CN110046779A - 一种数据处理方法及装置、一种计算设备及存储介质 - Google Patents

一种数据处理方法及装置、一种计算设备及存储介质 Download PDF

Info

Publication number
CN110046779A
CN110046779A CN201811294353.1A CN201811294353A CN110046779A CN 110046779 A CN110046779 A CN 110046779A CN 201811294353 A CN201811294353 A CN 201811294353A CN 110046779 A CN110046779 A CN 110046779A
Authority
CN
China
Prior art keywords
group
adjustment
initial policy
quantile
strategy
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.)
Granted
Application number
CN201811294353.1A
Other languages
English (en)
Other versions
CN110046779B (zh
Inventor
吴星
金宏
王维强
赵闻飙
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.)
Advanced New Technologies Co Ltd
Advantageous New Technologies Co Ltd
Original Assignee
Alibaba Group Holding 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 Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201811294353.1A priority Critical patent/CN110046779B/zh
Publication of CN110046779A publication Critical patent/CN110046779A/zh
Application granted granted Critical
Publication of CN110046779B publication Critical patent/CN110046779B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0635Risk analysis of enterprise or organisation activities

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本申请提供的一种数据处理方法及装置、一种计算设备及存储介质,其中,所述方法包括根据新增业务的属性信息确定至少两个初始策略组,其中,每个所述初始策略组包括至少一个初始变量;基于所述初始策略组对所述新增业务的交易量进行稽核,并统计稽核量;若所述稽核量大于预设阈值,则根据预设策略评价标准确定所述初始策略组中的至少一个待调整初始变量;根据预设算法对所述初始策略组中的至少一个待调整初始变量进行调整,形成调整后策略组。

