CN109360104A - 用户类型划分方法、系统、计算机设备和存储介质 - Google Patents

用户类型划分方法、系统、计算机设备和存储介质 Download PDF

Info

Publication number
CN109360104A
CN109360104A CN201810977898.6A CN201810977898A CN109360104A CN 109360104 A CN109360104 A CN 109360104A CN 201810977898 A CN201810977898 A CN 201810977898A CN 109360104 A CN109360104 A CN 109360104A
Authority
CN
China
Prior art keywords
user
questionnaire
score
ability
dimension
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
CN201810977898.6A
Other languages
English (en)
Inventor
蒋逸文
胡逸凡
陈泽晖
黄鸿顺
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen 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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201810977898.6A priority Critical patent/CN109360104A/zh
Priority to PCT/CN2018/124595 priority patent/WO2020042502A1/zh
Publication of CN109360104A publication Critical patent/CN109360104A/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
    • G06Q40/06—Asset management; Financial planning or analysis
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Technology Law (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及证券投资领域，特别是涉及用户类型划分方法、系统、计算机设备和存储介质。方法包括：调用调查问卷并获得用户信息，通过获取的分值列表得到用户信息对应的得分，调用风险评价模型，将用户信息的得分输入风险评价模型，获取风险评价模型输出的抗风险能力值，将多个用户的抗风险能力值进行汇总，对汇总的抗风险能力值划分出多个阈值范围，每个阈值范围对应一种用户类型，根据每个用户的抗风险能力值落在的阈值范围，确定每个用户的用户类型。本发明根据调查问卷获得的答案了解用户的多项信息，并通过风险评价模型得到抗风险能力值，对抗风险能力值划分得到用户类型，得到的用户类型更加可靠准确。

