[发明专利]一种基于逻辑回归的员工操作风险预测方法

说明书

本发明提供一种基于逻辑回归的员工操作风险预测方法，包括：S1，采集操作风险点清单数据和员工信息数据；S2，对所述操作风险点清单数据中的风险点进行分类；S3，提取各类风险点的操作风险事件和员工信息数据形成操作风险数据集；S4，根据操作风险事件的发生情况给员工打标签；S5，对每类风险点操作风险数据集中的员工信息数据分别进行数据预处理；S6，基于员工标签，对每类风险点分别建立逻辑回归模型；S7，使用经数据预处理后每类风险点操作风险数据集中的员工信息数据训练对应的逻辑回归模型；S8，利用训练好的逻辑回归模型计算员工发生各类操作风险事件的概率。本发明收集员工信息数据，监控员工行为，不需人工实地检查，减少人力成本。

技术领域

本发明涉及金融机构及银行业操作风险防控管理领域，具体而言，涉及一种基于逻辑回归的员工操作风险预测方法。

背景技术

目前，金融机构及银行业对员工操作风险行为的排查多局限于人工排查和监管，需要耗费大量的人力、物力。排查和监管范围往往仅局限于个别部门或支行，无法覆盖整个机构或银行。银行的内控机制和监管机制存在弊端，操作风险的管控重事后清查，轻事前预防，很多事件都是在风险发生后才开始进行详细调查，忽略了前期预防工作，使得机构错失化风险于无形或降低风险成本的机会，造成不必要的损失。

发明内容

本发明旨在提供一种基于逻辑回归的员工操作风险预测方法，以解决上述采用人工排查和监管员工操作风险存在的问题。

本发明提供的一种基于逻辑回归的员工操作风险预测方法，包括如下步骤：

S1，采集操作风险点清单数据和员工信息数据；

S2，根据影响程度对所述操作风险点清单数据中的风险点进行分类；

S3，提取各类风险点的操作风险事件和员工信息数据形成操作风险数据集；

S4，根据每类风险点操作风险数据集中的操作风险事件的发生情况给员工打标签；

S5，对每类风险点操作风险数据集中的员工信息数据分别进行数据预处理；

S6，基于员工标签，对每类风险点分别建立逻辑回归模型；

S7，使用经数据预处理后每类风险点操作风险数据集中的员工信息数据训练对应的逻辑回归模型；

S8，利用训练好的逻辑回归模型计算员工发生各类操作风险事件的概率。

进一步的，步骤S4中给员工打标签的方法为：发生过此类风险点的操作风险事件的员工在该类风险点的操作风险事件的标签为1，未发生过此类风险点的操作风险事件的员工在该类风险点的操作风险事件的标签为0。

进一步的，步骤S5中所述数据预处理包括：

数据清洗：异常值处理、缺失值处理、重复值删除、定性变量转化为数值型变量、以及日期由文本格式转换为时间格式；

生成衍生变量：将数据清洗后的员工信息数据作为原始变量，通过设计衍生条件得到原始变量的衍生变量。

进一步的，步骤S6中建立所述逻辑回归模型的方法为，在线性回归基础上通过Sigmoid函数将结果映射到(0,1)之间，从而得到计算员工发生某类操作风险事件的概率的逻辑回归模型；该逻辑回归模型的表达式为：

其中：表示标签为1的第n个员工发生某类操作风险事件的概率；为逻辑回归模型的输入数据，即所属风险点类别的员工信息数据的原始变量和衍生变量；w^T为通过损失函数训练得到的最佳系数；x_n表示所属风险点类别的第n个员工的员工信息数据的原始变量和衍生变量；w_n表示x_n的最佳系数；y_n表示所属风险点类别的第n个员工的标签。