CN112215711A - 产品风险评估方法及装置 - Google Patents

产品风险评估方法及装置 Download PDF

Info

Publication number
CN112215711A
CN112215711A CN202011088770.8A CN202011088770A CN112215711A CN 112215711 A CN112215711 A CN 112215711A CN 202011088770 A CN202011088770 A CN 202011088770A CN 112215711 A CN112215711 A CN 112215711A
Authority
CN
China
Prior art keywords
product
data
historical
risk
risk assessment
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
CN202011088770.8A
Other languages
English (en)
Other versions
CN112215711B (zh
Inventor
李娟�
郭慧杰
李乐
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.)
Bank of China Ltd
Original Assignee
Bank 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 Bank of China Ltd filed Critical Bank of China Ltd
Priority to CN202011088770.8A priority Critical patent/CN112215711B/zh
Publication of CN112215711A publication Critical patent/CN112215711A/zh
Application granted granted Critical
Publication of CN112215711B publication Critical patent/CN112215711B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q40/06—Asset management; Financial planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • 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
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Technology Law (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明公开了一种产品风险评估方法及装置，其中该方法包括：获取产品的公开产品说明数据、投资范围数据、配置比例文档数据和对应标的的市场情况数据；从产品的公开产品说明数据、投资范围数据、配置比例文档数据和对应标的的市场情况数据中抽取出知识图谱的节点实体、实体信息和它们之间的关联关系；根据知识图谱的节点实体、实体信息和它们之间的关联关系，构建当前知识图谱；根据当前产品，找到相似的历史产品，根据历史产品及相关时间信息，查找得到当前产品对应的历史知识图谱；历史知识图谱包括：产品的历史情况；根据当前知识图谱和历史知识图谱，得到所述产品的风险评估结果。本发明可以提高产品风险评估的准确率。

