CN113159545A - 确定价值属性值的方法、装置、电子设备和存储介质 - Google Patents
确定价值属性值的方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113159545A CN113159545A CN202110384069.9A CN202110384069A CN113159545A CN 113159545 A CN113159545 A CN 113159545A CN 202110384069 A CN202110384069 A CN 202110384069A CN 113159545 A CN113159545 A CN 113159545A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- value
- fraud
- target
- user
- 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
- 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
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明实施例公开了一种确定价值属性值的方法、装置、电子设备和存储介质，该确定价值属性值的方法包括：获取目标用户的各个评价因素的属性值，并根据各个评价因素的属性值和各个评价因素的权重值计算目标用户的欺诈风险评分，该欺诈风险评分用于反映欺诈程度；获取目标用户的信用风险评分，该信用风险评分用于反映信用程度；将该欺诈风险评分和该信用风险评分输入目标物品的价值设定模型，得到针对目标用户设定的目标物品的价值属性值。本发明实施例实现了针对信贷产品的欺诈用户进行风险定价，且能够提高定价的精准度，起到很好地控制风险行为的作用。
Description
技术领域
本发明涉及计算机技术，尤其涉及一种确定价值属性值的方法、装置、电子设备和存储介质。
背景技术
风险定价是量化风险管理的一项核心指标，通常应用于银行或相关信贷行业。在实现本发明的过程中，发现人发现，针对信贷产品的欺诈用户，目前并没有成熟的风险定价方案，且目前已存在的风险定价方案，依赖因素单一，定价结果不够精准，不能起到很好地控制风险行为的作用。
发明内容
本发明实施例提供一种确定价值属性值的方法、装置、电子设备和存储介质，实现了针对信贷产品的欺诈用户进行风险定价，且能够提高定价的精准度，起到很好地控制风险行为的作用。
第一方面，本发明实施例提供一种确定价值属性值的方法，包括：
获取目标用户的各个评价因素的属性值，并根据所述各个评价因素的属性值和所述各个评价因素的权重值计算所述目标用户的欺诈风险评分，所述欺诈风险评分用于反映欺诈程度；
获取所述目标用户的信用风险评分，所述信用风险评分用于反映信用程度；
将所述欺诈风险评分和所述信用风险评分输入目标物品的价值设定模型，得到针对所述目标用户设定的所述目标物品的价值属性值。
第二方面，本发明实施例提供一种确定价值属性值的装置，包括：
第一获取模块，用于获取目标用户的各个评价因素的属性值，并根据所述各个评价因素的属性值和所述各个评价因素的权重值计算所述目标用户的欺诈风险评分，所述欺诈风险评分用于反映欺诈程度；
第二获取模块，用于获取所述目标用户的信用风险评分，所述信用风险评分用于反映信用程度；
确定模块，用于将所述欺诈风险评分和所述信用风险评分输入目标物品的价值设定模型，得到针对所述目标用户设定的所述目标物品的价值属性值。
第三方面，本发明实施例还提供了一种电子设备，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程序时实现如本发明实施例中任一所述的确定价值属性值的方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的确定价值属性值的方法。
本发明实施例中，可以获取目标用户的各个评价因素的属性值，并根据各个评价因素的属性值和各个评价因素的权重值计算目标用户的欺诈风险评分，获取目标用户的信用风险评分，将该欺诈风险评分和该信用风险评分输入目标物品的价值设定模型，得到针对目标用户设定的目标物品的价值属性值；其中，目标用户可以是欺诈用户，目标物品可以是信贷产品，即本发明实施例提供了针对信贷产品的欺诈用户进行风险定价的方案；在对信贷产品的欺诈用户进行风险定价时，依赖欺诈用户的各个评价因素的属性值和各个评价因素的权重值计算欺诈用户的欺诈风险评分，而非依赖单一因素；在得到欺诈用户的欺诈风险评分之后，会结合欺诈用户的信用风险评分确定针对欺诈用户设定的目标物品的价值属性值，即从欺诈风险和信用风险两个维度进行风险定价，提高了定价的精准度，起到了很好地控制风险行为的作用。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1是本发明实施例提供的确定价值属性值的方法的一个流程示意图。
图2是本发明实施例提供的计算各个评价因素的权重值的方法的一个流程示意图。
图3是本发明实施例提供的欺诈评分体系的一个结构示意图。
图4是本发明实施例提供的价值设定模型的训练方法的一个流程示意图。
图5是本发明实施例提供的确定价值属性值的装置的一个结构示意图。
图6是本发明实施例提供的电子设备的一个结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
图1为本发明实施例提供的确定价值属性值的方法的一个流程示意图，该方法可以由本发明实施例提供的确定价值属性值的装置来执行，该装置可采用软件和/或硬件的方式实现。在一个具体的实施例中，该装置可以集成在电子设备中。以下实施例将以该装置集成在电子设备中为例进行说明，参考图1，该方法具体可以包括如下步骤：
步骤101，获取目标用户的各个评价因素的属性值，并根据各个评价因素的属性值和各个评价因素的权重值计算目标用户的欺诈风险评分。
