CN112991077B - 金融风险控制系统及方法 - Google Patents
金融风险控制系统及方法 Download PDFInfo
- Publication number
- CN112991077B CN112991077B CN202110189874.6A CN202110189874A CN112991077B CN 112991077 B CN112991077 B CN 112991077B CN 202110189874 A CN202110189874 A CN 202110189874A CN 112991077 B CN112991077 B CN 112991077B
- Authority
- CN
- China
- Prior art keywords
- data
- user
- information
- module
- input
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 114
- 238000012954 risk control Methods 0.000 title claims abstract description 60
- 238000013178 mathematical model Methods 0.000 claims abstract description 52
- 238000010276 construction Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims description 91
- 230000006399 behavior Effects 0.000 claims description 33
- 230000008859 change Effects 0.000 claims description 30
- 238000007781 pre-processing Methods 0.000 claims description 19
- 230000004044 response Effects 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- 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
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Abstract
本发明揭示了一种金融风险控制系统及方法，所述金融风险控制系统包括用户数据获取模块、场景分类模块、用户所在场景获取模块及数学模型构建模块。用户数据获取模块用以获取用户填写设定信息的信息录入数据；场景分类模块，用以对场景进行分类，每一种场景下，选择的样本具有对应的特征数据；用户所在场景获取模块，用以根据用户的特征数据判断用户所处的场景；数学模型构建模块，用以构建数学模型。本发明提出的金融风险控制系统及方法，可利用用户申请信贷时的行为特征，提高风险判断的精确度。
Description
技术领域
本发明属于软件系统技术领域，涉及一种风险控制系统，尤其涉及一种金融风险控制系统及方法。
背景技术
金融风险控制系统是通过各种渠道，实时抓取海量数据，从多个维度分析一个借款用户，评估出还款能力建议，并实时跟踪他的贷前、贷中、贷后的情况。现有的金融风险控制系统通常是根据设定数据库中用户的资料，利用设定的数学模型判断用户的风险。
现有金融风险控制系统没有利用用户申请信贷时填写资料时的这部分特征，风险判断的精确度还有待提高。
有鉴于此，如今迫切需要设计一种新的金融风险控制系统，以便克服现有金融风险控制系统存在的上述至少部分缺陷。
发明内容
本发明提供一种金融风险控制系统及方法，可利用用户申请信贷时的行为特征，提高风险判断的精确度。
为解决上述技术问题，根据本发明的一个方面，采用如下技术方案：
一种金融风险控制系统，所述金融风险控制系统包括：
用户数据获取模块，用以获取用户填写设定信息的信息录入数据；所述信息录入数据包括填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据；
场景分类模块，用以对场景进行分类，每一种场景下，选择的样本具有对应的特征数据；
用户所在场景获取模块，用以根据用户的特征数据判断用户所处的场景；
数学模型构建模块，用以构建数学模型；
信息关联模块，用以获取用户输入信息中能形成问题的至少一个信息点；将能形成问题的不同信息点形成一个信息组合；
问题形成模块，用以根据一个信息点或一个信息组合生成可供提出的问题；或者，根据一个信息点或一个信息组合从数据库中寻找与用户输入信息匹配的问题；
提问模块，用以向对应用户提出所述问题形成模块形成的问题；
用户答复获取模块，用以获取用户对所述提问模块提出问题的答复内容；
用户答复时间获取模块，用以获取用户提供各问题答复内容所需的时间；
标准答案生成模块，用以根据用户输入的信息，结合所述提问模块提出的问题，生成标准答案；
合理答复时间生成模块，用以根据所述提问模块提出的问题，生成对应问题的合理答复时间区间；
答复内容正误识别模块，用以将所述用户答复获取模块获取的各问题的答复内容与所述标准答案生成模块生成的标准答案进行比对，判断答复内容的正误；
答复时间合理性判断模块，用以将所述用户答复时间获取模块获取的各问题的答复时间与所述合理答复时间生成模块生成的合理答复时间区间进行比对，判断用户答复时间是否在合理区间内；
说谎判断模块，用以根据所述答复内容正误识别模块及答复时间合理性判断模块的比对结果判断用户说谎的几率；
用户分类模块，用以根据所述说谎判断模块的判断结果对对应用户进行分类；对用户分类的用户类别作为所述场景分类的参考或参考之一；
所述数学模型构建模块包括样本选取单元、数据预处理单元、特征选择单元、变量选择单元及建模单元；
所述样本选取单元用以从设定数据库中选择样本数据；