Description

一种数据处理方法及装置、一种计算设备及存储介质
技术领域
本申请涉及计算机数据处理技术领域,特别涉及一种数据处理方法及装置、一种计算设备及存储介质。
背景技术
当新站点或新业务上线时,尤其是在国际场景,案件标签的返回通常会有一个比较长的周期,如何解决冷启动阶段的风控问题,是一件非常有价值但又极具挑战的事情。
业内应对这类问题,通常是基于其它成熟站点和业务,配置一套初始的风控策略,然后基于人工调整策略阈值的方式来解决冷启动阶段的风控应对问题。人工策略调整,其主要流程是:发现初始策略打扰率异常时,分析异常原因,凭借专家经验调整策略阈值,离线数据评估后,线上配置策略,试运行评估后,如果结果符合预期,策略发布上线,对打扰量级进行修正。人工策略调整虽然可以有效调整策略的打扰率目标,但这种方式的缺点也非常明显:需要大量人力投入,同时比较依赖人工经验,而且调整策略后,还需要人工离线获取数据进行分析与评估,才能产生最终的调整策略,比较耗费时间,工作效率低。
发明内容
有鉴于此,本说明书实施例提供了一种数据处理方法及装置、一种计算设备及存储介质,以解决现有技术中存在的技术缺陷。
第一方面,本说明书实施例公开了一种数据处理方法,包括:
根据新增业务的属性信息确定至少两个初始策略组,其中,每个所述初始策略组包括至少一个初始变量;
基于所述初始策略组对所述新增业务的交易量进行稽核,并统计稽核量;
若所述稽核量大于预设阈值,则根据预设策略评价标准确定所述初始策略组中的至少一个待调整初始变量;
根据预设算法对所述初始策略组中的至少一个待调整初始变量进行调整,形成调整后策略组。
第二方面,本说明书实施例公开了一种数据处理装置,包括:
第一确定模块,被配置为根据新增业务的属性信息确定至少两个初始策略组,其中,每个所述初始策略组包括至少一个初始变量;
稽核统计模块,被配置为基于所述初始策略组对所述新增业务的交易量进行稽核,并统计稽核量;
第二确定模块,被配置为若所述稽核量大于预设阈值,则根据预设策略评价标准确定所述初始策略组中的至少一个待调整初始变量;
调整模块,被配置为根据预设算法对所述初始策略组中的至少一个待调整初始变量进行调整,形成调整后策略组。
第三方面,本说明书实施例公开了一种计算设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令,所述处理器执行所述指令时实现该指令被处理器执行时实现如上所述数据处理方法的步骤。
第四方面,本说明书实施例公开了一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现如上所述数据处理方法的步骤。
本申请提供的一种数据处理方法及装置、一种计算设备及存储介质,其中,所述方法包括根据新增业务的属性信息确定至少两个初始策略组,其中,每个所述初始策略组包括至少一个初始变量;基于所述初始策略组对所述新增业务的交易量进行稽核,并统计稽核量;若所述稽核量大于预设阈值,则根据预设策略评价标准确定所述初始策略组中的至少一个待调整初始变量;根据预设算法对所述初始策略组中的至少一个待调整初始变量进行调整,形成调整后策略组。
附图说明
图1是本说明书一个或多个实施例提供的一种计算设备的结构框图;
图2是本说明书一个或多个实施例提供的一种数据处理方法的流程图;
图3是本说明书一个或多个实施例提供的一种数据处理方法的流程图;
图4是本说明书一个或多个实施例提供的一种数据处理方法的流程图;
图5是本说明书一个或多个实施例提供的一种数据处理方法的流程图;
图6是本说明书一个或多个实施例提供的一种数据处理方法的流程图;
图7是本说明书一个或多个实施例提供的一种数据处理装置的结构示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书一个或多个实施例范围的情况下,第一也可以被称为第二,类似地,第二也可以被称为第一。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
首先,对本发明一个或多个实施例涉及的名词术语进行解释。
AlphaRisk:一套基于风险数据的智能风控平台,通过不断的自适应学习去更新替代人工调整的工作。AlphaRisk是支付系统第五代智能风控系统,它主要包括感知中心,AIDetect,AutoPilot和保障中心四个大的模块,通过利用人工智能技术对各个模块进行能力建设和能力升级。在本说明书一个或多个实施例中,所述数据处理方法及装置均可以应用于AlphaRisk,该数据处理方法及装置属于AlphaRisk的AI Detect模块,是AlphaRisk的一个重要组成部分。
Grid Search算法:是一种搜索算法,在所有候选的参数选择中,通过循环遍历,尝试每一种可能性,表现最好的参数就是最终的结果,其原理就可以看做是在数组中找最大值。以有两个变量的策略调整为例,一个变量对应的阈值a有3种可能,另一个变量的阈值b有4种可能,把所有可能性列出来,可以表示成一个3*4的表格,其中每个cell就是一个网格,循环遍历过程可以看做是在每个网格里遍历、搜索,这种技术称之为Grid Search算法。
RQS:风险分位数评分(Risk Quantile Score)。
新站点:表示在某个国家或地区开展相同或类似的业务。
在本申请中,提供了一种数据处理方法及装置、一种计算设备及存储介质,在下面的实施例中逐一进行详细说明。
图1是示出了根据本说明书一实施例的计算设备100的结构框图。该计算设备100的部件包括但不限于存储器110和处理器120。处理器120与存储器110通过总线130相连接,数据库150用于保存数据。
计算设备100还包括接入设备140,接入设备140使得计算设备100能够经由一个或多个网络160通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备140可以包括有线或无线的任何类型的网络接口(例如,网络接口卡(NIC))中的一个或多个,诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口,等等。