Description

产品风险评估方法及装置
技术领域
本发明涉及数据处理技术领域，尤其涉及产品风险评估方法及装置。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
目前，金融产品的风险评估，主要是基于单个金融产品的收益类型进行定义，如R1～R5，R1为保本的谨慎性、低风险，R5非保本杠杆性产品的激进型、高风险，这些风险评级主要是金融机构基于该产品的属性进行分析从而给出相应的官方风险评级，大多数基于机构专业人员的相关经验进行。
但是偶尔会出现一些风险评级不够精确的情况，比如由于某些原因稀土的价格跌入了历史最低，按照以往经验，这个价格是不可能更低了，并且稀土的需求反而增加，于是一款以稀土挂钩的期货产品，认为价格肯定上涨并且有着上百倍的杠杆，总的来看产品风险很低，但实际从期货角度来看该产品杠杆高、属于高风险，而且分析短期内的上下游供应商及相关产品持续低迷，该产品应该客观定位高风险。
因此，现有产品风险评估方案的角度单一、经验片面，导致产品风险评估准确率低，产品交易存在安全性隐患。
发明内容
本发明实施例提供一种产品风险评估方法，用以提高产品风险评估的准确率，该方法包括：
获取产品的公开产品说明数据、投资范围数据、配置比例文档数据和对应标的的市场情况数据；
从产品的公开产品说明数据、投资范围数据、配置比例文档数据和对应标的的市场情况数据中抽取出知识图谱的节点实体、实体信息和它们之间的关联关系；
根据知识图谱的节点实体、实体信息和它们之间的关联关系，构建当前知识图谱；
根据当前产品，找到相似的历史产品，根据历史产品及相关时间信息，查找得到当前产品对应的历史知识图谱；历史知识图谱包括：产品的历史情况；
根据当前知识图谱和历史知识图谱，得到所述产品的风险评估结果。
本发明实施例还提供一种产品风险评估装置，用以提高产品风险评估的准确率，该装置包括：
获取单元，用于获取产品的公开产品说明数据、投资范围数据、配置比例文档数据和对应标的的市场情况数据；
抽取单元，用于从产品的公开产品说明数据、投资范围数据、配置比例文档数据和对应标的的市场情况数据中抽取出知识图谱的节点实体、实体信息和它们之间的关联关系；
当前知识图谱构建单元，用于根据知识图谱的节点实体、实体信息和它们之间的关联关系，构建当前知识图谱；
历史知识图谱查找单元，用于根据当前产品，找到相似的历史产品，根据历史产品及相关时间信息，查找得到当前产品对应的历史知识图谱；历史知识图谱包括：产品的历史情况；
风险评估单元，用于根据当前知识图谱和历史知识图谱，得到所述产品的风险评估结果。
本发明实施例还提供一种计算机设备，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程序，所述处理器执行所述计算机程序时实现上述产品风险评估方法。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述产品风险评估方法的计算机程序。
本发明实施例中，产品风险评估方案，与现有技术中产品风险评估方案的角度单一、经验片面，导致产品风险评估准确率低，产品交易存在安全性隐患的技术方案相比，通过：获取产品的公开产品说明数据、投资范围数据、配置比例文档数据和对应标的的市场情况数据；从产品的公开产品说明数据、投资范围数据、配置比例文档数据和对应标的的市场情况数据中抽取出知识图谱的节点实体、实体信息和它们之间的关联关系；根据知识图谱的节点实体、实体信息和它们之间的关联关系，构建当前知识图谱；根据当前产品，找到相似的历史产品，根据历史产品及相关时间信息，查找得到当前产品对应的历史知识图谱；历史知识图谱包括：产品的历史情况；根据当前知识图谱和历史知识图谱，得到所述产品的风险评估结果，提高了产品风险评估的准确率，从保证了产品交易的安全性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本发明实施例中产品风险评估方法的流程示意图；
图2为本发明实施例中知识图谱示意图；
图3为本发明实施例中产品风险评估的原理示意图；
图4为本发明实施例中产品风险评估装置的结构示意图；
图5为本发明又一实施例中产品风险评估装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
