[发明专利]一种识别金融产品潜在客户的方法、装置及存储介质

权利要求书

1.一种识别金融产品潜在客户的方法，其特征在于，包括：

从原始客户中筛选出在设定时间段内所有有认、申购记录的客户作为第一目标客户；

提取所述第一目标客户的用户特征；所述第一目标客户的用户特征包括：社会属性、资产属性以及交易属性；

对所述第一目标客户的用户特征进行特征工程处理，包括：对所述第一目标客户的用户特征进行特征离散化，建立指标体系；

以及对所述第一目标客户的用户特征进行特征交叉，建立特征体系；

根据与所述指标体系和所述特征体系的相似度，通过PU-learning算法的两步法对所有原始客户进行分级；其中，所述PU-learning算法包括确定负样本以及训练分类器；所述分类器为逻辑回归分类器；

根据新发产品与客户历史有认、申购记录中的产品的相似度以及交易金额，对所有所述分级的客户针对该新发产品的偏好进行重排序。

2.根据权利要求1所述的识别金融产品潜在客户的方法，其特征在于，所述根据与所述指标体系和所述特征体系的相似度，通过PU-learning算法的两步法对所有原始客户进行分级；

具体的，根据与所述指标体系和所述特征体系的相似度，利用所述逻辑回归分类模型计算出每一个原始客户为正样本的概率；其中，所述正样本为第一目标客户；

根据每一个原始用户为正样本的概率对所有原始客户进行分级。

3.根据权利要求2所述的识别金融产品潜在客户的方法，其特征在于，根据新发产品与客户历史有认、申购记录中的产品的相似度以及交易金额，对所有分级的客户针对该新发产品偏好进行重排序，具体的：

根据风险等级、资产类型、投资期限类型和投资品种类型计算新发产品与每一个原始客户历史有认、申购记录中的产品的相似度，并将交易金额进行预处理作为权重信息，获得额外得分；

将每一个原始客户为正样本的概率和每一个原始客户的额外得分相加；

将相加结果从大到小降序排列，以实现对所有分级的客户进行重排序。

4.根据权利要求1-3任一项所述的识别金融产品潜在客户的方法，其特征在于，训练所述分类器的目标函数由以下公式确定：

其中，r＝0.2，α为超参数，同时正则项使用L1与L2范式，θ为模型权重参数向量，MSE(θ)指代模型预测值与实际值的均方误差，训练的目的在J(θ)最小值时θ的解析解。

5.根据权利要求1所述的识别金融产品潜在客户的方法，其特征在于，所述社会属性包括年龄、性别以及受教育程度；

所述资产属性包括：期间平均净资产额、期间所有产品平均仓位、期间股票平均仓位；

所述交易属性包括：期间盈亏率、期间换手率、风险等级、投资期限、投资品种以及4项业务开通情况，所述4项业务为融资融券、科创板、港股通和个股期权。

6.一种识别金融产品潜在客户的装置，其特征在于，包括：

筛选模块，用于从原始客户中筛选出在设定时间段内所有有认、申购记录的客户作为第一目标客户；

用户特征提取模块，用于提取所述第一目标客户的用户特征；所述第一目标客户的用户特征包括：社会属性、资产属性以及交易属性；

特征工程处理模块，用于对所述第一目标客户的用户特征进行特征工程处理，包括：对所述第一目标客户的用户特征进行特征离散化，建立指标体系；以及对所述第一目标客户的用户特征进行特征交叉，建立特征体系；

分类模块，用于根据与所述指标体系和所述特征体系的相似度，通过PU-learning算法的两步法对所有原始客户进行分级；其中，所述PU-learning算法包括确定负样本以及训练分类器；所述分类器为逻辑回归分类器；

排序模块，用于根据新发产品与客户历史有认、申购记录中的产品的相似度以及交易金额，对所有所述分级的客户针对该新发产品偏好进行重排序。