在本说明书的一个实施例中,计算设备100的上述以及图1中未示出的其他部件也可以彼此相连接,例如通过总线。应当理解,图1所示的计算设备结构框图仅仅是出于示例的目的,而不是对本说明书范围的限制。本领域技术人员可以根据需要,增添或替换其他部件。
计算设备100可以是任何类型的静止或移动计算设备,包括移动计算机或移动计算设备(例如,平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如,智能手机)、可佩戴的计算设备(例如,智能手表、智能眼镜等)或其他类型的移动设备,或者诸如台式计算机或PC的静止计算设备。计算设备100还可以是移动式或静止式的服务器。
其中,处理器120可以执行图2所示方法中的步骤。图2是示出了根据本说明书一实施例的数据处理方法的示意性流程图,包括步骤202至步骤208。
步骤202:根据新增业务的属性信息确定至少两个初始策略组,其中,每个所述初始策略组包括至少一个初始变量。
本说明书一个或多个实施例中,所述新增业务包括新业务或新站点,例如针对金融支付系统的新业务或者新站点等。
所述新增业务的属性信息包括所述新增业务的功能以及其他描述信息等。
所述初始策略组可以是根据专家经验设置,也可以是把其它站点或业务的策略借鉴过来使用,另外,每个所述初始策略组均包括一条或一条以上初始策略,每条初始策略均包括一个或一个以上初始变量。
例如某个初始策略组包括一条策略:金额大于200并且注册天数大于30,其中,金额以及注册天数则为所述初始策略组的两个变量。
本说明书一个或多个实施例中,根据所述新增业务的属性信息确定的初始策略组的个数以及每个初始策略组的变量根据实际需求进行设置,本申请对此不作任何限定。
步骤204:基于所述初始策略组对所述新增业务的交易量进行稽核,并统计稽核量。
本说明书一个或多个实施例中,稽核的意思为查对核算,基于所述初始策略组对所述新增业务的交易量进行稽核即为所述新增业务的交易中有多少交易笔数满足所述初始策略组的条件。
例如所述新增业务的交易量为1000,所述初始策略组包括金额大于300,其中,所述新增业务的交易量为1000中有120条交易的金额大于300,则基于该初始策略组对所述新增业务的交易量进行稽核,并统计的稽核量为120。
实际应用中,会有多个初始策略组,然后基于每组初始策略组分别对所述新增业务的交易量进行稽核,并统计稽核量。
步骤206:若所述稽核量大于预设阈值,则根据预设策略评价标准确定所述初始策略组中的至少一个待调整初始变量。
本说明书一个或多个实施例中,所述预设阈值可以根据实际需求进行设置,例如设置为100、200或者300等。
可以根据专家经验判断或者是通过现有的预警模型判断所述稽核量大于预设阈值。例如正常的情况下,初始策略组预设阈值为:每天稽核100笔交易,若某天稽核了1000笔交易,则所述稽核量大于预设阈值即这天的稽核量出现异常。
在所述稽核量出现异常的情况下,需要根据预设策略评价标准确定所述初始策略组中的至少一个待调整初始变量。
本说明书一个或多个实施例中,所述预设策略评价标准包括打扰率和风险分位数评分。
参见图3,在所述预设策略评价标准包括打扰率和风险分位数评分的情况下,根据预设策略评价标准确定所述初始策略组中的至少一个待调整初始变量包括步骤302至步骤306。
步骤302:根据所述新增业务的交易确定所述初始策略组的打扰率。
本说明书一个或多个实施例中,根据所述新增业务的交易量确定所述初始策略组的打扰率包括:
确定所述新增业务的交易量被所述初始策略组的命中交易笔数;
基于所述命中交易笔数除以所述新增业务的交易量获得所述初始策略组的打扰率。
本说明书一个或多个实施例中,所述初始策略组的打扰率可通过离线判断每笔交易是不是被所述初始策略组命中,命中的笔数除以当天的交易量即为打扰率。
例如,所述新增业务的交易量为1000笔,所述初始策略组的命中交易笔数为100笔,则基于所述命中交易笔数除以所述新增业务的交易量获得所述初始策略组的打扰率为10%。
步骤304:根据所述稽核量确定所述初始策略组的风险分位数评分。
本说明书一个或多个实施例中,根据所述稽核量确定所述初始策略组的风险分位数评分包括:
获取所述稽核量N和所述初始策略组中所有的变量n;
基于所述稽核量N和所述初始策略组中所有的变量n通过风险分位数评分公式确定所述初始策略组的风险分位数评分,其中,所述风险分位数评分公式为:
其中,p表示分位数,w表示权重,I表示示性函数。
本说明书一个或多个实施例中,基于风险分位数评分的方案还可以包括:对风险分位数评分(RQS)加、减、乘、除某一常数或者采用其它等价于风险分位数评分(RQS),如对RQS进行改造和变形。
本说明书一个或多个实施例中,风险分位数评分衡量的是初始策略组稽核的交易的平均风险程度,因此,风险分位数评分越大,代表初始策略组的效能越好。
步骤306:基于所述打扰率或者所述风险分位数评分确定所述初始策略组中的至少一个待调整初始变量。
本说明书一个或多个实施例中,基于所述打扰率或者所述风险分位数评分确定所述初始策略组中的至少一个待调整初始变量包括:
基于所述打扰率或者所述风险分位数评分确定满足第一预设条件的待调整初始策略组;
基于所述打扰率或者所述风险分位数评分确定满足第一预设条件的待调整初始策略组中的满足第二预设条件的至少一个待调整初始变量。
本说明书一个或多个实施例中,所述第一预设条件包括但不限于选取打扰率或风险分位数评分排名靠前K的初始策略组,K=20,所述第二预设条件包括但不限于选取打扰率或风险分位数评分排名靠前K的初始策略组中的前M个待调整初始变量,M=2。
所述第一预设条件和所述第二预设条件可以根据实际需求进行设置,本申请对此不作任何限定。
本说明书一个或多个实施例中,对于打扰率和风险分位数评分的确定并没有先后顺序,根据实际需求进行确定即可。
实际使用中,所述初始策略组可以只包括一条初始策略,该初始策略可以是由一个变量组成的,因此可以计算出每个初始策略组中每条初始策略的每个变量的打扰率和风险分位数评分,然后根据每个变量的打扰率和风险分位数评分以及第二预设条件确定出需要对哪些策略组中的哪些变量需要进行调整。
