[发明专利]一种降低资产损失率的方法

说明书

技术领域

本发明涉及风险控制领域和营销推荐领域，尤其涉及一种降低资产损失率的方法。

背景技术

目前，风险控制领域包括：贷款B卡-行为模型：针对存量客户进行判断，预测其未来某时间段内的贷款行为，判断逾期或违约可能性；贷款C卡-催收模型：针对存量逾期客户进行分析，预测客户的还款可能性及意愿情况；转账反欺诈：在转账时根据行为及属性特性判断是否为欺诈转账及盗卡转账；快捷支付反欺诈：在快捷支付时根据行为及属性特性判断是否为欺诈转账、盗卡转账及其他欺诈情况；网银支付反欺诈：在网银支付时根据行为及属性特性判断是否为欺诈支付、盗卡支付及其他欺诈情况；信用支付反欺诈：在信用支付时根据行为及属性特征是否为盗卡支付及其他欺诈情况；线下收单反欺诈：判断在收单过程中是否存在盗卡、移机、套现等欺诈行为。

目前，营销推荐领域包括：信用卡账单分期营销：针对信用卡存量客户的账单情况推荐分期业务；信用卡消费分期营销：很对信用卡存量客户的大额单笔消费金额推荐分期业务

降低资损率的根本途径是避免将欺诈交易判别为正常交易，也就是增加黑样本的召回率(recall)，但是通过改变模型分类边界的方法势必会降低黑样本的查准率(precision)，这会导致更高的报警率，增加人工核查成本，降低用户体验，因此这种改进方法是不合理的。我们应该在不改变报警率的前提下，降低资损率。

发明内容

从实际情况分析，金额大的交易一旦判断错误，将会带来很大的资金损失，但是小金额的交易即使判断错误，带来的损失比较小。为了在不改变报警率的情况下降低资金损失，应该对金额不同的样本区别对待，金额高的交易由于可能造成很大的损失，应该持有更加谨慎的态度，金额低的样本应该适当放宽，简化操作流程。基于此，本发明提供一种能在泛金融领域降低企业资产损失率的普适方法。

本发明的目的是通过以下技术方案来实现的：一种降低资产损失率的方法，该方法包括以下步骤：

(1)根据大量历史交易数据，计算归一化参数：采用Min-Max缩放技术进行归一化，根据历史交易数据得到最大交易金额X_max和最小交易金额X_min，当后续交易金额X比历史最大交易金额大时，令X＝X_max，当其比历史最小交易金额小时，令X＝X_min；

(2)对单笔交易金额进行归一化：对于单笔交易金额X，使用公式：将其归一化到[0,1]区间；

(3)定义软性阈值λ：λ＝ln(x+A)+B，其中，A,B是两个常量参数，其范围是[0,1]；

(4)根据历史数据确定参数A,B，包括以下子步骤：

(4.1)以l作为步长，确定若干组(A,B)；

(4.2)根据历史数据，使用已有的欺诈检测系统，给出每个样本为正常交易的概率P_i，同时，根据交易金额x及A,B的值，带入λ＝ln(x+A)+B计算出每个样本为正常交易的概率阈值λ_i；若P_i＞λ_i则判断该样本为正常交易，否则为欺诈交易，从而从历史数据中找到所有疑似欺诈的样本，根据样本的实际标签，得到预测错的疑似欺诈样本；

(4.3)计算历史样本的报警率AR和资损率LR，根据计算结果，挑选一组符合业务需求的(A,B)带入λ＝ln(x+A)+B，得到软性阈值λ；

(5)对于某笔交易，假设已有的欺诈检测系统给出其是正常交易的概率为ρ，那么仅当ρ＞λ时，认为该笔交易是正常交易，否则为欺诈交易。

本发明的有益效果：有别于规则系统的硬性阈值(比如金额小于100元的直接全部通过)，本发明采用软性阈值来对每条交易进行判断。这样做的好处是，对于那些明显是黑样本的交易，不管金额大小，系统都会进行阻断；对于高金额的样本，金额越高，态度就越谨慎。同时，本发明降低资损率的效果显著，在不增加报警率情况下，可以大幅降低资损率。本发明不依赖特定的风险控制系统(欺诈检测系统)，唯一的要求就是风险控制系统的输出是一个概率值，故该方法具有很好的移植性，简明易懂，容易实现。

具体实施方式

下面结合具体实施例对本发明作进一步详细说明。

本发明提供的一种降低资产损失率的方法，包括以下步骤：