所述数据预处理单元用以对所述样本选择单元选择的样本数据进行预处理；
所述特征选择单元用以选择特征数据；所述特征选择单元选择的特征数据包括填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据；
所述变量选择单元用以选择变量数据；所述变量选择单元将变量分成若干组合，每个组合重点适应于一个场景；
所述建模单元用以建立数学模型；所述建模单元根据场景选择对应的变量组合进行数学建模；在识别某一组数据风险时，先根据数据的特征判断其所对应的场景；根据场景不同，选择对应一个或多个数学模型进行风险控制管理；
所述建模单元包括智能学习子单元，所述智能学习子单元用以获取历史数据中各坏数据中对应的填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据，寻找与好数据相比各坏数据的数据特征；所述智能学习子单元将设定待比对用户信息与历史数据中各坏数据的信息录入数据的数据特征进行比对，作为判断对应用户风控指标的依据之一。
根据本发明的另一个方面，采用如下技术方案：一种金融风险控制系统，所述金融风险控制系统包括：
用户数据获取模块，用以获取用户填写设定信息的信息录入数据；所述信息录入数据包括填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据；
场景分类模块，用以对场景进行分类，每一种场景下，选择的样本具有对应的特征数据；
用户所在场景获取模块，用以根据用户的特征数据判断用户所处的场景；
数学模型构建模块，用以构建数学模型；所述数学模型构建模块构建的数学模型选取的特征数据包括填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据。
作为本发明的一种实施方式，所述金融风险控制系统包括：
信息关联模块，用以获取用户输入信息中能形成问题的至少一个信息点；将能形成问题的不同信息点形成一个信息组合；
问题形成模块，用以根据一个信息点或一个信息组合生成可供提出的问题；或者，根据一个信息点或一个信息组合从数据库中寻找与用户输入信息匹配的问题；
提问模块，用以向对应用户提出所述问题形成模块形成的问题；
用户答复获取模块，用以获取用户对所述提问模块提出问题的答复内容；
用户答复时间获取模块，用以获取用户提供各问题答复内容所需的时间；
标准答案生成模块，用以根据用户输入的信息，结合所述提问模块提出的问题，生成标准答案；
合理答复时间生成模块，用以根据所述提问模块提出的问题，生成对应问题的合理答复时间区间；
答复内容正误识别模块，用以将所述用户答复获取模块获取的各问题的答复内容与所述标准答案生成模块生成的标准答案进行比对，判断答复内容的正误；
答复时间合理性判断模块，用以将所述用户答复时间获取模块获取的各问题的答复时间与所述合理答复时间生成模块生成的合理答复时间区间进行比对，判断用户答复时间是否在合理区间内；
说谎判断模块，用以根据所述答复内容正误识别模块及答复时间合理性判断模块的比对结果判断用户说谎的几率；
用户分类模块，用以根据所述说谎判断模块的判断结果对对应用户进行分类；对用户分类的用户类别作为所述用户所在场景获取模块判断用户所处场景的参考或参考之一。
作为本发明的一种实施方式，所述数学模型构建模块包括样本选取单元、数据预处理单元、特征选择单元、变量选择单元及建模单元；
所述样本选取单元用以从设定数据库中选择样本数据；
所述数据预处理单元用以对所述样本选择单元选择的样本数据进行预处理；
所述特征选择单元用以选择特征数据；所述特征选择单元选择的特征数据包括填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据；
所述变量选择单元用以选择变量数据；所述变量选择单元将变量分成若干组合，每个组合重点适应于一个场景；
所述建模单元用以建立数学模型；所述建模单元根据场景选择对应的变量组合进行数学建模；在识别某一组数据风险时，先根据数据的特征判断其所对应的场景；根据场景不同，选择对应一个或多个数学模型进行风险控制管理；
作为本发明的一种实施方式，所述建模单元包括智能学习子单元，所述智能学习子单元用以获取历史数据中各坏数据中对应的填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据，寻找与好数据相比各坏数据的数据特征；所述智能学习子单元将设定待比对用户信息与历史数据中各坏数据的信息录入数据的数据特征进行比对，作为判断对应用户风控指标的依据之一。
根据本发明的又一个方面，采用如下技术方案：一种金融风险控制方法，所述金融风险控制方法包括：
用户数据获取步骤，获取用户填写设定信息的信息录入数据；所述信息录入数据包括填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据；
场景分类步骤，对场景进行分类，每一种场景下，选择的样本具有对应的特征数据；
用户所在场景获取步骤，根据用户的特征数据判断用户所处的场景；
数学模型构建步骤，构建数学模型；
信息关联步骤，获取用户输入信息中能形成问题的至少一个信息点；将能形成问题的不同信息点形成一个信息组合；
问题形成步骤，根据一个信息点或一个信息组合生成可供提出的问题；或者，根据一个信息点或一个信息组合从数据库中寻找与用户输入信息匹配的问题；
提问步骤，向对应用户提出所述问题形成模块形成的问题；
用户答复获取步骤，获取用户对所述提问模块提出问题的答复内容；
用户答复时间获取步骤，获取用户提供各问题答复内容所需的时间；
标准答案生成步骤，根据用户输入的信息，结合所述提问模块提出的问题，生成标准答案；
合理答复时间生成步骤，根据所述提问模块提出的问题，生成对应问题的合理答复时间区间；
答复内容正误识别步骤，将所述用户答复获取模块获取的各问题的答复内容与所述标准答案生成模块生成的标准答案进行比对，判断答复内容的正误；