Description

用户类型划分方法、系统、计算机设备和存储介质
技术领域
本发明涉及证券投资领域，特别是涉及用户类型划分方法方法、系统、计算机设备和存储介质。
背景技术
在基金行业中，通常需要对用户的风险类型进行划分，根据用户抗风险能力的不同，为其制定不同的投资方案。传统的用户风险类型划分一般基于用户的经济实力和风险偏好两个维度，其中风险偏好的指标很难把握，因为该维度完全依赖于用户对于问题的主观判断，由于在实际工作中，部分用户对于调查问卷中的主观问题的回应较为随意，由此就会影响用户类型划分，故划分结果并不精确，无法挖掘出数据中更深层次的信息。
发明内容
基于此，有必要针对传统用户风险类型划分结果不精确，无法确定用户的风险类型的问题，提供一种用户类型划分方法、系统、计算机设备和存储介质。
一种用户类型划分方法，包括：
调用预设在数据库中的调查问卷，根据所述调查问卷获得用户信息，所述用户信息是用户对于所述调查问卷的答案；
获取预设在所述数据库中的分值列表，所述分值列表包含有所述调查问卷的答案对应的得分，通过所述分值列表得到所述用户信息对应的得分；
调用预设在所述数据库中的风险评价模型，将所述用户信息的得分输入所述风险评价模型，获取所述风险评价模型输出的抗风险能力值；
将多个用户的所述抗风险能力值进行汇总，对汇总的所述抗风险能力值划分出多个阈值范围，每个阈值范围对应一种用户类型；
根据每个用户的抗风险能力值落在的所述阈值范围，确定每个所述用户的所述用户类型。
在其中一个实施例中，所述调用预设在数据库中的调查问卷，根据所述调查问卷获得用户信息，包括：
调用预设在所述数据库中的人机交互界面，所述人机交互界面用于与所述用户进行信息交互，将所述调查问卷呈现于所述人交互界面中，收集所述用户对所述调查问卷的答案，将所述答案设置为所述用户信息，所述调查问卷包括用户基本信息、资金实力、风险偏好、投资经验、流动性偏好，人口属性和投资目的七个维度的信息，所述调查问卷的每个维度包括至少一个选择题，每个选择题包括至少两个选项，所述答案是用户对每个选择题选出的至少一个选项。
在其中一个实施例中，所述通过所述分值列表得到所述用户信息对应的得分，包括：
对所述用户信息的每个答案在所述分值列表中进行查询，得到每个所述答案对应的得分，所述调查问卷的每个选择题对应的每个选项在所述分值列表中都有一个对应的得分。
在其中一个实施例中，所述风险评价模型，包括：
为所述七个维度的信息各设置一个维度权重，所述维度权重之和为1，为所述调查问卷的每个维度下的选择题设置一个选项权重，同一维度下的所述选择题的选项权重之和为1；
将所述调查问卷下同一维度下的各所述选择题的得分，乘上各自对应的所述选项权重后求和，得出所述调查问卷每个维度的信息得分；
将所述调查问卷每个维度的信息得分，乘上各自对应的所述维度权重后求和，得出所述调查问卷各个维度的总得分，所述总得分为所述抗风险能力值。
在其中一个实施例中，所述抗风险能力值的算法，包括：
其中，R为所述抗风险能力值，wi为第i维度的权重，Di为所述第i维度的总得分；
xij为所述第i维度第j个选择题的选项权重，Pij为所述第i维度第j个选择题的得分；
所述抗风险能力值的约束条件为：
表示各个所述维度权重wi之和应为1；
表示所述第i个维度下各个选项权重之和为1。
在其中一个实施例中，所述对汇总的所述抗风险能力值划分出多个阈值范围，每个阈值范围对应一种用户类型，包括：
对汇总的所述抗风险能力值划分出五个阈值范围，分别为1-1.5、1.5-2.5、2.5-3.5、3.5-4.5、4.5-5；
五个所述阈值范围分别对应保守型、稳健型、成长型、积极型和激进型五种所述用户类型，其中所述阈值范围为1-1.5时对应保守型用户类型，所述阈值范围为1.5-2.5时对应稳健型用户类型，所述阈值范围为2.5-3.5时对应成长型用户类型，所述阈值范围为3.5-4.5时对应积极型用户类型，所述阈值范围为4.5-5时对应激进型用户类型。
基于相同的技术构思，一种用户类型划分系统，包括：
信息获取单元，用于调用预设在数据库中的调查问卷，根据所述调查问卷获得用户信息，所述用户信息是用户对于所述调查问卷的答案；
用户信息得分单元，用于获取预设在所述数据库中的分值列表，所述分值列表包含有所述调查问卷的答案对应的得分，通过所述分值列表得到所述用户信息对应的得分；
抗风险能力值获取单元，用于调用预设在所述数据库中的风险评价模型，将所述用户信息的得分输入所述风险评价模型，获取所述风险评价模型输出的抗风险能力值；
划分阈值范围单元，用于将多个用户的所述抗风险能力值进行汇总，对汇总的所述抗风险能力值划分出多个阈值范围，每个阈值范围对应一种用户类型；
确定用户类型单元，用于根据每个用户的抗风险能力值落在的所述阈值范围，确定所述用户类型。