步骤208:根据预设算法对所述初始策略组中的至少一个待调整初始变量进行调整,形成调整后策略组。
本说明书一个或多个实施例中,所述预设算法可以包括但不限于Grid Search算法。
根据预设算法对所述初始策略组中的至少一个待调整初始变量进行调整即根据Grid Search算法对所述初始策略组中的至少一个待调整初始变量的预设阈值进行调整。
实际应用中,所述数据处理方法主要使用于AlphaRisk,属于AlphaRisk的AIDetect模块,是AlphaRisk的一个重要组成部分,应用于风控场景冷启动阶段的策略运营上,使得风控场景冷启动阶段在没有案件标签数据的基础上,定义一种合理有效的策略评价标准,可以有效的评价调整后策略组的优劣,并结合Grid Search算法有效地解决了冷启动阶段风险应对的问题。
本说明书一个或多个实施例中,在确定好要调整的初始策略组和初始变量后,采用Grid Serach算法对这些初始变量的预设阈值进行搜索,基于这些初始变量的预设阈值得到新的阈值后,生成新的初始策略组,然后基于所述新的初始策略组可以计算对应的策略评价标准;另外,当调整的初始变量较多时,需要增加初始策略组和初始变量的稽核约束条件来减小搜索空间,降低计算的复杂度。
本说明书一个或多个实施例中,所述数据处理方法在无案件标签的情况下,定义了一种合理有效的策略评价指标:风险分位数评分(RQS)以及打扰率,并结合Grid Search算法有效地解决了冷启动阶段风险应对的问题。所述数据处理方法能够快速有效地调整初始策略组,生成满足业务目标的调整后策略组,大幅提升了策略运营的效率,节省大量人力进而大大降低资损。
处理器120可以执行图4所示方法中的步骤。图4是示出了根据本说明书一实施例的数据处理方法的示意性流程图,包括步骤402至步骤412。
步骤402:根据新增业务的属性信息确定至少两个初始策略组,其中,每个所述初始策略组包括至少一个初始变量。
步骤404:基于所述初始策略组对所述新增业务的交易量进行稽核,并统计稽核量。
步骤406:若所述稽核量大于预设阈值,则根据预设策略评价标准确定所述初始策略组中的至少一个待调整初始变量。
步骤408:根据预设算法对所述初始策略组中的至少一个待调整初始变量进行调整,形成调整后策略组。
步骤410:确定所述调整后策略组对应的策略评价指标。
本说明书一个或多个实施例中,所述调整后策略组对应的策略评价标准包括打扰率、风险分位数评分和平均稽核金额。
在确定所述调整后策略组对应的策略评价指标包括打扰率、风险分位数评分和平均稽核金额的情况下,确定所述调整后策略组对应的策略评价指标包括:
根据所述新增业务的交易确定所述调整后策略组的打扰率;
基于所述调整后策略组对所述新增业务的交易量进行稽核的稽核量,确定所述调整后策略组的风险分位数评分;
基于所述调整后策略组稽核的所述新增业务的交易金额确定平均稽核金额。
本说明书一个或多个实施例中,打扰率以及风险分位数评分的计算方式参见上述实施例,在此不再赘述。
基于所述调整后策略组稽核的所述新增业务的交易金额确定平均稽核金额即基于每组所述调整后策略组集合的所述新增业务的交易金额确定出每组所述调整后策略组的平均稽核金额。
例如所述调整后策略组为两组,分别为第一策略组:金额大于300,第二策略组,金额大于500;其中,满足第一策略组的所述新增业务的交易金额为6000,交易笔数为20,则平均稽核金额为300,满足第一策略组的所述新增业务的交易金额为10000,交易笔数为20,则平均稽核金额为500。
步骤412:根据所述调整后策略组对应的策略评价标准判断所述调整后策略组是否满足第三预设条件,若是,则将所述调整后策略组作为最优策略组输出,若否,则将选择平均稽核金额最高的所述调整后策略组作为最优策略组输出。
本说明书一个或多个实施例中,所述第三预设条件包括所述调整后策略组满足预设打扰率以及预设风险分位数评分,并且所述调整后策略组为一组。
其中所述预设打扰率包括但不限于5%-8%,所述预设风险分位数评分为最高风险分位数评分。
若根据所述调整后策略组对应的策略评价标准判断所述调整后策略组满足第三预设条件,则将所述调整后策略组作为最优策略组输出。
若根据所述调整后策略组对应的策略评价标准判断所述调整后策略组不满足第三预设条件,则将选择平均稽核金额最高的所述调整后策略组作为最优策略组输出。
本说明书一个或多个实施例中,首先确定打扰率在5%-8%范围之内的调整后策略组的集合,然后在该集合中确定风险分位数评分最高的调整后策略组,若风险分位数评分最高的调整后策略组只有一组,则将该组作为最优策略组输出,若风险分位数评分最高的调整后策略组只有多组,则选择平均稽核金额最高的所述调整后策略组作为最优策略组输出。
本说明书一个或多个实施例中,所述数据处理方法通过定义策略评价标准,GridSearch算法和策略寻优的方式能够达到以下技术效果:策略推荐效果最优化:强化数据驱动,弱化人工经验,能够找到最为合理的阈值调整策略组。节省大量人力和提升防控效率:即能够快速有效地生成满足业务目标的调整策略组,大幅提升了策略运营的效率;并且本技术方案生成的风控策略组具有强可解释性,解决了机器学习模型的黑箱问题。
参见图5,本说明书一实施例提供了一种数据处理方法,将该方法应用在金融支付系统的AlphaRisk中,包括步骤502至步骤514。
步骤502:新增支付系统站点或业务,然后根据所述新增站点或业务确定至少两个初始策略组,其中,每个所述初始策略组包括至少一个初始变量。
步骤504:基于所述初始策略组对所述支付系统新业务或新站点的交易量进行稽核,并统计稽核量。
步骤506:判断所述稽核量是否大于预设阈值,若是,执行步骤508,若否,执行步骤510。
步骤508:所述稽核量异常,根据预设策略评价标准确定所述初始策略组中的至少一个待调整初始变量。
步骤510:所述稽核量正常,结束。
步骤512:根据Grid Search算法对所述初始策略组中的至少一个待调整初始变量进行调整,形成调整后策略组。