答复时间合理性判断步骤，将所述用户答复时间获取模块获取的各问题的答复时间与所述合理答复时间生成模块生成的合理答复时间区间进行比对，判断用户答复时间是否在合理区间内；
说谎判断步骤，根据所述答复内容正误识别模块及答复时间合理性判断模块的比对结果判断用户说谎的几率；
用户分类步骤，根据所述说谎判断模块的判断结果对对应用户进行分类；对用户分类的用户类别作为所述场景分类的参考或参考之一；
所述数学模型构建步骤包括：
样本选取步骤，从设定数据库中选择样本数据；
数据预处理步骤，对所述样本选择单元选择的样本数据进行预处理；
特征选择步骤，选择特征数据；选择的特征数据包括填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据；
变量选择步骤，选择变量数据；将变量分成若干组合，每个组合重点适应于一个场景；
建模步骤，建立数学模型；根据场景选择对应的变量组合进行数学建模；在识别某一组数据风险时，先根据数据的特征判断其所对应的场景；根据场景不同，选择对应一个或多个数学模型进行风险控制管理；
所述建模步骤包括智能学习子步骤，获取历史数据中各坏数据中对应的填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据，寻找与好数据相比各坏数据的数据特征；所述智能学习子单元将设定待比对用户信息与历史数据中各坏数据的信息录入数据的数据特征进行比对，作为判断对应用户风控指标的依据之一。
根据本发明的又一个方面，采用如下技术方案：一种金融风险控制方法，所述金融风险控制方法包括：
获取用户填写设定信息的信息录入数据；所述信息录入数据包括填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据；
对场景进行分类，每一种场景下，选择的样本具有对应的特征数据；
获取用户所在场景，根据用户的特征数据判断用户所处的场景；
构建数学模型；构建的数学模型选取的特征数据包括填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据。
作为本发明的一种实施方式，所述金融风险控制方法包括：
信息关联步骤，获取用户输入信息中能形成问题的至少一个信息点；将能形成问题的不同信息点形成一个信息组合；
问题形成步骤，根据一个信息点或一个信息组合生成可供提出的问题；或者，根据一个信息点或一个信息组合从数据库中寻找与用户输入信息匹配的问题；
提问步骤，向对应用户提出所述问题形成模块形成的问题；
用户答复获取步骤，获取用户对所述提问模块提出问题的答复内容；
用户答复时间获取步骤，获取用户提供各问题答复内容所需的时间；
标准答案生成步骤，根据用户输入的信息，结合所述提问模块提出的问题，生成标准答案；
合理答复时间生成步骤，根据所述提问模块提出的问题，生成对应问题的合理答复时间区间；
答复内容正误识别步骤，将所述用户答复获取模块获取的各问题的答复内容与所述标准答案生成模块生成的标准答案进行比对，判断答复内容的正误；
答复时间合理性判断步骤，将所述用户答复时间获取模块获取的各问题的答复时间与所述合理答复时间生成模块生成的合理答复时间区间进行比对，判断用户答复时间是否在合理区间内；
说谎判断步骤，根据所述答复内容正误识别模块及答复时间合理性判断模块的比对结果判断用户说谎的几率；
用户分类步骤，根据所述说谎判断模块的判断结果对对应用户进行分类；对用户分类的用户类别作为所述场景分类的参考或参考之一。
作为本发明的一种实施方式，所述数学模型构建步骤包括：
样本选取步骤，从设定数据库中选择样本数据；
数据预处理步骤，对所述样本选择单元选择的样本数据进行预处理；
特征选择步骤，选择特征数据；选择的特征数据包括填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据；
变量选择步骤，选择变量数据；将变量分成若干组合，每个组合重点适应于一个场景；
建模步骤，建立数学模型；根据场景选择对应的变量组合进行数学建模；在识别某一组数据风险时，先根据数据的特征判断其所对应的场景；根据场景不同，选择对应一个或多个数学模型进行风险控制管理。
作为本发明的一种实施方式，所述建模步骤包括智能学习子步骤，获取历史数据中各坏数据中对应的填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据，寻找与好数据相比各坏数据的数据特征；所述智能学习子单元将设定待比对用户信息与历史数据中各坏数据的信息录入数据的数据特征进行比对，作为判断对应用户风控指标的依据之一。
本发明的有益效果在于：本发明提出的金融风险控制系统及方法，可利用用户申请信贷时的行为特征，提高风险判断的精确度。
附图说明
图1为本发明一实施例中金融风险控制系统的组成示意图。
图2为本发明一实施例中数学模型构建模块的组成示意图。
图3为本发明一实施例中金融风险控制系统另一部分的组成示意图。
图4为本发明一实施例中金融风险控制方法的流程图。
具体实施方式
下面结合附图详细说明本发明的优选实施例。
为了进一步理解本发明，下面结合实施例对本发明优选实施方案进行描述，但是应当理解，这些描述只是为进一步说明本发明的特征和优点，而不是对本发明权利要求的限制。
该部分的描述只针对几个典型的实施例，本发明并不仅局限于实施例描述的范围。相同或相近的现有技术手段与实施例中的一些技术特征进行相互替换也在本发明描述和保护的范围内。
说明书中各个实施例中的步骤的表述只是为了方便说明，本申请的实现方式不受步骤实现的顺序限制。
说明书中的“连接”既包含直接连接，也包含间接连接。说明书中，若干指两个或两个以上。说明书中，坏数据指风险高于设定阈值的数据。
本发明揭示了一种金融风险控制系统，图1为本发明一实施例中金融风险控制系统的组成示意图；请参阅图1，所述金融风险控制系统包括：用户数据获取模块1、场景分类模块2、用户所在场景获取模块3及数学模型构建模块4。
