[发明专利]商户风险估算方法及系统

权利要求书

1.一种商户风险估算方法，其特征在于，所述方法包括：

a.建立用于对商户进行风险评估的多个模型，每个模型对应设定时期内的一种欺诈行为；

b.将待评估商户在该设定时期的交易数据输入到各模型中，以获得各模型的估算结果；

c.对各模型的估算结果做加权平均，以获得该待评估商户的风险估算结果。

2.如权利要求1所述的商户风险估算方法，其特征在于，所述步骤a包括：

为每一种欺诈行为按照a1到a13的步骤建立相对应的模型：

a1.从所述设定时间内的历史交易数据中提取样本数据，所述样本数据包括发生过欺诈行为的商户的所有数据以及没有发生过欺诈行为的商户的所有数据；

a2.从所述样本数据中提取多个风险指标变量；

a3.根据如下的公式计算多个风险指标变量中各两个变量之间的相关性，其中，r为相关性系数，x与y分别代表各两个变量中的一个，x_i表示变量x的观测值，y_i表示变量y的观测值，表示从x₁到x_n的平均值，表示从y₁到y_n的平均值，1≤i≤n且－1≤r≤1：

a4.根据所计算的r值筛选出第一数目个风险指标变量；

a5.设定用于区分正常商户与高风险商户的条件；

a6.根据所设定的条件从a1中已提取的样本数据中再次提取样本数据，包括发生过欺诈行为的商户的所有数据以及没有发生过欺诈行为的商户的所有数据；

a7.对a6中提取的样本数据进行标记，标记为正常商户或高风险商户；

a8.按照1:1的比例从所标记的正常商户与高风险商户中提取样本，通过C4.5决策树模型进行学习训练以获得训练好的模型；

a9.将在步骤a1中提取的样本数据输入到所获得的训练好的C4.5决策树模型中，从而计算出新的风险指标变量；

a10.对步骤a9中计算出的风险指标变量进行归一化处理；

a11.通过逻辑回归训练模型对在步骤a6中再次提取的样本数据中的一部分进行训练，获得逻辑回归方程

其中，m＝第一数目+1，p为高风险商户的概率，β₀,β₁,...,β_m为回归系数，x₁,x₂,...,x_m为风险指标变量；

a12.以在步骤a6中再次提取的样本数据中未在步骤a11中进行训练的剩余部分，对所述逻辑回归模型进行测试，测试结果中p>0.6的商户为高风险商户，反之为正常商户；

a13.将a12中的计算结果与商户的实际情况进行比较，在确认a12中所计算的高风险商户的确为高风险商户的情况下，确定该逻辑回归模型可用。

3.如权利要求1或2所述的商户风险估算方法，其特征在于，所述方法还包括：

按照设定的时间间隔更新步骤a中建立的多个模型中的每一个，并基于更新的模型执行步骤b与步骤c。

4.如权利要求4所述的商户风险估算方法，其特征在于，按照设定的时间间隔更新步骤a中建立的多个模型中的每一个是基于按照设定的时间间隔对所述设定时期进行更新以更新该设定时期内的历史数据来进行的。

5.一种商户风险估算系统，其特征在于，所属系统包括：

模型建立模块，用于建立对商户进行风险评估的多个模型，每个模型对应设定时期内的一种欺诈行为；

输入模块，用于将待评估商户在该设定时期的交易数据输入到各模型中，以获得各模型的估算结果；

加权计算模块，用于对各模型的估算结果做加权平均，以获得该待评估商户的风险估算结果。