CN118154330A - 风控策略管控方法、装置、计算机设备及存储介质 - Google Patents
风控策略管控方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN118154330A CN118154330A CN202410323061.5A CN202410323061A CN118154330A CN 118154330 A CN118154330 A CN 118154330A CN 202410323061 A CN202410323061 A CN 202410323061A CN 118154330 A CN118154330 A CN 118154330A
- Authority
- CN
- China
- Prior art keywords
- index
- wind control
- target
- control strategy
- basic
- 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
- 238000011217 control strategy Methods 0.000 title claims abstract description 136
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000007726 management method Methods 0.000 claims description 29
- 238000012360 testing method Methods 0.000 claims description 19
- 238000011156 evaluation Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000000546 chi-square test Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000002159 abnormal effect Effects 0.000 description 11
- 230000000694 effects Effects 0.000 description 9
- 238000007689 inspection Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000013209 evaluation strategy Methods 0.000 description 2
- 206010035664 Pneumonia Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Abstract
本申请实施例属于健康险理赔风控领域及金融科技领域,涉及一种风控策略管控方法,包括:获取待管控的风控标签信息,并根据所述风控标签信息确定基础指标;采用预设的指标处理流程对所述基础指标进行处理,得到对应的指标值,并根据所述基础指标和所述指标值构建指标池;当接收到风控需求信息时,根据所述风控需求信息在所述指标池中确定目标基础指标以及所述目标基础指标对应的目标指标值;根据所述目标基础指标和所述目标指标值制定目标风控策略,并上线所述目标风控策略。本申请还提供一种风控策略管控装置、计算机设备及存储介质。本申请提高了管控健康险理赔风控相关的风控策略时的效率和智能性。
Description
技术领域
本申请涉及健康险理赔风控领域及金融科技领域,应用于针对健康险理赔风控相关的风控策略进行管控的场景中,尤其涉及一种风控策略管控方法、装置、计算机设备及存储介质。
背景技术
在保险行业中,理赔风控是各保险公司运营过程里非常重要的环节,通过理赔风控可以有效地拦截大量欺诈错赔案件,降低理赔损失。随着金融科技的快速发展,虽然各保险公司已逐步尝试在理赔风控中引入机器学习模型,但是由规则条件所组成的风控策略仍然在理赔风控中占据至关重要的作用。
一般而言,组成风控策略的规则条件,包括数量不定的策略指标以及对应的指标条件,且每项指标条件都存在相应的条件区间或条件阈值。目前,健康险公司管控健康险理赔风控相关的风控策略时,需要由审核专家根据自身经验或一些离线数据的数据分析来选择策略指标以及对应的指标条件,并对指标条件的区间或阈值进行设定。
然而,这种方式的主观性较强,在确定规则条件时较为局限,使得风控策略的可靠性和可解释性较弱,难以达到最佳的效果,导致管控风控策略时效率较低、智能性较差。
