[发明专利]操作风险识别方法及装置

说明书

本发明提供了一种操作风险识别方法及装置，涉及计算机技术领域，可应用于金融领域和其他领域，所述方法包含：获取历史风险事件数据，按预设数据类型提取所述历史风险事件数据中每一风险事件的关联特征；通过广义回归神经网络对根据所述关联特征进行特征拟合获得所述风险事件的行为特征；获取待分析的操作行为，将所述操作行为与所述行为特征匹配获得匹配结果；根据所述匹配结果获得待分析的操作行为的操作风险。

技术领域

本发明涉及计算机技术领域，可应用于金融领域和其他领域，尤指代一种操作风险识别方法及装置。

背景技术

近年来，金融界的重量级案件频发，一系列由操作风险而引发的案例给商业银行造成了巨大损失。当前操作风险防控方式主要为事后防控，亦即在风险事件实施且产生损失后，进行事后分析评估并指定规则来缓解相关风险，并予以调整风险防控手段直至新的风险事件出现。

该种方式无法有效的降低风险事件的发生，同时损伤已造成难以追回，因此要想降低因操作风险带来的损失，就须在损失发生前和发生中进行有效布控和拦截。在本领域中未有针对损失发生前和发生中的进行有效的风险识别，为此，业内亟需一种改变传统操作风险监控方法，从源头控制操作风险的方法及装置。

发明内容

本发明目的在于提供一种操作风险识别方法及装置，以准确地识别出存在的操作风险，在识别出后对操作人员进行预警，能够有效降低因操作风险导致的经济损失。

为达上述目的，本发明所提供的操作风险识别方法，具体包含：获取历史风险事件数据，按预设数据类型提取所述历史风险事件数据中每一风险事件的关联特征；通过广义回归神经网络对根据所述关联特征进行特征拟合获得所述风险事件的行为特征；获取待分析的操作行为，将所述操作行为与所述行为特征匹配获得匹配结果；根据所述匹配结果获得待分析的操作行为的操作风险。

在上述操作风险识别方法中，优选的，通过广义回归神经网络对根据所述关联特征进行特征拟合获得所述风险事件的行为特征还包含：通过DBSCAN算法对所述关联特征进行密度聚类，根据聚类结果对不同分区分别应用由高到低的平滑函数获得函数曲线；根据所述函数曲线上点到原始数据点之间的平均点距离获得评估值；根据所述评估值获得所述行为特征的评估效果。

在上述操作风险识别方法中，优选的，获取待分析的操作行为包含：识别所述待分析的操作行为，当所述待分析的操作行为中存在缺失值时，通过贝叶斯估计中的多重填补对所述缺失值进行补全。

在上述操作风险识别方法中，优选的，通过贝叶斯估计中的多重填补对所述缺失值进行补全包含：针对所述待分析的操作行为中各个缺失值分别生成补充值数据集合；通过评分函数分析各个补充值数据集合，获得所述补充值数据集合中各个补充值数据的评分；根据所述评分于所述缺失值数据集合调取补全值，通过所述补全值对所述缺失值进行补全。

在上述操作风险识别方法中，优选的，获取待分析的操作行为，将所述操作行为与所述行为特征匹配获得匹配结果包含：根据待分析的操作行为记录获取用户的关联信息，根据所述关联信息生成用户画像；根据所述用户画像筛选所述行为特征，将所述待分析的操作行为记录中的操作行为与筛选后的所述行为特征匹配获得匹配结果。

在上述操作风险识别方法中，优选的，所述预设数据类型包含风险事件类型、等级、行为、事件和操作人。

在上述操作风险识别方法中，优选的，所述风险事件数据包含时间信息、风险相关人员信息、时间内容信息、代价信息、概率信息和风险等级信息。