CN111598680A - 一种风险分类预警及处置的方法 - Google Patents
一种风险分类预警及处置的方法 Download PDFInfo
- Publication number
- CN111598680A CN111598680A CN202010285144.1A CN202010285144A CN111598680A CN 111598680 A CN111598680 A CN 111598680A CN 202010285144 A CN202010285144 A CN 202010285144A CN 111598680 A CN111598680 A CN 111598680A
- Authority
- CN
- China
- Prior art keywords
- customer
- risk
- monitoring
- classification
- early warning
- 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
Links
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Technology Law (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种风险分类预警及处置的方法,包括步骤:S10、获取客户分类、证券分类、客户的交易信息,且将所述交易信息输入监控模型,进而得到监控结果;并且定义所述监控模型的预警级别;S20、定义风险监控矩阵D=[C S M A];S30、根据统一的处置口径和所述风险监控矩阵,定义客户的交易行为类别;S40、根据所述客户的交易行为类别以及客户的交易信息下发对应的处置流程。进一步根据业务相关性以及处理资源将所述处置流程下发到特定处理站点。本发明的风险分类预警及处置的方法通过获取客户分类、证券分类、预警级别及监控模型的监控结果进行综合判断,形成风险矩阵,能够有效识别客户的交易行为的风险,提高了处理人员对风险的识别和处置效率。
Description
技术领域
本发明属于金融风险管理领域,具体为一种风险分类预警及处置的方法。
背景技术
在现有金融业务风险管控系统中,系统监控模型输出的自动监控记录非常多,且需要人工对所述监控记录的结果数据做进一步分析和确认。其中,主要通过人工进行分析和确认的方式,不适用于大量数据的处理,容易出现遗漏、错选的情况。
此外,投资者之间的基本信息、资产状况以及行为习惯等都存在不同程度的差异,业务员需要通过多种方式、多个系统和多个功能对投资者的交易行为进行综合分析。在这种情况下,业务员难以对大量数据进行监控和处理,工作量大、效率低,并且容易发生误判。对此,现有的解决方案是通过直接分级的方法,减少所述结果数据的数量,便于人工识别。该解决方案的缺陷是:单一的分级方法导致所述结果数据的有效性降低,仍不足以解决在大数据及大量监控结果的情景下,人工识别和分析容易出错,且工作量大、效率低的问题。
发明内容
为了克服上述现有技术的缺陷,本发明提供了一种风险分类预警及处置的方法。
本发明解决其技术问题所采用的技术方案是:一种风险分类预警及处置的方法,包括以下步骤:
S10、获取客户分类、证券分类、客户的交易信息,且将所述交易信息输入监控模型,进而得到监控结果;并且定义所述监控模型的预警级别;
S20、定义风险监控矩阵D=[C S M A],其中C为所述客户分类,S为所述证券分类,M为所述监控模型,A为预警分级;
S30、根据统一的处置口径和所述风险监控矩阵,定义客户的交易行为类别;
S40、根据所述客户的交易行为类别以及客户的交易信息下发对应的处置流程。
根据一个优选实施例,根据业务相关性以及处理资源将所述处置流程下发到特定处理站点,该特定处理站点包括特定工作部门、分支机构或子公司等。
进一步的,定义客户识别标签,且获取客户在各个交易系统中的全部账户交易信息;根据所述客户识别标签将所述客户的全部账户交易信息归并,且输入所述监控模型进行监控。
与现有技术相比,本发明的有益效果是:
1、通过对客户的客户分类、证券分类、预警级别及监控模型等多个维度、多个级别的综合判断,形成风险矩阵,能够有效识别客户的交易行为的风险。
2、针对所述客户的不同级别的交易行为类别,向特定处理机构下发相应的风险处置流程,提高了处理人员对风险的识别和处置效率。
3、所述客户识别标签作为所述客户的唯一识别工具,避免了因客户的分散交易而导致监控遗漏。
附图说明
图1为实施例的风险分类预警及处置的方法的流程框图。
具体实施方式
以下结合附图对本发明进一步说明。
如图1所示,本实施例的风险分类预警及处置的方法,包括以下步骤:
S10、获取客户分类,包括但不限于高风险客户、中风险客户、低风险客户、黑名单客户、白名单客户;获取证券分类,所述证券分类包括但不限于交易所关注证券、公司关注证券、风险警示板证券、退市整理期证券;获取客户的交易信息且将该交易信息输入监控模型,进而得到监控结果即是否触发该监控模型;定义所述监控模型的预警级别。所述客户分类可通过交易所发布的监管规则、监管名单及监管函件中出现的案例获得,所述证券分类可通过金融市场发布的证券信息定义重点监控证券类别获得。所述客户分类及所述证券分类也可通过其他监管机构的公布文件中获得,或者自定义。
所述监控模型为现有常规监控模型,包括一般关注模型、中度关注模型及重点关注模型,主要针对特定指标进行监控,例如:
证件过期监控模型,属于一般关注模型,触发该模型不直接对证券交易市场产生不良影响或引起证券交易市场的波动;
高频交易监控模型、申报价格偏离行情监控模型,属于中度关注模型;
集合竞价大量成交影响开盘价监控模型,属于重点关注模型,该模型是监控直接影响证券市场交易的情形,一旦触发该模型,说明对证券交易市场影响非常大,需要立刻引起重视并核实处理。
所述预警级别可定义为多个级别,例如第一预警级别、第二预警级别、第三预警级别,且设置与所述预警级别对应的风险阈值。预警级别的不同,表示触发所述监控模型的严重程度。例如,对于所述中度关注模型中的高频交易监控模型,若触发该模型的第二/三预警级别,则表明严重程度较高;对于所述一般关注模型中的证件过期监控模型,以过期时间为风险阈值的指标,若触发该模型的三级预警级别,则表明也存在较高的风险。
S20、定义风险监控矩阵D=[Ci Sj Mk Al],其中:
Ci为所述客户分类,C1为所述白名单客户,C2为所述低风险客户,C3为所述中风险客户,C4为所述高风险客户,C5为所述黑名单客户;
Sj为所述证券分类,S1为所述公司关注证券,S2为所述交易所关注证券,S3为所述风险警示板证券,S4为所述退市整理期证券;