发明人发现：现有的一种理财产品风险评估，主要是基于相关产品发行单位的人员专业分析，通过专家经验进行分析。人工专家经验评估，主要是由于经验主要靠人为主观因素，而且由于无法非常全面分析到该产品涉及到所有的行业、所有的相关信息，难免会出现一些无法顾及到的细节，从而对风险评估有偏差。
发明人发现：另一种现有的理财产品风险评估方法，主要是基于待评估产品所属企业的企业信息，对预设企业数据库内查找企业的风险评估参数，通过风险预警模型进行评估计算，基于信息价值和证据权重，构建风险评估模型。虽然是以系统的方式，去查询理财产品所属企业的企业信息，但是有一个重要环节为需要有一个预设企业数据库内，才能对企业风险进行评估。因此，这种方式的有一个缺点是，如果遇到一个数据库内不存在的，则无法进行评估。此外，该方法仅仅是以单个理财产品为维度进行风险评估，并没有考虑到理财产品之间的关联关系，特别是理财产品的基础资产关联关系，未能分析理财产品的历史风险以及该产品资产相关的其他理财产品关系，没有一个综合关系图谱，去构建一个更为全面的风险评估体系。
为了解决风险评估的角度单一、经验片面带来的一些问题，发明人通过综合分析理财产品的说明文档，构建如子产品关联关系、理财产品的信息如杠杆率等，构建基于理财产品的知识图谱，根据知识图谱进行搜索和图计算，对理财产品进行综合的风险评估，减少风险评级的疏忽。
本发明实施例则通过构建产品、子产品之间的知识图谱，在考虑理财产品本身信息的同时，考虑关联关系、历史关系对风险的影响。图谱采用多种关联关系，如投资基础资产一致为黄金是一种关系，边的权重则按照投资方式赋予不同的风险因子，如期货、期权、期指不同的风险权重。子产品与产品之间的从属关系，边的权重按照子产品所属比例进行。此外，图谱随着时间，形成不同时间段的历史图，也作为输入来评估当前理财产品的风险。
具体地，本发明实施例通过分析金融产品的公开产品说明、投资范围、配置比例文档、标的的市场情况，抽取投资标的作为实体节点，配置比例为主产品节点与子产品节点之间边的权重，子产品之间的关联关系，如某一公司对另一公司的控股情况等。对拆分后的单一标的，按照金融业的风险评估标准，添加风险属性，如期权、期货、权证、期指、杠杆基金、股票、债券、国债、银行存款等风险等级依次降低。最终构建出所有的理财产品知识图谱，通过知识图谱可以方便查询相似产品的风险评级，同时可以综合考虑产品设计最终带来的可能风险，从而避免因某一产品的短期利好从而低估风险的情况发生。
在已有知识图谱的情况下，根据标签传播等图计算，或图神经网络等计算方法，对目标产品风险进行评估计算，也可以及时对某一标的对所有相关产品进行统一的风险再评估，避免漏分析带来的个别产品风险评估。特别是对于，某一产品因某些停止售卖后，经过包装后以另一种产品重新发布时，知识图谱可以及时分析出两种产品的相似性，以历史信息进行风险评级传播计算。
因此，本发明实施例主要是构建了理财产品、基础资产标的等之间的关系谱图，在考虑子产品风险评估的同时，考虑到相似理财产品的历史风险，识别出风险被低估的产品，进行综合风险，当计算出的风险级别与当前公布风险级别不一致时，进行风险预警，经审核确认后，对风险级别进行调整。
下面对产品风险评估方案进行详细介绍。
图1为本发明实施例中产品风险评估方法的流程示意图，如图1所示，该方法包括如下步骤：
步骤101：获取产品的公开产品说明数据、投资范围数据、配置比例文档数据和对应标的的市场情况数据；
步骤102：从产品的公开产品说明数据、投资范围数据、配置比例文档数据和对应标的的市场情况数据中抽取出知识图谱的节点实体、实体信息和它们之间的关联关系；
步骤103：根据知识图谱的节点实体、实体信息和它们之间的关联关系，构建当前知识图谱；
步骤104：根据当前产品，找到相似的历史产品，根据历史产品及相关时间信息，查找得到当前产品对应的历史知识图谱；历史知识图谱包括：产品的历史情况；
步骤105：根据当前知识图谱和历史知识图谱，得到所述产品的风险评估结果。
在一个实施例中，所述节点实体可以包括理财产品和基础资产；实体信息可以包括：理财产品属性和子产品属性；关联关系可以包括投资比例和投资类型。
