CN111008896A - 金融风险预警方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明公开了一种金融风险预警方法、装置、电子设备及存储介质，其中，该方法包括：获取与用户相关的舆情数据；将舆情数据输入至预先训练的预测模型中，以输出用户风险信息；响应于用户风险信息超过预定阈值，则根据舆情数据获取与用户相关的关联用户信息；根据用户风险信息对用户和关联用户进行风险预警操作，以控制金融风险，风险预警操作包括如下至少之一：调整用户和关联用户的授信参数、生成风险预警信息并发送给预警部门。通过本发明，可以控制金融风险，减少金融机构的经济损失。

Description

金融风险预警方法、装置、电子设备及存储介质

技术领域

本发明涉及数据处理领域，具体涉及一种金融风险预警方法、装置、电子设备及存储介质。

背景技术

目前，客户在向银行等金融机构进行贷款申请时，金融机构一般会根据客户的经营状况或客户提供或能提供的抵押物等进行评估，根据评估结果向客户发放一定的授信额度。

当客户的经营状况恶化或抵押物丧失时，可能会导致客户无力偿还贷款，即产生了客户信用风险，进而会导致银行等金融机构承担经济损失。

发明内容

有鉴于此，本发明提供一种金融风险预警方法、装置、电子设备及存储介质，以解决上述提及的至少一个问题。

根据本发明的第一方面，提供一种金融风险预警方法，所述方法包括：获取与用户相关的舆情数据；将所述舆情数据输入至预先训练的预测模型中，以输出用户风险信息；响应于所述用户风险信息超过预定阈值，则根据所述舆情数据获取与用户相关的关联用户信息；根据所述用户风险信息对所述用户和所述关联用户进行风险预警操作，以控制金融风险，所述风险预警操作包括如下至少之一：调整所述用户和所述关联用户的授信参数、生成风险预警信息并发送给预警部门。

根据本发明的第二方面，提供一种一种金融风险预警装置，所述装置包括：数据获取单元，用于获取与用户相关的舆情数据；风险信息输出单元，用于将所述舆情数据输入至预先训练的预测模型中，以输出用户风险信息；关联用户获取单元，用于响应于所述用户风险信息超过预定阈值，则根据所述舆情数据获取与用户相关的关联用户信息；预警单元，用于根据所述用户风险信息对所述用户和所述关联用户进行风险预警操作，以控制金融风险，所述风险预警操作包括如下至少之一：调整所述用户和所述关联用户的授信参数、生成风险预警信息并发送给预警部门。

根据本发明的第三方面，提供一种电子设备，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上述金融风险预警方法的步骤。

根据本发明的第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述金融风险预警方法的步骤。

由上述技术方案可知，通过将获取的用户舆情数据输入至预测模型中生成用户风险信息，当用户风险信息超过预定阈值时，根据用户舆情数据获取关联用户信息，之后根据用户风险信息对该用户和关联用户进行风险预警操作，以控制金融风险，减少金融机构的经济损失。

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。

图1是根据本发明实施例的金融风险预警方法的流程图；

图2是根据本发明实施例的金融风险预警的示例流程图；

图3是根据本发明实施例的预警信息示意图；

图4是根据本发明实施例的金融风险预警装置的结构框图；

图5是根据本发明实施例的金融风险预警装置的详细结构框图；

图6是根据本发明实施例的模型训练单元36的结构框图；

图7是根据本发明实施例的预警单元34的结构框图；

图8是根据本发明实施例的电子设备的示意图。

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，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在现有技术中，当客户的经营状况恶化或抵押物丧失时，可能会导致客户无力偿还贷款，进而导致银行等金融机构承担经济损失。基于此，本发明实施例提供一种金融风险预警方案，以减少金融机构的经济损失。以下结合附图来详细描述本发明实施例。

图1是根据本发明实施例的金融风险预警方法的流程图，如图1所示，该方法包括：

步骤101，获取与用户相关的舆情数据，这里的舆情数据可以是来自各资讯平台。

步骤102，将所述舆情数据输入至预先训练的预测模型中，以输出用户风险信息。

步骤103，响应于所述用户风险信息超过预定阈值，则根据所述舆情数据获取与用户相关的关联用户信息。这里的预定阈值可以由金融机构设定，当用户风险信息超过预定阈值时，表示用户风险较大。