示例地，目标用户可以是线上业务策略已识别和确认的有过欺诈行为的欺诈用户，欺诈行为可以是对信贷产品的套现行为，信贷产品是信托型理财产品的一种，其运作原理是将其信贷资产，通过信托公司转化为理财产品向客户发售，常见的信贷产品例如借呗、花呗、金条、白条等，本发明实施例以信贷产品为白条为例进行说明。
针对白条这一信贷产品，各个评价因素指的是影响欺诈风险评分的各个因素，包括但不限于：套现手段、套现金额、套现订单的数量、还款金额占比、还款订单占比、额度使用率、白条账龄、真实额度、是否金条借款、是否理财用户、是否会员、白条支付金额渗透率、白条支付订单渗透率、近12月交易变现金额、近1月商城消费金额、近1月商城消费订单的数量、正常消费订单的数量、白条历史逾期最大金额、白条历史逾期最大天数、白条历史逾期账单占比等。
各个评价因素的属性值即各个评价因素的具体参数值，本发明实施例中，为了便于计算，可以将各个评价因素均用数值量化，从而得到各个评价因素的属性值。比如，针对是否理财用户这个评价因素，当是理财用户时，该评价因素的属性值可以为1，反之，当不是理财用户时，该评价因素的属性值可以为0。
在得到目标用户的各个评价因素的属性值之后，可以获取各个评价因素的权重值，根据各个评价因素的属性值和各个评价因素的权重值计算目标用户的欺诈风险评分，欺诈风险评分用于反映欺诈程度。
具体实现中，为了使价值属性值确定的更加准确，可以预先通过计算得到不同欺诈类型对应的各个评价因素的权重值，其中，欺诈类型包括：黑产欺诈、中介欺诈、个人欺诈及其他，则可以按照如下方式获取各个评价因素的权重值：
(1)确定目标用户的欺诈类型。
(2)根据该欺诈类型获取各个评价因素的权重值。
比如，当目标用户的欺诈类型为黑产欺诈时，可以获取黑产欺诈这一类型对应的各个评价因素的权重值；当目标用户的欺诈类型为中介欺诈时，可以获取中介欺诈这一类型对应的各个评价因素的权重值。
在一个具体的实施例中，可以通过如下方式计算目标用户的欺诈风险评分：
比如：可以将各个评价因素的属性值与对应评价因素的权重值相乘并求和，从而得到目标用户的欺诈风险评分。
或者，可以获取各个评价因素的平均属性值，将各个评价因素的属性值除以对应评价因素的平均属性值后与对应评价因素的权重值相乘并求和，其中，各个评价因素的平均属性值可以是各个评价因素的属性值的平均值。
步骤102，获取目标用户的信用风险评分。
示例地，信用风险评分用于反映信用程度，目标用户的信用风险评分可以从成熟的信用评分系统获取，是已知的贷中评分，本发明实施例不做过多限定。
步骤103，将该欺诈风险评分和信用风险评分输入目标物品的价值设定模型，得到针对目标用户设定的目标物品的价值属性值。
示例地，价值设定模型可以通过预先训练得到，价值设定模型用于表征欺诈风险评分和信用风险评分与价值属性值(比如价格)之间的映射关系，将目标用户的欺诈风险评分和信用风险评分输入目标物品的价值设定模型之后，模型输出为针对目标用户设定的目标物品的价值属性值，即得到目标物品对目标用户的定价，目标物品可以是信贷产品。
本发明实施例中，可以获取目标用户的各个评价因素的属性值，并根据各个评价因素的属性值和各个评价因素的权重值计算目标用户的欺诈风险评分，获取目标用户的信用风险评分，将该欺诈风险评分和该信用风险评分输入目标物品的价值设定模型，得到针对目标用户设定的目标物品的价值属性值；其中，目标用户可以是欺诈用户，目标物品可以是信贷产品，即本发明实施例提供了针对信贷产品的欺诈用户进行风险定价的方案；在对信贷产品的欺诈用户进行风险定价时，依赖欺诈用户的各个评价因素的属性值和各个评价因素的权重值计算欺诈用户的欺诈风险评分，而非依赖单一因素；在得到欺诈用户的欺诈风险评分之后，会结合欺诈用户的信用风险评分确定针对欺诈用户设定的目标物品的价值属性值，即从欺诈风险和信用风险两个维度进行风险定价，提高了定价的精准度，起到了很好地控制风险行为的作用。
在一个具体的实施例中，各个评价因素的权重值可以通过图2所示方法计算得到，如图2所示，该计算方法具体可以包括如下步骤：
步骤201，基于层次分析法建立欺诈评分体系，欺诈评分体系包括目标层、准则层和方案层。
具体实现中，目标层的评价目标可以为欺诈用户群中的欺诈用户的欺诈风险评分，准则层包括影响评价目标的各个评价指标，方案层包括影响评价目标的各个评价因素。
在一个具体的实施例中，所建立的欺诈评分体系可如图3所示：
其中，目标层的评价目标为欺诈风险评分；
准则层包括的评价指标可以为：套现情况、还款情况、基础性质、消费情况和逾期情况；
方案层可以为套现情况包括的评价因素：套现手段、套现金额、套现订单，还款情况包括的评价因素：还款金额占比、还款订单占比，基础性质包括的评价因素：额度使用率、白条账龄、真实额度、是否金条借款、是否理财用户，消费情况包括的评价因素：是否会员、白条支付金额渗透率、白条支付订单渗透率、近12月交易变现金额、近1月商城消费金额、近1月商城消费订单的数量、正常消费订单的数量，逾期情况包括的评价因素：白条历史逾期最大金额、白条历史逾期最大天数、白条历史逾期账单占比。
步骤202，为准则层的评价指标建立第一成对比较矩阵，为方案层的评价因素建立第二成对比较矩阵。
具体地，可以确定准则层的评价指标相对于评价目标的重要性标度，根据准则层的评价指标相对于评价目标的重要性标度建立第一成对比较矩阵。确定方案层的评价因素相对于准则层的对应评价指标的重要性标度，根据方案层的评价因素相对于准则层的对应评价指标的重要性标度建立第二成对比较矩阵。
在一个具体的实施例中，可以将评价指标或评价因素两两对比，按照表1的标度方法归纳为1～9的比例标度。
| 标度 | 定义 |
| 1 | i因素与j因素同等重要 |
| 3 | i因素比j因素略重要 |
| 5 | i因素比j因素较重要 |
| 7 | i因素比j因素非常重要 |
| 9 | i因素比j因素绝对重要 |
表1
其中，上述相邻判断的中值为2，4，6，8。