具体实施时，通过理财产品的公开产品说明、投资范围、配置比例文档、标的的市场情况，采用NLP等算法，抽取节点实体、实体信息、关联关系。实体可以包括理财产品、基础资产，理财产品属性可以有名称、编号、风险(已知或未知)等，基础资产为理财产品的投资范围里的资产，子产品属性包括本身的风险属性、行业属性等，关联关系则包括投资比例(来源于配置比例文档数据)、投资形式(来源于投资范围数据，也称为投资类型，例如债券、股票、基金、期权等等)。
在一个实施例中，根据当前知识图谱和历史知识图谱，得到所述产品的风险评估结果，可以包括：根据当前知识图谱中标的的当前市场情况数据、投资比例数据和投资类型数据，历史知识图谱中标的的历史市场情况数据，得到所述产品的风险评估结果。
具体实施时，上述风险评估的方案提高了风险评估的准确率。
在一个实施例中，所述子产品属性可以包括子产品的风险属性；
根据当前知识图谱中标的的当前市场情况数据、投资比例数据和投资类型数据，历史知识图谱中标的的历史市场情况数据，得到所述产品的风险评估结果，可以包括：根据所述子产品的风险属性，当前知识图谱中标的的当前市场情况数据、投资比例数据和投资类型数据，历史知识图谱中标的的历史市场情况数据，得到所述产品的风险评估结果。
具体实施时，按照金融业的风险评估标准，可以为子产品添加风险属性，如期权、期货、权证、期指、杠杆基金、股票、债券、国债、银行存款等风险等级依次降低。上述结合了子产品的风险属性进行风险评估的方案进一步提高了理财产品风险评估的准确率。
在一个实施例中，上述产品风险评估方法还可以包括：对产品的公开产品说明数据、投资范围数据、配置比例文档数据和对应标的的市场情况数据，进行预处理，得到预处理后的公开产品说明数据、投资范围数据、配置比例文档数据和对应标的的市场情况数据；
从产品的公开产品说明数据、投资范围数据、配置比例文档数据和对应标的的市场情况数据中抽取出知识图谱的节点实体、实体信息和它们之间的关联关系可以包括：从预处理后的公开产品说明数据、投资范围数据、配置比例文档数据和对应标的的市场情况数据中抽取出知识图谱的节点实体、实体信息和它们之间的关联关系。
具体实施时，上述对产品的公开产品说明数据、投资范围数据、配置比例文档数据和对应标的的市场情况数据，进行数据清洗、加工，转换为结构化数据等预处理后，在抽取节点实体、实体信息和它们之间的关联关系，进一步提高了理财产品风险评估的准确率，同时也提高了理财产品风险评估的效率。
在一个实施例中，上述产品风险评估方法还可以包括：在步骤105得出的风险评估结果(例如风险级别)与当前公布的风险评估结果(例如风险级别，例如通过现有方法得到的结果或人工经验确定的结果)不一致时，进行风险预警，经审核确认后，对风险级别进行调整，得到最终的产品风险评估结果。该方案进一步提高了产品风险评估的准确率。
综上，再整体介绍下产品风险评估方案如下：
1.通过理财产品的公开产品说明、投资范围、配置比例文档、标的的市场情况，采用NLP等算法，抽取节点实体、实体信息、关联关系。实体包括理财产品、基础资产，理财产品属性有名称、编号、风险(已知或未知)等，基础资产为理财产品的投资范围里的资产，子产品属性包括本身的风险属性、行业属性等，关联关系则包括投资比例、投资形式(债券、股票、基金、期权等等)。
2.根据上述抽取的节点实体、实体信息、关联关系，进行知识图谱的构建，如图2所示。
3.保存不同时间点的历史图谱，并且构建关联关系来连接当前图与历史图，如图2所示。图2中不同比例指的是本文提到的投资比例，即配置比例文档数据中的比例数据，例如下文例子中的30％、57％、13％，图2中的不同风险指的是本文中提到的风险属性(风险系数)，例如下文例子中的A、B和C。其中，不同比例和不同风险涉及实线的部分，用不同线条粗细表示是本领域技术人员可以想到的。
4.通过知识图谱，对子节点、节点间进行风险传播计算，风险传播计算时，不能对节点进行采样，保证理财产品的所有投资资产都参与计算，这点有别于其他关系图谱的计算方式，从而对当前理财产品进行风险评估。
即本发明实施例产品风险评估方案包括如下步骤：
1、针对需要风险评估的理财产品，收集公开产品说明、投资范围、配置比例文档、标的的市场情况、该理财产品的历史亏损情况等资料，输入到实体关系抽取模块。该模块抽取识别出该产品的投资范围中的基础资产信息，投资形式，投资比例，完成基础资产节点识别、相关属性、关联关系，并对理财产品节点的基础属性进行整理。