发明内容
本申请实施例的目的在于提出一种风控策略管控方法、装置、计算机设备及存储介质,以解决管控健康险理赔风控相关的风控策略时效率较低、智能性较差的技术问题。
为了解决上述技术问题,本申请实施例提供一种风控策略管控方法,采用了如下所述的技术方案:
一种风控策略管控方法,包括下述步骤:
获取待管控的风控标签信息,并根据所述风控标签信息确定基础指标;
采用预设的指标处理流程对所述基础指标进行处理,得到对应的指标值,并根据所述基础指标和所述指标值构建指标池;
当接收到风控需求信息时,根据所述风控需求信息在所述指标池中确定目标基础指标以及所述目标基础指标对应的目标指标值;
根据所述目标基础指标和所述目标指标值制定目标风控策略,并上线所述目标风控策略。
进一步的,所述指标处理流程包括指标分箱流程和阈值设定流程,所述基础指标包括分箱型指标和连续型指标,所述指标值包括指标区间和指标阈值,所述采用预设的指标处理流程对所述基础指标进行处理,得到对应的指标值,并根据所述基础指标和所述指标值构建指标池的步骤,具体包括:
采用所述指标分箱流程对所述分箱型指标进行指标分箱,得到所述指标区间;
采用所述阈值设定流程对所述连续型指标进行阈值设定,得到所述指标阈值;
关联存储所述分箱型指标与所述指标区间,以及所述连续型指标与所述指标阈值,得到所述指标池。
进一步的,所述采用所述指标分箱流程对所述分箱型指标进行指标分箱,得到所述指标区间的步骤,具体包括:
利用卡方分箱原理,对所述分箱型指标进行数据离散化,得到各个离散区间;
根据卡方检验,确定各个所述离散区间对应的检验统计量;
根据所述检验统计量确定所述指标区间。
进一步的,所述检验统计量的计算公式为:
其中,x2表示检验统计量,Aij表示第i区间第j类的实例的数量,Eij表示Aij的期望。
进一步的,所述采用所述阈值设定流程对所述连续型指标进行阈值设定,得到所述指标阈值的步骤,具体包括:
获取所述连续型指标对应的历史数据,并确定所述历史数据是否符合正态分布;
若符合正态分布,则根据第一公式计算所述指标阈值;
若不符合正态分布,则根据第二公式计算所述指标阈值。
进一步的,所述第一公式为:
f(x)=u+α*σ
其中,u表示均值,σ表示标准差,α表示超参数;
所述第二公式为:
其中,表示四分之一分位数,/>表示四分之三分位数,α表示超参数。
进一步的,在所述根据所述目标基础指标和所述目标指标值制定目标风控策略,并上线所述目标风控策略的步骤之后,还包括:
定期获取所述目标风控策略对应的策略评估指标值;
根据所述策略评估指标值,实时对所述目标基础指标和所述目标指标值进行优化,并根据优化结果更新所述目标风控策略。
为了解决上述技术问题,本申请实施例还提供一种健康险理赔风控策略的风控策略管控装置,采用了如下所述的技术方案:
一种风控策略管控装置,包括:
获取模块,用于获取待管控的风控标签信息,并根据所述风控标签信息确定基础指标;
处理模块,用于采用预设的指标处理流程对所述基础指标进行处理,得到对应的指标值,并根据所述基础指标和所述指标值构建指标池;
确定模块,用于当接收到风控需求信息时,根据所述风控需求信息在所述指标池中确定目标基础指标以及所述目标基础指标对应的目标指标值;
策略制定模块,用于根据所述目标基础指标和所述目标指标值制定目标风控策略,并上线所述目标风控策略。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如上所述的风控策略管控方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如上所述的风控策略管控方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请公开的风控策略管控方法,通过获取待管控的风控标签信息,并根据所述风控标签信息确定基础指标;而后,采用预设的指标处理流程对所述基础指标进行处理,得到对应的指标值,并根据所述基础指标和所述指标值构建指标池;当接收到风控需求信息时,根据所述风控需求信息在所述指标池中确定目标基础指标以及所述目标基础指标对应的目标指标值;从而根据所述目标基础指标和所述目标指标值制定目标风控策略,并上线所述目标风控策略。本申请通过合理地对组成风控策略的相关规则条件进行设定和管理,并在此基础上自动化地制定风控策略,从而针对健康险理赔风控实现了风控策略管控,提高了对风控策略进行管控时的效率和智能性,使得风控策略的可靠性和可解释性更强。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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。