本说明书一个或多个实施例中,根据预设策略评价标准确定所述初始策略组中的至少一个待调整初始变量以及根据Grid Search算法对所述初始策略组中的至少一个待调整初始变量进行调整的方法参见上述实施例,在此不再赘述。
参见图6,所述初始策略组为602,所述调整后策略组为604,所述目标打扰率为606。
步骤514:根据所述调整后策略组对应的策略评价标准确定所述调整后策略组满足第三预设条件的最优策略组。
本说明书一个或多个实施例中,在确定最优策略组后采用所述最优策略组对支付系统的新增业务或站点进行风险评估。
本说明书一个或多个实施例中,将所述数据处理方法应用在支付系统的AlphaRisk中,当支付系统的新站点或新业务上线后,针对支付系统体系内的交易,对初始策略组的稽核量进行监控,当稽核量出现异常时,通过对策略组变量采用Grid Search算法产生大量新的风控策略组,然后利用策略评价标准,选择最优的风控策略组作为新的风控策略部署上线,极大的提升了支付系统的AlphaRisk的整个安全防控体系的性能。
参见图7,本说明书一实施例提供了一种数据处理装置,包括:
第一确定模块702,被配置为根据新增业务的属性信息确定至少两个初始策略组,其中,每个所述初始策略组包括至少一个初始变量;
稽核统计模块704,被配置为基于所述初始策略组对所述新增业务的交易量进行稽核,并统计稽核量;
第二确定模块706,被配置为若所述稽核量大于预设阈值,则根据预设策略评价标准确定所述初始策略组中的至少一个待调整初始变量;
调整模块708,被配置为根据预设算法对所述初始策略组中的至少一个待调整初始变量进行调整,形成调整后策略组。
可选地,所述预设策略评价标准包括打扰率和风险分位数评分,
所述第二确定模块706包括:
打扰率确定子模块,被配置为根据所述新增业务的交易确定所述初始策略组的打扰率;
风险分位数评分确定子模块,被配置为根据所述稽核量确定所述初始策略组的风险分位数评分;
待调整初始变量确定子模块,被配置为基于所述打扰率或者所述风险分位数评分确定所述初始策略组中的至少一个待调整初始变量。
可选地,所述打扰率确定子模块包括:
第三确定子模块,被配置为确定所述新增业务的交易量被所述初始策略组的命中交易笔数;
打扰率获得子模块,被配置为基于所述命中交易笔数除以所述新增业务的交易量获得所述初始策略组的打扰率。
可选地,所述风险分位数评分确定子模块包括:
获取子模块,被配置为获取所述稽核量N和所述初始策略组中所有的变量n;
第四确定子模块,被配置为基于所述稽核量N和所述初始策略组中所有的变量n通过风险分位数评分公式确定所述初始策略组的风险分位数评分,其中,所述风险分位数评分公式为:
其中,p表示分位数,w表示权重,I表示示性函数。
可选地,所述待调整初始变量确定子模块包括:
第五确定子模块,被配置为基于所述打扰率或者所述风险分位数评分确定满足第一预设条件的待调整初始策略组;
第六确定子模块,被配置为基于所述打扰率或者所述风险分位数评分确定满足第二预设条件的待调整初始策略组中的至少一个待调整初始变量。
可选地,所述调整模块708,还被配置为:
根据Grid Search算法对所述初始策略组中的至少一个待调整初始变量的预设阈值进行调整。
可选地,所述装置还包括:
第七确定模块,被配置为确定所述调整后策略组对应的策略评价指标。
可选地,所述调整后策略组对应的策略评价标准包括打扰率、风险分位数评分和平均稽核金额,
所述第七确定模块包括:
第八确定子模块,被配置为根据所述新增业务的交易确定所述调整后策略组的打扰率;
第九确定子模块,被配置为基于所述调整后策略组对所述新增业务的交易量进行稽核的稽核量,确定所述调整后策略组的风险分位数评分;
第十确定子模块,被配置为基于所述调整后策略组稽核的所述新增业务的交易金额确定平均稽核金额。
可选地,所述装置还包括:
判断模块,被配置为根据所述调整后策略组对应的策略评价标准判断所述调整后策略组是否满足第三预设条件,
若是,则将所述调整后策略组作为最优策略组输出,
若否,则将选择平均稽核金额最高的所述调整后策略组作为最优策略组输出,
其中,所述第三预设条件包括所述调整后策略组满足预设打扰率以及预设风险分位数评分,并且所述调整后策略组为一组。
本说明书一个或多个实施例中,所述数据处理装置在无案件标签的情况下,定义了一种合理有效的策略评价指标:风险分位数评分(RQS)以及打扰率,并结合Grid Search算法有效地解决了冷启动阶段风险应对的问题。所述数据处理方法能够快速有效地调整初始策略组,生成满足业务目标的调整后策略组,大幅提升了策略运营的效率,节省大量人力进而大大降低资损。
本申请一实施例还提供一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现如前所述数据处理方法的步骤。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是,该存储介质的技术方案与上述的数据处理方法的技术方案属于同一构思,存储介质的技术方案未详细描述的细节内容,均可以参见上述数据处理方法的技术方案的描述。
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。
本申请实施例中所述支付涉及的技术载体,例如可以包括近场通信(Near FieldCommunication,NFC)、WIFI、3G/4G/5G、POS机刷卡技术、二维码扫码技术、条形码扫码技术、蓝牙、红外、短消息(Short Message Service,SMS)、多媒体消息(Multimedia MessageService,MMS)等。
所述计算机指令包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上公开的本申请优选实施例只是用于帮助阐述本申请。可选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本申请的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本申请。本申请仅受权利要求书及其全部范围和等效物的限制。