所述用户数据获取模块1用以获取用户填写设定信息的信息录入数据；所述信息录入数据包括填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据。
所述场景分类模块2用以对场景进行分类，每一种场景下，选择的样本具有对应的特征数据。所述用户所在场景获取模块3用以根据用户的特征数据判断用户所处的场景。
所述数学模型构建模块4用以构建数学模型；所述数学模型构建模块4构建的数学模型选取的特征数据包括填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据。在完成数学模型的构建后，可根据设定用户的设定信息(将设定信息输入至数学模型)判断对应用户的金融风险，为是否向其借贷、借贷的金额作为决定的重要参考。
图2为本发明一实施例中数学模型构建模块的组成示意图；请参阅图2，在本发明的一实施例中，所述数学模型构建模块4包括样本选取单元41、数据预处理单元42、特征选择单元43、变量选择单元44及建模单元45。
所述样本选取单元41用以从设定数据库中选择样本数据；所述数据预处理单元42用以对所述样本选择单元选择的样本数据进行预处理。
所述特征选择单元43用以选择特征数据；所述特征选择单元43选择的特征数据包括填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据。
所述变量选择单元44用以选择变量数据；所述变量选择单元44将变量分成若干组合，每个组合重点适应于一个场景。
所述建模单元45用以建立数学模型；所述建模单元45根据场景选择对应的变量组合进行数学建模；在识别某一组数据风险时，先根据数据的特征判断其所对应的场景；根据场景不同，选择对应一个或多个数学模型进行风险控制管理。
在一实施例中，所述建模单元45包括智能学习子单元，所述智能学习子单元用以获取历史数据中各坏数据中对应的填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据，寻找与好数据相比各坏数据的数据特征；所述智能学习子单元将设定待比对用户信息与历史数据中各坏数据的信息录入数据的数据特征进行比对，作为判断对应用户风控指标的依据之一。
图3为本发明一实施例中金融风险控制系统另一部分的组成示意图；请参阅图3，在本发明的一实施例中，所述金融风险控制系统包括：信息关联模块10、问题形成模块20、提问模块30、用户答复获取模块40、用户答复时间获取模块50、标准答案生成模块60、合理答复时间生成模块70、答复内容正误识别模块80、答复时间合理性判断模块90、说谎判断模块100及用户分类模块110。
信息关联模块10用以获取用户输入信息中能形成问题的至少一个信息点；将能形成问题的不同信息点形成一个信息组合。问题形成模块20用以根据一个信息点或一个信息组合生成可供提出的问题；或者，根据一个信息点或一个信息组合从数据库中寻找与用户输入信息匹配的问题。在本发明的一实施例中，问题形成模块20可以在形成的问题中分别列出对应问题可以评判用户诚信的正确率；正确率的获取方式可以预先设定，也可以通过众多历史数据的验证计算得到。
能形成问题的信息点可以对应用户的设定属性，在一实施例中，用户居住地址、工作地址可以作为一个信息组合，结合用户所用交通工具，可以生成询问用户上班所需时间的问题。在另一实施例中，根据用户工作地点，可以生成周边有哪些商场、周边是否有设定餐厅、平时区哪里吃中午的问题。
提问模块30用以向对应用户提出所述问题形成模块20形成的问题。提问模块30可以从所述问题形成模块20形成的若干问题中，选择一个或若干个评判精确度较高或最高的问题。
用户答复获取模块40用以获取用户对所述提问模块30提出问题的答复内容。供用户答复问题的方式可以是选择题，也可以是填空题。
用户答复时间获取模块50用以获取用户提供各问题答复内容所需的时间。
标准答案生成模块60用以根据用户输入的信息，结合所述提问模块30提出的问题，生成标准答案。标准答案可以有一个，也可以有若干个。在一实施例中，用户居住在地点A，工作在地点B，标准答案生成模块60根据用户乘坐的交通工具，可以获取大致的工作时间，形成一个时间段，例如55～65分钟。
合理答复时间生成模块70用以根据所述提问模块30提出的问题，生成对应问题的合理答复时间区间。合理答复时间生成模块70生成的合理答复时间区间可以预先设定，也可以根据提出的问题由系统生成。当然，合理答复时间生成模块70还可以获取用户终端在答复的过程中是否有接听电话的行为；若存在接听电话的行为，记录该行为，并暂停计时。
答复内容正误识别模块80用以将所述用户答复获取模块40获取的各问题的答复内容与所述标准答案生成模块60生成的标准答案进行比对，判断答复内容的正误。
答复时间合理性判断模块90用以将所述用户答复时间获取模块50获取的各问题的答复时间与所述合理答复时间生成模块70生成的合理答复时间区间进行比对，判断用户答复时间是否在合理区间内。
说谎判断模块100用以根据所述答复内容正误识别模块80及答复时间合理性判断模块90的比对结果判断用户说谎的几率。
用户分类模块110用以根据所述说谎判断模块100的判断结果对对应用户进行分类；对用户分类的用户类别作为所述用户所在场景获取模块3判断用户所处场景的参考或参考之一。
本发明还揭示一种金融风险控制方法，图4为本发明一实施例中金融风险控制方法的流程图；请参阅图4，所述金融风险控制方法包括：
【步骤S1】获取用户填写设定信息的信息录入数据；所述信息录入数据包括填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据；
【步骤S2】对场景进行分类，每一种场景下，选择的样本具有对应的特征数据；
【步骤S3】获取用户所在场景，根据用户的特征数据判断用户所处的场景；
【步骤S4】构建数学模型；构建的数学模型选取的特征数据包括填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据。
在本发明的一实施例中，所述数学模型构建步骤包括：
【步骤S41】样本选取步骤，从设定数据库中选择样本数据；
【步骤S42】数据预处理步骤，对所述样本选择单元选择的样本数据进行预处理；
【步骤S43】特征选择步骤，选择特征数据；选择的特征数据包括填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据；
【步骤S44】变量选择步骤，选择变量数据；将变量分成若干组合，每个组合重点适应于一个场景；
【步骤S45】建模步骤，建立数学模型；根据场景选择对应的变量组合进行数学建模；在识别某一组数据风险时，先根据数据的特征判断其所对应的场景；根据场景不同，选择对应一个或多个数学模型进行风险控制管理。
在本发明的一实施例中，所述建模步骤包括智能学习子步骤，获取历史数据中各坏数据中对应的填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据，寻找与好数据相比各坏数据的数据特征；所述智能学习子单元将设定待比对用户信息与历史数据中各坏数据的信息录入数据的数据特征进行比对，作为判断对应用户风控指标的依据之一。
在本发明的一实施例中，所述金融风险控制方法包括：
【步骤A1】信息关联步骤，获取用户输入信息中能形成问题的至少一个信息点；将能形成问题的不同信息点形成一个信息组合；
【步骤A2】问题形成步骤，根据一个信息点或一个信息组合生成可供提出的问题；或者，根据一个信息点或一个信息组合从数据库中寻找与用户输入信息匹配的问题；
【步骤A3】提问步骤，向对应用户提出所述问题形成模块形成的问题；
【步骤A4】用户答复获取步骤，获取用户对所述提问模块提出问题的答复内容；
【步骤A5】用户答复时间获取步骤，获取用户提供各问题答复内容所需的时间；
【步骤A6】标准答案生成步骤，根据用户输入的信息，结合所述提问模块提出的问题，生成标准答案；
【步骤A7】合理答复时间生成步骤，根据所述提问模块提出的问题，生成对应问题的合理答复时间区间；
【步骤A8】答复内容正误识别步骤，将所述用户答复获取模块获取的各问题的答复内容与所述标准答案生成模块生成的标准答案进行比对，判断答复内容的正误；
【步骤A9】答复时间合理性判断步骤，将所述用户答复时间获取模块获取的各问题的答复时间与所述合理答复时间生成模块生成的合理答复时间区间进行比对，判断用户答复时间是否在合理区间内；
【步骤A10】说谎判断步骤，根据所述答复内容正误识别模块及答复时间合理性判断模块的比对结果判断用户说谎的几率；
【步骤A11】用户分类步骤，根据所述说谎判断模块的判断结果对对应用户进行分类；对用户分类的用户类别作为所述场景分类的参考或参考之一。
综上所述，本发明提出的金融风险控制系统及方法，可利用用户申请信贷时的行为特征，提高风险判断的精确度。
需要注意的是，本申请可在软件和/或软件与硬件的组合体中被实施；例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一些实施例中，本申请的软件程序可以通过处理器执行以实现上文步骤或功能。同样地，本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中；例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现；例如，作为与处理器配合从而执行各个步骤或功能的电路。
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。
这里本发明的描述和应用是说明性的，并非想将本发明的范围限制在上述实施例中。实施例中所涉及的效果或优点可因多种因素干扰而可能不能在实施例中体现，对于效果或优点的描述不用于对实施例进行限制。这里所披露的实施例的变形和改变是可能的，对于那些本领域的普通技术人员来说实施例的替换和等效的各种部件是公知的。本领域技术人员应该清楚的是，在不脱离本发明的精神或本质特征的情况下，本发明可以以其它形式、结构、布置、比例，以及用其它组件、材料和部件来实现。在不脱离本发明范围和精神的情况下，可以对这里所披露的实施例进行其它变形和改变。
Claims (6)
1.一种金融风险控制系统，其特征在于，所述金融风险控制系统包括：
用户数据获取模块，用以获取用户填写设定信息的信息录入数据；所述信息录入数据包括填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据；
场景分类模块，用以对场景进行分类，每一种场景下，选择的样本具有对应的特征数据；
用户所在场景获取模块，用以根据用户的特征数据判断用户所处的场景；
数学模型构建模块，用以构建数学模型；所述数学模型构建模块构建的数学模型选取的特征数据包括填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据；
所述金融风险控制系统包括：
信息关联模块，用以获取用户输入信息中能形成问题的至少一个信息点；将能形成问题的不同信息点形成一个信息组合；
问题形成模块，用以根据一个信息点或一个信息组合生成可供提出的问题；或者，根据一个信息点或一个信息组合从数据库中寻找与用户输入信息匹配的问题；
提问模块，用以向对应用户提出所述问题形成模块形成的问题；
用户答复获取模块，用以获取用户对所述提问模块提出问题的答复内容；
用户答复时间获取模块，用以获取用户提供各问题答复内容所需的时间；
标准答案生成模块，用以根据用户输入的信息，结合所述提问模块提出的问题，生成标准答案；
合理答复时间生成模块，用以根据所述提问模块提出的问题，生成对应问题的合理答复时间区间；
答复内容正误识别模块，用以将所述用户答复获取模块获取的各问题的答复内容与所述标准答案生成模块生成的标准答案进行比对，判断答复内容的正误；
答复时间合理性判断模块，用以将所述用户答复时间获取模块获取的各问题的答复时间与所述合理答复时间生成模块生成的合理答复时间区间进行比对，判断用户答复时间是否在合理区间内；