步骤104，根据所述用户风险信息对所述用户和所述关联用户进行风险预警操作，以控制金融风险，所述风险预警操作包括如下至少之一：调整所述用户和所述关联用户的授信参数、生成风险预警信息并发送给预警部门。

通过将获取的用户舆情数据输入至预测模型中生成用户风险信息，当用户风险信息超过预定阈值时，根据用户舆情数据获取关联用户信息，之后根据用户风险信息对该用户和关联用户进行风险预警操作，以控制金融风险，减少金融机构的经济损失。

在实际操作中，还可以获取与所述用户相关的贸易信息；响应于所述贸易信息超出该用户的贸易信息阈值范围，对所述用户进行风险预警操作。这里的贸易信息阈值范围可以是该用户年均贸易数量或年均贸易数额。

当用户的贸易信息超出该用户的贸易信息阈值时，表示该用户的贸易处于非正常状态，例如，交易量激增，如超过3倍，或在一段时间内贸易量降低数倍，此时，对用户进行风险预警操作，以提示预警部门关注该用户，以免出现金融风险。

当该用户出现金融风险时，通过该用户的贸易信息和上述舆情数据可以获取与该用户相关的关联用户，此时对关联用户也进行风险预警操作，以免关联用户受到风险波及，通过风险预警操作，可以对关联用户进行预警提示，也可以提示相关的预警部门，对关联用户的授信参数等进行适当调整，以避免经济损失。

上述步骤104具体可以包括：根据所述用户风险信息、以及所述用户与所述关联用户的相关度，确定所述关联用户的风险信息；根据所述用户风险信息对所述用户进行风险预警操作、以及根据所述关联用户的风险信息对所述关联用户进行风险预警操作。

具体地，上述步骤102中的预测模型通过如下方式进行训练：获取历史用户数据，所述历史用户数据包括：与该历史用户相关的历史舆情数据和历史用户风险信息；根据所述历史用户数据、基于预定的机器学习算法训练所述预测模型。

具体而言，通过对历史舆情数据、历史用户风险信息进行文字识别处理，例如，基于OCR(Optical Character Recognition，光学字符识别)技术进行文字识别，对标题、摘要和正文等进行分词处理，实现主题识别。之后将识别后的信息作为训练数据，基于预定的机器学习算法(例如，ML算法)来训练预测模型。

在预测模型训练完成之后，当输入舆情数据时，就可以输出(或称为预测出)相应的用户风险信息。

在实际操作中，舆情数据还可以包括：投资项目信息。当将舆情数据输入预测模型预测出用户风险信息时，可以根据该用户风险信息分析所述投资项目的风险信息，以便于确定是否执行该投资项目。如此，可以减少或避免金融风险，减少经济损失。

在一个实施例中，还可以根据历史资讯与历史投资项目的走势关系来训练预测模型，通过预测模型预测当前资讯形势下的投资项目走势，分析预测投资项目的风险。

图2是根据本发明实施例的金融风险预警流程图，以下结合图2所示的流程来描述本发明实施例。如图2所示，该预警流程包括：

步骤201，从各资讯平台(图中所示为资讯平台1、2，……，N)获取与用户相关的舆情数据。

这里的资讯平台，可以是如，Wind、道琼斯、华尔街见闻快讯等平台，这些平台提供例如财经日历、新闻快讯等非结构化数据。舆情数据还可以包括：金融机构人员在社交平台发布的信息，例如，通过微信公众号发布的某类交易产品的时评等。

步骤202，通过OCR识别技术进行主体识别，获得客户信息，包括用户以及与该用户相关的关联用户信息。

步骤203，通过OCR识别技术进行消息类型识别，以识别获取的舆情数据属于积极消息还是消极消息。

步骤204，当识别到获取的舆情数据属于积极消息时，表明该用户(以及关联用户)风险较小，可以增加授信额度(或称为授信参数)并提示相关的授信部门。

步骤205，当识别到获取的舆情数据属于消极消息时，表明该用户(以及关联用户)风险较大，应该降低授信额度并提示相关的授信部门，以避免产生经济损失。

步骤206，当识别到获取的舆情数据属于消极消息时，表明该用户风险较大，生成风险提示信息，提示相关的授信部门，还可以提示与用户相关的关联用户，以进一步避免产生经济损失。

在实际操作中，上述步骤202的主体识别还可以通过现有的企业信息查询机构、或者通过金融机构内部的用户贸易信息来实现。具体地主体识别可以包括识别用户及关联用户的信息，例如，企业法人、主要财务、董事等用户信息，以及企业集团客户、及下属成员客户层面等关联用户信息。