Claims (20)

1.一种数据处理方法,其特征在于,包括:
根据新增业务的属性信息确定至少两个初始策略组,其中,每个所述初始策略组包括至少一个初始变量;
基于所述初始策略组对所述新增业务的交易量进行稽核,并统计稽核量;
若所述稽核量大于预设阈值,则根据预设策略评价标准确定所述初始策略组中的至少一个待调整初始变量;
根据预设算法对所述初始策略组中的至少一个待调整初始变量进行调整,形成调整后策略组。
2.根据权利要求1所述的方法,其特征在于,所述预设策略评价标准包括打扰率和风险分位数评分,
根据预设策略评价标准确定所述初始策略组中的至少一个待调整初始变量包括:
根据所述新增业务的交易确定所述初始策略组的打扰率;
根据所述稽核量确定所述初始策略组的风险分位数评分;
基于所述打扰率或者所述风险分位数评分确定所述初始策略组中的至少一个待调整初始变量。
3.根据权利要求2所述的方法,其特征在于,根据所述新增业务的交易量确定所述初始策略组的打扰率包括:
确定所述新增业务的交易量被所述初始策略组的命中交易笔数;
基于所述命中交易笔数除以所述新增业务的交易量获得所述初始策略组的打扰率。
4.根据权利要求2所述的方法,其特征在于,根据所述稽核量确定所述初始策略组的风险分位数评分包括:
获取所述稽核量N和所述初始策略组中所有的变量n;
基于所述稽核量N和所述初始策略组中所有的变量n通过风险分位数评分公式确定所述初始策略组的风险分位数评分,其中,所述风险分位数评分公式为:
其中,p表示分位数,w表示权重,I表示示性函数。
5.根据权利要求2所述的方法,其特征在于,基于所述打扰率或者所述风险分位数评分确定所述初始策略组中的至少一个待调整初始变量包括:
基于所述打扰率或者所述风险分位数评分确定满足第一预设条件的待调整初始策略组;
基于所述打扰率或者所述风险分位数评分确定满足第一预设条件的待调整初始策略组中满足第二预设条件的待调整初始策略组中的至少一个待调整初始变量。
6.根据权利要求1所述的方法,其特征在于,根据预设算法对所述初始策略组中的至少一个待调整初始变量进行调整包括:
根据Grid Search算法对所述初始策略组中的至少一个待调整初始变量的预设阈值进行调整。
7.根据权利要求1所述的方法,其特征在于,形成调整后策略组之后,还包括:
确定所述调整后策略组对应的策略评价指标。
8.根据权利要求7所述的方法,其特征在于,所述调整后策略组对应的策略评价标准包括打扰率、风险分位数评分和平均稽核金额,
确定所述调整后策略组对应的策略评价指标包括:
根据所述新增业务的交易确定所述调整后策略组的打扰率;
基于所述调整后策略组对所述新增业务的交易量进行稽核的稽核量,确定所述调整后策略组的风险分位数评分;
基于所述调整后策略组稽核的所述新增业务的交易金额确定平均稽核金额。
9.根据权利要求8所述的方法,其特征在于,还包括:
根据所述调整后策略组对应的策略评价标准判断所述调整后策略组是否满足第三预设条件,
若是,则将所述调整后策略组作为最优策略组输出,
若否,则将选择平均稽核金额最高的所述调整后策略组作为最优策略组输出,
其中,所述第三预设条件包括所述调整后策略组满足预设打扰率以及预设风险分位数评分,并且所述调整后策略组为一组。
10.一种数据处理装置,其特征在于,包括:
第一确定模块,被配置为根据新增业务的属性信息确定至少两个初始策略组,其中,每个所述初始策略组包括至少一个初始变量;
稽核统计模块,被配置为基于所述初始策略组对所述新增业务的交易量进行稽核,并统计稽核量;
第二确定模块,被配置为若所述稽核量大于预设阈值,则根据预设策略评价标准确定所述初始策略组中的至少一个待调整初始变量;
调整模块,被配置为根据预设算法对所述初始策略组中的至少一个待调整初始变量进行调整,形成调整后策略组。
11.根据权利要求10所述的装置,其特征在于,所述预设策略评价标准包括打扰率和风险分位数评分,
所述第二确定模块包括:
打扰率确定子模块,被配置为根据所述新增业务的交易确定所述初始策略组的打扰率;
风险分位数评分确定子模块,被配置为根据所述稽核量确定所述初始策略组的风险分位数评分;
待调整初始变量确定子模块,被配置为基于所述打扰率或者所述风险分位数评分确定所述初始策略组中的至少一个待调整初始变量。
12.根据权利要求11所述的装置,其特征在于,所述打扰率确定子模块包括:
第三确定子模块,被配置为确定所述新增业务的交易量被所述初始策略组的命中交易笔数;
打扰率获得子模块,被配置为基于所述命中交易笔数除以所述新增业务的交易量获得所述初始策略组的打扰率。
13.根据权利要求11所述的装置,其特征在于,所述风险分位数评分确定子模块包括:
获取子模块,被配置为获取所述稽核量N和所述初始策略组中所有的变量n;
第四确定子模块,被配置为基于所述稽核量N和所述初始策略组中所有的变量n通过风险分位数评分公式确定所述初始策略组的风险分位数评分,其中,所述风险分位数评分公式为:
其中,p表示分位数,w表示权重,I表示示性函数。
14.根据权利要求11所述的装置,其特征在于,所述待调整初始变量确定子模块包括:
第五确定子模块,被配置为基于所述打扰率或者所述风险分位数评分确定满足第一预设条件的待调整初始策略组;
第六确定子模块,被配置为基于所述打扰率或者所述风险分位数评分确定满足第二预设条件的待调整初始策略组中的至少一个待调整初始变量。
15.根据权利要求10所述的装置,其特征在于,所述调整模块,还被配置为:
根据Grid Search算法对所述初始策略组中的至少一个待调整初始变量的预设阈值进行调整。
16.根据权利要求10所述的装置,其特征在于,所述装置还包括:
第七确定模块,被配置为确定所述调整后策略组对应的策略评价指标。
17.根据权利要求16所述的装置,其特征在于,所述调整后策略组对应的策略评价标准包括打扰率、风险分位数评分和平均稽核金额,
所述第七确定模块包括:
第八确定子模块,被配置为根据所述新增业务的交易确定所述调整后策略组的打扰率;
第九确定子模块,被配置为基于所述调整后策略组对所述新增业务的交易量进行稽核的稽核量,确定所述调整后策略组的风险分位数评分;
第十确定子模块,被配置为基于所述调整后策略组稽核的所述新增业务的交易金额确定平均稽核金额。
18.根据权利要求17所述的装置,其特征在于,所述装置还包括:
判断模块,被配置为根据所述调整后策略组对应的策略评价标准判断所述调整后策略组是否满足第三预设条件,
若是,则将所述调整后策略组作为最优策略组输出,
若否,则将选择平均稽核金额最高的所述调整后策略组作为最优策略组输出,
其中,所述第三预设条件包括所述调整后策略组满足预设打扰率以及预设风险分位数评分,并且所述调整后策略组为一组。
19.一种计算设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令,其特征在于,所述处理器执行所述指令时实现该指令被处理器执行时实现权利要求1-9任意一项所述方法的步骤。
20.一种计算机可读存储介质,其存储有计算机指令,其特征在于,该指令被处理器执行时实现权利要求1-9任意一项所述方法的步骤。
CN201811294353.1A 2018-11-01 2018-11-01 一种数据处理方法及装置、一种计算设备及存储介质 Active CN110046779B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811294353.1A CN110046779B (zh) 2018-11-01 2018-11-01 一种数据处理方法及装置、一种计算设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811294353.1A CN110046779B (zh) 2018-11-01 2018-11-01 一种数据处理方法及装置、一种计算设备及存储介质

