[发明专利]客户理财风险测评方法及装置

权利要求书

1.一种客户理财风险测评方法，其特征在于，包括：

采集多个理财产品客户的属性信息，其中，所述属性信息包括：多个属性特征；

基于预先配置的属性映射关系表，将每个理财产品客户的属性信息映射为对应的属性权重数据，其中，所述属性映射关系表中包含多个属性特征及每个属性特征对应的权重值；

根据每个理财产品客户的属性权重数据，标记每个理财产品客户的风险测评级别；

根据所述多个理财产品客户的风险测评级别和对应的属性权重数据，通过机器学习训练一个客户风险测评模型，其中，所述客户风险测评模型用于对待测评客户的风险测评等级进行预测；

将待测评客户的属性信息，输入至预先训练好的客户风险测评模型中，输出所述待测评客户的风险测评级别。

2.如权利要求1所述的方法，其特征在于，根据所述多个理财产品客户的风险测评级别和对应的属性权重数据，通过机器学习训练一个客户风险测评模型，包括：

将所述多个理财产品客户的风险测评级别和对应的属性权重数据，作为训练客户风险测评模型的样本数据；

按照预设比例，将所述样本数据划分为训练数据和测试数据；

利用所述训练数据，对决策树模型进行训练；

利用所述测试数据，对训练后的模型进行验证，直到训练得到一个满足预设预测准确率的客户风险测评模型。

3.如权利要求1所述的方法，其特征在于，在根据每个理财产品客户的属性权重数据，标记每个理财产品客户的风险测评级别之前，所述方法还包括：

利用信息增益函数或主成分分析法PCA函数，对每个理财产品客户的属性权重数据进行降维；

根据每个理财产品客户降维后的属性权重数据，标记每个理财产品客户的风险测评级别。

4.如权利要求1所述的方法，其特征在于，在基于预先配置的属性映射关系表，将每个理财产品客户的属性信息映射为对应的属性权重数据之前，所述方法还包括：

获取预先配置的多个属性特征；

获取每个属性特征对应的权重值；

根据多个属性特征和对应的权重值，生成属性映射关系表。

5.一种客户理财风险测评装置，其特征在于，包括：

客户信息采集模块，用于采集多个理财产品客户的属性信息，其中，所述属性信息包括：多个属性特征；

属性权重映射模块，用于基于预先配置的属性映射关系表，将每个理财产品客户的属性信息映射为对应的属性权重数据，其中，所述属性映射关系表中包含多个属性特征及每个属性特征对应的权重值；

客户标记模块，用于根据每个理财产品客户的属性权重数据，标记每个理财产品客户的风险测评级别；

机器学习模块，用于根据所述多个理财产品客户的风险测评级别和对应的属性权重数据，通过机器学习训练一个客户风险测评模型，其中，所述客户风险测评模型用于对待测评客户的风险测评等级进行预测；

风险测评级别预测模块，用于将待测评客户的属性信息，输入至预先训练好的客户风险测评模型中，输出所述待测评客户的风险测评级别。

6.如权利要求5所述的装置，其特征在于，所述机器学习模块包括：

样本数据获取单元，用于将所述多个理财产品客户的风险测评级别和对应的属性权重数据，作为训练客户风险测评模型的样本数据；

样本数据划分单元，用于按照预设比例，将所述样本数据划分为训练数据和测试数据；

模型训练单元，用于利用所述训练数据，对决策树模型进行训练；

模型验证单元，用于利用所述测试数据，对训练后的模型进行验证，直到训练得到一个满足预设预测准确率的客户风险测评模型。

7.如权利要求5所述的装置，其特征在于，所述装置还包括：

属性特征降维处理模块，用于利用信息增益函数或主成分分析法PCA函数，对每个理财产品客户的属性权重数据进行降维；

其中，所述客户标记模块还用于根据每个理财产品客户降维后的属性权重数据，标记每个理财产品客户的风险测评级别。