风险评估程序，还执行以下操作：
从所述信息采集表中获取所述待评估对象填写的手机号码，获取各手机号码绑定的预设支付位置信息
当检测到所述用户设备进行支付操作时，实时获取当前位置信息，并判断所述预设支付位置信息与所述当前位置信息是否匹配；
在所述预设支付位置信息与所述当前位置信息不匹配时，确定所述待评估对象存在交易欺诈风险。
进一步地，处理器1001可以调用存储器1005中存储的金融风险评估程序，还执行以下操作：
根据所述工作活动轨迹预测所述待评估对象的职业，根据所述休息活动轨迹预测所述待评估对象的住宅位置；
根据预设住宅房价表确定所述住宅位置对应的房价估值，根据预设职业收入表确定所述职业对应的工作收入；
根据所述房价估值和工作收入确定所述待评估对象的财富水平；
获取所述待评估对象的贷款额度信息，根据所述财富水平与所述贷款额度信息的匹配结果确定所述待评估对象的信用风险等级。
进一步地，处理器1001可以调用存储器1005中存储的金融风险评估程序，还执行以下操作：
根据所述工作活动轨迹中的第一活动范围、第一移动速度和第一移动持续时间预测所述待评估对象的职业，根据所述休息活动轨迹中的第二活动范围、第二移动速度和第二移动持续时间预测所述待评估对象的住宅位置。
进一步地，处理器1001可以调用存储器1005中存储的金融风险评估程序，还执行以下操作：
根据所述工作活动轨迹确定所述待评估对象的预测工作地址；
获取所述待评估对象在预测工作地址的工作周期；
根据所述工作周期确定所述待评估对象的工作稳定程度，通过所述工作稳定程度确定所述待评估对象的信用风险等级。
本实施例通过上述方案，通过服务器获取待评估对象的信息采集表和所述待评估对象的用户设备在预设时间范围内的基站定位信息；从所述基站定位信息中获得所述待评估对象在所述预设时间范围内的工作时间段的工作活动轨迹，以及在所述预设时间范围内的休息时间段的休息活动轨迹；根据所述信息采集表、所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在欺诈风险；根据所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在信用风险，依托基站地理定位的获取持续性、数据真实性和范围覆盖率高的优点，从而构建了完善的金融风险防控体系，提高了信用风险评估的准确性，有效防止了金融欺诈和信用风险的情况发生，提升了金融风险防控能力。
基于上述硬件结构，提出本发明金融风险评估方法实施例。
参照图2，图2为本发明金融风险评估方法第一实施例的流程示意图。
在第一实施例中，所述金融风险评估方法包括以下步骤：
步骤S10、服务器获取待评估对象的信息采集表和所述待评估对象的用户设备在预设时间范围内的基站定位信息。
需要说明的是，所述待评估对象为正准备进行信用风险评估的对象，可以是符合预设筛选评估要求的进行信用风险评估的对象，也可以是指定的需要进行信用风险评估的对象，还可以是其他条件下进行信用风险评估的对象，本实施例对此不加以限制；所述信息采集表为记录有待评估对象个人信息的表，例如可以是信用卡申请表，也可以是信息采集系统中个人档案表，当然还可以是其他类型的记录有待评估对象个人信息的表，本实施例对此不加以限制。
可以理解的是，所述预设时间范围为预先设置的时间范围，可以是通过大量数据训练获得的比较合适的时间范围，也可以是直接设定的固定的时间范围，还可以是根据技术人员的日常操作经验确定的比较恰当的时间范围，当然还可以是通过其他方式预设的时间范围，本实施例对此不加以限制。
应当理解的是，所述待评估对象的用户设备可以是移动终端，例如手机和平板电脑等，还可以是个人计算机或者其他具有定位功能的设备，本实施例对此不加以限制；服务器可以获取待评估对象的信息采集表和所述待评估对象的用户设备在预设时间范围内的基站定位信息；在持续性、数据真实性和范围覆盖率的角度考虑通过基站定位明显优于个人填写的地理位置，邮寄地址和GPS定位确定的地理位置的方式，能够提升地理定位的准确度，进而提高信用风险评估的准确性。
在具体实现中，所述预设时间范围可以设置为一个月或一周，当然也可以为其他时间范围，本实施例对此不加以限制；通过在预设时间范围内获取用户终端与基站的通信记录，例如数据交互服务和语音通话服务等，可以获取持续性的基站定位信息，进而为后续信用风险评估做准备，所述信息采集表的获取方式可以是调用云端服务器存储的信息采集表进行获取，也可以是通过查找预设信息数据库中的与待评估对象对应的信息采集表进行获取，当然也可以是通过其他方式进行信息采集表的获取，本实施例对此不加以限制。
步骤S20、从所述基站定位信息中获得所述待评估对象在所述预设时间范围内的工作时间段的工作活动轨迹，以及在所述预设时间范围内的休息时间段的休息活动轨迹。
需要说明的是，所述工作时间段为预先设置的时间段，可以为一天中的9点到17点，而休息时间段为与工作时间段对应的时间段，可以为17点到第二天9点，所述工作时间段也可以为8点30分到18点，还可以为其他预先设置的时间段例如6点到17点30分，本实施例对此不加以限制；所述休息时间段也可以为18点到8点30分，还可以为其他预先设置的时间段例如17点到第二天7点，本实施例对此不加以限制；所述工作时间段和所述休息时间段的设定根据具体情况可以自行设定或灵活调节，例如针对晚间劳动者或三班倒或两班倒的劳动者，可以根据实际情况进行相应的设定，本实施例是针对大多数情况即进行正常白天工作晚上休息的原则进行工作时间段和休息时间段的预先设定，当然不局限于本实施例所提供的预设时间段。
可以理解的是，所述工作活动轨迹为通过所述待评估对象的用户设备与基站的不断数据交互在预设时间范围内的工作时间段内形成的活动轨迹，所述休息活动轨迹为通过所述待评估对象的用户设备与基站的不断数据交互在预设时间范围内的休息时间段内形成的活动轨迹，所述工作活动轨迹和所述休息活动轨迹都可以从所述基站定位信息中获得。
步骤S30、根据所述信息采集表、所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在欺诈风险。
可以理解的是，根据所述信息采集表、所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在欺诈风险，即根据所述信息采集表、所述工作活动轨迹和所述休息活动轨迹可以确定所述待评估对象是否存在地址欺诈风险、团伙欺诈风险和交易欺诈风险，当然也可以是根据本实施例中的所述信息采集表、所述工作活动轨迹和所述休息活动轨迹确定所述待评估对象是否存在其他类型的金融风险，本实施例对此不加以限制。
步骤S40、根据所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在信用风险。
应当理解的是，根据所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在信用风险，即根据所述工作活动轨迹和所述休息活动轨迹能够确定所述待评估对象的信用风险等级，进而确定所述待评估对象是否存在信用风险。
本实施例通过上述方案，通过服务器获取待评估对象的信息采集表和所述待评估对象的用户设备在预设时间范围内的基站定位信息；从所述基站定位信息中获得所述待评估对象在所述预设时间范围内的工作时间段的工作活动轨迹，根据所述信息采集表、所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在欺诈风险；根据所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在信用风险，依托基站地理定位的获取持续性、数据真实性和范围覆盖率高的优点，从而构建了完善的金融风险防控体系，提高了信用风险评估的准确性，有效防止了金融欺诈和信用风险的情况发生，提升了金融风险防控能力。
进一步地，图3为本发明金融风险评估方法第二实施例的流程示意图，如图3所示，基于第一实施例提出本发明金融风险评估方法第二实施例，在本实施例中，为了确定所述待评估对象是否存在地址欺诈风险，所述步骤S30具体包括以下步骤：
步骤S31、从所述信息采集表中提取所述待评估对象填写的工作地址和住宅地址。
可以理解的是，从所述信息采集表中提取所述待评估对象的工作地址和住宅地址，即从所述信息采集表中找到所述待评估对象的工作地址和住宅地址对应的表项，从而提取出所述待评估对象的工作地址和住宅地址。
步骤S32、判断所述工作活动轨迹与所述工作地址是否匹配，以及所述休息活动轨迹与所述住宅地址是否匹配，获得判断结果。
应当理解的是，当获得所述待评估对象的工作地址和住宅地址后，判断所述工作活动轨迹与所述工作地址是否匹配，即判断所述工作活动轨迹中工作时间段内长时间逗留的区域与所述工作地址是否匹配，判断所述休息活动轨迹与所述住宅地址是否匹配，即判断所述休息活动轨迹中休息时间段内长时间逗留的区域与所述住宅地址是否匹配，所述判断结果包括了判断所述工作活动轨迹与所述工作地址是否匹配的结果和判断所述休息活动轨迹与所述住宅地址是否匹配的结果。
步骤S33、根据所述判断结果确定所述待评估对象是否存在地址欺诈风险。
可以理解的是，根据所述判断结果确定所述待评估对象是否存在地址欺诈风险，即根据判断所述工作活动轨迹与所述工作地址是否匹配的结果和判断所述休息活动轨迹与所述住宅地址是否匹配的结果可以确定所述待评估对象的地址是否属实，若不属实则存在地址欺诈风险。
相应地，为了确定所述待评估对象是否存在团伙欺诈风险，所述步骤S30具体包括以下步骤：
步骤S34、获取多个待评估对象的信息采集表、工作活动轨迹和休息活动轨迹。
步骤S35、从各信息采集表中获取各待评估对象填写的手机号码，获取各手机号码对应的通信记录。
步骤S36、从多个待评估对象的工作活动轨迹和休息活动轨迹中找到活动轨迹重叠的对象作为目标对象。
步骤S37、确定各目标对象对应的通信记录符合预设通信筛选规则的目标对象存在团伙欺诈风险。
可以理解的是，通过获取多个待评估对象的手机号码对应的通信记录、工作活动轨迹和休息活动轨迹，并从多个待评估对象的工作活动轨迹和休息活动轨迹中找到活动轨迹重叠的对象作为目标对象，即找到活动范围重叠的对象作为所述目标对象，将各目标对象中通信记录符合预设通信筛选规则的目标对象存在团伙欺诈风险，能够极大的提高金融风险防控能力，防止了金融欺诈和信用风险的情况发生。
应当理解的是，通过分析不同待评估对象的用户终端的地理位置的集中程度结合其他相关信息可以判断是否存在团伙欺诈风险，所述预设通信筛选规则为预先设置的用于判断通信记录的通信量多少的规则，可以是手机号码对应的通信量的高低来判断，也可以是手机号码对应的通话对端数量的多少来判断，当然还可以是通过其他通信参数进行判断，筛选出可疑的对象，本实施例对此不加以限制。
相应地，为了确定所述待评估对象是否存在交易欺诈风险，所述步骤S30具体包括以下步骤：
步骤S38、从所述信息采集表中获取所述待评估对象填写的手机号码，获取各手机号码绑定的预设支付位置信息。
步骤S39、当检测到所述用户设备进行支付操作时，实时获取当前位置信息，并判断所述预设支付位置信息与所述当前位置信息是否匹配。
步骤S310、在所述预设支付位置信息与所述当前位置信息不匹配时，确定所述待评估对象存在交易欺诈风险。
可以理解的是，所述预设支付位置信息所述待评估对象在所述用户设备中预先设置的支付常用位置，即所述用户设备中预先存储的用户自行设置的支付时常用的位置信息，所述支付位置信息可以包含一个或多个位置信息，当检测到所述用户设备进行支付操作时，实时获取当前位置信息，所述支付操作除了包括支付行为外，还可以包括密码修改行为，还可以包括转账行为，当然还可以包括其他设计手机号码绑定的相应金融账户的敏感操作行为，本实施例对此不加以限制；判断所述预设支付位置信息与所述当前位置信息是否匹配，从而在所述预设支付位置信息与所述当前位置信息不匹配时，确定所述待评估对象存在交易欺诈风险，判断所述支付位置信息与所述当前位置信息是否匹配，主要是看两者的实际距离是否大于预设距离差值，若支付位置信息对应的位置与当前位置信息对应的位置距离大于预设距离差值，则判断所述支付位置信息与所述当前位置信息不匹配，反之则匹配，所述预设距离差值可以根据实际情况自行设定，本实施例对此不加以限制。
