CN109636084A - 基于大数据的用户风险类型评估方法、存储介质和设备 - Google Patents

基于大数据的用户风险类型评估方法、存储介质和设备 Download PDF

Info

Publication number
CN109636084A
CN109636084A CN201811232407.1A CN201811232407A CN109636084A CN 109636084 A CN109636084 A CN 109636084A CN 201811232407 A CN201811232407 A CN 201811232407A CN 109636084 A CN109636084 A CN 109636084A
Authority
CN
China
Prior art keywords
risk
target user
user
value
grade
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
CN201811232407.1A
Other languages
English (en)
Inventor
胡雨佳
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 Life Insurance Company of China Ltd
Original Assignee
Ping An Life Insurance Company of China 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 Life Insurance Company of China Ltd filed Critical Ping An Life Insurance Company of China Ltd
Priority to CN201811232407.1A priority Critical patent/CN109636084A/zh
Publication of CN109636084A publication Critical patent/CN109636084A/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
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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

Landscapes

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

Abstract

本发明提供一种基于大数据的用户风险类型评估方法，包括：采集与目标用户的风险承受能力相关联的用户特征信息和第一行为数据；根据所述用户特征信息和第一行为数据，计算所述目标用户的风险承受能力值；将所述目标用户的风险承受能力值与取样用户群中用户的风险承受能力值进行排序，得到排序结果；根据所述目标用户的风险承受能力值对应的排序结果，确定所述目标用户的风险承受能力等级。本发明基于大数据分析的评估方式可显著提高用户风险承受能力等级评估结果的准确性，进而提高用户体验满意度。