2、上述信息输入到知识图谱构建模块，这个环节主要是搭建出不同理财产品的关联关系，最终构建完整的知识图谱。而不同理财产品的关联关系主要依靠基础资产链接，如多个理财产品都包含了不同比例的国债，则会形成一条关联通路，而不同的投资方式会在连接边的权重上进行体现。该环节最终会形成一个完整的知识图谱。
3、图谱会根据部分产品的基础资产变动而进行更新，旧的信息(包括旧的风险评级)形成历史知识图谱，保存起来，但仍与之前的节点有着关联关系。
4、新旧知识图谱同时输入到风险评估模块，该模块可以采用常用的图计算、图神经网络等进行计算，这里不建议过多层的计算，如理财产品1-基础资产1-理财产品2-基础资产2-理财产品3-基础资产3-理财产品4，这种6层级的风险传播，理财产品的基础资产完全纳入计算，而多个理财产品间只有达到一定阈值的相似度，才进行风险等级传播和计算。最终输出理财产品当前的风险等级评估。
具体实施时，当前图谱与历史图谱，可以将历史图谱的一些信息压缩成为当前图谱对应节点的属性。举例说明，如该理财产品的历史风险等级、历史资产变动次数、变动地方，都放在当前知识图谱里理财产品的属性信息里。
本发明实施例通过构建理财产品的知识图谱，考虑了当前和历史的拓扑网络关系，综合进行评估，将风险评估从孤立的理财产品，放入到整个理财产品市场中的，可以更为全面地进行风险评估。
具体实施时，从投资方式(类型)、投资比例作为边信息，投资方式不放入基础资产节点属性，这样可以区分出，标的相同投资方式不同带来的风险差异，如标的都是一种资产，但一个是杠杆很大的期货、一个是基金，虽然节点信息相同，但投资方式还是有差异，风险不同。如果该资产有了大范围的市场风险，那么无论何种投资方式，该基础资产节点风险评级变动，都最终会传播到投资该节点的产品上。
在考虑子产品风险评估的同时，考虑到相似理财产品的历史风险，识别出风险被低估的产品，进行综合风险，当计算出的风险级别与当前公布风险级别不一致时，进行风险预警，经审核确认后，对风险级别进行调整。
本发明实施例主要在于构建理财产品的知识图谱，从而进行关联性风险评估。如图3所示，主要分为实体关系抽取模块(可以对应获取单元、抽取单元)、知识图谱构建模块(可以对应当前知识图谱构建单元)、风险评估模块(可以对应历史知识图谱查找单元、风险评估单元)等三个模块。
实体关系抽取模块，通过NLP或者规则等方式，对公开产品说明、投资范围、配置比例文档、标的的市场情况等非结构化数据进行处理，抽取该理财产品具体的投资基础资产、基础资产的投资形式以及比例，基础资产的市场情况，交易规则如时间、期限、费用等等。该部分最终输出实体节点及信息，基础资产节点及信息，关联关系。
知识图谱构建模块，通过处理过的数据，进行知识图谱的构建，可以存储成邻接表或者邻接矩阵的形式保存关联关系，实体节点和基础资产节点及属性存储到对应的数据中，通过程序编写(不限于neo4j、python、spark等图数据库及编程语言)构建图谱模块。在这个过程中，我们需要定期存储历史知识图谱，把当前和历史的图谱一起输入到风险评估模块，充分利用历史信息。
风险评估模块，通过图神经网络、图计算方法进行风险评估，此处需要注意的是，对所有关联节点不采样，因为需要考虑到所有的投资子产品属性。通过多层关联关系的计算传播，根据边界点加权，最终对当前的风险等级进行评估。
为了便于理解本发明如何实施，下面再举一例子进行说明。
理财产品都会有具体的资料(公开产品说明数据)，公开产品说明会提到该产品是混合型基金、普通开方式、开放频率为1个月锁定持有有效期，投资范围(投资范围数据，也称为投资类型)是上市股票、银行存款、股指期货，投资配比(配置比例文档数据)为银行存款30％、股票57％、期货13％，股票和期货的标的都有医药疫苗。那么，该理财产品相关联的节点实体为某某银行存款，某上市公司股票，某上市公司的疫苗，疫苗跟产品的关联关系为期货、权重13％，期货的风险系数(上述风险属性)为A，股票风险系数B，存款风险系数C，A>B>C，历史图上，某公司由于疫苗出现问题股价曾经暴跌，那么该风险系数从历史传过来应该对B进行加强如1.2(历史情况：历史市场情况数据)，高于同类产品风险。然后当前有新闻揭露疫苗质量问题，政府重新检查疫苗质量，此时标的市场风险增大，关联标的的风险增大，1.3×A，1.3×B，1.3为当前市场情况数据。那么最终，该理财产品的风险为0.3×C+1.3(0.57×A+0.13×1.2×B)。此处计算表示，首先会计算标的风险，标的风险传给对应的子产品，子产品按照配置比权重传递给最终的产品。