则成对比较矩阵中的元素Aij表示的是第i个因素相对于第j个因素的比较结果，即第i个因素和第j个因素对某个指标或目标的重要程度之比。
在一个具体的实施例中，例如构建的第一成对比较矩阵可以如下表2所示：
| 评价目标 | A1 | A2 | A3 | A4 | A5 |
| A1 | 1.00 | 3.00 | 5.00 | 7.00 | 9.00 |
| A2 | 0.33 | 1.00 | 3.00 | 4.00 | 9.00 |
| A3 | 0.20 | 0.33 | 1.00 | 2.00 | 3.00 |
| A4 | 0.14 | 0.25 | 0.50 | 1.00 | 2.00 |
| A5 | 0.11 | 0.11 | 0.33 | 0.50 | 1.00 |
表2
其中，A1表示套现情况，A2表示还款情况，A3表示基础性质，A4表示消费情况，A5表示逾期情况。则A12表示套现情况和还款情况对评价目标的重要程度之比为3，反过来，A21表示还款情况和套现情况对评价目标的重要程度之比为1/3，即0.33。
在一个具体的实施例中，为方案层的评价因素建立的第二成对比较矩阵可以包括多个，每个第二成对比较矩阵表示方案层的评价因素相对于准则层的对应评价指标的重要性标度比值。
具体在图3所示的欺诈评分体系中，所构建的第二成对比较矩阵可以包括5个，这5个第二成对比较矩阵依次可以表示：套现手段、套现金额、套现订单相对于套现情况的两两对比的重要性标度比值；还款金额占比、还款订单占比相对于还款情况的两两对比的重要性标度比值；额度使用率、白条账龄、真实额度、是否金条借款、是否理财用户相对于基础性质的两两对比的重要性标度比值；是否会员、白条支付金额渗透率、白条支付订单渗透率、近12月交易变现金额、近1月商城消费金额、近1月商城消费订单的数量、正常消费订单的数量相对于消费情况的两两对比的重要性标度比值；白条历史逾期最大金额、白条历史逾期最大天数、白条历史逾期账单占比相对于逾期情况的两两对比的重要性标度比值。
步骤203，根据第一成对比较矩阵计算准则层的评价指标相对于评价目标的权重值，根据第二成对比较矩阵计算方案层的评价因素相对于准则层的对应评价指标的权重值。
具体地，可以对第一成对比较矩阵中的数据归一化后进行行求和，对行求和得到的数据归一化后与第一成对比较矩阵相乘，得到准则层的评价指标相对于评价目标的权重值。
示例地，当第一成对比较矩阵如表2所示时，对第一成对比较矩阵中的数据归一化(例如对列求和归一化)后得到的矩阵可如表3所示：
| 评价目标 | A1 | A2 | A3 | A4 | A5 |
| A1 | 0.56 | 0.64 | 0.51 | 0.48 | 0.38 |
| A2 | 0.19 | 0.21 | 0.31 | 0.28 | 0.38 |
| A3 | 0.11 | 0.07 | 0.10 | 0.14 | 0.13 |
| A4 | 0.08 | 0.05 | 0.05 | 0.07 | 0.08 |
| A5 | 0.06 | 0.02 | 0.03 | 0.03 | 0.04 |
表3
对表3中的数据进行行求和，并对求和得到的数据归一化后得到的数据可如表4所示：
| 评价目标 | A1 | A2 | A3 | A4 | A5 | 行求和 | 和数据归一化 |
| A1 | 0.56 | 0.64 | 0.51 | 0.48 | 0.38 | 2.57 | 0.5150 |
| A2 | 0.19 | 0.21 | 0.31 | 0.28 | 0.38 | 1.37 | 0.2745 |
| A3 | 0.11 | 0.07 | 0.10 | 0.14 | 0.13 | 0.55 | 0.1102 |
| A4 | 0.08 | 0.05 | 0.05 | 0.07 | 0.08 | 0.33 | 0.0661 |
| A5 | 0.06 | 0.02 | 0.03 | 0.03 | 0.04 | 0.17 | 0.0340 |
表4
将和数据归一化后与表2所示的第一成对比较矩阵相乘，得到的准则层的评价指标相对于评价目标的权重值可如表5所示：
表5
按照上述方法对各个第二成对比较矩阵进行处理，可以依次得到方案层的评价因素相对于准则层的对应评价指标的权重值。
步骤204，根据准则层的评价指标相对于评价目标的权重值以及方案层的评价因素相对于准则层的对应评价指标的权重值确定方案层的评价因素相对于评价目标的权重值，从而得到各个评价因素的权重值。
具体地，可以对准则层的评价指标相对于评价目标的权重值以及方案层的评价因素相对于准则层的对应评价指标的权重值进行一致性校验，在准则层的评价指标相对于评价目标的权重值以及方案层的评价因素相对于准则层的对应评价指标的权重值的一致性校验均通过时，再根据准则层的评价指标相对于评价目标的权重值以及方案层的评价因素相对于准则层的对应评价指标的权重值确定方案层的评价因素相对于评价目标的权重值。
对准则层的评价指标相对于评价目标的权重值以及方案层的评价因素相对于准则层的对应评价指标的权重值进行一致性校验，相当于是对第一成对比较矩阵和第二成对比较矩阵进行一致性校验。
以对第一成对比较矩阵进行一致性校验为例，具体的校验方法可如下：
(1)计算第一成对比较矩阵的特征值。
由A*W＝λW计算得到λ，其中，A表示第一成对比较矩阵，W表示准则层的评价指标相对于评价目标的权重值，λ表示第一成对比较矩阵的特征值。
(2)计算一致性指标CI。
m表示第一成对比较矩阵A的阶数，本实施例中，m等于5。
(3)计算一致性比率CR。
RI表示随机一致性指标，可根据矩阵阶数查下表6获得：
| 矩阵阶数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
| RI | 0 | 0 | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 | 1.49 |
表6
具体在本实施例中，m等于5，RI为1.12。
具体实现中，可以将计算得到的一致性比率CR与预设比率阈值进行比较，预设比率阈值比如0.1，如果一致性比率CR小于预设比率阈值，则认为第一成对比较矩阵的一致性校验通过；反之，如果一致性比率CR不小于预设比率阈值，则认为第一成对比较矩阵的一致性校验不通过。
如果第一成对比较矩阵的一致性校验不通过，则调整第一成对比较矩阵中的数据，直至第一成对比较矩阵的一致性校验通过时，将根据通过一致性校验的第一成对比较矩阵计算得到的准则层的评价指标相对于评价目标的权重值用于后续的层次总排序的计算。
按照对第一成对比较矩阵的校验方法对第二成对比较矩阵进行一致性校验，并将根据通过一致性校验的第二成对比较矩阵计算得到的方案层的评价因素相对于准则层的对应评价指标的权重值用于后续的层次总排序的计算。
具体实现中，计算方案层的评价因素相对于评价目标的权重值的过程相当于层次总排序的计算。具体地，可以将准则层的评价指标相对于评价目标的权重值与方案层的评价因素相对于准则层的对应评价指标的权重值对应相乘并求和，从而得到方案层的评价因素相对于评价目标的权重值。
在得到方案层的评价因素相对于评价目标的权重值之后，可以对方案层的评价因素相对于评价目标的权重值进行一致性校验，即进行层次总排序的一致性校验，在校验通过时，将方案层的评价因素相对于评价目标的权重值确定为各个评价因素的权重值。
通过一致性校验，保证了各个评价指标、评价因素的权重计算结果的可靠性，从而保证了整个定价体系的可靠性和精准度。
按照图2所示方法，可以针对每种欺诈类型计算得到对应的各个评价因素的权重值。需要说明的是，图2所示计算各个评价因素的权重值的方法，为本发明实施例提供的优选计算方案，并不构成对计算各个评价因素的权重值的唯一限定。
在一个具体的实施例中，价值设定模型可以通过图4所示方法训练得到，如图4所示，该训练方法具体可以包括如下步骤：
步骤301，根据欺诈用户群中的欺诈用户的各个评价因素的属性值及各个评价因素的权重值计算欺诈用户的欺诈风险评分，并根据欺诈用户的欺诈风险评分进行欺诈评分分级。
具体地，可以确定欺诈用户的欺诈类型，根据欺诈类型获取对应的各个评价因素的权重值，然后根据欺诈用户的各个评价因素的属性值和对应的各个评价因素的权重值计算欺诈用户的欺诈风险评分。
具体实现中，计算出的欺诈用户的欺诈风险评分通常在(0，10]的区间内，因而可以将欺诈评分分级设置为1，2，3，4，5，6，7，8，9，10，比如欺诈风险评分在(0，1]区间，则对应的欺诈评分分级为1，欺诈风险评分在(1，2]区间，则对应的欺诈评分分级为2。
步骤302，获取欺诈用户的信用风险评分，并根据欺诈用户的信用风险评分进行信用评分分级。
欺诈用户的信用风险评分通常在(0，1000]的区间内，示例地，可以将信用评分分级设置为(0，600]、(600，650]、(650，700]、(700，750](750，1000]。
步骤303，基于不同的欺诈评分分级和信用评分分级的欺诈用户在不同价值属性值下的逾期率建立欺诈信用评分矩阵，从而得到训练数据。
具体实现中，逾期率可以为订单的逾期未还金额与订单的交易金额的比值。
在一个具体的实施例中，以欺诈类型为中介欺诈为例，所建立欺诈信用评分矩阵可如表7所示：
表7
其中，TX score表示欺诈评分分级，b score表示信用评分分级。
步骤304，基于训练数据进行模型训练，并根据模型输出计算目标函数。
示例地，目标函数可以如下：
Z＝Rt-Rl
其中，Z表示目标函数，Rt表示减少置换额占比(比如减少交易额占比)，Rl表示减少损失额占比(比如减少资损占比)，即本发明实施例根据实际减少资损占比与减少交易占比的博弈均衡理论，去定义目标函数。
其中，QW代表总体置换任务(比如总体交易订单)的置换额，Pi代表针对所述欺诈用户设定的价值属性值，n表示所述欺诈用户的数量；
其中，M′代表欺诈用户在预设时段的逾期额，L′代表欺诈用户的置换额(比如交易额)，M代表总体用户在预设时段的逾期额，L代表总体用户的置换额。其中，总体用户可以为全网交易用户，包括欺诈用户和非欺诈用户。
即：
令x1＝TX score，x2＝b score，x3＝Pi；
根据欺诈信用评分矩阵建立欺诈风险评分、信用风险评分与欺诈用户的逾期率
的映射函数
将f(x1,x2)、x3代入目标函数Z中，得到如下公式：
即：
具体实现中，QW、n、总体用户的逾期率
均为已知量。
在一个具体的例子中，比如n＝29175，QW＝61867130，
将这些已知量代入Z的计算公式可以得到如下公式：
即：
Z＝1-0.0005x3-97f(x1,x2)+0.05*x3*f(x1,x2)
设置约束条件，其中：
x1表示欺诈风险评分，x1属于(0，10]区间，x2表示信用风险评分，x2属于(0，1000]区间，x3表示针对欺诈用户设定的价值属性值，可以根据实际需要设置x3的取值范围，例如x3可以在集合{500，1000，2000，3000，原始定价}中取值。
根据训练过程中的模型输出找出使目标函数具有最大值的映射关系，即根据约束条件找出x1、x2、x3的组合，使得目标函数具有最大值。
步骤305，找出使目标函数具有最大值的映射关系，得到价值设定模型，该映射关系为欺诈风险评分和信用风险评分与价值属性值之间的映射关系。
步骤306，采用测试用户对价值设定模型进行性能测试，并根据测试结果优化价值设定模型。
其中，测试用户也是识别出的欺诈用户，可以将测试用户采用ABtest方法进行客群划分，其中95％的测试用户采用价值设定模型的输出定价，5％的测试用户采用原始定价，一段时间后，观测两组用户的置换额减少情况和损失额减少情况，并根据置换额减少情况和损失额减少情况优化价值设定模型。
图5是本发明是实施例提供的确定价值属性值的装置的一个结构图，该装置适用于执行本发明实施例提供的确定价值属性值的方法。如图5所示，该装置具体可以包括：