Description

基于大数据的用户风险类型评估方法、存储介质和设备
技术领域
本发明涉及计算机技术领域，具体而言，本发明涉及一种基于大数据的用户风险类型评估方法、装置、计算机可读存储介质和计算机设备。
背景技术
随着互联网技术的迅速快展，越来越多人选择在线上处理金融业务，特别是金融产品的选购业务。通常地，在用户买入金融产品之前，相关金融业务平台会评估或获取用户的风险类型，以向用户推荐与其风险类型相匹配的金融产品。
目前，用户风险类型评估通常通过问卷调查的方式实现，其局限性在于，需用户耗费时间完成问卷，用户风险类型评估效率低下，且现有评估方式笼统地将用户的风险类型划分为若干风险等级中的一级，风险类型评估结果无法使用户认清自身的风险承受能力，可能更多地体现用户主观考虑的风险偏好，从而误导用户购置超出其风险承受能力的金融产品，存在评估结果与用户自身实际情况不符的问题，难以保证用户风险类型评估的准确性，用户体验满意度较低。
发明内容
为至少能解决上述的技术缺陷之一，本发明提供了以下技术方案的基于大数据的用户风险类型评估方法及对应的装置、计算机可读存储介质和计算机设备。
本发明的实施例根据一个方面，提供了一种基于大数据的用户风险类型评估方法，包括如下步骤：
采集与目标用户的风险承受能力相关联的用户特征信息和第一行为数据；
根据所述用户特征信息和第一行为数据，计算所述目标用户的风险承受能力值；
将所述目标用户的风险承受能力值与取样用户群中用户的风险承受能力值进行排序，得到排序结果；
根据所述目标用户的风险承受能力值对应的排序结果，确定所述目标用户的风险承受能力等级。
优选地，所述用户风险类型评估方法还包括：
采集与所述目标用户的风险偏好相关联的第二行为数据；
根据所述第二行为数据，计算所述目标用户的风险偏好值；
将所述目标用户的风险偏好值与取样用户群中用户的风险偏好值进行排序，得到排序结果；
根据所述目标用户的风险偏好值对应的排序结果，确定所述目标用户的风险偏好等级。
进一步地，所述根据所述目标用户的风险偏好值对应的排序结果，确定所述目标用户的风险偏好等级之后，还包括：
根据所述风险承受能力等级和所述风险偏好等级，生成所述目标用户的风险类型评估结果；
向所述目标用户反馈所述风险类型评估结果。
优选地，所述根据所述目标用户的风险承受能力值对应的排序结果，确定所述目标用户的风险承受能力等级之后，还包括：
根据所述目标用户的风险承受能力等级，从预置的金融产品库中确定与所述风险承受能力等级匹配的金融产品；
向所述目标用户推荐所述金融产品。
优选地，所述根据所述目标用户的风险偏好值对应的排序结果，确定所述目标用户的风险偏好等级之后，还包括：
从取样用户群中，获取与所述目标用户的所述风险承受能力等级和所述风险偏好等级相同的用户，组成参考用户群；
统计所述参考用户群在预设时间段内购买数量排在最前面的预置数量金融产品；
向所述目标用户推荐所述预置数量金融产品。
优选地，所述根据所述目标用户的风险承受能力值对应的排序结果，确定所述目标用户的风险承受能力等级之后，还包括：
接收所述目标用户发送的目标金融产品的买入请求；
响应于所述买入请求，获取所述目标金融产品对应的预置风险等级；
判断所述预置风险等级是否高于所述风险承受能力等级；
若是，向所述目标用户反馈告警信息。
此外，本发明的实施例根据另一个方面，提供了一种基于大数据的用户风险类型评估装置，包括：
数据采集模块，用于采集与目标用户的风险承受能力相关联的用户特征信息和第一行为数据；
计算模块，用于根据所述用户特征信息和第一行为数据，计算目标用户的风险承受能力值；
排序模块，用于将所述目标用户的风险承受能力值与取样用户群中用户的风险承受能力值进行排序，得到排序结果；
评估模块，用于根据所述目标用户的风险承受能力值对应的排序结果，确定所述目标用户的风险承受能力等级。
优选地，所述的用户风险类型评估装置，还包括：
所述数据采集模块，还用于采集与所述目标用户的风险偏好相关联的第二行为数据；
所述计算模块，还用于根据所述第二行为数据，计算所述目标用户的风险偏好值；
所述排序模块，还用于将所述目标用户的风险偏好值与取样用户群中用户的风险偏好值进行排序，得到排序结果；
所述评估模块，还用于根据所述目标用户的风险偏好值对应的排序结果，确定所述目标用户的风险偏好等级。
本发明的实施例根据又一个方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述的基于大数据的用户风险类型评估方法。
本发明的实施例根据再一个方面，提供了一种计算机设备，所述计算机包括一个或多个处理器；存储器；一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个计算机程序配置用于：执行上述的基于大数据的用户风险类型评估方法。
本发明与现有技术相比，具有以下有益效果：
本发明提供的基于大数据的用户风险类型评估方法、装置、计算机可读存储介质和计算机设备，通过根据用户的用户特征信息和第一行为数据计算该用户的风险承受能力值，而确定用户风险承受能力等级的方式不再仅取决于用户个人数据，而是通过大数据的形式把所述目标用户的风险承受能力值与众多用户的风险承受能力值进行对比，以确定所述目标用户的风险承受能力值在大数据中的排位情况，进而确定目标用户的风险承受能力等级，基于大数据分析的评估方式可显著提高用户风险承受能力等级评估结果的准确性，进而提高用户体验满意度。