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的风控策略管控方法的一个实施例的流程图;
图3是本申请的风控策略管控装置的一个实施例的结构示意图;
图4是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3(Moving Picture Experts GroupAudio Layer III,动态影像专家压缩标准音频层面3)播放器、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的风控策略管控方法一般由服务器执行,相应地,风控策略管控装置一般设置于服务器中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的风控策略管控方法的一个实施例的流程图。所述的风控策略管控方法,包括以下步骤:
步骤S201,获取待管控的风控标签信息,并根据所述风控标签信息确定基础指标;
需要指出的是,风控策略管控方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式发送或接收数据。上述无线连接方式可以包括但不限于3G/4G/5G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。
在本实施例中,在针对健康险理赔风控相关的风控策略进行管控时,为了得到组成风控策略的规则条件,首先需要获取待管控的风控标签信息,并根据风控标签信息确定基础指标。具体地,由于本实施例应用于针对健康险理赔风控相关的风控策略进行管控的场景中,而健康险包括投保、理赔以及就诊等因素,因此,从健康险的角度而言,可以从投保、理赔以及就诊三个维度挖掘理赔风控相关的标签和指标,再对挖掘得到标签和指标进行梳理,并根据使用性质,进一步将梳理后的标签和指标划分为基本信息、类别型标签、分箱型指标以及连续型指标,作为待管控的风控标签信息,而后即可根据风控标签信息确定基础指标,基础指标可以包括风控标签信息中所有的分箱型指标和连续型指标,基于此,从投保、理赔以及就诊三个维度构建了风控策略的指标体系,使得后续在组成风控策略的规则条件上可以根据需求进行灵活配置,以降低风控策略的单一性。
可选地,在待管控的风控标签信息中,基本信息包括但不限于保单号、被保人、代理人、医院编码、疾病名称、案件号、报案时间以及结案时间等;类别型标签包括但不限于投保人性别、投保类型、就诊医院性质、就诊医院等级、是否定点医院、理赔类型以及有无社保等;分箱型指标包括但不限于投保单位人数、被保人年龄、保额、代理人数、同一天就诊医院数以及城市等级等;连续型指标包括但不限于账单金额、自费金额、自费占比、单月住院天数、累计就诊次数以及既往疾病数等。
步骤S202,采用预设的指标处理流程对所述基础指标进行处理,得到对应的指标值,并根据所述基础指标和所述指标值构建指标池;
在本实施例中,确定基础指标后,即可采用预设的指标处理流程对基础指标进行处理,得到对应的指标值,并根据基础指标和指标值构建指标池,例如,预设的指标处理流程可以分为指标分箱流程和阈值设定流程两种,而基础指标包括了分箱型指标和连续型指标,采用指标分箱流程对每个分箱型指标进行指标分箱,即可得到每个分箱型指标对应的指标值;采用阈值设定流程对连续型指标进行阈值设定,即可得到每个连续型指标对应的指标值;可以理解的是,分箱型指标对应的指标值为指标区间,而连续型指标对应的指标值为指标阈值,将每个分箱型指标与其对应的指标区间关联存储,并将每个连续型指标与其对应的指标阈值关联存储,即可构建指标池。
步骤S203,当接收到风控需求信息时,根据所述风控需求信息在所述指标池中确定目标基础指标以及所述目标基础指标对应的目标指标值;
在本实施例中,根据基础指标和对应的指标值构建指标池后,当接收到风控需求信息时,即可根据风控需求信息在指标池中确定目标基础指标以及目标基础指标对应的目标指标值。具体地,风控策略一般都由多个规则条件组合而成,而对于健康险理赔风控相关的风控策略而言,构建了风控策略的指标体系以及指标池后,可以接收由相关业务人员发送的风控需求信息,并根据风控需求信息确定若干目标基础指标,再从指标池中拉取目标基础指标与对应的目标指标值,使得后续可以根据目标基础指标和目标指标值确定目标风控策略,以满足风控需求信息所要达到的策略效果。