说谎判断模块，用以根据所述答复内容正误识别模块及答复时间合理性判断模块的比对结果判断用户说谎的几率；
用户分类模块，用以根据所述说谎判断模块的判断结果对对应用户进行分类；对用户分类的用户类别作为所述用户所在场景获取模块判断用户所处场景的参考或参考之一。
2.根据权利要求1所述的金融风险控制系统，其特征在于：
所述数学模型构建模块包括样本选取单元、数据预处理单元、特征选择单元、变量选择单元及建模单元；
所述样本选取单元用以从设定数据库中选择样本数据；
所述数据预处理单元用以对所述样本选取单元选择的样本数据进行预处理；
所述特征选择单元用以选择特征数据；所述特征选择单元选择的特征数据包括填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据；
所述变量选择单元用以选择变量数据；所述变量选择单元将变量分成若干组合，每个组合重点适应于一个场景；
所述建模单元用以建立数学模型；所述建模单元根据场景选择对应的变量组合进行数学建模；在识别某一组数据风险时，先根据数据的特征判断其所对应的场景；根据场景不同，选择对应一个或多个数学模型进行风险控制管理。
3.根据权利要求2所述的金融风险控制系统，其特征在于：
所述建模单元包括智能学习子单元，所述智能学习子单元用以获取历史数据中各坏数据中对应的填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据，寻找与好数据相比各坏数据的数据特征；所述智能学习子单元将设定待比对用户信息与历史数据中各坏数据的信息录入数据的数据特征进行比对，作为判断对应用户风控指标的依据之一。
4.一种金融风险控制方法，其特征在于，所述金融风险控制方法包括：
获取用户填写设定信息的信息录入数据；所述信息录入数据包括填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据；
对场景进行分类，每一种场景下，选择的样本具有对应的特征数据；
获取用户所在场景，根据用户的特征数据判断用户所处的场景；
构建数学模型；构建的数学模型选取的特征数据包括填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据；
所述金融风险控制方法包括：
信息关联步骤，获取用户输入信息中能形成问题的至少一个信息点；将能形成问题的不同信息点形成一个信息组合；
问题形成步骤，根据一个信息点或一个信息组合生成可供提出的问题；或者，根据一个信息点或一个信息组合从数据库中寻找与用户输入信息匹配的问题；
提问步骤，向对应用户提出所述问题形成模块形成的问题；
用户答复获取步骤，获取用户对所述提问模块提出问题的答复内容；
用户答复时间获取步骤，获取用户提供各问题答复内容所需的时间；
标准答案生成步骤，根据用户输入的信息，结合所述提问模块提出的问题，生成标准答案；
合理答复时间生成步骤，根据所述提问模块提出的问题，生成对应问题的合理答复时间区间；
答复内容正误识别步骤，将所述用户答复获取模块获取的各问题的答复内容与所述标准答案生成模块生成的标准答案进行比对，判断答复内容的正误；
答复时间合理性判断步骤，将所述用户答复时间获取模块获取的各问题的答复时间与所述合理答复时间生成模块生成的合理答复时间区间进行比对，判断用户答复时间是否在合理区间内；
说谎判断步骤，根据所述答复内容正误识别模块及答复时间合理性判断模块的比对结果判断用户说谎的几率；
用户分类步骤，根据所述说谎判断模块的判断结果对对应用户进行分类；对用户分类的用户类别作为所述场景分类的参考或参考之一。
5.根据权利要求4所述的金融风险控制方法，其特征在于：
所述数学模型构建步骤包括：
样本选取步骤，从设定数据库中选择样本数据；
数据预处理步骤，对所述样本选取单元选择的样本数据进行预处理；
特征选择步骤，选择特征数据；选择的特征数据包括填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据；
变量选择步骤，选择变量数据；将变量分成若干组合，每个组合重点适应于一个场景；
建模步骤，建立数学模型；根据场景选择对应的变量组合进行数学建模；在识别某一组数据风险时，先根据数据的特征判断其所对应的场景；根据场景不同，选择对应一个或多个数学模型进行风险控制管理。
6.根据权利要求5所述的金融风险控制方法，其特征在于：
所述建模步骤包括智能学习子步骤，获取历史数据中各坏数据中对应的填写设定信息时的信息录入速度数据、录入过程中针对录入界面的操作行为数据、录入过程中的用户位置信息及录入过程中的用户位置变化数据，寻找与好数据相比各坏数据的数据特征；所述智能学习子单元将设定待比对用户信息与历史数据中各坏数据的信息录入数据的数据特征进行比对，作为判断对应用户风控指标的依据之一。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110189874.6A CN112991077B (zh) | 2021-02-18 | 2021-02-18 | 金融风险控制系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110189874.6A CN112991077B (zh) | 2021-02-18 | 2021-02-18 | 金融风险控制系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112991077A CN112991077A (zh) | 2021-06-18 |
| CN112991077B true CN112991077B (zh) | 2024-03-19 |
Family
ID=76394034