此外，本发明提供的基于大数据的用户风险类型评估方法、装置、计算机可读存储介质和计算机设备，还可同样基于大数据分析的评估方式确定目标用户的风险偏好等级，可显著提高用户风险偏好等级评估结果的准确性，进而提高用户体验满意度；还可向目标用户推荐与其风险承受能力等级及风险偏好等级相匹配的、适合其购买的金融产品，有效保证用户对所推荐的金融产品具有较高的兴趣度，进而在提高用户体验满意度的同时提高平台产品推荐转换率。
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明实施例提供的一种基于大数据的用户风险类型评估方法的方法流程图；
图2为本发明实施例提供的另一种基于大数据的用户风险类型评估方法的方法流程图；
图3为本发明实施例提供的基于大数据的用户风险类型评估装置的结构示意图；
图4为本发明实施例提供的计算机设备的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
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、整数、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、整数、步骤、操作、元件、组件和/或它们的组。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
本发明实施例提供了一种基于大数据的用户风险类型评估方法，如图1所示，该方法包括：
步骤S101：采集与目标用户的风险承受能力相关联的用户特征信息和第一行为数据。
对于本实施例，所述目标用户为风险类型待评估的用户。
对于本实施例，所述与目标用户的风险承受能力相关联的用户特征信息包括但不限于：年龄、性别、职业类别、收入来源、薪资状态、年收入、投资金额占比、财务状况(贷款、积蓄)、家庭组成、家庭财务状态、个人不良信用记录。所述用户特征信息可从记录有所述目标用户历史使用数据的网站、应用中直接采集得到，也可根据所述目标用户在所述网站、应用的历史使用数据间接计算采集得到，还可以在目标用户请求评估风险类型时以问卷的方式采集得到。
对于本实施例，所述与目标用户的风险承受能力相关联的第一行为数据为所述目标用户执行可提高其风险承受能力行为所产生的行为数据，所述第一行为数据可体现用户的风险承受能力。具体地，所述可提高风险承受能力行为可以是对金融相关信息的查询、浏览行为，也可以是对金融产品的交易行为。通过对所述第一行为数据进行解析，可了解目标用户的投资知识、证券市场投资经历、亏损应对措施等信息，解析得到的信息可体现所述目标用户的风险承受能力。所述第一行为数据可从记录有目标用户在当前平台历史行为数据的行为日志中采集得到。
步骤S102：根据所述用户特征信息和第一行为数据，计算所述目标用户的风险承受能力值。
对于本实施例，所述风险承受能力值为用于衡量目标用户风险承受能力高低的参数值。所述用户特征信息、第一行为数据与所述风险承受能力值之间预先设置有映射关系，根据所述映射关系，可确定任一用户特征信息和第一行为数据对应的风险承受能力值，通过把各所述用户特征信息和第一行为数据对应的风险承受能力值相加，可计算得到目标用户的风险承受能力值。
例如，当所述用户信息特征包括年龄时，可预先设置青年年龄区间对应的风险承受能力值增量为2，中青年年龄区间对应的风险承受能力值增量为5，中年年龄区间对应的风险承受能力值增量为3，老年年龄区间对应的风险承受能力值减量为2等。
又例如，当采集的第一行为数据包括目标用户对金融资讯的浏览行为数据时，可预先设置资讯浏览频次大于每周2次对应的风险承受能力值增量为2，资讯浏览频次小于每周2次对应的风险承受能力值增量为0等。
其中，所述映射关系可通过映射关系表的形式体现。
步骤S103：将所述目标用户的风险承受能力值与取样用户群中用户的风险承受能力值进行排序，得到排序结果。
对于本实施例，把所述目标用户的风险承受能力值与预置的取样用户群中用户的风险承受能力值进行对比，通过预置的排序算法，如升序排序算法或降序排序算法对所述目标用户和取样用户群中用户的风险能力承受值进行排序，得出排序结果，所述排序结果具体为所述目标用户的风险能力承受值在众多用户的风险能力承受值中的排序序号或排序区间。
其中，所述预置的取样用户群可以是当前平台的有效用户，也可以是在当前平台的评估过风险类型的所有历史用户，还可以是根据预置条件筛选出具有一定用户特征信息和第一行为数据或一定风险承受能力值的用户，本实施例对此不做限定。
步骤S104：根据所述目标用户的风险承受能力值对应的排序结果，确定所述目标用户的风险承受能力等级。
对于本实施例，所述排序序号或排序区间与所述风险承受能力值之间预先设置有映射关系，根据所述映射关系，可确定所述排序序号或排序区间对应的风险承受能力等级，即确定目标用户的风险承受能力等级。其中，所述风险承受能力等级体现不同等级的形式可以有多种，如设置为第一、第二…第五等级，或激进型、平稳型…保守型等形式，本发明对此不做限定。
例如，预先设置风险承受能力值在大数据，即取样用户群中用户的风险承受能力值中排序前10％的对应风险承受能力等级的第一等级，排序在(10％-30％]的对应风险承受能力等级的第二等级，排序在(30％-65％]的对应风险承受能力等级的第三等级，排序在(65％-85％]的对应风险承受能力等级的第四等级，排序在(85％-100％]的对应风险承受能力等级的第五等级。
本实施例提供的基于大数据的用户风险类型评估方法，通过根据用户的用户特征信息和第一行为数据计算该用户的风险承受能力值，而确定用户风险承受能力等级的方式不再仅取决于用户个人数据，而是通过大数据的形式把所述目标用户的风险承受能力值与众多用户的风险承受能力值进行对比，以确定所述目标用户的风险承受能力值在大数据中的排位情况，进而确定目标用户的风险承受能力等级，基于大数据分析的评估方式可显著提高用户风险承受能力等级评估结果的准确性，进而提高用户体验满意度。