本发明实施例中还提供了一种产品风险评估装置，如下面的实施例所述。由于该装置解决问题的原理与产品风险评估方法相似，因此该装置的实施可以参见产品风险评估方法的实施，重复之处不再赘述。
图4为本发明实施例中产品风险评估装置的结构示意图，如图4所示，该装置包括：
获取单元01，用于获取产品的公开产品说明数据、投资范围数据、配置比例文档数据和对应标的的市场情况数据；
抽取单元02，用于从产品的公开产品说明数据、投资范围数据、配置比例文档数据和对应标的的市场情况数据中抽取出知识图谱的节点实体、实体信息和它们之间的关联关系；
当前知识图谱构建单元03，用于根据知识图谱的节点实体、实体信息和它们之间的关联关系，构建当前知识图谱；
历史知识图谱查找单元04，用于根据当前产品，找到相似的历史产品，根据历史产品及相关时间信息，查找得到当前产品对应的历史知识图谱；历史知识图谱包括：产品的历史情况；
风险评估单元05，用于根据当前知识图谱和历史知识图谱，得到所述产品的风险评估结果。
在一个实施例中，如图5所示，上述产品风险评估装置还可以包括：预处理单元06，用于对产品的公开产品说明数据、投资范围数据、配置比例文档数据和对应标的的市场情况数据，进行预处理，得到预处理后的公开产品说明数据、投资范围数据、配置比例文档数据和对应标的的市场情况数据；
所述抽取单元具体用于从预处理后的公开产品说明数据、投资范围数据、配置比例文档数据和对应标的的市场情况数据中抽取出知识图谱的节点实体、实体信息和它们之间的关联关系。
在一个实施例中，所述节点实体可以包括理财产品和基础资产；实体信息可以包括：理财产品属性和子产品属性；关联关系可以包括投资比例和投资类型。
在一个实施例中，所述风险评估单元具体可以用于根据当前知识图谱中标的的当前市场情况数据、投资比例数据和投资类型数据，历史知识图谱中标的的历史市场情况数据，得到所述产品的风险评估结果。
在一个实施例中，所述子产品属性可以包括子产品的风险属性；
所述风险评估单元具体可以用于根据所述子产品的风险属性，当前知识图谱中标的的当前市场情况数据、投资比例数据和投资类型数据，历史知识图谱中标的的历史市场情况数据，得到所述产品的风险评估结果。
在一个实施例中，上述产品风险评估装置还可以包括：调整处理单元，用于在得出的风险评估结果(例如风险级别)与当前公布的风险评估结果(例如风险级别，例如通过现有方法得到的结果或人工经验确定的结果)不一致时，进行风险预警，经审核确认后，对风险级别进行调整，得到最终的产品风险评估结果。
本发明实施例还提供一种计算机设备，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程序，所述处理器执行所述计算机程序时实现上述产品风险评估方法。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述产品风险评估方法的计算机程序。
本发明实施例提供的方案实现了：
1、根据相关的信息，进行理财产品的知识图谱构建，图谱包含了节点属性、关联关系及投资形式的边信息，还包括了历史图谱的构建。这种从非结构化数据转换到拓扑结构的形式，对理财产品进行梳理，是比较新颖和必要的。
2、根据图谱进行风险等级评估，通过产品与基础资产完全计算，而产品与产品的相似度达到一定阈值时才纳入计算范围，这种方式既保证了本节点的风险评估准确性，相似产品的历史情况也一定程度上为新产品评估提供更为精准的参考。
本发明实施例中，产品风险评估方案，与现有技术中产品风险评估方案的角度单一、经验片面，导致产品风险评估准确率低，产品交易存在安全性隐患的技术方案相比，提高了产品风险评估的准确率，从保证了产品交易的安全性。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种产品风险评估方法，其特征在于，包括：
获取产品的公开产品说明数据、投资范围数据、配置比例文档数据和对应标的的市场情况数据；
从产品的公开产品说明数据、投资范围数据、配置比例文档数据和对应标的的市场情况数据中抽取出知识图谱的节点实体、实体信息和它们之间的关联关系；
根据知识图谱的节点实体、实体信息和它们之间的关联关系，构建当前知识图谱；
根据当前产品，找到相似的历史产品，根据历史产品及相关时间信息，查找得到当前产品对应的历史知识图谱；历史知识图谱包括：产品的历史情况；
根据当前知识图谱和历史知识图谱，得到所述产品的风险评估结果。
2.如权利要求1所述的产品风险评估方法，其特征在于，所述节点实体包括理财产品和基础资产；实体信息包括：理财产品属性和子产品属性；关联关系包括投资比例和投资类型。
3.如权利要求2所述的产品风险评估方法，其特征在于，根据当前知识图谱和历史知识图谱，得到所述产品的风险评估结果，包括：根据当前知识图谱中标的的当前市场情况数据、投资比例数据和投资类型数据，历史知识图谱中标的的历史市场情况数据，得到所述产品的风险评估结果。
4.如权利要求3所述的产品风险评估方法，其特征在于，所述子产品属性包括子产品的风险属性；
根据当前知识图谱中标的的当前市场情况数据、投资比例数据和投资类型数据，历史知识图谱中标的的历史市场情况数据，得到所述产品的风险评估结果，包括：根据所述子产品的风险属性，当前知识图谱中标的的当前市场情况数据、投资比例数据和投资类型数据，历史知识图谱中标的的历史市场情况数据，得到所述产品的风险评估结果。
5.一种产品风险评估装置，其特征在于，包括：
获取单元，用于获取产品的公开产品说明数据、投资范围数据、配置比例文档数据和对应标的的市场情况数据；
抽取单元，用于从产品的公开产品说明数据、投资范围数据、配置比例文档数据和对应标的的市场情况数据中抽取出知识图谱的节点实体、实体信息和它们之间的关联关系；
当前知识图谱构建单元，用于根据知识图谱的节点实体、实体信息和它们之间的关联关系，构建当前知识图谱；
历史知识图谱查找单元，用于根据当前产品，找到相似的历史产品，根据历史产品及相关时间信息，查找得到当前产品对应的历史知识图谱；历史知识图谱包括：产品的历史情况；
风险评估单元，用于根据当前知识图谱和历史知识图谱，得到所述产品的风险评估结果。
6.如权利要求5所述的产品风险评估装置，其特征在于，所述节点实体包括理财产品和基础资产；实体信息包括：理财产品属性和子产品属性；关联关系包括投资比例和投资类型。
7.如权利要求6所述的产品风险评估装置，其特征在于，所述风险评估单元具体用于根据当前知识图谱中标的的当前市场情况数据、投资比例数据和投资类型数据，历史知识图谱中标的的历史市场情况数据，得到所述产品的风险评估结果。
8.如权利要求7所述的产品风险评估装置，其特征在于，所述子产品属性包括子产品的风险属性；
所述风险评估单元具体用于根据所述子产品的风险属性，当前知识图谱中标的的当前市场情况数据、投资比例数据和投资类型数据，历史知识图谱中标的的历史市场情况数据，得到所述产品的风险评估结果。
9.一种计算机设备，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程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4任一所述方法。
10.一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存储有执行权利要求1至4任一所述方法的计算机程序。
CN202011088770.8A 2020-10-13 2020-10-13 产品风险评估方法及装置 Active CN112215711B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011088770.8A CN112215711B (zh) 2020-10-13 2020-10-13 产品风险评估方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011088770.8A CN112215711B (zh) 2020-10-13 2020-10-13 产品风险评估方法及装置