基于相同的技术构思，本发明提出了一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行上述用户类型划分方法的步骤。
基于相同的技术构思，本发明还提供了一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述用户类型划分方法的步骤。
上述用户类型划分方法、系统、计算机设备和存储介质，包括调用预设在数据库中的调查问卷，根据所述调查问卷获得用户信息，所述用户信息是用户对于所述调查问卷的答案；获取预设在所述数据库中的分值列表，所述分值列表包含有所述调查问卷的答案对应的得分，通过所述分值列表得到所述用户信息对应的得分；调用预设在所述数据库中的风险评价模型，将所述用户信息的得分输入所述风险评价模型，获取所述风险评价模型输出的抗风险能力值；将多个用户的所述抗风险能力值进行汇总，对汇总的所述抗风险能力值划分出多个阈值范围，每个阈值范围对应一种用户类型；根据每个用户的抗风险能力值落在的所述阈值范围，确定每个所述用户的所述用户类型。本发明根据调查问卷获得的答案了解用户的多项信息，并通过风险评价模型得到抗风险能力值，对抗风险能力值划分得到用户类型，整个用户类型划分基础均以用户提供的信息为基础，得到的用户类型更加可靠准确。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是本发明的限制。
图1为本发明一个实施例中一种用户类型划分方法的流程图；
图2为本发明一个实施例中一种用户类型划分系统的结构图；
图3为一个实施例中抗风险能力值获取单元的结构图。
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仅用以解释本发明，并不用于限定本发明。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、程序、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、程序、步骤、操作、元件、组件和/或它们的组。
图1为本发明一个实施例中的用户类型划分方法的流程图，如图1所示，一种用户类型划分方法，包括以下步骤：
步骤S1，获取用户信息：调用预设在数据库中的调查问卷，根据调查问卷获得用户信息，用户信息是用户对于调查问卷的答案。
本步骤中根据调查问卷获得用户信息时，调用预设在数据库中的人机交互界面，人机交互界面用于与用户进行信息交互，将调查问卷呈现于人交互界面中，用户通过人机交互界面回答调查问卷，通过人机交互界面收集用户对调查问卷的答案，将答案设置为用户信息。
调查问卷包括但不限于用户基本信息、资金实力、风险偏好、投资经验、流动性偏好，人口属性、投资目的七个维度的信息。调查问卷的每个维度包括至少一个选择题，每个选择题包括至少两个选项，答案是用户对每个选择题选出的至少一个选项。
其中，用户基本信息包括但不限于性别、年龄、婚姻状况、职业和学历，每个选择题对应至少两个选项，本发明中的用户基本信息可以包括如下选择题及对应的选项：
资金实力是投资金额，选定至少一个金额节点，金额节点作为阈值，将投资金额分为至少两个区段，每个区段对应一个选项，本发明中的资金实力可以包括如下选择题及对应的选项：
风险偏好包括但不限于“想象一下您现在有一份工作，在这份工作中，您可以选择加薪、升职或者两者都有，您会选择哪一项？”、“资产总是会升值或贬值，专家们经常说您应该为低迷时期做好准备。您的全部投资资产贬值到什么程度时，您会感觉到不安？”、“当你面临一个重要的投资决策时，您更关注的是‘可能的损失’还是‘可能的收益’？”的选择题，上述选择题对应至少两个选项，本发明中的风险偏好可以包括如下选择题及对应的选项：
投资经验包括但不限于“基本没有投资经验”、“投资过保本型金融产品”、“他人指导下投资证券”、“自主投资证券”和“高风险投资”的选择题，上述选择题都有至少两个选项，本发明中投资经验可以包括如下选择题及对应的选项：
流动性偏好包括以一年和两年作为节点的4个时间段，以及随用随取型选项，本发明中流动性偏好可以包括如下选择题及对应的选项：
人口属性包括但不限于户籍地址、通讯地址、所属公司性质、职务、家庭可支配年收入等选择题，上述户籍地址和通讯地址的选择题对应的选项可以是省份或城市的选项，所属公司性质可以是私企、国企、事业单位等选项，职务可以是一般职员、经理、总经理等选项，家庭可支配年收入可以是1000万元以上、500-1000万元、100-500万元、50-100万元、50万元以下等选项。
投资目的包括但不限于“您投资这笔钱的目的是？”的选择题，上述选择题对应至少两个选项。选项可以是资产迅速增长、资产稳健增长、资产保值等选项。
