[发明专利]一种配资人资金账户识别及资金交易关系网络分析方法

权利要求书

1.一种配资人资金账户识别及分析方法，其特征是，包括以下步骤：

S1.资金交易数据采集并标记，资金交易数据来源多样，主要来源为反洗钱数据、所有银行数据、银联数据等，并通过前端采集工具采集并存入大数据平台，同时对采集的数据进行标记，其中标记包括配资人资金交易、非配资人交易；

S2.资金数据清洗、补全、去重，整个数据清洗原则包括全字段、全账单、全流程，按照“先补全-再去重-可恢复-即反馈-再优化”流程，利用机器实现自动补全、去重、清洗，建立人工干预机制，支持纠错反馈、数据恢复等功能，全面清洗数据；

S3.配资人资金特征选取，特征包括资金交易总金额，阈值大于1000万，资金交易总次数，阈值大于25，资金交易对手数量，阈值大于30，进出金额比例，阈值达到0.6，月交易总金额平均值，阈值大于600万等；

S4采用有监督机器学习中的逻辑回归算法，对账户配资的判断方法，流程如下，a).交易数据采集并标记；b).数据清洗；c).特征选取；d).划分训练集和测试集；e).算法选择；f).模型训练；g).模型验证。

2.根据权利要求1所述的分析方法，其特征是，S4详细流程如下：

a)交易数据采集并标记；对配资账户正常的账户集T1和配资账户非正常的账户集T0，并保持两个数据集的比列差不多保持在1∶1，便于提高算法正确率；将T0和T1数据集融合在一个数据集T，通过内网将数据生成一个xls文件，便于以后调用；

b)数据清洗；选取文件中的特定列名，并进行数据预处理，对未标明的用户账户的数据进行删除，对重复数据进行删除；对每列的空置进行对应列的处理，例如交易方式，将空置装换成一个字符串，对于金额装换成数字类型的数据；将金额数值中的负值转换成正数，便于以后特征列的计算；对很多不是真正用户的用户名称也删除，例如用户名是0，对于该种数据要删除；

c)特征选取；对xls文件中的列名进行筛选，有部分没有特点的数据进行删除，保留相对可以区分类别的特征列，例如金额，交易次数；对选取的列名进行整合，分别计算金额的均值，最大值和最小值，余额数据亦是如此；对用户的MAC地址进行数据统计，记录使用的次数，作为一个特征集；对借贷标志选取，统计用户分别对’进’，’出’的次数，选取相对较多次数状态进行填充借贷状态；最后对离散型数据进行onehot转换成多种特征列；

d)划分训练集和测试集；对样本集中的数据，按照训练集和测试集3∶1的状态选取数据，进行算法训练；

e)算法选择；机器学习中数据进行分类的算法很多(逻辑回归、朴素贝叶斯)，本次选取的算法是使用机器学习中的逻辑回归算法；

对于逻辑回归(分类算法)：

分类器的输入是(x1，x2，…，xn)，x1，x2，…，xn分别表示为每一个特征的向量；

逻辑回归函数：

其中

其中：

阈值选取0-1中间0.5，当预测函数结果大于0.5，则预测为正，反之预测为负；

逻辑回归二分类，求解损失值，使得损失值达到最小，一直不断更新θ，并最终获得预测函数；

似然函数：

对数函数：

其中P(y＝1|x；θ)＝h_θ(x)，P(y＝0|x；θ)＝1-h_θ(x)

对于朴素贝叶斯(分类算法)：

朴素贝叶斯的输入是(x1，x2，…，xn)，x1，x2，…，xn分别表示为每一个特征的向量；对于本案列是二分类，选取的类别分别为c1，c2；朴素贝叶斯是生成式模型，在此假设每列特征都是相互独立的，同时要先获得先验概率，

P(X₁＝x₁|Y＝c_k)，P(Y＝c_k)

P(X₁＝x₁，X₂＝x₂，...，X_n＝x_n|Y＝c_k)＝P(X₁＝x₁|Y＝c_k)P(X₂＝x₂|Y＝c_k)...P(X_n＝x_n|Y＝c_k)

贝叶斯模型的预测：

f)模型训练；选取逻辑回归算法进行对用户配资状况进行分类；从d步骤中选取训练集，保持正负样本比列1∶1，对选取的特征做为分类器的输入，分类器的输入是(x1，x2，…，xn)，x1，x2，…，xn分别表示为每一个特征的向量；将模型作为分类器输出，获得训练模型参数和分类模型；对于逻辑回归和朴素贝叶斯模型进行分类，根据他们分别训练模型的时间以及正确率，最终选取了逻辑回归算法。