Mk为所述监控模型,M1为所述一般关注模型,M2为中度关注模型,M3为重点关注模型;
Al为所述预警分级,A1为所述第一预警级别,A2为所述第二预警级别,A3为所述第三预警级别。
S30、根据统一的处置口径和所述风险监控矩阵,定义客户的交易行为类别,包括但不限于一般关注行为、中度关注行为、重点关注行为和严重禁止行为。
所述处置口径包括若干自定义规则,对客户以及证券自身的风险因素,以及对交易行为的风险进行综合评价。所述自定义规则可定义为:
若所述客户的分类为黑名单客户或高风险客户,对于所有所述证券分类及所述预警分级,则进一步判断:若该客户的交易行为触发所述监控模型的中度关注模型/重点关注模型,此时该客户的风险矩阵为D=[Ci=4/5 Sj Mk=2/3 Al],将该客户的交易行为类别定义为严重禁止行为;若该客户的交易行为触发所述监控模型的一般关注模型,此时该客户的风险矩阵为D=[Ci=4/5 Sj Mk=1 Al],则将该客户的交易行为类别定义为重点关注行为;
若所述客户的分类为中风险客户,该客户的交易涉及所述退市整理期证券时,进一步判断:若该客户的交易行为触发所述监控模型的重度关注模型,且所述预警级别为最高级别即所述第三预警级别时,此时该客户的风险矩阵为D=[Ci=3 Sj Mk=3 Al=3],将该客户的交易行为类别定义为重点关注行为;若该客户的交易行为触发所述监控模型的重度关注模型的第一预警级别或中度关注模型的任意一预警级别时,此时该客户的风险矩阵为D=[Ci=3 Sj Mk=3 Al=1]或D=[Ci=3 Sj Mk=2 Al],将该客户的交易行为类别定义为中度关注行为;
若所述客户的交易涉及所述风险监控矩阵的其他情形时,定义为一般关注行为。
所述处置口径也可以以其他方式定义,例如穷举定义。
通过对客户的客户分类、证券分类、预警级别及监控模型等多个维度、多个级别的综合判断,形成风险矩阵,能够有效识别客户的交易行为的风险。
S40、根据所述客户的交易行为类别以及客户的交易信息下发对应的风险处置流程,包括一般关注处置流程、中度关注处置流程、重度关注处置流程、严重禁止处置流程。优选的,根据业务相关性以及处理资源将所述处置流程下发到特定处理机构,所述特定处理机构包括特定工作部门、分支机构或子公司等。
针对所述客户的不同级别的交易行为类别,向特定处理机构下发相应的风险处置流程,提高了处理人员对风险的识别和处置效率。
进一步的,定义客户识别标签,且获取客户在各个交易系统中的全部账户交易信息;根据所述客户识别标签将所述客户的全部账户交易信息归并,且输入所述监控模型进行监控。所述客户识别标签作为所述客户的唯一识别工具,避免了因客户的分散交易而导致监控遗漏。
以上实施例详细介绍了本发明的风险分类预警及处置的方法的实施过程,但不应视为对本发明的限制。同时,本领域技术人员还可以在本发明的技术方案的基础上,做进一步改进、替换等,但任何简单修改和等同替换都将落入本发明权利要求书所要求的保护范围内。
Claims (3)
1.一种风险分类预警及处置的方法,其特征在于包括步骤:
S10、获取客户分类、证券分类、客户的交易信息,且将所述交易信息输入监控模型,进而得到监控结果;并且定义所述监控模型的预警级别;
S20、定义风险监控矩阵D=[C S M A],其中C为所述客户分类,S为所述证券分类,M为所述监控模型,A为预警分级;
S30、根据统一的处置口径和所述风险监控矩阵,定义客户的交易行为类别;
S40、根据所述客户的交易行为类别以及客户的交易信息下发对应的处置流程。
2.根据权利要求1所述的风险分类预警及处置的方法,其特征在于,根据业务相关性以及处理资源将所述处置流程下发到特定处理站点。
3.根据权利要求1或2所述的风险分类预警及处置的方法,其特征在于,定义客户识别标签,且获取客户在各个交易系统中的全部账户交易信息;根据所述客户识别标签将所述客户的全部账户交易信息归并,且输入所述监控模型进行监控。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010285144.1A CN111598680A (zh) | 2020-04-13 | 2020-04-13 | 一种风险分类预警及处置的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010285144.1A CN111598680A (zh) | 2020-04-13 | 2020-04-13 | 一种风险分类预警及处置的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111598680A true CN111598680A (zh) | 2020-08-28 |
Family
ID=72192158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010285144.1A Pending CN111598680A (zh) | 2020-04-13 | 2020-04-13 | 一种风险分类预警及处置的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111598680A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007125316A2 (en) * | 2006-04-25 | 2007-11-08 | Uc Group Ltd. | Systems and methods for conducting financial transactions over a network |
US20150081557A1 (en) * | 2010-09-14 | 2015-03-19 | Craig Patrick Kinfoil | Method of processing payment transactions |
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 |
CN107358530A (zh) * | 2017-08-17 | 2017-11-17 | 杭州铜板街互联网金融信息服务有限公司 | 理财产品推荐方法 |
CN109377003A (zh) * | 2018-09-21 | 2019-02-22 | 泰康保险集团股份有限公司 | 风险控制方法及装置、计算机可读存储介质、电子设备 |
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 |
-
2020