对于授权额度的调整，可以由金融机构通过内部额度系统来完成，额度系统用于分配所有企业单位以及个人的授信额度。根据上述的金融风险预警流程，可以实现个人对个人、企业对企业的授信额度预警，系统提示的报警信息可以发送给授信审批部门、客户关系部门等，也可以直接送达金融机构的相关工作人员，由工作人员发起业务流程，确认是否按照系统建议调整授信评级。授信评级可以分为多个级别，例如，AAA表示授信最高级，CCC表示授信最低级。

图3是预警信息示意图，如图3所示，根据获取到的企业A舆情数据，通过预测模型预测到企业X正处于风险(图中显示风险级别为高)中，有可能会有无力偿还贷款的风险，此时，在预警信息中建议将企业X的授信级别调整为CCC，以避免进一步地经济风险；另外，根据舆情数据、贸易数据等信息获取到与企业X相关的关联企业为企业Y和企业Z，此时，基于预测模型预测到企业Y波及到的风险级别为中，而企业Z波及到的风险比较也为高，则相应地调整企业Y和Z的授信级别为B和C。

将图3显示的预警信息发送至预警部门，以提示企业X、Y和Z的风险情况，避免发送经济风险。

在实际操作中，金融机构还可以构建黑白名单，用于记录用户的处罚等事项，出现在黑名单的用户，其授信级别会较低，出现在白名单的用户，其授信级别较高。

为了更好地理解本发明实施例，以下给出一个实例。

通过识别舆情数据、现有的企业信息查询机构、金融机构内的用户贸易信息等，获得股权关系与法人、实际控制人信息，例如A企业控股B企业的10％股权、C企业的50％股权，这种关系包括股权关系和债权关系，那么，当获取到一条A公司的负面舆情数据时，除了A公司之外，B公司、C公司也会受到影响(例如，股权或债券要承担信用违约，按清偿顺序清偿)，此时，根据额度系统中的这三家公司的授信额度，并根据预测的风险程度(例如，根据舆情的重要程度)，提示给银行客户关系、信贷审批等团队人员，以调整内部评级，控制风险发生，从而避免经济损失。

在实际操作中，根据金融机构的贸易信息、常用公对公转账等信息，可以识别未登记的关联用户，这些未登记的关联用户也可能会受到A公司的风险波及，此时，需要提示给客户经理或操作员来调整这些关联用户的信用等级、授信额度等，以控制信用风险，避免造成的间接经济影响。

由以上描述可知，本发明实施例通过获取股权结构和贷款客户关系，来分析交易客户风险(例如，A对B有贷款担保或贸易关系)，此时，可以为关联用户提供实时提醒，并通知金融机构员工视情况下调客户主体评级，以避免经济损失。

在具体实施过程中，对于舆情数据中的投资项目信息，可以进行金融市场客户交易信息的分析，以降低柜台债券、贵金属合约、商业合约、外汇货币等交易的风险。通过获取这些交易的历史数据，基于预测模型(例如，ML预测模型)来预测交易风险，以达到对公客户的授信额度预警或对企业交易关联用户的风险提示。

需要说明的是，对于上述风险信息的预测和分析，可以基于预测模型来实现，在本发明实施例中，预测模型可以是能够实现基于输入信息来预测风险的任意预测模型，本发明对此不作限制。

基于相似的发明构思，本发明实施例还提供一种金融风险预警装置，优选地，该装置用于实现上述的方法流程。

图4是根据本发明实施例的金融风险预警装置的结构框图，如图4所示，该装置包括：

数据获取单元31，用于获取与用户相关的舆情数据；

风险信息输出单元32，用于将所述舆情数据输入至预先训练的预测模型中，以输出用户风险信息；

关联用户获取单元33，用于响应于所述用户风险信息超过预定阈值，则根据所述舆情数据获取与用户相关的关联用户信息；

预警单元34，用于根据所述用户风险信息对所述用户和所述关联用户进行风险预警操作，以控制金融风险，所述风险预警操作包括如下至少之一：调整所述用户和所述关联用户的授信参数、生成风险预警信息并发送给预警部门。

风险信息输出单元32通过将数据获取单元31获取的用户舆情数据输入至预测模型中生成用户风险信息，当用户风险信息超过预定阈值时，关联用户获取单元33根据用户舆情数据获取关联用户信息，之后预警单元34根据用户风险信息对该用户和关联用户进行风险预警操作，以控制金融风险，减少金融机构的经济损失。