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110189874.6A Active CN112991077B (zh) | 2021-02-18 | 2021-02-18 | 金融风险控制系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112991077B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002083163A (ja) * | 2000-09-07 | 2002-03-22 | Mit:Kk | コンサルティング経営主体紹介方法、コンサルティング経営主体紹介システム、及びコンピュータ読取可能なプログラム |
| KR20070013969A (ko) * | 2005-07-27 | 2007-01-31 | 서울신용평가정보 주식회사 | 고객 행동 분석 정보를 이용한 식별주체 검증 시스템 및방법 |
| WO2015094545A1 (en) * | 2013-12-18 | 2015-06-25 | Mun Johnathan | System and method for modeling and quantifying regulatory capital, key risk indicators, probability of default, exposure at default, loss given default, liquidity ratios, and value at risk, within the areas of asset liability management, credit risk, market risk, operational risk, and liquidity risk for banks |
| CN108629682A (zh) * | 2018-05-07 | 2018-10-09 | 平安普惠企业管理有限公司 | 用户金融风险评估方法、装置、设备及可读存储介质 |
| CN109242673A (zh) * | 2018-11-04 | 2019-01-18 | 上海良鑫网络科技有限公司 | 鹰眼反欺诈大数据风控评估系统 |
| WO2019080407A1 (zh) * | 2017-10-25 | 2019-05-02 | 深圳壹账通智能科技有限公司 | 信贷评估方法、装置、设备及计算机可读存储介质 |
| CN110111198A (zh) * | 2019-04-23 | 2019-08-09 | 上海淇玥信息技术有限公司 | 用户金融风险预估方法、装置、电子设备及可读介质 |
| CN110363417A (zh) * | 2019-07-02 | 2019-10-22 | 北京淇瑀信息科技有限公司 | 金融风险策略生成方法、装置及电子设备 |
| KR102061893B1 (ko) * | 2019-08-18 | 2020-01-06 | 주식회사 알앤디아시아 | 질의 응답을 이용한 소셜 러닝 시스템 |
| WO2020088007A1 (zh) * | 2018-10-30 | 2020-05-07 | 阿里巴巴集团控股有限公司 | 确定用户金融违约风险的方法及装置 |
| CN111861703A (zh) * | 2020-07-10 | 2020-10-30 | 深圳无域科技技术有限公司 | 数据驱动的风控策略规则生成方法及系统、风险控制方法及系统 |
| CN112270547A (zh) * | 2020-10-27 | 2021-01-26 | 上海淇馥信息技术有限公司 | 基于特征构造的金融风险评估方法、装置和电子设备 |
| CN112270596A (zh) * | 2020-10-23 | 2021-01-26 | 杭州伍暨通信设备有限公司 | 基于用户画像构建的风险控制系统及方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110153368A1 (en) * | 2009-12-17 | 2011-06-23 | XtremeGIS, Inc. | User Interactive Reinsurance Risk Analysis Application |
-
2021
- 2021-02-18 CN CN202110189874.6A patent/CN112991077B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002083163A (ja) * | 2000-09-07 | 2002-03-22 | Mit:Kk | コンサルティング経営主体紹介方法、コンサルティング経営主体紹介システム、及びコンピュータ読取可能なプログラム |
| KR20070013969A (ko) * | 2005-07-27 | 2007-01-31 | 서울신용평가정보 주식회사 | 고객 행동 분석 정보를 이용한 식별주체 검증 시스템 및방법 |
| WO2015094545A1 (en) * | 2013-12-18 | 2015-06-25 | Mun Johnathan | System and method for modeling and quantifying regulatory capital, key risk indicators, probability of default, exposure at default, loss given default, liquidity ratios, and value at risk, within the areas of asset liability management, credit risk, market risk, operational risk, and liquidity risk for banks |