第一获取模块401，用于获取目标用户的各个评价因素的属性值，并根据所述各个评价因素的属性值和所述各个评价因素的权重值计算所述目标用户的欺诈风险评分，所述欺诈风险评分用于反映欺诈程度；
第二获取模块402，用于获取所述目标用户的信用风险评分，所述信用风险评分用于反映信用程度；
确定模块403，用于将所述欺诈风险评分和所述信用风险评分输入目标物品的价值设定模型，得到针对所述目标用户设定的所述目标物品的价值属性值。
一实施例中，所述第一获取模块401还用于，
确定所述目标用户的欺诈类型；
根据所述欺诈类型获取所述各个评价因素的权重值。
一实施例中，所述装置还包括计算模块；
所述计算模块用于，基于层次分析法建立欺诈评分体系，所述欺诈评分体系包括目标层、准则层和方案层，所述目标层的评价目标为欺诈用户群中的欺诈用户的欺诈风险评分，所述准则层包括影响所述评价目标的各个评价指标，所述方案层包括影响所述评价目标的各个评价因素；
根据所述欺诈评分体系计算所述各个评价因素的权重值。
一实施例中，所述计算模块根据所述欺诈评分体系计算所述各个评价因素的权重值，包括：
为所述准则层的评价指标建立第一成对比较矩阵，为所述方案层的评价因素建立第二成对比较矩阵；
根据所述第一成对比较矩阵计算所述准则层的评价指标相对于所述评价目标的权重值，根据所述第二成对比较矩阵计算所述方案层的评价因素相对于所述准则层的对应评价指标的权重值；
根据所述准则层的评价指标相对于所述评价目标的权重值以及所述方案层的评价因素相对于所述准则层的对应评价指标的权重值确定所述方案层的评价因素相对于所述评价目标的权重值，从而得到所述各个评价因素的权重值。
一实施例中，所述计算模块为所述准则层的评价指标建立第一成对比较矩阵，包括：
确定所述准则层的评价指标相对于所述评价目标的重要性标度，根据所述准则层的评价指标相对于所述评价目标的重要性标度建立所述第一成对比较矩阵；
所述计算模块为所述方案层的评价因素建立第二成对比较矩阵，包括：
确定所述方案层的评价因素相对于所述准则层的对应评价指标的重要性标度，根据所述方案层的评价因素相对于所述准则层的对应评价指标的重要性标度建立所述第二成对比较矩阵。
一实施例中，所述计算模块根据所述第一成对比较矩阵计算所述准则层的评价指标相对于所述评价目标的权重值，包括：
对所述第一成对比较矩阵中的数据归一化后进行行求和，对行求和得到的数据归一化后与所述第一成对比较矩阵相乘，得到所述准则层的评价指标相对于所述评价目标的权重值；
所述根据所述第二成对比较矩阵计算所述方案层的评价因素相对于所述准则层的对应评价指标的权重值，包括：
对所述第二成对比较矩阵中的数据归一化后进行行求和，对行求和得到的数据归一化后与所述第二成对比较矩阵相乘，得到所述方案层的评价因素相对于所述准则层的对应评价指标的权重值。
一实施例中，所述计算模块根据所述准则层的评价指标相对于所述评价目标的权重值以及所述方案层的评价因素相对于所述准则层的对应评价指标的权重值确定所述方案层的评价因素相对于所述评价目标的权重值，从而得到所述各个评价因素的权重值，包括：
对所述准则层的评价指标相对于所述评价目标的权重值以及所述方案层的评价因素相对于所述准则层的对应评价指标的权重值进行一致性校验；
在所述准则层的评价指标相对于所述评价目标的权重值以及所述方案层的评价因素相对于所述准则层的对应评价指标的权重值的一致性校验均通过时，根据所述准则层的评价指标相对于所述评价目标的权重值以及所述方案层的评价因素相对于所述准则层的对应评价指标的权重值确定所述方案层的评价因素相对于所述评价目标的权重值；
对所述方案层的评价因素相对于所述评价目标的权重值进行一致性校验；
在所述方案层的评价因素相对于所述评价目标的权重值的一致性校验通过时，将所述方案层的评价因素相对于所述评价目标的权重值确定为所述各个评价因素的权重值。
一实施例中，所述计算模块根据所述准则层的评价指标相对于所述评价目标的权重值以及所述方案层的评价因素相对于所述准则层的对应评价指标的权重值确定所述方案层的评价因素相对于所述评价目标的权重值，从而得到所述各个评价因素的权重值，包括：
将所述准则层的评价指标相对于所述评价目标的权重值与所述方案层的评价因素相对于所述准则层的对应评价指标的权重值对应相乘并求和，得到所述方案层的评价因素相对于所述评价目标的权重值。
一实施例中，所述装置包括训练模块；
所述训练模块用于，根据欺诈用户群中的欺诈用户的特征数据获取训练数据；基于所述训练数据进行模型训练，并根据模型输出计算目标函数；找出使所述目标函数具有最大值的映射关系，得到所述价值设定模型，所述映射关系为欺诈风险评分和信用风险评分与价值属性值之间的映射关系。
一实施例中，所述训练模块根据欺诈用户群中的欺诈用户的特征数据获取训练数据，包括：
根据所述欺诈用户群中的欺诈用户的所述各个评价因素的属性值及所述各个评价因素的权重值计算所述欺诈用户的欺诈风险评分，并根据所述欺诈用户的欺诈风险评分进行欺诈评分分级；
获取所述欺诈用户的信用风险评分，并根据所述欺诈用户的信用风险评分进行信用评分分级；
基于不同的欺诈评分分级和信用评分分级的所述欺诈用户在不同价值属性值下的逾期率建立欺诈信用评分矩阵，从而得到所述训练数据。
一实施例中，所述目标函数如下：
Z＝Rt-Rl
其中，Z表示目标函数，Rt表示减少置换额占比，Rl表示减少损失额占比。
一实施例中，
其中，QW代表总体置换任务的置换额，Pi代表针对所述欺诈用户设定的价值属性值，n表示所述欺诈用户的数量；
其中，M′代表所述欺诈用户在预设时段的逾期额，L′代表所述欺诈用户的置换额，M代表总体用户在所述预设时段的逾期额，L代表所述总体用户的置换额。
一实施例中，所述训练模块还用于：
采用测试用户对所述价值设定模型进行性能测试，并根据测试结果优化所述价值设定模型。