在实际操作中，如图5所示，上述装置还包括：贸易信息获取单元35，用于获取与所述用户相关的贸易信息；此时，所述预警单元34，还用于响应于所述贸易信息超出该用户的贸易信息阈值范围，对所述用户进行风险预警操作。例如，提示相关的预警部门，对关联用户的授信参数等进行适当调整，以避免经济损失。

具体地，上述关联用户获取单元33还用于：根据所述贸易信息获取与所述用户相关的关联用户。

上述装置还包括：模型训练单元36，用于训练所述预测模型。如图6所示，该模型训练单元36包括：历史数据获取模块361和模型训练模块362，其中：

历史数据获取模块361，用于获取历史用户数据，所述历史用户数据包括：与该历史用户相关的历史舆情数据和历史用户风险信息；

模型训练模块362，用于根据所述历史用户数据、基于预定的机器学习算法训练所述预测模型。

具体而言，历史数据获取模块361获取历史舆情数据，模型训练模块362对历史舆情数据、历史用户风险信息进行文字识别处理，例如，基于OCR(Optical CharacterRecognition，光学字符识别)技术进行文字识别，对标题、摘要和正文等进行分词处理，实现主题识别，之后将识别后的信息作为训练数据，基于预定的机器学习算法(例如，ML算法)来训练预测模型。

如图7所示，预警单元34包括：关联用户风险信息确定模块341和预警模块342，其中：

关联用户风险信息确定模块341，用于根据所述用户风险信息、以及所述用户与所述关联用户的相关度，确定所述关联用户的风险信息；

预警模块342，用于根据所述用户风险信息对所述用户进行风险预警操作、以及根据所述关联用户的风险信息对所述关联用户进行风险预警操作。

在一个实施例中，舆情数据还可以包括：投资项目信息。

继续参见图5，上述装置还包括：分析单元37和投资确定单元38，其中：

分析单元37，用于根据所述用户风险信息分析所述投资项目的风险信息；

投资确定单元38，用于根据所述投资项目的风险信息确定是否执行该投资项目，以控制风险成本。

上述各单元、各模块的具体执行过程，可以参见上述方法实施例中的描述，此处不再赘述。

在实际操作中，上述各单元、各模块可以组合设置、也可以单一设置，本发明不限于此。

图8是根据本发明实施例的电子设备的示意图。图8所示的电子设备为通用数据处理装置，其包括通用的计算机硬件结构，其至少包括处理器701和存储器702。处理器701和存储器702通过总线703连接。存储器702适于存储处理器701可执行的一条或多条指令或程序。该一条或多条指令或程序被处理器701执行以实现上述金融风险预警方法中的步骤。

上述处理器701可以是独立的微处理器，也可以是一个或者多个微处理器集合。由此，处理器701通过执行存储器702所存储的命令，从而执行如上所述的本发明实施例的方法流程实现对于数据的处理和对于其他装置的控制。总线703将上述多个组件连接在一起，同时将上述组件连接到显示控制器704和显示装置以及输入/输出(I/O)装置705。输入/输出(I/O)装置705可以是鼠标、键盘、调制解调器、网络接口、触控输入装置、体感输入装置、打印机以及本领域公知的其他装置。典型地，输入/输出(I/O)装置705通过输入/输出(I/O)控制器706与系统相连。

其中，存储器702可以存储软件组件，例如操作系统、通信模块、交互模块以及应用程序。以上所述的每个模块和应用程序都对应于完成一个或多个功能和在发明实施例中描述的方法的一组可执行程序指令。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时以实现上述金融风险预警方法的步骤。

综上所述，本发明实施例提供了一种授信额度预警方案，能够根据接收到的新闻资讯等舆情数据，对事件进行主体(客户和关联客户)进行识别和风险预测，并结合通过股权结构和贷款客户关系，来调整客户和关联客户的授信额度并向金融机构工作人员发出预警提示，以避免经济损失。

以上参照附图描述了本发明的优选实施方式。这些实施方式的许多特征和优点根据该详细的说明书是清楚的，因此权利要求旨在覆盖这些实施方式的落入其真实精神和范围内的所有这些特征和优点。此外，由于本领域的技术人员容易想到很多修改和改变，因此不是要将本发明的实施方式限于所例示和描述的精确结构和操作，而是可以涵盖落入其范围内的所有合适修改和等同物。