步骤S204,根据所述目标基础指标和所述目标指标值制定目标风控策略,并上线所述目标风控策略。
在本实施例中,在指标池中确定目标基础指标以及目标基础指标对应的目标指标值后,即可根据目标基础指标和目标指标值制定目标风控策略,并上线目标风控策略。具体地,待管控的风控标签信息包括基本信息、类别型标签、分箱型指标以及连续型指标,由于分箱型指标和连续型指标属于基础指标,则根据风控需求信息在指标池中确定目标基础指标以及目标基础指标对应的目标指标值后,目标基础指标也包括不定量的分箱型指标和连续型指标,根据其中的分箱型指标与对应的指标区间,以及连续型指标与对应的指标阈值,再搭配基本信息和类别型标签,即可制定目标风控策略,以提高目标风控策略的可靠性和可解释性。
可选地,在指标池中确定目标基础指标以及目标基础指标对应的目标指标值后,还可以进行指标之间的灵活配置,形成不同的指标组合,并通过回溯历史数据,针对每个指标组合,实时确定异常案件命中率、准确率等评判策略效果的评估指标值,并根据每个指标组合的评估指标值,评估策略效果最佳的指标组合,根据该指标组合制定目标风控策略。
本申请通过合理地对组成风控策略的相关规则条件进行设定和管理,并在此基础上自动化地制定风控策略,从而针对健康险理赔风控实现了风控策略管控,提高了对风控策略进行管控时的效率和智能性,使得风控策略的可靠性和可解释性更强。
在本实施例的一些可选的实现方式中,上述指标处理流程包括指标分箱流程和阈值设定流程,上述基础指标包括分箱型指标和连续型指标,上述指标值包括指标区间和指标阈值,上述采用预设的指标处理流程对所述基础指标进行处理,得到对应的指标值,并根据所述基础指标和所述指标值构建指标池的步骤包括:
采用所述指标分箱流程对所述分箱型指标进行指标分箱,得到所述指标区间;
采用所述阈值设定流程对所述连续型指标进行阈值设定,得到所述指标阈值;
关联存储所述分箱型指标与所述指标区间,以及所述连续型指标与所述指标阈值,得到所述指标池。
在本实施例中,预设的指标处理流程包括指标分箱流程和阈值设定流程,基础指标包括分箱型指标和连续型指标,基础指标对应的指标值包括指标区间和指标阈值,在确定基础指标后,即可采用指标分箱流程对分箱型指标进行指标分箱,得到指标区间;采用阈值设定流程对连续型指标进行阈值设定,得到指标阈值;而后,关联存储分箱型指标与指标区间,以及连续型指标与指标阈值,得到指标池。具体地,健康险理赔风控策略由多个规则条件组成,其中包括分箱型指标与对应的指标区间,以及连续型指标与对应的指标阈值,除此之外还包括基本信息和类别型标签,如“50岁以上的男性患者在经济发达区的肺炎住院天数<a”中,“男性”属于类别型标签,“50岁以上”和“经济发达区”属于分箱型指标,“住院天数”属于连续型指标,采用指标分箱流程处理分箱型指标,通过卡方分箱原理,可以得到分箱型指标对应的指标区间,而采用阈值设定流程处理连续型指标,通过正态分布异常值,可以得到连续型指标对应的指标阈值。
本申请通过合理地对组成风控策略的相关规则条件进行设定和管理,使得后续制定的风控策略的可靠性和可解释性更强,提高了对风控策略进行管控时的效率和智能性。
在本实施例的一些可选的实现方式中,上述采用所述指标分箱流程对所述分箱型指标进行指标分箱,得到所述指标区间的步骤包括:
利用卡方分箱原理,对所述分箱型指标进行数据离散化,得到各个离散区间;
根据卡方检验,确定各个所述离散区间对应的检验统计量;
根据所述检验统计量确定所述指标区间。
在本实施例中,采用指标分箱流程对分箱型指标进行指标分箱时,可以利用卡方分箱原理,对分箱型指标进行数据离散化,得到各个离散区间,而后根据卡方检验,确定各个离散区间对应的检验统计量,再根据检验统计量确定指标区间。具体地,卡方分箱是一种依赖于卡方检验的分箱方法,利用卡方分箱原理,可以对如“被保人年龄”、“城市等级”这类分箱型指标进行数据离散化,得到各个离散区间,并通过卡方检验,计算各个离散区间的检验统计量,即卡方值,从而将具有最小卡方值的相邻离散区间合并在一起,直到满足确定的停止准则,最终得到指标区间。
本申请通过卡方分箱原理对组成风控策略的规则条件中的分箱型指标进行设定和管理,使得后续制定的风控策略的可靠性和可解释性更强,提高了对风控策略进行管控时的效率和智能性。
在本实施例的一些可选的实现方式中,上述检验统计量的计算公式为:
其中,x2表示检验统计量,Aij表示第i区间第j类的实例的数量,Eij表示Aij的期望。