本实施例通过上述方案，通过从所述信息采集表中提取所述待评估对象填写的工作地址和住宅地址；判断所述工作活动轨迹与所述工作地址是否匹配，以及所述休息活动轨迹与所述住宅地址是否匹配，获得判断结果；根据所述判断结果确定所述待评估对象是否存在地址欺诈风险；获取多个待评估对象的信息采集表、工作活动轨迹和休息活动轨迹；从各信息采集表中获取各待评估对象填写的手机号码，获取各手机号码对应的通信记录；从多个待评估对象的工作活动轨迹和休息活动轨迹中找到活动轨迹重叠的对象作为目标对象；确定各目标对象对应的通信记录符合预设通信筛选规则的目标对象存在团伙欺诈风险；从所述信息采集表中获取所述待评估对象填写的手机号码，获取各手机号码绑定的预设支付位置信息；当检测到所述用户设备进行支付操作时，实时获取当前位置信息，并判断所述预设支付位置信息与所述当前位置信息是否匹配；在所述预设支付位置信息与所述当前位置信息不匹配时，确定所述待评估对象存在交易欺诈风险，提高了信用风险评估的准确性，有效防止了金融欺诈和信用风险的情况发生，减少了用户钱财损失的风险，提升了金融风险防控能力。
进一步地，图4为本发明金融风险评估方法第三实施例的流程示意图，如图4所示，基于第一实施例提出本发明金融风险评估方法第三实施例，在本实施例中，通过财富水平和贷款额度确定待评估对象是否存在信用风险，相应地，所述步骤S40具体包括以下步骤：
步骤S41、根据所述工作活动轨迹预测所述待评估对象的职业，根据所述休息活动轨迹预测所述待评估对象的住宅位置；
可以理解的是，根据所述工作活动轨迹可以预测所述待评估对象的职业，即根据工作活动轨迹可以大概推断出所述待评估对象所从事的职业，根据所述休息活动轨迹可以大概推断出所述待评估对象的住宅位置。
进一步地，所述步骤S41具体包括以下步骤：
根据所述工作活动轨迹中的第一活动范围、第一移动速度和第一移动持续时间预测所述待评估对象的职业，根据所述休息活动轨迹中的第二活动范围、第二移动速度和第二移动持续时间预测所述待评估对象的住宅位置。
需要说明的是，活动轨迹包括活动范围、移动速度和移动持续时间，当然还可以包括其他类型的活动轨迹参数或指标，本实施例对此不加以限制；通过对待评估对象工作的活动范围、移动速度和移动持续时间等工作活动轨迹指标，进行模糊预测，可以快速的预测出所述待评估对象的职业，相应地，通过对待评估对象休息的活动范围、移动速度和移动持续时间等休息活动轨迹指标，进行模糊预测，可以快速的预测出所述待评估对象的住宅地址。
在具体实现中，可以所述工作活动轨迹和所述休息活动轨迹的重叠度作为预测的住宅地址到预测的工作地址的距离，从而确定相应的活动范围，可以是将活动范围较小，并且工作和休息时间的活动范围不重叠的所述待评估对象的职业确定为白领型；将工作、休息时间的活动范围高度重叠且活动范围较小，流量使用较大的所述待评估对象的职业确定为工地型；将工作、休息时间活动范围高度重叠且活动范围较小，流量使用较小的所述待评估对象的职业确定为赋闲型；将工作时间活动范围较大，饭点活动集中，且持续较慢移动的所述待评估对象的职业确定为快递型；将每天的活动范围很大，且持续较快移动的所述待评估对象的职业确定为司机型；将经常出现在不同省份，经常出现在机场、火车站的所述待评估对象的职业确定为差旅型，当然还可以通过不同的预设条件根据所述工作活动轨迹中的活动范围、移动速度和移动持续时间预测所述待评估对象的职业为其他类型的职业，本实施例对此不加以限制。
步骤S42、根据预设住宅房价表确定所述住宅位置对应的房价估值，根据预设职业收入表确定所述职业对应的工作收入；
需要说明的是，所述预设住宅房价表为预先设置的用于记录位置与位置相关的房价对应关系的表，可以是获取专业房产网站上各位置及各位置周边房价的信息建立的预设住宅房价表，也可以是通过大数据筛选出目标区域内对应的位置和位置对应的房价信息确定的预设住宅房价表，当然还可以是通过其他方式预先设置的住宅房价表，本实施例对此不加以限制；所述预设职业收入表为预先设置的用于反映各职业与各职业对应的月收入和/或年收入关系的表，可以是根据大量数据整理分析确定的预设职业收入表，也可以是根据各招聘网站上目标区域对应的各职业的收入建立的关系表，当然还可以是通过其他方式确定的预设职业收入表，本实施例对此不加以限制。
步骤S43、根据所述房价估值和工作收入确定所述待评估对象的财富水平。
应当理解的是，通过预设住宅房价表确定所述住宅地址对应的房价估值，即所述待评估对象的住宅地址对应的房价，通过预设职业收入表确定所述职业对应的工作收入，进而可以根据所述房价估值和工作收入确定所述待评估对象的财富水平。
步骤S44、获取所述待评估对象的贷款额度信息，根据所述财富水平与所述贷款额度信息的匹配结果确定所述待评估对象的信用风险等级。
需要说明的是，所述贷款额度为所述待评估对象申请贷款的金额，可以是从待评估对象的用户终端对应的金融账户中获得，也可以是通过其他方式获得，本实施例对此不加以限制；判断所述财富水平与所述贷款额度是否匹配即判断所述待评估对象的财富是否足够偿还所述贷款额度对应的贷款，进而生成匹配结果，根据所述财富水平与所述贷款额度的匹配程度可以确定所述待评估对象的信用风险等级的高低。
在具体实现中，在所述财富水平与所述贷款额度不匹配且相差较大时，例如可以是相差大于第一预设差值时，判断所述待评估对象的信用风险等级为高级，即所述待评估对象存在较高的信用违约风险；在所述财富水平与所述贷款额度匹配时，所述待评估对象的信用风险等级为低级，即所述待评估对象的信用违约风险较低；在所述财富水平与所述贷款额度不匹配且相差较小时，例如可以是大于第二预设差值时，所述待评估对象的信用风险等级为中级，即有可能存在信用违约风险；当然所述信用风险等级除了可以是高级、中级和低级的划分外，还可以是其他更多或更少的等级划分，本实施例对此不加以限制，通过确定所述待评估对象的风险等级可以判断所述待评估对象是否存在信用风险。
相应地，通过确定待评估对象的工作稳定程度可以判断所述待评估对象是否存在信用风险，相应地，所述步骤S40具体包括以下步骤：
步骤S45、根据所述工作活动轨迹确定所述待评估对象的预测工作地址。
步骤S46、获取所述待评估对象在预测工作地址的工作周期。
步骤S47、根据所述工作周期确定所述待评估对象的工作稳定程度，通过所述工作稳定程度确定所述待评估对象的信用风险等级。
应当理解的是，通过所述工作活动轨迹可以预测出所述待评估对象的预测工作地址，一般是将在工作时间内最常出现的位置作为预测工作地址，获取所述待评估对象在预测工作地址的工作周期，根据所述工作周期确定所述待评估对象的工作稳定程度，即工作周期越长，例如3年，则表明工作稳定程度较高，例如1个月，则表明工作稳定程度较低，通过所述工作稳定程度确定所述待评估对象的信用风险等级，即长期工作于同一位置，同一工作单位的待评估对象的信用风险等级较低，即违约的可能性较低，而短期内不断变化工作地址的待评估对象的信用风险等级较高，即违约的可能性较高，通过所述工作稳定程度能够确定所述待评估对象的信用风险等级，进而判断所述待评估对象是否存在信用风险。