步骤S2，获取用户信息对应的得分：获取预设在数据库中的分值列表，分值列表包含有调查问卷的答案对应的得分，通过分值列表得到用户信息对应的得分。
本步骤中，在获取用户信息对应的得分时，对用户信息的每个答案在分值列表中进行查询，得到每个答案对应的得分，调查问卷的每个选择题对应的每个选项在分值列表中都有一个对应的得分。
分值列表可以预先设置在数据库中，用于随时调取查询，每个选择题对应的每个选项与分值列表的得分可以采用如下对应关系：
步骤S3，获取抗风险能力值：调用预设在数据库中的风险评价模型，将用户信息的得分输入风险评价模型，获取风险评价模型输出的抗风险能力值。
本步骤中的风险评价模型是预先设置在数据库中，风险评价模型对根据调查问卷获得的用户信息对应的得分均配置权重。权重是指调查问卷中某一选择题的选项在某一维度中的重要程度，其不同于一般的比重，体现的不仅仅是某一选项所占的百分比，强调的是用户的答案的相对重要程度，倾向于贡献度或重要性。通过对用户信息进行加权后的得分即为抗风险能力值。
步骤S4，划分阈值范围：将多个用户的抗风险能力值进行汇总，对汇总的抗风险能力值划分出多个阈值范围，每个阈值范围对应一种用户类型。
用户类型包括但不限于保守型、稳健型、成长型、积极型和激进型，每一个用户类型对应一个阈值范围。
在对汇总的抗风险能力值进行划分时，可以通过百分比进行划分，如抗风险能力值从高到低排列，从底到高划分出多个阈值范围，如按15％、20％、30％、20％、15％划分，则100个用户中，抗风险能力值前15个作为保守型用户类型。
在对汇总的抗风险能力值进行划分时，也可以通过固定的数值节点进行划分，如设置1、1.5、2.5、3.5、4.5、5节点，对汇总的抗风险能力值划分出五个阈值范围，分别为1-1.5、1.5-2.5、2.5-3.5、3.5-4.5、4.5-5，五个阈值范围分别对应保守型、稳健型、成长型、积极型和激进型五种用户类型，其中阈值范围为1-1.5时对应保守型用户类型，阈值范围为1.5-2.5时对应稳健型用户类型，阈值范围为2.5-3.5时对应成长型用户类型，阈值范围为3.5-4.5时对应积极型用户类型，阈值范围为4.5-5时对应激进型用户类型。
步骤S5，确定用户类型：根据每个用户的抗风险能力值落在的阈值范围，确定每个用户的用户类型。
根据步骤S4的划分结果，例如采用百分比进行划分时，某一用户的抗风险能力值从低到高排在低25位，则对应的阈值范围是20％的阈值范围，此用户为稳健型用户类型。例如采用固定的数值节点进行划分时，某一用户的抗风险能力值为4.6，则阈值范围是4.5-5，此用户是激进型用户类型。
本实施例采用用户填写的调查文件的答案获得用户的多项用户信息，对用户信息在分值列表中查询到答案对应的得分，通过风险评价模型对所有得分进行加权求和，得到抗风险能力值，汇总所有客户的抗风险能力值后进行划分，划分出多个阈值范围，每个阈值范围对应一种用户类型，某一用户的抗风险能力值落入到哪个阈值范围，就是哪种用户类型。本实施例的整个用户类型划分均以用户提供的信息为基础，结合对权重的应用，得到的用户类型更加可靠准确，为后续给用户提供资产配置方案提供有利数据。
在一个实施例中，风险评价模型，包括：
为七个维度的信息各设置一个维度权重，维度权重之和为1，为调查问卷的每个维度下的选择题设置一个选项权重，同一维度下的选择题的选项权重之和为1；将调查问卷下同一维度下的各选择题的得分，乘上各自对应的选项权重后求和，得出调查问卷每个维度的信息得分；将调查问卷每个维度的信息得分，乘上各自对应的维度权重后求和，得出调查问卷各个维度的总得分，总得分为抗风险能力值。
具体的，抗风险能力值的算法，包括：
其中，R为抗风险能力值，wi为第i维度的权重，Di为第i维度的总得分；
xij为第i维度第j个选择题的选项权重，Pij为第i维度第j个选择题的得分；
抗风险能力值的约束条件为：
表示各个维度权重wi之和应为1；
表示第i个维度下各个选项权重之和为1。
本实施例对步骤S3中的风险评价模型提供了具体的权重设置方法，且给出了必要的约束条件，即各个维度权重之和等于1，每个维度下各个选项权重之和等于1。维度权重和选项权重的具体权重值可以根据具体的选择题的内容进行预先设置，最后加权求和得到的抗风险能力值的取值范围是1-5分，为后续对抗风险能力值划分提供明确的数据。
本发明的用户类型划分方法区别于传统的客户风险类型划分，本发明从七个维度考虑，为客户提供较为全面的调查问卷，特别是客户的基本信息、投资经验、人口属性和资金实力皆为客观因素，基于多客观因素结合风险偏好、流动性偏好和投资目的的主观因素，作为客户信息，代入风险评价模型中，对所有的客户信息进行加权求和，得到的抗风险能力值更加可靠准确。在对客户类型进行划分时，以汇总的所有客户的抗风险能力值进行划分，考虑到了大众用户的普遍情况，因此划分结果精确。