在一个实施例中，如图2所示，所述用户风险类型评估方法，还包括：
步骤S201：采集与所述目标用户的风险偏好相关联的第二行为数据。
对于本实施例，所述与目标用户的风险偏好相关联的第二行为数据为所述目标用户在处理金融业务时所产生的可体现其风险偏好的行为数据。具体地，所述第二行为数据可以是目标用户金融产品交易行为中所偏好的金融产品类型，例如偏好货币基金产品或股票产品等。所述第二行为数据可从记录有目标用户在当前平台历史行为数据的行为日志中采集得到。
步骤S202：根据所述第二行为数据，计算所述目标用户的风险偏好值。
对于本实施例，所述风险偏好值为用于衡量目标用户风险偏好高低的参数值，所述风险偏好值越高，表示目标用户偏好处理风险越高的金融业务。所述第二行为数据与所述风险偏好值之间预先设置有映射关系，根据所述第二行为数据与所述风险偏好值之间的映射关系，可确定任一第二行为数据对应的风险偏好值，通过把各所述第二行为数据对应的风险偏好值相加，可计算得到目标用户的风险偏好值。
例如，当采集的第二行为数据包括目标用户的金融产品交易行为数据时，可预先设置若交易笔数最多或交易金额最大的金融产品为股票型基金产品，对应的风险偏好值增量为10，若为货币型基金，则对应的风险偏好值增量为2等。
其中，所述第二行为数据与所述风险偏好值之间的映射关系可通过映射关系表的形式体现。
步骤S203：将所述目标用户的风险偏好值与取样用户群中用户的风险偏好值进行排序，得到排序结果。
对于本实施例，把所述目标用户的风险偏好值与预置的取样用户群中用户的风险偏好值进行对比，通过预置的排序算法，如升序排序算法或降序排序算法对所述目标用户和取样用户群中用户的风险偏好值进行排序，得出排序结果，所述排序结果具体为所述目标用户的风险偏好值在众多用户的风险偏好值中的排序序号或排序区间。
其中，所述预置的取样用户群可以是当前平台的有效用户，也可以是在当前平台的评估过风险类型的所有历史用户，还可以是根据预置条件筛选出具有一定第二行为数据或一定风险偏好值的用户，本实施例对此不做限定。需明确指出是，本实施例所述的取样用户群与上一实施例所述的取样用户群可以是同一用户群，也可以是不同用户群，已可以是两取样用户群中的用户之间存在重复交集，本实施例对此不做限定。
步骤S204：根据所述目标用户的风险偏好值对应的排序结果，确定所述目标用户的风险偏好等级。
对于本实施例，所述排序序号或排序区间与所述风险偏好值之间预先设置有映射关系，根据所述排序序号或排序区间与所述风险偏好值映射关系，可确定所述排序序号或排序区间对应的风险偏好等级，即确定目标用户的风险偏好等级。其中，所述风险偏好等级体现不同等级的形式可以有多种，如设置为第一、第二…第五等级，或激进型、平稳型…保守型等形式，本发明对此不做限定。
例如，预先设置风险偏好值在大数据，即取样用户群中用户的风险偏好值中排序在(10％-25％]的对应风险偏好等级的第一等级，排序在(25％-70％]的对应风险偏好等级的第二等级，排序在(70％-100％]的对应风险偏好等级的第三等级。
在本实施例中，本发明提供的基于大数据的用户风险类型评估方法在确定目标用户的风险承受能力等级之后，可同样依据大数据的实现方式确定目标用户的风险偏好等级。通过根据用户的第二行为数据计算该用户的风险偏好值，而确定用户风险偏好等级的方式不再仅取决于用户个人数据，而是通过大数据的形式把所述目标用户的风险偏好值与众多用户的风险偏好值进行对比，以确定所述目标用户的风险偏好值在大数据中的排位情况，进而确定目标用户的风险偏好等级，基于大数据分析的评估方式可显著提高用户风险偏好等级评估结果的准确性，进而提高用户体验满意度。
在一个实施例中，所述根据所述目标用户的风险偏好值对应的排序结果，确定所述目标用户的风险偏好等级之后，还包括：
根据所述风险承受能力等级和所述风险偏好等级，生成所述目标用户的风险类型评估结果；
向所述目标用户反馈所述风险类型评估结果。
对于本实施例，所输出的风险类型评估结果包括分开展示的目标用户的风险承受能力等级评估结果和风险偏好等级评估结果，以使用户明确区分其风险承受能力及实际投资场景下其投资偏好。
作为一个优选实施例，还可以把所述风险承受能力等级与所述风险偏好等级进行对比，并把对比结果写入所述风险类型评估结果。例如，经评估某用户的风险承受能力等级较低，但其风险偏好等级较为激进，即偏好购买高风险的金融产品，则经对比可得出该用户以当前风险偏好等级进行风险投资容易超出其风险承受能力的对比结果。通过向用户展示所述风险类型评估结果可使用户明确其在风险投资中可能存在的风险问题，进而提高用户体验满意度。
在本实施例中，所述风险类型评估结果避免将用户的风险承受能力和风险偏好混为一谈，使得用户可明确区分其风险承受能力及实际投资场景下其投资偏好，从而避免误导用户购置超出其风险承受能力的金融产品，显著提高了用户体验满意度。
在一个实施例中，所述根据所述目标用户的风险承受能力值对应的排序结果，确定所述目标用户的风险承受能力等级之后，还包括：
根据所述目标用户的风险承受能力等级，从预置的金融产品库中确定与所述风险承受能力等级匹配的金融产品；
向所述目标用户推荐所述金融产品。
对于本实施例，所述预置的金融产品库中包含多个待推荐的金融产品。而不同类型的金融产品具有不同的风险等级，如货币基金属投资低风险、债券型基金属投资中低风险、股票型基金属中高风险等。为此，不同的风险承受能力等级预先设置有对应风险等级的金融产品，可向目标用户推荐与其风险承受能力等级相匹配的、适合其购买的金融产品，有效提高用户对所推荐的金融产品的兴趣度，进而在提高用户体验满意度的同时提高平台产品推荐转换率。