在本实施例中,利用卡方分箱原理对分箱型指标进行数据离散化,得到各个离散区间后,通过卡方检验可以确定任一分箱型指标对应的各个离散区间的独立性,根据上述计算公式,计算各个离散得检验统计量,即卡方值,并对具有最小卡方值的相邻离散区间进行合并,直到满足停止准则,即最小卡方值大于预设值时停止合并,最终得到指标区间,在上述公式中,Eij表示Aij的期望,Eij的计算公式可以为:其中,N是总样本数,Ni是第i组的样本数,cj是第j类样本在全体样本中的比例。
本申请通过卡方检验相关的计算公式,实现了对于分箱型指标的指标分箱,并提高了指标分箱的鲁棒性,使得后续制定的风控策略的可靠性和可解释性更强,提高了对风控策略进行管控时的效率和智能性。
在本实施例的一些可选的实现方式中,上述采用所述阈值设定流程对所述连续型指标进行阈值设定,得到所述指标阈值的步骤包括:
获取所述连续型指标对应的历史数据,并确定所述历史数据是否符合正态分布;
若符合正态分布,则根据第一公式计算所述指标阈值;
若不符合正态分布,则根据第二公式计算所述指标阈值。
在本实施例中,采用阈值设定流程对连续型指标进行阈值设定时,可以获取连续型指标对应的历史数据,并确定历史数据是否符合正态分布,若符合正态分布,则根据第一公式计算连续型指标对应的指标阈值;若不符合正态分布,则根据第二公式计算连续型指标对应的指标阈值。具体地,可以利用正态分布异常值的方法对连续型指标如“住院天数”、“账单费用”等进行异常值分析,拉取连续型指标对应的历史数据,并确定历史数据是否符合正态分布,而后根据连续型指标对应的历史数据是否符合正态分布确定用于计算指标阈值的公式。
可选地,除正态分布异常值的方法外,还可以利用箱线图异常值查找法对连续型指标进行指标阈值的设定,从而提高指标阈值的准确性。
本申请通过正态分布异常值的方法对组成风控策略的规则条件中的连续型指标进行设定和管理,使得后续制定的风控策略的可靠性和可解释性更强,提高了对风控策略进行管控时的效率和智能性。
在本实施例的一些可选的实现方式中,上述第一公式为:
f(x)=u+α*σ
其中,u表示均值,σ表示标准差,α表示超参数;
上述第二公式为:
其中,表示四分之一分位数,/>表示四分之三分位数,α表示超参数。
在本实施例中,当任一连续型指标对应的历史数据符合正态分布时,可以通过上述第一公式计算该连续型指标的指标阈值,在第一公式中,u表示均值,σ表示标准差,α表示超参数;当任一连续型指标对应的历史数据不符合正态分布时,可以通过上述第二公式计算该连续型指标的指标阈值,在第二公式中,表示四分之一分位数,/>表示四分之三分位数,α表示超参数。具体地,在第一公式中,α对应的经验值一般为2,而在第二公式中,α对应的经验值一般为1.5,且两个公式中的α都可以上下浮动,以根据后续风控策略的策略效果进行调整。
本申请通过正态分布异常值相关的计算公式,实现了对于连续型指标的阈值设定,并提高了阈值设定的鲁棒性,使得后续制定的风控策略的可靠性和可解释性更强,提高了对风控策略进行管控时的效率和智能性。
在本实施例的一些可选的实现方式中,在上述根据所述目标基础指标和所述目标指标值制定目标风控策略,并上线所述目标风控策略的步骤之后,还包括:
定期获取所述目标风控策略对应的策略评估指标值;
根据所述策略评估指标值,实时对所述目标基础指标和所述目标指标值进行优化,并根据优化结果更新所述目标风控策略。
在本实施例中,目标风控策略上线后,还可以定期获取目标风控策略对应的策略评估指标值,而后根据策略评估指标值,实时对目标基础指标和目标指标值进行优化,并根据优化结果更新目标风控策略。具体地,在上线目标风控策略后,还可以每隔一个月,获取近一个月的异常案件命中率、准确率等策略效果的策略评估指标值,以对目标风控策略的策略效果进行监控,同时,根据策略评估指标值,实时优化目标基础指标和目标指标值,包括分箱型指标与对应的指标区间,以及连续型指标与对应的指标阈值,再根据优化后的目标基础指标和目标指标值对目标风控策略进行更新。
可选地,还可以通过邮件或企业内部通讯软件将策略评估指标值实时通知到相关业务人员,以使得可以人为调整目标风控策略。
本申请使得上线目标风控策略后,还可以定期针对策略效果进行分析,提高了对风控策略进行管控时的效率、智能性以及灵活性,使得风控策略的可靠性和可解释性更强。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图3,作为对上述图2所示方法的实现,本申请提供了一种风控策略管控装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图3所示,本实施例所述的风控策略管控装置300包括:获取模块301、处理模块302、确定模块303以及策略制定模块304。