Publications (2)

Publication Number Publication Date
CN110046779A true CN110046779A (zh) 2019-07-23
CN110046779B CN110046779B (zh) 2023-05-02

Family

ID=67273134

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811294353.1A Active CN110046779B (zh) 2018-11-01 2018-11-01 一种数据处理方法及装置、一种计算设备及存储介质

Country Status (1)

Country Link
CN (1) CN110046779B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100250423A1 (en) * 2009-03-24 2010-09-30 Trading Technologies International, Inc. System and Method for a Risk Check
US20120116820A1 (en) * 2010-11-09 2012-05-10 Hartford Fire Insurance Company System and method for active insurance underwriting using intelligent ip-addressable devices
US20140317019A1 (en) * 2013-03-14 2014-10-23 Jochen Papenbrock System and method for risk management and portfolio optimization
CN106296406A (zh) * 2015-05-13 2017-01-04 阿里巴巴集团控股有限公司 交互数据的处理方法及装置
US20170300911A1 (en) * 2016-04-13 2017-10-19 Abdullah Abdulaziz I. Alnajem Risk-link authentication for optimizing decisions of multi-factor authentications
CN107316134A (zh) * 2017-06-16 2017-11-03 深圳乐信软件技术有限公司 一种风险控制方法、装置、服务器及存储介质
CN108074179A (zh) * 2017-12-07 2018-05-25 深圳乐信软件技术有限公司 金融风控策略配置方法、系统、服务器及存储介质
CN108197777A (zh) * 2017-12-14 2018-06-22 阿里巴巴集团控股有限公司 一种调整风控规则的方法、装置及设备
CN108305176A (zh) * 2018-01-05 2018-07-20 上海栈略数据技术有限公司 一种基于反馈式机器学习的最优化医疗保险智能审核系统
CN108399477A (zh) * 2017-02-07 2018-08-14 阿里巴巴集团控股有限公司 一种风险阈值确定的方法及装置
CN108537289A (zh) * 2018-04-24 2018-09-14 百度在线网络技术(北京)有限公司 数据识别模型的训练方法、装置及存储介质
CN108564464A (zh) * 2018-04-13 2018-09-21 深圳壹账通智能科技有限公司 风险控制审核结果智能显示方法、装置、设备及存储介质
CN108596415A (zh) * 2017-12-15 2018-09-28 阿里巴巴集团控股有限公司 一种模型整合方法及装置
CN108615190A (zh) * 2018-04-27 2018-10-02 深圳市分期乐网络科技有限公司 风控模型验证方法、装置、设备和存储介质
CN108665143A (zh) * 2018-04-11 2018-10-16 阿里巴巴集团控股有限公司 风控模型的评估方法及装置