- 2020-04-13 CN CN202010285144.1A patent/CN111598680A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007125316A2 (en) * | 2006-04-25 | 2007-11-08 | Uc Group Ltd. | Systems and methods for conducting financial transactions over a network |
US20150081557A1 (en) * | 2010-09-14 | 2015-03-19 | Craig Patrick Kinfoil | Method of processing payment transactions |
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 |
CN107358530A (zh) * | 2017-08-17 | 2017-11-17 | 杭州铜板街互联网金融信息服务有限公司 | 理财产品推荐方法 |
CN109377003A (zh) * | 2018-09-21 | 2019-02-22 | 泰康保险集团股份有限公司 | 风险控制方法及装置、计算机可读存储介质、电子设备 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Abdulwahab et al. | Corporate governance committees and sustainability reporting of listed consumer goods firms in Nigeria | |
CN113837862A (zh) | 一种基于征信的贷后风险预警方法、设备及介质 | |
Lausen et al. | Who is the next “wolf of wall street”? Detection of financial intermediary misconduct | |
Adebiyi | Exploring the impact of predictive analytics on accounting and auditing expertise: A regression analysis of LinkedIn survey data | |
CN114490259A (zh) | 一种面向监管的全域事件要素提取方法 | |
El-Bannany et al. | Prediction of financial statement fraud using machine learning techniques in UAE | |
Derks et al. | The Bayesian approach to audit evidence: Quantifying statistical evidence using the Bayes factor | |
CN111598680A (zh) | 一种风险分类预警及处置的方法 | |
CN117132114A (zh) | 一种企业内部风险管理预警器系统 | |
CN114066624A (zh) | 基于图计算的黑名单关联图谱挖掘方法及系统 | |
Gabrielli et al. | An overview of instruments and tools to detect fraudulent financial statements | |
Davenport et al. | The future of work now: AI-driven transaction surveillance at DBS Bank | |
Kapoor | Deception Detection And Vulnerability Analysis Using A Multi-Level Clustering Machine Learning Algorithm In Business Transactions | |
CN113850678A (zh) | 一种行情数据管理方法、系统、设备及存储介质 | |
Ben Khalifa et al. | Spammers detection based on reviewers’ behaviors under belief function theory | |
Bandiyono | Fraud Detection: Religion In The Workplace Big Data Analytics | |
Liu et al. | [Retracted] Identification and Early Warning of Financial Fraud Risk Based on Bidirectional Long‐Short Term Memory Model | |
Dziawgo | Supervisory technology as a new tool for banking sector supervision | |
Chowdhury et al. | Application of Data Analytics in Risk Management of Fintech Companies | |
Abrori et al. | Corporate Governance and Financial Distress: A Comprehensive Analysis of Indonesian Manufacturing Companies | |
Aksenov et al. | Front-Running Model in the Stock Market | |
Wijitcharoen et al. | Stock selection using association rules on cash flow and accrual financial indicators | |
CN110738570A (zh) | 基于多通道异质数据的信息型操纵自动识别方法 | |
TWM591191U (zh) | 負面新聞監控分析系統 | |
Ali et al. | Using Data Mining Techniques for Fraud Detection in The Non-banking Sector |
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 |