在一个实施例中，所述根据所述目标用户的风险偏好值对应的排序结果，确定所述目标用户的风险偏好等级之后，还包括：
从取样用户群中，获取与所述目标用户的所述风险承受能力等级和所述风险偏好等级相同的用户，组成参考用户群；
统计所述参考用户群在预设时间段内购买数量排在最前面的预置数量金融产品；
向所述目标用户推荐所述预置数量金融产品。
对于本实施例，所述参考用户群由取样用户群中与所述目标用户的所述风险承受能力等级和所述风险偏好等级相同的用户组成。
在实际应用场景中，对于所述风险承受能力等级和所述风险偏好等级相同的用户，与其匹配、适合其购买的金融产品理应为同一风险类型的金融产品，所述参考用户群中多数用户均购买的金融产品通常亦与参考用户群中的其他用户匹配，适合所述参考用户群中的其他用户购买，故通过统计所述参考用户群在预设时间段内购买数量排在最前面的预置数量金融产品，可确定所述参考用户群中最受欢迎的预置数量金融产品，随后向所述目标用户推荐与其风险承受能力等级、风险偏好等级均相匹配的、适合其购买的预置数量金融产品。其中，所述预设时间段可以是三天、一周、一个月等预先设定的时间长度，所述预置数量可以是一个或多个，本技术领域的技术人员可根据实际应用需求确定或调整所述预设时间段和所述预置数量的具体数值，本实施例对此不做限定。
在本实施例中，通过构建参考用户群并分析参考用户群中用户的金融产品购买数据来确定待推荐金融产品，可向目标用户推荐与其风险承受能力等级及风险偏好等级相匹配的、适合其购买的金融产品，可有效保证用户对所推荐的金融产品具有较高的兴趣度，进而在提高用户体验满意度的同时提高平台产品推荐转换率。
在一个实施例中，所述根据所述目标用户的风险承受能力值对应的排序结果，确定所述目标用户的风险承受能力等级之后，还包括：
接收所述目标用户发送的目标金融产品的买入请求；
响应于所述买入请求，获取所述目标金融产品对应的预置风险等级；
判断所述预置风险等级是否高于所述风险承受能力等级；
若是，向所述目标用户反馈告警信息。
对于本实施例，所述目标金融产品为所述目标用户欲买入的金融产品。不同类型的金融产品具有不同的风险等级，如货币基金属投资低风险、债券型基金属投资中低风险、股票型基金属中高风险等，故在接收到目标用户发送的所述买入请求之后，响应于所述买入请求，获取所述目标金融产品的预置风险等级，以确定所述目标金融产品是否与目标用户的风险承受能力等级相匹配，适合所述目标用户购买。具体地，判断所述预置风险等级是否高于所述目标用户的风险承受能力等级，若所述预置风险等级高于目标用户的风险承受能力等级，则向目标用户反馈告警信息，其中，所述告警信息用于提示目标用户所述目标金融产品与其风险承受能力等级不匹配，提醒目标用户谨慎交易。
在本实施例中，通过根据目标用户的风险承受能力等级判断目标用户欲买入的目标金融产品的预置风险等级是否超出其风险承受能力范围，可提醒目标用户避免买入与其风险承受能力等级不相匹配的、不适合其购买的金融产品，可进一步提高用户体验满意度。
此外，本发明实施例提供了一种基于大数据的用户风险类型评估装置，如图3所示，所述用户风险类型评估装置包括：所述数据采集模块31、所述计算模块32、所述排序模块33和所述评估模块34；其中，
所述数据采集模块31，用于采集与目标用户的风险承受能力相关联的用户特征信息和第一行为数据；
所述计算模块32，用于根据所述用户特征信息和第一行为数据，计算目标用户的风险承受能力值；
所述排序模块33，用于将所述目标用户的风险承受能力值与取样用户群中用户的风险承受能力值进行排序，得到排序结果；
所述评估模块34，用于根据所述目标用户的风险承受能力值对应的排序结果，确定所述目标用户的风险承受能力等级。
在一个实施例中，所述数据采集模块，还用于采集与所述目标用户的风险偏好相关联的第二行为数据；
所述计算模块，还用于根据所述第二行为数据，计算所述目标用户的风险偏好值；
所述排序模块，还用于将所述目标用户的风险偏好值与取样用户群中用户的风险偏好值进行排序，得到排序结果；
所述评估模块，还用于根据所述目标用户的风险偏好值对应的排序结果，确定所述目标用户的风险偏好等级。
在一个实施例中，所述根据所述目标用户的风险偏好值对应的排序结果，确定所述目标用户的风险偏好等级之后，还包括：
根据所述风险承受能力等级和所述风险偏好等级，生成所述目标用户的风险类型评估结果；
向所述目标用户反馈所述风险类型评估结果。
在一个实施例中，所述根据所述目标用户的风险承受能力值对应的排序结果，确定所述目标用户的风险承受能力等级之后，还包括：
根据所述目标用户的风险承受能力等级，从预置的金融产品库中确定与所述风险承受能力等级匹配的金融产品；
向所述目标用户推荐所述金融产品。
在一个实施例中，所述根据所述目标用户的风险偏好值对应的排序结果，确定所述目标用户的风险偏好等级之后，还包括：
从取样用户群中，获取与所述目标用户的所述风险承受能力等级和所述风险偏好等级相同的用户，组成参考用户群；
统计所述参考用户群在预设时间段内购买数量排在最前面的预置数量金融产品；
向所述目标用户推荐所述预置数量金融产品。
在一个实施例中，所述根据所述目标用户的风险承受能力值对应的排序结果，确定所述目标用户的风险承受能力等级之后，还包括：
接收所述目标用户发送的目标金融产品的买入请求；
响应于所述买入请求，获取所述目标金融产品对应的预置风险等级；
判断所述预置风险等级是否高于所述风险承受能力等级；
若是，向所述目标用户反馈告警信息。
本发明提供的基于大数据的用户风险类型评估装置可实现：通过根据用户的用户特征信息和第一行为数据计算该用户的风险承受能力值，而确定用户风险承受能力等级的方式不再仅取决于用户个人数据，而是通过大数据的形式把所述目标用户的风险承受能力值与众多用户的风险承受能力值进行对比，以确定所述目标用户的风险承受能力值在大数据中的排位情况，进而确定目标用户的风险承受能力等级，基于大数据分析的评估方式可显著提高用户风险承受能力等级评估结果的准确性，进而提高用户体验满意度；还可实现：还可同样基于大数据分析的评估方式确定目标用户的风险偏好等级，可显著提高用户风险偏好等级评估结果的准确性，进而提高用户体验满意度；还可向目标用户推荐与其风险承受能力等级及风险偏好等级相匹配的、适合其购买的金融产品，有效保证用户对所推荐的金融产品具有较高的兴趣度，进而在提高用户体验满意度的同时提高平台产品推荐转换率。
本发明实施例提供的基于大数据的用户风险类型评估装置可以实现上述提供的方法实施例，具体功能实现请参见方法实施例中的说明，在此不再赘述。
此外，本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现以上实施例所述的基于大数据的用户风险类型评估方法。其中，所述计算机可读存储介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、ROM(Read-Only Memory，只读存储器)、RAM(RandomAcceSS Memory，随即存储器)、EPROM(EraSable Programmable Read-Only Memory，可擦写可编程只读存储器)、EEPROM(Electrically EraSable Programmable Read-Only Memory，电可擦可编程只读存储器)、闪存、磁性卡片或光线卡片。也就是，存储设备包括由设备(例如，计算机、手机)以能够读的形式存储或传输信息的任何介质，可以是只读存储器，磁盘或光盘等。
本发明提供的计算机可读存储介质，可实现：通过根据用户的用户特征信息和第一行为数据计算该用户的风险承受能力值，而确定用户风险承受能力等级的方式不再仅取决于用户个人数据，而是通过大数据的形式把所述目标用户的风险承受能力值与众多用户的风险承受能力值进行对比，以确定所述目标用户的风险承受能力值在大数据中的排位情况，进而确定目标用户的风险承受能力等级，基于大数据分析的评估方式可显著提高用户风险承受能力等级评估结果的准确性，进而提高用户体验满意度；还可实现：还可同样基于大数据分析的评估方式确定目标用户的风险偏好等级，可显著提高用户风险偏好等级评估结果的准确性，进而提高用户体验满意度；还可向目标用户推荐与其风险承受能力等级及风险偏好等级相匹配的、适合其购买的金融产品，有效保证用户对所推荐的金融产品具有较高的兴趣度，进而在提高用户体验满意度的同时提高平台产品推荐转换率。
本发明实施例提供的计算机可读存储介质可以实现上述提供的方法实施例，具体功能实现请参见方法实施例中的说明，在此不再赘述。
此外，本发明实施例还提供了一种计算机设备，如图4所示。本实施例所述的计算机设备可以是服务器、个人计算机以及网络设备等设备。所述计算机设备包括处理器402、存储器403、输入单元404以及显示单元405等器件。本领域技术人员可以理解，图4示出的设备结构器件并不构成对所有设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件。存储器403可用于存储计算机程序401以及各功能模块，处理器402运行存储在存储器403的计算机程序401，从而执行设备的各种功能应用以及数据处理。存储器可以是内存储器或外存储器，或者包括内存储器和外存储器两者。内存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)、快闪存储器、或者随机存储器。外存储器可以包括硬盘、软盘、ZIP盘、U盘、磁带等。本发明所公开的存储器包括但不限于这些类型的存储器。本发明所公开的存储器只作为例子而非作为限定。
输入单元404用于接收信号的输入，以及接收用户输入的关键字。输入单元404可包括触控面板以及其它输入设备。触控面板可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作)，并根据预先设定的程序驱动相应的连接装置；其它输入设备可以包括但不限于物理键盘、功能键(比如播放控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。显示单元405可用于显示用户输入的信息或提供给用户的信息以及计算机设备的各种菜单。显示单元405可采用液晶显示器、有机发光二极管等形式。处理器402是计算机设备的控制中心，利用各种接口和线路连接整个电脑的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器内的数据，执行各种功能和处理数据。
作为一个实施例，所述计算机设备包括：一个或多个处理器402，存储器403，一个或多个计算机程序401，其中所述一个或多个计算机程序401被存储在存储器403中并被配置为由所述一个或多个处理器402执行，所述一个或多个计算机程序401配置用于执行以上任一实施例所述的基于大数据的用户风险类型评估方法。
本发明提供的计算机设备，可实现：通过根据用户的用户特征信息和第一行为数据计算该用户的风险承受能力值，而确定用户风险承受能力等级的方式不再仅取决于用户个人数据，而是通过大数据的形式把所述目标用户的风险承受能力值与众多用户的风险承受能力值进行对比，以确定所述目标用户的风险承受能力值在大数据中的排位情况，进而确定目标用户的风险承受能力等级，基于大数据分析的评估方式可显著提高用户风险承受能力等级评估结果的准确性，进而提高用户体验满意度；还可实现：还可同样基于大数据分析的评估方式确定目标用户的风险偏好等级，可显著提高用户风险偏好等级评估结果的准确性，进而提高用户体验满意度；还可向目标用户推荐与其风险承受能力等级及风险偏好等级相匹配的、适合其购买的金融产品，有效保证用户对所推荐的金融产品具有较高的兴趣度，进而在提高用户体验满意度的同时提高平台产品推荐转换率。
本发明实施例提供的计算机设备可以实现上述提供的方法实施例，具体功能实现请参见方法实施例中的说明，在此不再赘述。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种基于大数据的用户风险类型评估方法，其特征在于，包括如下步骤：
采集与目标用户的风险承受能力相关联的用户特征信息和第一行为数据；
根据所述用户特征信息和第一行为数据，计算所述目标用户的风险承受能力值；
将所述目标用户的风险承受能力值与取样用户群中用户的风险承受能力值进行排序，得到排序结果；
根据所述目标用户的风险承受能力值对应的排序结果，确定所述目标用户的风险承受能力等级。
2.根据权利要求1所述的用户风险类型评估方法，其特征在于，还包括：
采集与所述目标用户的风险偏好相关联的第二行为数据；
根据所述第二行为数据，计算所述目标用户的风险偏好值；
将所述目标用户的风险偏好值与取样用户群中用户的风险偏好值进行排序，得到排序结果；
根据所述目标用户的风险偏好值对应的排序结果，确定所述目标用户的风险偏好等级。
3.根据权利要求2所述的用户风险类型评估方法，其特征在于，所述根据所述目标用户的风险偏好值对应的排序结果，确定所述目标用户的风险偏好等级之后，还包括：
根据所述风险承受能力等级和所述风险偏好等级，生成所述目标用户的风险类型评估结果；
向所述目标用户反馈所述风险类型评估结果。
4.根据权利要求1所述的用户风险类型评估方法，其特征在于，所述根据所述目标用户的风险承受能力值对应的排序结果，确定所述目标用户的风险承受能力等级之后，还包括：
根据所述目标用户的风险承受能力等级，从预置的金融产品库中确定与所述风险承受能力等级匹配的金融产品；
向所述目标用户推荐所述金融产品。
5.根据权利要求2所述的用户风险类型评估方法，其特征在于，所述根据所述目标用户的风险偏好值对应的排序结果，确定所述目标用户的风险偏好等级之后，还包括：
从取样用户群中，获取与所述目标用户的所述风险承受能力等级和所述风险偏好等级相同的用户，组成参考用户群；
统计所述参考用户群在预设时间段内购买数量排在最前面的预置数量金融产品；
向所述目标用户推荐所述预置数量金融产品。
6.根据权利要求1所述的用户风险类型评估方法，其特征在于，所述根据所述目标用户的风险承受能力值对应的排序结果，确定所述目标用户的风险承受能力等级之后，还包括：
接收所述目标用户发送的目标金融产品的买入请求；
响应于所述买入请求，获取所述目标金融产品对应的预置风险等级；
判断所述预置风险等级是否高于所述风险承受能力等级；
若是，向所述目标用户反馈告警信息。
7.一种基于大数据的用户风险类型评估装置，其特征在于，包括：
数据采集模块，用于采集与目标用户的风险承受能力相关联的用户特征信息和第一行为数据；
计算模块，用于根据所述用户特征信息和第一行为数据，计算目标用户的风险承受能力值；
排序模块，用于将所述目标用户的风险承受能力值与取样用户群中用户的风险承受能力值进行排序，得到排序结果；
评估模块，用于根据所述目标用户的风险承受能力值对应的排序结果，确定所述目标用户的风险承受能力等级。
8.根据权利要求7所述的用户风险类型评估装置，其特征在于，包括：
所述数据采集模块，还用于采集与所述目标用户的风险偏好相关联的第二行为数据；
所述计算模块，还用于根据所述第二行为数据，计算所述目标用户的风险偏好值；
所述排序模块，还用于将所述目标用户的风险偏好值与取样用户群中用户的风险偏好值进行排序，得到排序结果；
所述评估模块，还用于根据所述目标用户的风险偏好值对应的排序结果，确定所述目标用户的风险偏好等级。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至6任一项所述的基于大数据的用户风险类型评估方法。
10.一种计算机设备，其特征在于，其包括：
一个或多个处理器；
存储器；
一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个计算机程序配置用于：执行根据权利要求1至6任一项所述的基于大数据的用户风险类型评估方法。
CN201811232407.1A 2018-10-22 2018-10-22 基于大数据的用户风险类型评估方法、存储介质和设备 Pending CN109636084A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811232407.1A CN109636084A (zh) 2018-10-22 2018-10-22 基于大数据的用户风险类型评估方法、存储介质和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811232407.1A CN109636084A (zh) 2018-10-22 2018-10-22 基于大数据的用户风险类型评估方法、存储介质和设备

Publications (1)

Publication Number Publication Date
CN109636084A true CN109636084A (zh) 2019-04-16

Family

ID=66066542

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811232407.1A Pending CN109636084A (zh) 2018-10-22 2018-10-22 基于大数据的用户风险类型评估方法、存储介质和设备

Country Status (1)

Country Link
CN (1) CN109636084A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110119988A (zh) * 2019-04-19 2019-08-13 深圳壹账通智能科技有限公司 基于决策树模型的产品交易方法、装置和计算机设备
CN110400080A (zh) * 2019-07-26 2019-11-01 浙江大搜车软件技术有限公司 考核数据监控方法、装置、计算机设备和存储介质
CN111626634A (zh) * 2020-06-04 2020-09-04 中国银行股份有限公司 一种用户行为跟踪方法及装置
CN113436023A (zh) * 2021-07-06 2021-09-24 中国银行股份有限公司 基于区块链的理财产品推荐方法及装置
CN113628748A (zh) * 2021-08-16 2021-11-09 未鲲(上海)科技服务有限公司 用户风险承受倾向的评估方法、装置、设备及存储介质
CN117057809A (zh) * 2023-10-12 2023-11-14 四川钱坤云智能科技有限公司 一种用户行为分析方法、系统、电子设备及介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110119988A (zh) * 2019-04-19 2019-08-13 深圳壹账通智能科技有限公司 基于决策树模型的产品交易方法、装置和计算机设备
CN110400080A (zh) * 2019-07-26 2019-11-01 浙江大搜车软件技术有限公司 考核数据监控方法、装置、计算机设备和存储介质
CN111626634A (zh) * 2020-06-04 2020-09-04 中国银行股份有限公司 一种用户行为跟踪方法及装置
CN113436023A (zh) * 2021-07-06 2021-09-24 中国银行股份有限公司 基于区块链的理财产品推荐方法及装置
CN113628748A (zh) * 2021-08-16 2021-11-09 未鲲(上海)科技服务有限公司 用户风险承受倾向的评估方法、装置、设备及存储介质
CN117057809A (zh) * 2023-10-12 2023-11-14 四川钱坤云智能科技有限公司 一种用户行为分析方法、系统、电子设备及介质

Similar Documents

Publication Publication Date Title
CN109636084A (zh) 基于大数据的用户风险类型评估方法、存储介质和设备
Patton et al. On the high‐frequency dynamics of hedge fund risk exposures
CN106485562B (zh) 一种基于用户历史行为的商品信息推荐方法及系统
Sherrick et al. Crop insurance valuation under alternative yield distributions
Kabir et al. Impact of IFRS in New Zealand on accounts and earnings quality
CN109615487A (zh) 基于用户行为的产品推荐方法、装置、设备及存储介质
CN106056407A (zh) 基于用户行为分析的网银用户画像方法及设备
Wei et al. Twitter volume spikes and stock options pricing
EP2022003A2 (en) Consolidation, sharing and analysis of investment information
WO2009126666A1 (en) Systems and methods for ranking investors and rating investment positions
CN107093120A (zh) 服务策略推送方法和装置
CN108764705A (zh) 一种数据质量评估平台以及方法
CN107437227A (zh) 股票投资分析装置与方法
Fabling et al. Export performance, invoice currency and heterogeneous exchange rate pass‐through
Gautier et al. Shocks versus menu costs: Patterns of price rigidity in an estimated multisector menu-cost model
Gallagher et al. Quality investing in an Australian context
CN115375177A (zh) 用户价值评估方法、装置、电子设备及存储介质
CN108805580A (zh) 帐号分析方法、装置及存储介质
CN110019774A (zh) 标签分配方法、装置、存储介质及电子装置
CN114896506A (zh) 产品推荐方法、装置、设备及存储介质
US7783547B1 (en) System and method for determining hedge strategy stock market forecasts
KR20210003421A (ko) 사용자 선호를 반영한 게시글 정렬방법 및 사용자 선호 게시글 우선노출서버
Zareian Voluntary disclosure of information and stock returns
CN102507859B (zh) 一种用于确定产品中的物质含量的方法及装置
Purohit Measurement of regulations of the agricultural produce markets: an application to Indian states

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