本领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述功能模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本发明实施例的装置，可以获取目标用户的各个评价因素的属性值，并根据各个评价因素的属性值和各个评价因素的权重值计算目标用户的欺诈风险评分，获取目标用户的信用风险评分，将该欺诈风险评分和该信用风险评分输入目标物品的价值设定模型，得到针对目标用户设定的目标物品的价值属性值；其中，目标用户可以是欺诈用户，目标物品可以是信贷产品，即本发明实施例提供了针对信贷产品的欺诈用户进行风险定价的方案；在对信贷产品的欺诈用户进行风险定价时，依赖欺诈用户的各个评价因素的属性值和各个评价因素的权重值计算欺诈用户的欺诈风险评分，而非依赖单一因素；在得到欺诈用户的欺诈风险评分之后，会结合欺诈用户的信用风险评分确定针对欺诈用户设定的目标物品的价值属性值，即从欺诈风险和信用风险两个维度进行风险定价，提高了定价的精准度，起到了很好地控制风险行为的作用。
本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一实施例提供的确定价值属性值的方法。
本发明实施例还提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一实施例提供的确定价值属性值的方法。
面参考图6，其示出了适于用来实现本发明实施例的电子设备的计算机系统500的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块和/或单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块和/或单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一获取模块、第二获取模块和确定模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：获取目标用户的各个评价因素的属性值，并根据所述各个评价因素的属性值和所述各个评价因素的权重值计算所述目标用户的欺诈风险评分，所述欺诈风险评分用于反映欺诈程度；获取所述目标用户的信用风险评分，所述信用风险评分用于反映信用程度；将所述欺诈风险评分和所述信用风险评分输入目标物品的价值设定模型，得到针对所述目标用户设定的所述目标物品的价值属性值。
根据本发明实施例的技术方案，可以获取目标用户的各个评价因素的属性值，并根据各个评价因素的属性值和各个评价因素的权重值计算目标用户的欺诈风险评分，获取目标用户的信用风险评分，将该欺诈风险评分和该信用风险评分输入目标物品的价值设定模型，得到针对目标用户设定的目标物品的价值属性值；其中，目标用户可以是欺诈用户，目标物品可以是信贷产品，即本发明实施例提供了针对信贷产品的欺诈用户进行风险定价的方案；在对信贷产品的欺诈用户进行风险定价时，依赖欺诈用户的各个评价因素的属性值和各个评价因素的权重值计算欺诈用户的欺诈风险评分，而非依赖单一因素；在得到欺诈用户的欺诈风险评分之后，会结合欺诈用户的信用风险评分确定针对欺诈用户设定的目标物品的价值属性值，即从欺诈风险和信用风险两个维度进行风险定价，提高了定价的精准度，起到了很好地控制风险行为的作用。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (16)
1.一种确定价值属性值的方法，其特征在于，包括：
获取目标用户的各个评价因素的属性值，并根据所述各个评价因素的属性值和所述各个评价因素的权重值计算所述目标用户的欺诈风险评分，所述欺诈风险评分用于反映欺诈程度；
获取所述目标用户的信用风险评分，所述信用风险评分用于反映信用程度；
将所述欺诈风险评分和所述信用风险评分输入目标物品的价值设定模型，得到针对所述目标用户设定的所述目标物品的价值属性值。
2.根据权利要求1所述的确定价值属性值的方法，其特征在于，在根据所述各个评价因素的属性值和所述各个评价因素的权重值计算所述目标用户的欺诈风险评分之前，还包括：
确定所述目标用户的欺诈类型；
根据所述欺诈类型获取所述各个评价因素的权重值。
3.根据权利要求1所述的确定价值属性值的方法，其特征在于，所述各个评价因素的权重值通过如下方法得到：
基于层次分析法建立欺诈评分体系，所述欺诈评分体系包括目标层、准则层和方案层，所述目标层的评价目标为欺诈用户群中的欺诈用户的欺诈风险评分，所述准则层包括影响所述评价目标的各个评价指标，所述方案层包括影响所述评价目标的各个评价因素；
根据所述欺诈评分体系计算所述各个评价因素的权重值。
4.根据权利要求3所述的确定价值属性值的方法，其特征在于，所述根据所述欺诈评分体系计算所述各个评价因素的权重值，包括：
为所述准则层的评价指标建立第一成对比较矩阵，为所述方案层的评价因素建立第二成对比较矩阵；
根据所述第一成对比较矩阵计算所述准则层的评价指标相对于所述评价目标的权重值，根据所述第二成对比较矩阵计算所述方案层的评价因素相对于所述准则层的对应评价指标的权重值；
根据所述准则层的评价指标相对于所述评价目标的权重值以及所述方案层的评价因素相对于所述准则层的对应评价指标的权重值确定所述方案层的评价因素相对于所述评价目标的权重值，从而得到所述各个评价因素的权重值。
5.根据权利要求4所述的确定价值属性值的方法，其特征在于，
所述为所述准则层的评价指标建立第一成对比较矩阵，包括：
确定所述准则层的评价指标相对于所述评价目标的重要性标度，根据所述准则层的评价指标相对于所述评价目标的重要性标度建立所述第一成对比较矩阵；
所述为所述方案层的评价因素建立第二成对比较矩阵，包括：
确定所述方案层的评价因素相对于所述准则层的对应评价指标的重要性标度，根据所述方案层的评价因素相对于所述准则层的对应评价指标的重要性标度建立所述第二成对比较矩阵。
6.根据权利要求4所述的确定价值属性值的方法，其特征在于，
所述根据所述第一成对比较矩阵计算所述准则层的评价指标相对于所述评价目标的权重值，包括：
对所述第一成对比较矩阵中的数据归一化后进行行求和，对行求和得到的数据归一化后与所述第一成对比较矩阵相乘，得到所述准则层的评价指标相对于所述评价目标的权重值；
所述根据所述第二成对比较矩阵计算所述方案层的评价因素相对于所述准则层的对应评价指标的权重值，包括：
对所述第二成对比较矩阵中的数据归一化后进行行求和，对行求和得到的数据归一化后与所述第二成对比较矩阵相乘，得到所述方案层的评价因素相对于所述准则层的对应评价指标的权重值。
7.根据权利要求4所述的确定价值属性值的方法，其特征在于，所述根据所述准则层的评价指标相对于所述评价目标的权重值以及所述方案层的评价因素相对于所述准则层的对应评价指标的权重值确定所述方案层的评价因素相对于所述评价目标的权重值，从而得到所述各个评价因素的权重值，包括：
对所述准则层的评价指标相对于所述评价目标的权重值以及所述方案层的评价因素相对于所述准则层的对应评价指标的权重值进行一致性校验；
在所述准则层的评价指标相对于所述评价目标的权重值以及所述方案层的评价因素相对于所述准则层的对应评价指标的权重值的一致性校验均通过时，根据所述准则层的评价指标相对于所述评价目标的权重值以及所述方案层的评价因素相对于所述准则层的对应评价指标的权重值确定所述方案层的评价因素相对于所述评价目标的权重值；
对所述方案层的评价因素相对于所述评价目标的权重值进行一致性校验；
在所述方案层的评价因素相对于所述评价目标的权重值的一致性校验通过时，将所述方案层的评价因素相对于所述评价目标的权重值确定为所述各个评价因素的权重值。
8.根据权利要求4所述的确定价值属性值的方法，其特征在于，所述根据所述准则层的评价指标相对于所述评价目标的权重值以及所述方案层的评价因素相对于所述准则层的对应评价指标的权重值确定所述方案层的评价因素相对于所述评价目标的权重值，从而得到所述各个评价因素的权重值，包括：
将所述准则层的评价指标相对于所述评价目标的权重值与所述方案层的评价因素相对于所述准则层的对应评价指标的权重值对应相乘并求和，得到所述方案层的评价因素相对于所述评价目标的权重值。
9.根据权利要求1所述的确定价值属性值的方法，其特征在于，所述价值设定模型通过如下方式得到：
根据欺诈用户群中的欺诈用户的特征数据获取训练数据；
基于所述训练数据进行模型训练，并根据模型输出计算目标函数；
找出使所述目标函数具有最大值的映射关系，得到所述价值设定模型，所述映射关系为欺诈风险评分和信用风险评分与价值属性值之间的映射关系。
10.根据权利要求9所述的确定价值属性值的方法，其特征在于，所述根据欺诈用户群中的欺诈用户的特征数据获取训练数据，包括：
根据所述欺诈用户群中的欺诈用户的所述各个评价因素的属性值及所述各个评价因素的权重值计算所述欺诈用户的欺诈风险评分，并根据所述欺诈用户的欺诈风险评分进行欺诈评分分级；
获取所述欺诈用户的信用风险评分，并根据所述欺诈用户的信用风险评分进行信用评分分级；
基于不同的欺诈评分分级和信用评分分级的所述欺诈用户在不同价值属性值下的逾期率建立欺诈信用评分矩阵，从而得到所述训练数据。
11.根据权利要求9所述的确定价值属性值的方法，其特征在于，所述目标函数如下：
Z＝Rt-Rl
其中，Z表示目标函数，Rt表示减少置换额占比，Rl表示减少损失额占比。
12.根据权利要求11所述的确定价值属性值的方法，其特征在于，
其中，QW代表总体置换任务的置换额，Pi代表针对所述欺诈用户设定的价值属性值，n表示所述欺诈用户的数量；
其中，M′代表所述欺诈用户在预设时段的逾期额，L′代表所述欺诈用户的置换额，M代表总体用户在所述预设时段的逾期额，L代表所述总体用户的置换额。
13.根据权利要求9至12任一所述的确定价值属性值的方法，其特征在于，所述方法还包括：
采用测试用户对所述价值设定模型进行性能测试，并根据测试结果优化所述价值设定模型。
14.一种确定价值属性值的装置，其特征在于，包括：
第一获取模块，用于获取目标用户的各个评价因素的属性值，并根据所述各个评价因素的属性值和所述各个评价因素的权重值计算所述目标用户的欺诈风险评分，所述欺诈风险评分用于反映欺诈程度；
第二获取模块，用于获取所述目标用户的信用风险评分，所述信用风险评分用于反映信用程度；
确定模块，用于将所述欺诈风险评分和所述信用风险评分输入目标物品的价值设定模型，得到针对所述目标用户设定的所述目标物品的价值属性值。
15.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述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程序时实现如权利要求1至13中任一所述的确定价值属性值的方法。
16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至13中任一所述的确定价值属性值的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110384069.9A CN113159545A (zh) | 2021-04-09 | 2021-04-09 | 确定价值属性值的方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110384069.9A CN113159545A (zh) | 2021-04-09 | 2021-04-09 | 确定价值属性值的方法、装置、电子设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113159545A true CN113159545A (zh) | 2021-07-23 |
Family
ID=76889778
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110384069.9A Pending CN113159545A (zh) | 2021-04-09 | 2021-04-09 | 确定价值属性值的方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113159545A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113723990A (zh) * | 2021-08-10 | 2021-11-30 | 苏州众言网络科技股份有限公司 | 用于确定用户价值的信息处理方法 |
| CN114124779A (zh) * | 2021-11-05 | 2022-03-01 | 中国联合网络通信集团有限公司 | 路由评价方法、装置、服务器及存储介质 |
-
2021
- 2021-04-09 CN CN202110384069.9A patent/CN113159545A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113723990A (zh) * | 2021-08-10 | 2021-11-30 | 苏州众言网络科技股份有限公司 | 用于确定用户价值的信息处理方法 |
| CN114124779A (zh) * | 2021-11-05 | 2022-03-01 | 中国联合网络通信集团有限公司 | 路由评价方法、装置、服务器及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ronn et al. | Pricing risk‐adjusted deposit insurance: An option‐based model | |
| KR20200007271A (ko) | 암호화폐 평가 방법 및 암호화폐 지수 | |
| CN112598500A (zh) | 一种无额度客户的授信处理方法及系统 | |
| CA3081569A1 (en) | Entity segmentation for analysis of sensitivities to potential disruptions | |
| CN113159545A (zh) | 确定价值属性值的方法、装置、电子设备和存储介质 | |
| CN114022273A (zh) | 一种用于融资供应链的金融风险管理系统及其方法 | |
| CN1971610A (zh) | 一种用于评价银行贷款风险的系统及方法 | |
| JP6794431B2 (ja) | 当初証拠金標準モデルに基づいて当初証拠金を計算及び提供する方法及びシステム | |
| CN114943582A (zh) | 一种信息推荐方法、系统及推荐服务器 | |
| CN114707733A (zh) | 风险指标的预测方法、装置、电子设备及存储介质 | |
| CN117252677A (zh) | 信贷额度确定方法和装置、电子设备及存储介质 | |
| CN114387085A (zh) | 流水数据处理方法、装置、计算机设备和存储介质 | |
| CN114240599A (zh) | 贷款测算方法、装置、计算机设备和存储介质 | |
| CN114418776A (zh) | 一种数据处理方法、装置、终端设备及介质 | |
| WO2022054007A1 (en) | System and method for facilitating direct trading of electronic transactions | |
| Stellian et al. | Financial distress, free cash flow, and interfirm payment network: Evidence from an agent‐based model | |
| CN113807943A (zh) | 一种不良资产的多因子估值方法及系统、介质、设备 | |
| US20040249731A1 (en) | Methods and systems for automatic evaluation of balance sheet objects | |
| CA3052738A1 (en) | Financial instrument pricing | |
| Li et al. | Semiparametric estimation of default probability: Evidence from the Prosper online credit market | |
| US20230394069A1 (en) | Method and apparatus for measuring material risk in a data set | |
| Groot | Credit risk modeling using a weighted support vector machine | |
| Kitani et al. | HUB-FS Working Paper Series | |
| Shanmugam et al. | AN EXHAUSTIVE EMPIRICAL STATISTICAL ANALYSIS AND INTERPRETATION OF BITCOIN DATA | |
| Baidoo | A mathematical model for lending in microfinance and applications |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176 Applicant after: Jingdong Technology Holding Co.,Ltd. Address before: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176 Applicant before: Jingdong Digital Technology Holding Co., Ltd |