Publications (2)

Publication Number Publication Date
CN112215711A true CN112215711A (zh) 2021-01-12
CN112215711B CN112215711B (zh) 2023-09-19

Family

ID=74053719

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011088770.8A Active CN112215711B (zh) 2020-10-13 2020-10-13 产品风险评估方法及装置

Country Status (1)

Country Link
CN (1) CN112215711B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113806555A (zh) * 2021-09-14 2021-12-17 国网北京市电力公司 用于app的运营异常识别方法、系统、装置及存储介质
CN115496595A (zh) * 2022-11-02 2022-12-20 平安银行股份有限公司 标识产品风险的分析方法、设备及计算机可读存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109345399A (zh) * 2018-10-23 2019-02-15 平安科技（深圳）有限公司 理赔风险评估方法、装置、计算机设备及存储介质
CN110503236A (zh) * 2019-07-08 2019-11-26 中国平安人寿保险股份有限公司 基于知识图谱的风险预测方法、装置、设备以及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109345399A (zh) * 2018-10-23 2019-02-15 平安科技（深圳）有限公司 理赔风险评估方法、装置、计算机设备及存储介质
CN110503236A (zh) * 2019-07-08 2019-11-26 中国平安人寿保险股份有限公司 基于知识图谱的风险预测方法、装置、设备以及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113806555A (zh) * 2021-09-14 2021-12-17 国网北京市电力公司 用于app的运营异常识别方法、系统、装置及存储介质
CN113806555B (zh) * 2021-09-14 2023-08-08 国网北京市电力公司 用于app的运营异常识别方法、系统、装置及存储介质
CN115496595A (zh) * 2022-11-02 2022-12-20 平安银行股份有限公司 标识产品风险的分析方法、设备及计算机可读存储介质

Also Published As

Publication number Publication date
CN112215711B (zh) 2023-09-19

Similar Documents

Publication Publication Date Title
JP4358475B2 (ja) 信用評価システム
US8489502B2 (en) Methods and systems for multi-credit reporting agency data modeling
US20030009399A1 (en) Method and system to identify discrete trends in time series
US20020184126A1 (en) Index selection method
WO2020257782A1 (en) Factory risk estimation using historical inspection data
CN112215711A (zh) 产品风险评估方法及装置
CN112116464A (zh) 基于事件序列频繁项集的异常交易行为分析方法和系统
Miciuła The concept of FTS analysis in forecasting trends of exchange rate changes
Guernsey et al. Classified boards: Endangered species or hiding in plain sight
CN114092230A (zh) 一种数据处理方法、装置、电子设备及计算机可读介质
CN108140051A (zh) 基于全球检索的数据实时生成全球商业评级的全球联网系统
CN112785443A (zh) 基于客户群体的理财产品推送方法及装置
CN117114812A (zh) 一种针对企业的金融产品推荐方法及装置
CN116596674A (zh) 基于大数据分析的对外贸易风险评估方法
CN116611696A (zh) 一种基于时间序列分析的数字资产市场风险预测系统
Moubariki et al. Enhancing cash management using machine learning
KR20050036972A (ko) 포트폴리오 평가 시스템, 컴퓨터 및 컴퓨터 프로그램
CN115860927A (zh) 一种数据分析方法、装置、计算机设备及存储介质
CN115984007A (zh) 企业信用风险监测方法及装置、存储介质及电子设备
CN115797047A (zh) 智能化客户经营风险评估方法及系统
CN113240513A (zh) 一种用户授信额度的确定方法和相关装置
WO2018005708A1 (en) Systems and methods for generating industry outlook scores
Yang et al. Analysis of stock market volatility: Adjusted VPIN with high-frequency data
CN113793220A (zh) 基于人工智能模型的股市投资决策方法及相关设备
Huseynova et al. Short-term forecasting of gross domestic product

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
GR01 Patent grant
GR01 Patent grant