| WO2019080407A1 (zh) * | 2017-10-25 | 2019-05-02 | 深圳壹账通智能科技有限公司 | 信贷评估方法、装置、设备及计算机可读存储介质 |
| CN108629682A (zh) * | 2018-05-07 | 2018-10-09 | 平安普惠企业管理有限公司 | 用户金融风险评估方法、装置、设备及可读存储介质 |
| WO2020088007A1 (zh) * | 2018-10-30 | 2020-05-07 | 阿里巴巴集团控股有限公司 | 确定用户金融违约风险的方法及装置 |
| CN109242673A (zh) * | 2018-11-04 | 2019-01-18 | 上海良鑫网络科技有限公司 | 鹰眼反欺诈大数据风控评估系统 |
| CN110111198A (zh) * | 2019-04-23 | 2019-08-09 | 上海淇玥信息技术有限公司 | 用户金融风险预估方法、装置、电子设备及可读介质 |
| CN110363417A (zh) * | 2019-07-02 | 2019-10-22 | 北京淇瑀信息科技有限公司 | 金融风险策略生成方法、装置及电子设备 |
| KR102061893B1 (ko) * | 2019-08-18 | 2020-01-06 | 주식회사 알앤디아시아 | 질의 응답을 이용한 소셜 러닝 시스템 |
| CN111861703A (zh) * | 2020-07-10 | 2020-10-30 | 深圳无域科技技术有限公司 | 数据驱动的风控策略规则生成方法及系统、风险控制方法及系统 |
| CN112270596A (zh) * | 2020-10-23 | 2021-01-26 | 杭州伍暨通信设备有限公司 | 基于用户画像构建的风险控制系统及方法 |
| CN112270547A (zh) * | 2020-10-27 | 2021-01-26 | 上海淇馥信息技术有限公司 | 基于特征构造的金融风险评估方法、装置和电子设备 |
Non-Patent Citations (3)
| Title |
|---|
| 信用风险评分卡模型——C银行个人信用贷款中请评分卡实证研究;陆凌;中国优秀硕士学位论文;第1-49页 * |
| 我国商业银行私人金融业务的风险特征及管理对策;王芳;万方知识平台;第34-38、43页 * |
| 浅析在大数据环境下用户口令密码验证风险分析;殷丽杰;张硕硕;;商(第04期);第215-216页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112991077A (zh) | 2021-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108153780B (zh) | 一种人机对话装置及其实现人机对话的方法 | |
| US5967793A (en) | Relationship-based computer-aided-educational system | |
| KR102169925B1 (ko) | 이미지 캡션 자동 생성 방법 및 시스템 | |
| US10019690B2 (en) | Intellectual-productivity analysis apparatus and program | |
| CN109299245B (zh) | 知识点召回的方法和装置 | |
| CN108960269B (zh) | 数据集的特征获取方法、装置及计算设备 | |
| CN112287227A (zh) | 在线学习推荐方法及在线学习系统 | |
| CN112906631A (zh) | 一种基于视频的危险驾驶行为检测方法和检测系统 | |
| CN113239209A (zh) | 基于RankNet-transformer的知识图谱个性化学习路径推荐方法 | |
| CN112991077B (zh) | 金融风险控制系统及方法 | |
| CN111507467A (zh) | 神经网络模型的训练方法、装置、计算机设备及存储介质 | |
| CN111309882B (zh) | 用于实现智能客服问答的方法和装置 | |
| CN113516156A (zh) | 一种基于多源信息融合的细粒度图像分类方法 | |
| CN111539390A (zh) | 一种基于Yolov3的小目标图像识别方法、设备和系统 | |
| CN112926515B (zh) | 活体模型训练方法和装置 | |
| CN116110058A (zh) | 一种基于手写数字识别的虚拟人交互方法及系统 | |
| CN115690883A (zh) | 一种目标训练样本集的获得方法及相关装置 | |
| CN113239034A (zh) | 一种基于人工智能的大数据资源整合方法、系统及云平台 | |
| CN110147497B (zh) | 一种面向青少年群体的个性化内容推荐方法 | |
| CN117830046B (zh) | 一种基于互联网的在线课程数据云管理系统 | |
| CN111782762A (zh) | 问答应用中相似问题确定方法、装置、电子设备 | |
| US6629088B1 (en) | Method and apparatus for measuring the quality of descriptors and description schemes | |
| CN112784776B (zh) | 一种基于改进残差网络的bpd面部情绪识别方法 | |
| CN115757950B (zh) | 一种基于ai智能推荐的学习系统 | |
| CN113837322B (zh) | 课程的分类处理方法、装置、设备及介质 |
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 |