在一个实施例中，提出了一种用户类型划分系统，如图2所示，包括如下单元：
信息获取单元，用于调用预设在数据库中的调查问卷，根据调查问卷获得用户信息，用户信息是用户对于调查问卷的答案；
用户信息得分单元，用于获取预设在数据库中的分值列表，分值列表包含有调查问卷的答案对应的得分，通过分值列表得到用户信息对应的得分；
抗风险能力值获取单元，用于调用预设在数据库中的风险评价模型，将用户信息的得分输入风险评价模型，获取风险评价模型输出的抗风险能力值；
划分阈值范围单元，用于将多个用户的抗风险能力值进行汇总，对汇总的抗风险能力值划分出多个阈值范围，每个阈值范围对应一种用户类型；
确定用户类型单元，用于根据每个用户的抗风险能力值落在的阈值范围，确定用户类型。
在一个实施例中，如图3所示，抗风险能力值获取单元，包括：
权重模块，用于为七个维度的信息各设置一个维度权重，维度权重之和为1，为调查问卷的每个维度下的选择题设置一个选项权重，同一维度下的选择题的选项权重之和为1；
求和模块，用于将调查问卷下同一维度下的各选择题的得分，乘上各自对应的选项权重后求和，得出调查问卷每个维度的信息得分；
抗风险能力值计算模块，用于将调查问卷每个维度的信息得分，乘上各自对应的维度权重后求和，得出调查问卷各个维度的总得分，总得分为抗风险能力值。
在一个实施例中，提出了一种计算机设备，包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行计算机可读指令时实现以下步骤：调用预设在数据库中的调查问卷，根据调查问卷获得用户信息，用户信息是用户对于调查问卷的答案；获取预设在数据库中的分值列表，分值列表包含有调查问卷的答案对应的得分，通过分值列表得到用户信息对应的得分；调用预设在数据库中的风险评价模型，将用户信息的得分输入风险评价模型，获取风险评价模型输出的抗风险能力值；将多个用户的抗风险能力值进行汇总，对汇总的抗风险能力值划分出多个阈值范围，每个阈值范围对应一种用户类型；根据每个用户的抗风险能力值落在的阈值范围，确定每个用户的用户类型。
在一个实施例中，提出了一种存储有计算机可读指令的存储介质，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行以下步骤：调用预设在数据库中的调查问卷，根据调查问卷获得用户信息，用户信息是用户对于调查问卷的答案；获取预设在数据库中的分值列表，分值列表包含有调查问卷的答案对应的得分，通过分值列表得到用户信息对应的得分；调用预设在数据库中的风险评价模型，将用户信息的得分输入风险评价模型，获取风险评价模型输出的抗风险能力值；将多个用户的抗风险能力值进行汇总，对汇总的抗风险能力值划分出多个阈值范围，每个阈值范围对应一种用户类型；根据每个用户的抗风险能力值落在的阈值范围，确定每个用户的用户类型。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种用户类型划分方法，其特征在于，包括：
调用预设在数据库中的调查问卷，根据所述调查问卷获得用户信息，所述用户信息是用户对于所述调查问卷的答案；
获取预设在所述数据库中的分值列表，所述分值列表包含有所述调查问卷的答案对应的得分，通过所述分值列表得到所述用户信息对应的得分；
调用预设在所述数据库中的风险评价模型，将所述用户信息的得分输入所述风险评价模型，获取所述风险评价模型输出的抗风险能力值；
将多个用户的所述抗风险能力值进行汇总，对汇总的所述抗风险能力值划分出多个阈值范围，每个阈值范围对应一种用户类型；
根据每个用户的抗风险能力值落在的所述阈值范围，确定每个所述用户的所述用户类型。
2.根据权利要求1所述的一种用户类型划分方法，其特征在于，所述调用预设在数据库中的调查问卷，根据所述调查问卷获得用户信息，包括：
调用预设在所述数据库中的人机交互界面，所述人机交互界面用于与所述用户进行信息交互，将所述调查问卷呈现于所述人交互界面中，收集所述用户对所述调查问卷的答案，将所述答案设置为所述用户信息，所述调查问卷包括用户基本信息、资金实力、风险偏好、投资经验、流动性偏好，人口属性和投资目的七个维度的信息，所述调查问卷的每个维度包括至少一个选择题，每个选择题包括至少两个选项，所述答案是用户对每个选择题选出的至少一个选项。
3.根据权利要求2所述的一种用户类型划分方法，其特征在于，所述通过所述分值列表得到所述用户信息对应的得分，包括：
对所述用户信息的每个答案在所述分值列表中进行查询，得到每个所述答案对应的得分，所述调查问卷的每个选择题对应的每个选项在所述分值列表中都有一个对应的得分。