本实施例通过上述方案，通过根据所述财富水平与所述贷款额度信息的匹配结果确定所述待评估对象的信用风险等级，通过所述工作稳定程度确定所述待评估对象的信用风险等级，进一步提高了信用风险评估的准确性，有效防止了金融欺诈和信用风险的情况发生，提升了金融风险防控能力。
基于上述金融风险评估方法，本发明进一步提供一种金融风险评估系统。
参照图5，图5为本发明金融风险评估系统第一实施例的功能模块图。
本发明金融风险评估系统第一实施例中，该金融风险评估系统包括：
信息采集模块10，用于获取待评估对象的信息采集表和所述待评估对象的用户设备在预设时间范围内的基站定位信息。
需要说明的是，所述待评估对象为正准备进行信用风险评估的对象，可以是符合预设筛选评估要求的进行信用风险评估的对象，也可以是指定的需要进行信用风险评估的对象，还可以是其他条件下进行信用风险评估的对象，本实施例对此不加以限制；所述信息采集表为记录有待评估对象个人信息的表，例如可以是信用卡申请表，也可以是信息采集系统中个人档案表，当然还可以是其他类型的记录有待评估对象个人信息的表，本实施例对此不加以限制。
可以理解的是，所述预设时间范围为预先设置的时间范围，可以是通过大量数据训练获得的比较合适的时间范围，也可以是直接设定的固定的时间范围，还可以是根据技术人员的日常操作经验确定的比较恰当的时间范围，当然还可以是通过其他方式预设的时间范围，本实施例对此不加以限制。
应当理解的是，所述待评估对象的用户设备可以是移动终端，例如手机和平板电脑等，还可以是个人计算机或者其他具有定位功能的设备，本实施例对此不加以限制；服务器可以获取待评估对象的信息采集表和所述待评估对象的用户设备在预设时间范围内的基站定位信息。
在具体实现中，所述预设时间范围可以设置为一个月或一周，当然也可以为其他时间范围，本实施例对此不加以限制；通过在预设时间范围内获取用户终端与基站的通信记录，例如数据交互服务和语音通话服务等，可以获取持续性的基站定位信息，进而为后续信用风险评估做准备，所述信息采集表的获取方式可以是调用云端服务器存储的信息采集表进行获取，也可以是通过查找预设信息数据库中的与待评估对象对应的信息采集表进行获取，当然也可以是通过其他方式进行信息采集表的获取，本实施例对此不加以限制。
轨迹确定模块20，用于从所述基站定位信息中获得所述待评估对象在所述预设时间范围内的工作时间段的工作活动轨迹，以及在所述预设时间范围内的休息时间段的休息活动轨迹。
需要说明的是，所述工作时间段为预先设置的时间段，可以为一天中的9点到17点，而休息时间段为与工作时间段对应的时间段，可以为17点到第二天9点，所述工作时间段也可以为8点30分到18点，还可以为其他预先设置的时间段例如6点到17点30分，本实施例对此不加以限制；所述休息时间段也可以为18点到8点30分，还可以为其他预先设置的时间段例如17点到第二天7点，本实施例对此不加以限制；所述工作时间段和所述休息时间段的设定根据具体情况可以自行设定或灵活调节，例如针对晚间劳动者或三班倒或两班倒的劳动者，可以根据实际情况进行相应的设定，本实施例是针对大多数情况即进行正常白天工作晚上休息的原则进行工作时间段和休息时间段的预先设定，当然不局限于本实施例所提供的预设时间段。
可以理解的是，所述工作活动轨迹为通过所述待评估对象的用户设备与基站的不断数据交互在预设时间范围内的工作时间段内形成的活动轨迹，所述休息活动轨迹为通过所述待评估对象的用户设备与基站的不断数据交互在预设时间范围内的休息时间段内形成的活动轨迹，所述工作活动轨迹和所述休息活动轨迹都可以从所述基站定位信息中获得。
欺诈风险模块30、根据所述信息采集表、所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在欺诈风险。
可以理解的是，根据所述信息采集表、所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在欺诈风险，即根据所述信息采集表、所述工作活动轨迹和所述休息活动轨迹可以确定所述待评估对象是否存在地址欺诈风险、团伙欺诈风险和交易欺诈风险，当然也可以是根据本实施例中的所述信息采集表、所述工作活动轨迹和所述休息活动轨迹确定所述待评估对象是否存在其他类型的金融风险，本实施例对此不加以限制。
信用风险模块40、根据所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在信用风险。
应当理解的是，根据所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在信用风险，即根据所述工作活动轨迹和所述休息活动轨迹能够确定所述待评估对象的信用风险等级，进而确定所述待评估对象是否存在信用风险。
本实施例通过上述方案，通过服务器获取待评估对象的信息采集表和所述待评估对象的用户设备在预设时间范围内的基站定位信息；从所述基站定位信息中获得所述待评估对象在所述预设时间范围内的工作时间段的工作活动轨迹，根据所述信息采集表、所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在欺诈风险；根据所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在信用风险，依托基站地理定位的获取持续性、数据真实性和范围覆盖率高的优点，从而构建了完善的金融风险防控体系，提高了信用风险评估的准确性，有效防止了金融欺诈和信用风险的情况发生，提升了金融风险防控能力。
参照图6，图6为本发明金融风险评估系统第二实施例的功能模块图。
基于本发明金融风险评估系统第一实施例，提出本发明金融风险评估系统第二实施例，所述欺诈风险模块30包括：地址欺诈风险模块31、团伙欺诈风险模块32和交易欺诈风险模块33。
其中，所述地址欺诈风险模块31包括：
地址采集模块，用于从所述信息采集表中提取所述待评估对象填写的工作地址和住宅地址。
地址判断模块，用于判断所述工作活动轨迹与所述工作地址是否匹配，以及所述休息活动轨迹与所述住宅地址是否匹配，获得判断结果。
地址欺诈判断模块，用于根据所述判断结果确定所述待评估对象是否存在地址欺诈风险。