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。

本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (14)

1.一种金融风险预警方法，其特征在于，所述方法包括：

获取与用户相关的舆情数据；

将所述舆情数据输入至预先训练的预测模型中，以输出用户风险信息；

响应于所述用户风险信息超过预定阈值，则根据所述舆情数据获取与用户相关的关联用户信息；

根据所述用户风险信息对所述用户和所述关联用户进行风险预警操作，以控制金融风险，所述风险预警操作包括如下至少之一：调整所述用户和所述关联用户的授信参数、生成风险预警信息并发送给预警部门。

2.根据权利要求1所述的金融风险预警方法，其特征在于，所述方法还包括：

获取与所述用户相关的贸易信息；

响应于所述贸易信息超出该用户的贸易信息阈值范围，对所述用户进行风险预警操作。

3.根据权利要求2所述的金融风险预警方法，其特征在于，所述方法还包括：

根据所述贸易信息获取与所述用户相关的关联用户。

4.根据权利要求1所述的金融风险预警方法，其特征在于，所述预测模型通过如下方式进行训练：

获取历史用户数据，所述历史用户数据包括：与该历史用户相关的历史舆情数据和历史用户风险信息；

根据所述历史用户数据、基于预定的机器学习算法训练所述预测模型。

5.根据权利要求1所述的金融风险预警方法，其特征在于，根据所述用户风险信息对所述用户和所述关联用户进行风险预警操作包括：

根据所述用户风险信息、以及所述用户与所述关联用户的相关度，确定所述关联用户的风险信息；

根据所述用户风险信息对所述用户进行风险预警操作、以及根据所述关联用户的风险信息对所述关联用户进行风险预警操作。

6.根据权利要求1所述的金融风险预警方法，其特征在于，所述舆情数据包括：投资项目信息，所述方法还包括：

根据所述用户风险信息分析所述投资项目的风险信息；

根据所述投资项目的风险信息确定是否执行该投资项目。

7.一种金融风险预警装置，其特征在于，所述装置包括：

数据获取单元，用于获取与用户相关的舆情数据；

风险信息输出单元，用于将所述舆情数据输入至预先训练的预测模型中，以输出用户风险信息；

关联用户获取单元，用于响应于所述用户风险信息超过预定阈值，则根据所述舆情数据获取与用户相关的关联用户信息；

预警单元，用于根据所述用户风险信息对所述用户和所述关联用户进行风险预警操作，以控制金融风险，所述风险预警操作包括如下至少之一：调整所述用户和所述关联用户的授信参数、生成风险预警信息并发送给预警部门。

8.根据权利要求7所述的金融风险预警装置，其特征在于，所述装置还包括：

贸易信息获取单元，用于获取与所述用户相关的贸易信息；

所述预警单元，还用于响应于所述贸易信息超出该用户的贸易信息阈值范围，对所述用户进行风险预警操作。

9.根据权利要求8所述的金融风险预警装置，其特征在于，所述关联用户获取单元还用于：

根据所述贸易信息获取与所述用户相关的关联用户。

10.根据权利要求7所述的金融风险预警装置，其特征在于，所述装置还包括：模型训练单元，用于训练所述预测模型，

所述模型训练单元包括：

历史数据获取模块，用于获取历史用户数据，所述历史用户数据包括：与该历史用户相关的历史舆情数据和历史用户风险信息；

模型训练模块，用于根据所述历史用户数据、基于预定的机器学习算法训练所述预测模型。

11.根据权利要求7所述的金融风险预警装置，其特征在于，所述预警单元包括：

关联用户风险信息确定模块，用于根据所述用户风险信息、以及所述用户与所述关联用户的相关度，确定所述关联用户的风险信息；

预警模块，用于根据所述用户风险信息对所述用户进行风险预警操作、以及根据所述关联用户的风险信息对所述关联用户进行风险预警操作。

12.根据权利要求7所述的金融风险预警装置，其特征在于，所述舆情数据包括：投资项目信息，所述装置还包括：

分析单元，用于根据所述用户风险信息分析所述投资项目的风险信息；

投资确定单元，用于根据所述投资项目的风险信息确定是否执行该投资项目。

13.一种电子设备，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，其特征在于，所述处理器执行所述程序时实现权利要求1至6中任一项所述金融风险预警方法的步骤。

14.一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，该计算机程序被处理器执行时实现权利要求1至6中任一项所述金融风险预警方法的步骤。

Images