4.根据权利要求2所述的一种用户类型划分方法，其特征在于，所述风险评价模型，包括：
为所述七个维度的信息各设置一个维度权重，所述维度权重之和为1，为所述调查问卷的每个维度下的选择题设置一个选项权重，同一维度下的所述选择题的选项权重之和为1；
将所述调查问卷下同一维度下的各所述选择题的得分，乘上各自对应的所述选项权重后求和，得出所述调查问卷每个维度的信息得分；
将所述调查问卷每个维度的信息得分，乘上各自对应的所述维度权重后求和，得出所述调查问卷各个维度的总得分，所述总得分为所述抗风险能力值。
5.根据权利要求4所述的一种用户类型划分方法，其特征在于，所述抗风险能力值的算法，包括：
其中，R为所述抗风险能力值，wi为第i维度的权重，Di为所述第i维度的总得分；
xij为所述第i维度第j个选择题的选项权重，Pij为所述第i维度第j个选择题的得分；
所述抗风险能力值的约束条件为：
表示各个所述维度权重wi之和应为1；
表示所述第i个维度下各个选项权重之和为1。
6.根据权利要求1所述的一种用户类型划分方法，其特征在于，所述对汇总的所述抗风险能力值划分出多个阈值范围，每个阈值范围对应一种用户类型，包括：
对汇总的所述抗风险能力值划分出五个阈值范围，分别为1-1.5、1.5-2.5、2.5-3.5、3.5-4.5、4.5-5；
五个所述阈值范围分别对应保守型、稳健型、成长型、积极型和激进型五种所述用户类型，其中所述阈值范围为1-1.5时对应保守型用户类型，所述阈值范围为1.5-2.5时对应稳健型用户类型，所述阈值范围为2.5-3.5时对应成长型用户类型，所述阈值范围为3.5-4.5时对应积极型用户类型，所述阈值范围为4.5-5时对应激进型用户类型。
7.一种用户类型划分系统，其特征在于，包括：
信息获取单元，用于调用预设在数据库中的调查问卷，根据所述调查问卷获得用户信息，所述用户信息是用户对于所述调查问卷的答案；
用户信息得分单元，用于获取预设在所述数据库中的分值列表，所述分值列表包含有所述调查问卷的答案对应的得分，通过所述分值列表得到所述用户信息对应的得分；
抗风险能力值获取单元，用于调用预设在所述数据库中的风险评价模型，将所述用户信息的得分输入所述风险评价模型，获取所述风险评价模型输出的抗风险能力值；
划分阈值范围单元，用于将多个用户的所述抗风险能力值进行汇总，对汇总的所述抗风险能力值划分出多个阈值范围，每个阈值范围对应一种用户类型；
确定用户类型单元，用于根据每个用户的抗风险能力值落在的所述阈值范围，确定所述用户类型。
8.根据权利要求7所述的一种用户类型划分系统，其特征在于，所述抗风险能力值获取单元，包括：
权重模块，用于为所述七个维度的信息各设置一个维度权重，所述维度权重之和为1，为所述调查问卷的每个维度下的选择题设置一个选项权重，同一维度下的所述选择题的选项权重之和为1；
求和模块，用于将所述调查问卷下同一维度下的各所述选择题的得分，乘上各自对应的所述选项权重后求和，得出所述调查问卷每个维度的信息得分；
抗风险能力值计算模块，用于将所述调查问卷每个维度的信息得分，乘上各自对应的所述维度权重后求和，得出所述调查问卷各个维度的总得分，所述总得分为所述抗风险能力值。
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至6中任一项权利要求所述用户类型划分方法的步骤。
10.一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至6中的任一项权利要求所述用户类型划分方法的步骤。
CN201810977898.6A 2018-08-27 2018-08-27 用户类型划分方法、系统、计算机设备和存储介质 Pending CN109360104A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810977898.6A CN109360104A (zh) 2018-08-27 2018-08-27 用户类型划分方法、系统、计算机设备和存储介质
PCT/CN2018/124595 WO2020042502A1 (zh) 2018-08-27 2018-12-28 用户类型划分方法、系统、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810977898.6A CN109360104A (zh) 2018-08-27 2018-08-27 用户类型划分方法、系统、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN109360104A true CN109360104A (zh) 2019-02-19

Family

ID=65349992

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810977898.6A Pending CN109360104A (zh) 2018-08-27 2018-08-27 用户类型划分方法、系统、计算机设备和存储介质

Country Status (2)

Country Link
CN (1) CN109360104A (zh)
WO (1) WO2020042502A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111652501A (zh) * 2020-05-29 2020-09-11 泰康保险集团股份有限公司 金融产品评估装置及方法、电子设备、存储介质
CN112418580A (zh) * 2019-08-22 2021-02-26 上海哔哩哔哩科技有限公司 一种风险控制方法、计算机设备及可读存储介
CN112767123A (zh) * 2021-01-15 2021-05-07 中国工商银行股份有限公司 信用卡发卡风险识别方法及装置
CN112967438A (zh) * 2021-03-23 2021-06-15 函谷数巢品牌管理(广州)有限公司 网络投票处理方法和装置
CN113450230A (zh) * 2021-07-12 2021-09-28 中国银行股份有限公司 一种理财风险评估方法及装置、存储介质及电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103930918A (zh) * 2011-05-30 2014-07-16 传康证券有限公司 财务管理系统
CN106022924A (zh) * 2016-05-13 2016-10-12 中国建设银行股份有限公司 一种适用于客户风险评估的信息处理方法和系统
CN108022167A (zh) * 2017-11-22 2018-05-11 阿里巴巴集团控股有限公司 风险测评的实现方法和装置
CN108197305A (zh) * 2018-01-30 2018-06-22 深圳壹账通智能科技有限公司 调查问卷测评处理方法、装置、计算机设备和存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040044617A1 (en) * 2002-09-03 2004-03-04 Duojia Lu Methods and systems for enterprise risk auditing and management
CN102236869A (zh) * 2010-04-20 2011-11-09 中国工商银行股份有限公司 一种银行委托资产风险实时监控系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103930918A (zh) * 2011-05-30 2014-07-16 传康证券有限公司 财务管理系统
CN106022924A (zh) * 2016-05-13 2016-10-12 中国建设银行股份有限公司 一种适用于客户风险评估的信息处理方法和系统
CN108022167A (zh) * 2017-11-22 2018-05-11 阿里巴巴集团控股有限公司 风险测评的实现方法和装置
CN108197305A (zh) * 2018-01-30 2018-06-22 深圳壹账通智能科技有限公司 调查问卷测评处理方法、装置、计算机设备和存储介质

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112418580A (zh) * 2019-08-22 2021-02-26 上海哔哩哔哩科技有限公司 一种风险控制方法、计算机设备及可读存储介
CN111652501A (zh) * 2020-05-29 2020-09-11 泰康保险集团股份有限公司 金融产品评估装置及方法、电子设备、存储介质
CN111652501B (zh) * 2020-05-29 2023-05-05 泰康保险集团股份有限公司 金融产品评估装置及方法、电子设备、存储介质
CN112767123A (zh) * 2021-01-15 2021-05-07 中国工商银行股份有限公司 信用卡发卡风险识别方法及装置
CN112767123B (zh) * 2021-01-15 2024-02-02 中国工商银行股份有限公司 信用卡发卡风险识别方法及装置
CN112967438A (zh) * 2021-03-23 2021-06-15 函谷数巢品牌管理(广州)有限公司 网络投票处理方法和装置
CN112967438B (zh) * 2021-03-23 2023-03-21 函谷数巢品牌管理(广州)有限公司 网络投票处理方法和装置
CN113450230A (zh) * 2021-07-12 2021-09-28 中国银行股份有限公司 一种理财风险评估方法及装置、存储介质及电子设备

Also Published As

Publication number Publication date
WO2020042502A1 (zh) 2020-03-05

Similar Documents

Publication Publication Date Title
US10572885B1 (en) Training method, apparatus for loan fraud detection model and computer device
CN109360104A (zh) 用户类型划分方法、系统、计算机设备和存储介质
WO2020029386A1 (zh) 资产配置方法、系统、计算机设备和存储介质
Sharma Indian investor’s perception towards mutual funds
CN108898476A (zh) 一种贷款客户信用评分方法和装置
CN109300039A (zh) 基于人工智能和大数据进行智能产品推荐的方法及系统
CN107133865A (zh) 一种信用分的获取、特征向量值的输出方法及其装置
US6859788B1 (en) Automated assessment of personal financial risk tolerance
US20190130481A1 (en) Entity Segmentation for Analysis of Sensitivities to Potential Disruptions
CN110796539A (zh) 一种征信评估方法及装置
CN110135701A (zh) 控制规则的自动生成方法、装置、电子设备及可读介质
Eddy et al. Credit scoring models: Techniques and issues
Ahn The anatomy of the disposition effect: which factors are most important?
Xu et al. Evaluating default risk and loan performance in UK peer-to-peer lending: Evidence from funding circle
CN107240019A (zh) 评估用户业务偏好方法、用户投资风险偏好方法及装置
US11900475B1 (en) System to automatically categorize
CN116091200A (zh) 基于机器学习的场景授信系统、方法、电子设备及介质
Cucaro Measuring the" health" of Italian SMEs with insolvency prediction models Z'-ScoreM and D-Score: Measuring default index of Italian SMEs
CN114187104A (zh) 交易风险检测方法、装置、计算机设备和存储介质
CN113435748A (zh) 网点状态确定方法、装置、电子设备以及存储介质
CN112926892A (zh) 一种资金匹配方法、装置、电子设备及存储介质
CN113283979A (zh) 一种贷款申请人的贷款信用评估方法、装置及存储介质
CN112862602B (zh) 一种用户请求的确定方法及存储介质、电子装置
CN112419050B (zh) 基于电话通讯网络和社交行为的信用评估方法及装置
Singh et al. Empirical Assessment of How the Impact of Emotional Intelligence and Behavioural Biases Determine the Investment Decisions of Information Technology Professionals

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: 20190219

RJ01 Rejection of invention patent application after publication