应当理解的是，当获得所述待评估对象的工作地址和住宅地址后，判断所述工作活动轨迹与所述工作地址是否匹配，根据判断所述工作活动轨迹与所述工作地址是否匹配的结果和判断所述休息活动轨迹与所述住宅地址是否匹配的结果可以确定所述待评估对象的地址是否属实，若不属实则存在地址欺诈风险。
其中，所述团伙欺诈风险模块32包括：
轨迹采集模块，用于获取多个待评估对象的信息采集表、工作活动轨迹和休息活动轨迹。
通信记录获取模块，用于从各信息采集表中获取各待评估对象填写的手机号码，获取各手机号码对应的通信记录。
目标对象确定模块，用于从多个待评估对象的工作活动轨迹和休息活动轨迹中找到活动轨迹重叠的对象作为目标对象。
团伙欺诈判断模块，用于确定各目标对象对应的通信记录符合预设通信筛选规则的目标对象存在团伙欺诈风险。
可以理解的是，通过获取多个待评估对象的手机号码对应的通信记录、工作活动轨迹和休息活动轨迹，并从多个待评估对象的工作活动轨迹和休息活动轨迹中找到活动轨迹重叠的对象作为目标对象，即找到活动范围重叠的对象作为所述目标对象，将各目标对象中通信记录符合预设通信筛选规则的目标对象存在团伙欺诈风险，能够极大的提高金融风险防控能力，防止了金融欺诈和信用风险的情况发生。
其中，所述交易欺诈风险模块33包括：
支付位置信息获取模块，用于从所述信息采集表中获取所述待评估对象填写的手机号码，获取各手机号码绑定的预设支付位置信息。
位置信息匹配模块，用于当检测到所述用户设备进行支付操作时，实时获取当前位置信息，并判断所述预设支付位置信息与所述当前位置信息是否匹配。
交易欺诈判断模块，用于在所述预设支付位置信息与所述当前位置信息不匹配时，确定所述待评估对象存在交易欺诈风险。
应当理解的是，判断所述预设支付位置信息与所述当前位置信息是否匹配，从而在所述预设支付位置信息与所述当前位置信息不匹配时，确定所述待评估对象存在交易欺诈风险。
相应地，所述信用风险模块40包括：财富评估信用模块41和工作稳定性评估信用模块42。
其中，所述财富评估信用模块41包括：
职业住宅预测模块，用于根据所述工作活动轨迹预测所述待评估对象的职业，根据所述休息活动轨迹预测所述待评估对象的住宅位置。
工作收入确定模块，用于根据预设住宅房价表确定所述住宅位置对应的房价估值，根据预设职业收入表确定所述职业对应的工作收入。
财富确定模块，用于根据所述房价估值和工作收入确定所述待评估对象的财富水平。
第一信用等级确定模块，用于获取所述待评估对象的贷款额度信息，根据所述财富水平与所述贷款额度信息的匹配结果确定所述待评估对象的信用风险等级。
可以理解的是，判断所述财富水平与所述贷款额度是否匹配即判断所述待评估对象的财富是否足够偿还所述贷款额度对应的贷款，进而生成匹配结果，根据所述财富水平与所述贷款额度的匹配程度可以确定所述待评估对象的信用风险等级的高低。
其中，所述工作稳定性评估信用模块42包括：
工作地址预测模块，用于根据所述工作活动轨迹确定所述待评估对象的预测工作地址。
工作周期确定模块，用于获取所述待评估对象在预测工作地址的工作周期。
第二信用等级确定模块，用于根据所述工作周期确定所述待评估对象的工作稳定程度，通过所述工作稳定程度确定所述待评估对象的信用风险等级。
应当理解的是，通过所述工作稳定程度能够确定所述待评估对象的信用风险等级，进而判断所述待评估对象是否存在信用风险。
本实施例通过上述方案，通过根据所述财富水平与所述贷款额度信息的匹配结果确定所述待评估对象的信用风险等级，通过所述工作稳定程度确定所述待评估对象的信用风险等级，进一步提高了信用风险评估的准确性，有效防止了金融欺诈和信用风险的情况发生，提升了金融风险防控能力。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有金融风险评估程序，所述金融风险评估程序被处理器执行时实现如下操作：
获取待评估对象的信息采集表和所述待评估对象的用户设备在预设时间范围内的基站定位信息；
从所述基站定位信息中获得所述待评估对象在所述预设时间范围内的工作时间段的工作活动轨迹，以及在所述预设时间范围内的休息时间段的休息活动轨迹；
根据所述信息采集表、所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在欺诈风险；
根据所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在信用风险。
进一步地，所述金融风险评估程序被处理器执行时还实现如下操作：
从所述信息采集表中提取所述待评估对象填写的工作地址和住宅地址；
判断所述工作活动轨迹与所述工作地址是否匹配，以及所述休息活动轨迹与所述住宅地址是否匹配，获得判断结果；
根据所述判断结果确定所述待评估对象是否存在地址欺诈风险。
进一步地，所述金融风险评估程序被处理器执行时还实现如下操作：
获取多个待评估对象的信息采集表、工作活动轨迹和休息活动轨迹；
从各信息采集表中获取各待评估对象填写的手机号码，获取各手机号码对应的通信记录；
从多个待评估对象的工作活动轨迹和休息活动轨迹中找到活动轨迹重叠的对象作为目标对象；
确定各目标对象对应的通信记录符合预设通信筛选规则的目标对象存在团伙欺诈风险。
进一步地，所述金融风险评估程序被处理器执行时还实现如下操作：
从所述信息采集表中获取所述待评估对象填写的手机号码，获取各手机号码绑定的预设支付位置信息；
当检测到所述用户设备进行支付操作时，实时获取当前位置信息，并判断所述预设支付位置信息与所述当前位置信息是否匹配；
在所述预设支付位置信息与所述当前位置信息不匹配时，确定所述待评估对象存在交易欺诈风险。
进一步地，所述金融风险评估程序被处理器执行时还实现如下操作：
根据所述工作活动轨迹预测所述待评估对象的职业，根据所述休息活动轨迹预测所述待评估对象的住宅位置；
根据预设住宅房价表确定所述住宅位置对应的房价估值，根据预设职业收入表确定所述职业对应的工作收入；
根据所述房价估值和工作收入确定所述待评估对象的财富水平；
获取所述待评估对象的贷款额度信息，根据所述财富水平与所述贷款额度信息的匹配结果确定所述待评估对象的信用风险等级。
进一步地，所述金融风险评估程序被处理器执行时还实现如下操作：