其中:
获取模块301,用于获取待管控的风控标签信息,并根据所述风控标签信息确定基础指标;
处理模块302,用于采用预设的指标处理流程对所述基础指标进行处理,得到对应的指标值,并根据所述基础指标和所述指标值构建指标池;
确定模块303,用于当接收到风控需求信息时,根据所述风控需求信息在所述指标池中确定目标基础指标以及所述目标基础指标对应的目标指标值;
策略制定模块304,用于根据所述目标基础指标和所述目标指标值制定目标风控策略,并上线所述目标风控策略。
本申请提供的风控策略管控装置,通过合理地对组成风控策略的相关规则条件进行设定和管理,并在此基础上自动化地制定风控策略,从而针对健康险理赔风控实现了风控策略管控,提高了对风控策略进行管控时的效率和智能性,使得风控策略的可靠性和可解释性更强。
在本实施例的一些可选的实现方式中,上述指标处理流程包括指标分箱流程和阈值设定流程,上述基础指标包括分箱型指标和连续型指标,上述指标值包括指标区间和指标阈值,上述处理模块302还用于:
采用所述指标分箱流程对所述分箱型指标进行指标分箱,得到所述指标区间;
采用所述阈值设定流程对所述连续型指标进行阈值设定,得到所述指标阈值;
关联存储所述分箱型指标与所述指标区间,以及所述连续型指标与所述指标阈值,得到所述指标池。
本申请提供的风控策略管控装置,通过合理地对组成风控策略的相关规则条件进行设定和管理,使得后续制定的风控策略的可靠性和可解释性更强,提高了对风控策略进行管控时的效率和智能性。
在本实施例的一些可选的实现方式中,上述处理模块302还用于:
利用卡方分箱原理,对所述分箱型指标进行数据离散化,得到各个离散区间;
根据卡方检验,确定各个所述离散区间对应的检验统计量;
根据所述检验统计量确定所述指标区间。
本申请提供的风控策略管控装置,通过卡方分箱原理对组成风控策略的规则条件中的分箱型指标进行设定和管理,使得后续制定的风控策略的可靠性和可解释性更强,提高了对风控策略进行管控时的效率和智能性。
在本实施例的一些可选的实现方式中,上述检验统计量的计算公式为:
其中,x2表示检验统计量,Aij表示第i区间第j类的实例的数量,Eij表示Aij的期望。
本申请提供的风控策略管控装置,通过卡方检验相关的计算公式,实现了对于分箱型指标的指标分箱,并提高了指标分箱的鲁棒性,使得后续制定的风控策略的可靠性和可解释性更强,提高了对风控策略进行管控时的效率和智能性。
在本实施例的一些可选的实现方式中,上述处理模块302还用于:
获取所述连续型指标对应的历史数据,并确定所述历史数据是否符合正态分布;
若符合正态分布,则根据第一公式计算所述指标阈值;
若不符合正态分布,则根据第二公式计算所述指标阈值。
本申请提供的风控策略管控装置,通过正态分布异常值的方法对组成风控策略的规则条件中的连续型指标进行设定和管理,使得后续制定的风控策略的可靠性和可解释性更强,提高了对风控策略进行管控时的效率和智能性。
在本实施例的一些可选的实现方式中,上述第一公式为:
f(x)=u+α*σ
其中,u表示均值,σ表示标准差,α表示超参数;
上述第二公式为:
其中,表示四分之一分位数,/>表示四分之三分位数,α表示超参数。
本申请提供的风控策略管控装置,通过正态分布异常值相关的计算公式,实现了对于连续型指标的阈值设定,并提高了阈值设定的鲁棒性,使得后续制定的风控策略的可靠性和可解释性更强,提高了对风控策略进行管控时的效率和智能性。
在本实施例的一些可选的实现方式中,上述风控策略管控装置300还用于:
定期获取所述目标风控策略对应的策略评估指标值;
根据所述策略评估指标值,实时对所述目标基础指标和所述目标指标值进行优化,并根据优化结果更新所述目标风控策略。
本申请提供的风控策略管控装置,使得上线目标风控策略后,还可以定期针对策略效果进行分析,提高了对风控策略进行管控时的效率、智能性以及灵活性,使得风控策略的可靠性和可解释性更强。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图4,图4为本实施例计算机设备基本结构框图。