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100250423A1 (en) * 2009-03-24 2010-09-30 Trading Technologies International, Inc. System and Method for a Risk Check
US20120116820A1 (en) * 2010-11-09 2012-05-10 Hartford Fire Insurance Company System and method for active insurance underwriting using intelligent ip-addressable devices
US20140317019A1 (en) * 2013-03-14 2014-10-23 Jochen Papenbrock System and method for risk management and portfolio optimization
CN106296406A (zh) * 2015-05-13 2017-01-04 阿里巴巴集团控股有限公司 交互数据的处理方法及装置
US20170300911A1 (en) * 2016-04-13 2017-10-19 Abdullah Abdulaziz I. Alnajem Risk-link authentication for optimizing decisions of multi-factor authentications
CN108399477A (zh) * 2017-02-07 2018-08-14 阿里巴巴集团控股有限公司 一种风险阈值确定的方法及装置
CN107316134A (zh) * 2017-06-16 2017-11-03 深圳乐信软件技术有限公司 一种风险控制方法、装置、服务器及存储介质
CN108074179A (zh) * 2017-12-07 2018-05-25 深圳乐信软件技术有限公司 金融风控策略配置方法、系统、服务器及存储介质
CN108197777A (zh) * 2017-12-14 2018-06-22 阿里巴巴集团控股有限公司 一种调整风控规则的方法、装置及设备
CN108596415A (zh) * 2017-12-15 2018-09-28 阿里巴巴集团控股有限公司 一种模型整合方法及装置
CN108305176A (zh) * 2018-01-05 2018-07-20 上海栈略数据技术有限公司 一种基于反馈式机器学习的最优化医疗保险智能审核系统
CN108665143A (zh) * 2018-04-11 2018-10-16 阿里巴巴集团控股有限公司 风控模型的评估方法及装置
CN108564464A (zh) * 2018-04-13 2018-09-21 深圳壹账通智能科技有限公司 风险控制审核结果智能显示方法、装置、设备及存储介质
CN108537289A (zh) * 2018-04-24 2018-09-14 百度在线网络技术(北京)有限公司 数据识别模型的训练方法、装置及存储介质
CN108615190A (zh) * 2018-04-27 2018-10-02 深圳市分期乐网络科技有限公司 风控模型验证方法、装置、设备和存储介质

Also Published As

Publication number Publication date
CN110046779B (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
US11107007B2 (en) Classification model generation method and apparatus, and data identification method and apparatus
Yuan et al. Multi-objective wind power scenario forecasting based on PG-GAN
CN109685635A (zh) 金融业务的风险评估方法、风控服务端及存储介质
CN110837963A (zh) 一种基于数据、模型及策略的风险控制平台建设方法
CN108256993A (zh) 一种信用分评估方法及信用分评估平台
CN107766929A (zh) 模型分析方法及装置
CN105427168A (zh) 一种贷款评定方法及系统
CN109598542A (zh) 一种营销权益的投放方法、装置及电子设备
CN109544150A (zh) 一种分类模型生成方法及装置、计算设备及存储介质
CN114154672A (zh) 一种用于客户流失预测的数据挖掘方法
CN111709791A (zh) 一种基于改进特征词权重算法的供电营销服务方法
CN117557290A (zh) 一种基于机器学习的电商运维管理方法及系统
Yu GDP Economic forecasting model based on improved RBF neural network
CN110046779A (zh) 一种数据处理方法及装置、一种计算设备及存储介质
Zhu et al. Application research of the xgboost-svm combination model in quantitative investment strategy
CN117196630A (zh) 交易风险预测方法、装置、终端设备以及存储介质
US20120253886A1 (en) Systems and Methods for Client Development
Kotti et al. Utilizing Big Data Technology for Online Financial Risk Management
CN116611911A (zh) 基于支持向量机的信用风险预测方法及装置
CN110796450A (zh) 可信关系处理方法以及装置
Gurav et al. RNNLBL: A Recurrent Neural Network and Log Bilinear based Efficient Stock Forecasting Model
CN115115447A (zh) 一种信贷风控模型的超参数优化方法及装置
Ullah et al. Predicting Default Payment of Credit Card Users: Applying Data Mining Techniques
CN107977804B (zh) 一种保兑仓业务风险评估方法
Aich et al. Performance Scrutiny of Price Prediction on Blockchain Technology Using Machine Learning

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
TA01 Transfer of patent application right

Effective date of registration: 20201012

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Innovative advanced technology Co.,Ltd.

Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant before: Advanced innovation technology Co.,Ltd.

Effective date of registration: 20201012

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Advanced innovation technology Co.,Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Applicant before: Alibaba Group Holding Ltd.

GR01 Patent grant
GR01 Patent grant