根据所述工作活动轨迹中的第一活动范围、第一移动速度和第一移动持续时间预测所述待评估对象的职业，根据所述休息活动轨迹中的第二活动范围、第二移动速度和第二移动持续时间预测所述待评估对象的住宅位置。
进一步地，所述金融风险评估程序被处理器执行时还实现如下操作：
根据所述工作活动轨迹确定所述待评估对象的预测工作地址；
获取所述待评估对象在预测工作地址的工作周期；
根据所述工作周期确定所述待评估对象的工作稳定程度，通过所述工作稳定程度确定所述待评估对象的信用风险等级。
本实施例通过上述方案，通过服务器获取待评估对象的信息采集表和所述待评估对象的用户设备在预设时间范围内的基站定位信息；从所述基站定位信息中获得所述待评估对象在所述预设时间范围内的工作时间段的工作活动轨迹，以及在所述预设时间范围内的休息时间段的休息活动轨迹；根据所述信息采集表、所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在欺诈风险；根据所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在信用风险，依托基站地理定位的获取持续性、数据真实性和范围覆盖率高的优点，从而构建了完善的金融风险防控体系，提高了信用风险评估的准确性，有效防止了金融欺诈和信用风险的情况发生，提升了金融风险防控能力。
需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
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。
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)

1.一种金融风险评估方法，其特征在于，所述金融风险评估方法包括：
服务器获取待评估对象的信息采集表和所述待评估对象的用户设备在预设时间范围内的基站定位信息；
从所述基站定位信息中获得所述待评估对象在所述预设时间范围内的工作时间段的工作活动轨迹，以及在所述预设时间范围内的休息时间段的休息活动轨迹；
根据所述信息采集表、所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在欺诈风险；
根据所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在信用风险。
2.如权利要求1所述的金融风险评估方法，其特征在于，所述根据所述信息采集表、所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在欺诈风险，具体包括：
从所述信息采集表中提取所述待评估对象填写的工作地址和住宅地址；
判断所述工作活动轨迹与所述工作地址是否匹配，以及所述休息活动轨迹与所述住宅地址是否匹配，获得判断结果；
根据所述判断结果确定所述待评估对象是否存在地址欺诈风险。
3.如权利要求1所述的金融风险评估方法，其特征在于，所述根据所述信息采集表、所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在欺诈风险，具体包括：
获取多个待评估对象的信息采集表、工作活动轨迹和休息活动轨迹；
从各信息采集表中获取各待评估对象填写的手机号码，获取各手机号码对应的通信记录；
从多个待评估对象的工作活动轨迹和休息活动轨迹中找到活动轨迹重叠的对象作为目标对象；
确定各目标对象对应的通信记录符合预设通信筛选规则的目标对象存在团伙欺诈风险。
4.如权利要求1所述的金融风险评估方法，其特征在于，所述根据所述信息采集表、所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在欺诈风险，具体包括：
从所述信息采集表中获取所述待评估对象填写的手机号码，获取各手机号码绑定的预设支付位置信息；
当检测到所述用户设备进行支付操作时，实时获取当前位置信息，并判断所述预设支付位置信息与所述当前位置信息是否匹配；
在所述预设支付位置信息与所述当前位置信息不匹配时，确定所述待评估对象存在交易欺诈风险。
5.如权利要求1所述的金融风险评估方法，其特征在于，所述根据所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在信用风险，具体包括：
根据所述工作活动轨迹预测所述待评估对象的职业，根据所述休息活动轨迹预测所述待评估对象的住宅位置；
根据预设住宅房价表确定所述住宅位置对应的房价估值，根据预设职业收入表确定所述职业对应的工作收入；
根据所述房价估值和工作收入确定所述待评估对象的财富水平；
获取所述待评估对象的贷款额度信息，根据所述财富水平与所述贷款额度信息的匹配结果确定所述待评估对象的信用风险等级。
6.如权利要求5所述的金融风险评估方法，其特征在于，所述根据所述工作活动轨迹预测所述待评估对象的职业，根据所述休息活动轨迹预测所述待评估对象的住宅位置，具体包括：
根据所述工作活动轨迹中的第一活动范围、第一移动速度和第一移动持续时间预测所述待评估对象的职业，根据所述休息活动轨迹中的第二活动范围、第二移动速度和第二移动持续时间预测所述待评估对象的住宅位置。
7.如权利要求1所述的金融风险评估方法，其特征在于，所述根据所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在信用风险，具体包括：
根据所述工作活动轨迹确定所述待评估对象的预测工作地址；
获取所述待评估对象在预测工作地址的工作周期；
根据所述工作周期确定所述待评估对象的工作稳定程度，通过所述工作稳定程度确定所述待评估对象的信用风险等级。
8.一种金融风险评估系统，其特征在于，所述金融风险评估系统包括：
信息采集模块，用于获取待评估对象的信息采集表和所述待评估对象的用户设备在预设时间范围内的基站定位信息；
轨迹确定模块，用于从所述基站定位信息中获得所述待评估对象在所述预设时间范围内的工作时间段的工作活动轨迹，以及在所述预设时间范围内的休息时间段的休息活动轨迹；
欺诈风险模块，用于根据所述信息采集表、所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在欺诈风险；
信用风险模块，用于根据所述工作活动轨迹和所述休息活动轨迹判断所述待评估对象是否存在信用风险。
9.一种服务器，其特征在于，所述服务器包括：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金融风险评估程序，所述金融风险评估程序配置为实现如权利要求1至7中任一项所述的金融风险评估方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有金融风险评估程序，所述金融风险评估程序被处理器执行时实现如权利要求1至7中任一项所述的金融风险评估方法的步骤。
CN201810447304.0A 2018-05-11 2018-05-11 金融风险评估方法、系统、服务器及存储介质 Pending CN108416672A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810447304.0A CN108416672A (zh) 2018-05-11 2018-05-11 金融风险评估方法、系统、服务器及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810447304.0A CN108416672A (zh) 2018-05-11 2018-05-11 金融风险评估方法、系统、服务器及存储介质

Publications (1)

Publication Number Publication Date
CN108416672A true CN108416672A (zh) 2018-08-17

Family

ID=63138899

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810447304.0A Pending CN108416672A (zh) 2018-05-11 2018-05-11 金融风险评估方法、系统、服务器及存储介质

Country Status (1)

Country Link
CN (1) CN108416672A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109672984A (zh) * 2018-09-26 2019-04-23 平安普惠企业管理有限公司 金融业务的用户位置画像评估方法、评估设备及存储介质
CN109818966A (zh) * 2019-02-20 2019-05-28 携程旅游信息技术（上海）有限公司 基于基站信息的数据防篡改方法、系统、设备及存储介质
CN110443693A (zh) * 2019-07-05 2019-11-12 深圳壹账通智能科技有限公司 数据处理方法、装置、计算机设备及存储介质
CN111353873A (zh) * 2020-02-18 2020-06-30 随手(北京)信息技术有限公司 用户信用额度的评估方法、系统、服务器及存储介质
CN111798246A (zh) * 2020-07-16 2020-10-20 中国工商银行股份有限公司 一种金融风险等级评估方法和装置
CN112348320A (zh) * 2020-10-21 2021-02-09 上海淇玥信息技术有限公司 基于lbs行为轨迹的风险识别方法、装置及电子设备
CN113780876A (zh) * 2021-09-24 2021-12-10 西安邮电大学 一种通信的信息安全的风险管理系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102075850A (zh) * 2009-11-19 2011-05-25 中国移动通信集团吉林有限公司 确定移动用户职业信息的方法及其装置
CN105657659A (zh) * 2016-01-29 2016-06-08 北京邮电大学 一种识别打车业务中刷单用户的方法和系统
CN105931051A (zh) * 2015-12-31 2016-09-07 中国银联股份有限公司 一种安全支付方法及装置
CN106961666A (zh) * 2017-02-08 2017-07-18 北京拓明科技有限公司 一种基于移动通信网的商圈客流来源分析方法
CN107066478A (zh) * 2016-12-14 2017-08-18 阿里巴巴集团控股有限公司 一种虚假地址信息识别的方法及装置
CN107392755A (zh) * 2017-07-07 2017-11-24 南京甄视智能科技有限公司 贷款风险融合评估方法与系统
CN107871280A (zh) * 2017-09-30 2018-04-03 上海壹账通金融科技有限公司 贷款管理方法、应用服务器及计算机存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102075850A (zh) * 2009-11-19 2011-05-25 中国移动通信集团吉林有限公司 确定移动用户职业信息的方法及其装置
CN105931051A (zh) * 2015-12-31 2016-09-07 中国银联股份有限公司 一种安全支付方法及装置
CN105657659A (zh) * 2016-01-29 2016-06-08 北京邮电大学 一种识别打车业务中刷单用户的方法和系统
CN107066478A (zh) * 2016-12-14 2017-08-18 阿里巴巴集团控股有限公司 一种虚假地址信息识别的方法及装置
CN106961666A (zh) * 2017-02-08 2017-07-18 北京拓明科技有限公司 一种基于移动通信网的商圈客流来源分析方法
CN107392755A (zh) * 2017-07-07 2017-11-24 南京甄视智能科技有限公司 贷款风险融合评估方法与系统
CN107871280A (zh) * 2017-09-30 2018-04-03 上海壹账通金融科技有限公司 贷款管理方法、应用服务器及计算机存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
冯超等: "大数据背景下的警务云结构化数据建设", 《广西警察学院学报》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109672984A (zh) * 2018-09-26 2019-04-23 平安普惠企业管理有限公司 金融业务的用户位置画像评估方法、评估设备及存储介质
CN109672984B (zh) * 2018-09-26 2022-08-19 平安普惠企业管理有限公司 金融业务的用户位置画像评估方法、评估设备及存储介质
CN109818966A (zh) * 2019-02-20 2019-05-28 携程旅游信息技术（上海）有限公司 基于基站信息的数据防篡改方法、系统、设备及存储介质
CN110443693A (zh) * 2019-07-05 2019-11-12 深圳壹账通智能科技有限公司 数据处理方法、装置、计算机设备及存储介质
CN111353873A (zh) * 2020-02-18 2020-06-30 随手(北京)信息技术有限公司 用户信用额度的评估方法、系统、服务器及存储介质
CN111798246A (zh) * 2020-07-16 2020-10-20 中国工商银行股份有限公司 一种金融风险等级评估方法和装置
CN112348320A (zh) * 2020-10-21 2021-02-09 上海淇玥信息技术有限公司 基于lbs行为轨迹的风险识别方法、装置及电子设备
CN113780876A (zh) * 2021-09-24 2021-12-10 西安邮电大学 一种通信的信息安全的风险管理系统

Similar Documents

Publication Publication Date Title
CN108416672A (zh) 金融风险评估方法、系统、服务器及存储介质
Barbieri et al. Institutions and the school-to-work transition: disentangling the role of the macro-institutional context
Grajek et al. Regulation and investment in network industries: Evidence from European telecoms
US20170116552A1 (en) System and Method to Measure, Aggregate and Analyze Exact Effort and Time Productivity
Gul et al. Harmful addiction
Gillwald et al. The state of ICT in Uganda
Yasuda et al. Political risks and foreign direct investments by multinational corporations: A reference point approach
Picard et al. Patent office governance and patent examination quality
Addison et al. Do pasture user groups lead to improved rangeland condition in the Mongolian Gobi Desert?
Aydin et al. Competition law & policy in developing countries: explaining variations in outcomes; exploring possibilities and limits
Board et al. Relational contracts in competitive labour markets
Petersen Scoot over smart devices: The invisible costs of rental scooters
Athanassopoulos Assessing the comparative spatial disadvantage (CSD) of regions in the European Union using non-radial data envelopment analysis methods
Dai et al. An integrated incentive framework for mobile crowdsourced sensing
CN111050344B (zh) 基站运维保障方法及设备
Batzilis et al. New cellular networks in Malawi: Correlates of service rollout and network performance
Dyaberi et al. Managing cellular congestion using incentives
CN107087017A (zh) 一种业务引流的方法和装置
CN107767261A (zh) 贷款融资的实现方法及装置
Mukherjee et al. On the trade-off between efficiency in job assignment and turnover: The role of breakup fees
Lemos et al. The ties that bind: implicit contracts and management practices in family-run firms
JP2003091629A (ja) マーケティング情報作成装置及びマーケティング情報作成方法
Draca et al. The evolving role of ICT in the economy
CN107403322A (zh) 操作可靠性的确定、用户身份认证方法、装置及计算设备
Ahmed et al. The impact of Uber and Lyft on taxi service quality: evidence from New York City

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20180817

RJ01 Rejection of invention patent application after publication