所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是,图中仅示出了具有组件41-43的计算机设备4,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器41至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器41可以是所述计算机设备4的内部存储单元,例如该计算机设备4的硬盘或内存。在另一些实施例中,所述存储器41也可以是所述计算机设备4的外部存储设备,例如该计算机设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中,所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件,例如风控策略管控方法的计算机可读指令等。此外,所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器42在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中,所述处理器42用于运行所述存储器41中存储的计算机可读指令或者处理数据,例如运行所述风控策略管控方法的计算机可读指令。
所述网络接口43可包括无线网络接口或有线网络接口,该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
本申请提供的计算机设备,通过合理地对组成风控策略的相关规则条件进行设定和管理,并在此基础上自动化地制定风控策略,从而针对健康险理赔风控实现了风控策略管控,提高了对风控策略进行管控时的效率和智能性,使得风控策略的可靠性和可解释性更强。
本申请还提供了另一种实施方式,即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计算机可读指令,所述计算机可读指令可被至少一个处理器执行,以使所述至少一个处理器执行如上述的风控策略管控方法的步骤。
本申请提供的计算机可读存储介质,通过合理地对组成风控策略的相关规则条件进行设定和管理,并在此基础上自动化地制定风控策略,从而针对健康险理赔风控实现了风控策略管控,提高了对风控策略进行管控时的效率和智能性,使得风控策略的可靠性和可解释性更强。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种风控策略管控方法,其特征在于,包括下述步骤:
获取待管控的风控标签信息,并根据所述风控标签信息确定基础指标;
采用预设的指标处理流程对所述基础指标进行处理,得到对应的指标值,并根据所述基础指标和所述指标值构建指标池;
当接收到风控需求信息时,根据所述风控需求信息在所述指标池中确定目标基础指标以及所述目标基础指标对应的目标指标值;
根据所述目标基础指标和所述目标指标值制定目标风控策略,并上线所述目标风控策略。
2.根据权利要求1所述的风控策略管控方法,其特征在于,所述指标处理流程包括指标分箱流程和阈值设定流程,所述基础指标包括分箱型指标和连续型指标,所述指标值包括指标区间和指标阈值,所述采用预设的指标处理流程对所述基础指标进行处理,得到对应的指标值,并根据所述基础指标和所述指标值构建指标池的步骤,具体包括:
采用所述指标分箱流程对所述分箱型指标进行指标分箱,得到所述指标区间;
采用所述阈值设定流程对所述连续型指标进行阈值设定,得到所述指标阈值;
关联存储所述分箱型指标与所述指标区间,以及所述连续型指标与所述指标阈值,得到所述指标池。
3.根据权利要求2所述的风控策略管控方法,其特征在于,所述采用所述指标分箱流程对所述分箱型指标进行指标分箱,得到所述指标区间的步骤,具体包括:
利用卡方分箱原理,对所述分箱型指标进行数据离散化,得到各个离散区间;
根据卡方检验,确定各个所述离散区间对应的检验统计量;
根据所述检验统计量确定所述指标区间。
4.根据权利要求3所述的风控策略管控方法,其特征在于,所述检验统计量的计算公式为:
其中,x2表示检验统计量,Aij表示第i区间第j类的实例的数量,Eij表示Aij的期望。
5.根据权利要求2所述的风控策略管控方法,其特征在于,所述采用所述阈值设定流程对所述连续型指标进行阈值设定,得到所述指标阈值的步骤,具体包括:
获取所述连续型指标对应的历史数据,并确定所述历史数据是否符合正态分布;
若符合正态分布,则根据第一公式计算所述指标阈值;
若不符合正态分布,则根据第二公式计算所述指标阈值。
6.根据权利要求5所述的风控策略管控方法,其特征在于,所述第一公式为:
f(x)=u+α*σ
其中,u表示均值,σ表示标准差,α表示超参数;
所述第二公式为:
其中,表示四分之一分位数,/>表示四分之三分位数,α表示超参数。
7.根据权利要求1至6任一项所述的风控策略管控方法,其特征在于,在所述根据所述目标基础指标和所述目标指标值制定目标风控策略,并上线所述目标风控策略的步骤之后,还包括:
定期获取所述目标风控策略对应的策略评估指标值;
根据所述策略评估指标值,实时对所述目标基础指标和所述目标指标值进行优化,并根据优化结果更新所述目标风控策略。
8.一种风控策略管控装置,其特征在于,包括:
获取模块,用于获取待管控的风控标签信息,并根据所述风控标签信息确定基础指标;
处理模块,用于采用预设的指标处理流程对所述基础指标进行处理,得到对应的指标值,并根据所述基础指标和所述指标值构建指标池;
确定模块,用于当接收到风控需求信息时,根据所述风控需求信息在所述指标池中确定目标基础指标以及所述目标基础指标对应的目标指标值;
策略制定模块,用于根据所述目标基础指标和所述目标指标值制定目标风控策略,并上线所述目标风控策略。
9.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的风控策略管控方法的步骤。
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上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的风控策略管控方法的步骤。
Publications (1)
Publication Number | Publication Date |
---|---|
CN118154330A true CN118154330A (zh) | 2024-06-07 |
Family
ID=
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112148987B (zh) | 基于目标对象活跃度的消息推送方法及相关设备 | |
CN116843216A (zh) | 一种指标预警方法、装置、计算机设备及存储介质 | |
CN114265835A (zh) | 基于图挖掘的数据分析方法、装置及相关设备 | |
CN110443441B (zh) | 规则效能监测方法、装置、计算机设备及存储介质 | |
CN117391866A (zh) | 一种数据处理方法、装置、设备及其存储介质 | |
CN117522538A (zh) | 招投标信息处理方法、装置、计算机设备及存储介质 | |
CN116843395A (zh) | 一种业务系统的告警分级方法、装置、设备及存储介质 | |
CN117234844A (zh) | 云服务器异常管理方法、装置、计算机设备及存储介质 | |
CN115936895A (zh) | 基于人工智能的风险评估方法、装置、设备及存储介质 | |
CN118154330A (zh) | 风控策略管控方法、装置、计算机设备及存储介质 | |
CN112288559B (zh) | 基于股权的财务数据核算方法、装置、设备及存储介质 | |
CN114925275A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
CN114090407A (zh) | 基于线性回归模型的接口性能预警方法及其相关设备 | |
CN113094602A (zh) | 酒店推荐方法、系统、设备及介质 | |
CN111967806A (zh) | 基于定期回扫的用户风险更新方法、装置和电子设备 | |
CN113706182A (zh) | 一种用户分类方法和装置 | |
CN117764746A (zh) | 网点成本管控方法、装置、计算机设备及存储介质 | |
CN116797380A (zh) | 金融数据处理方法及其相关设备 | |
CN116993218A (zh) | 基于人工智能的指标分析方法、装置、设备及存储介质 | |
CN116401061A (zh) | 资源数据的处理方法、装置、计算机设备及存储介质 | |
CN116795825A (zh) | 数据清理方法、装置、计算机设备及存储介质 | |
CN117709801A (zh) | 客户数据处理方法、装置、计算机设备及存储介质 | |
CN117291693A (zh) | 基于人工智能的策略生成方法、装置、设备及存储介质 | |
CN116523662A (zh) | 基于人工智能的预测方法、装置、计算机设备及存储介质 | |
CN117455667A (zh) | 风险监测预警方法、系统、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication |