基于大数据的客户关联风险分析和挖掘

发布时间：2021-10-07 12:06

　　<正>在当前一体化的复杂金融环境下,客户风险的量化评估不再仅针对信用主体自身的风险因素,信用主体之间存在的多重的、多元的复杂关联关系,也蕴含了不可忽视的风险因素。因此,对客户关联风险的分析也至关重要。本文论述了客户关联风险基本内涵及分析的意义,研究提出了客户关联风险分析的模型和架构,探索了银行客户关联风险分析的场景。利用大数据分析技术进行客户关联风险分析,可以有效提升银行对信用风险的管控能力。 

【文章来源】：金融科技时代. 2020,28(04)

【文章页数】：5 页

【部分图文】：

客户关联风险模型

客户关联风险技术架构

在前期收集的内外部数据的基础上，建立客户关联风险识别模型。模型的建立主要基于复杂网络理论。所谓复杂网络是对复杂系统的抽象和描述方式，对应现实世界复杂度高、连接多样的单元，并将其抽象成为具有自组织、自相似的、复杂关联的节点网络。这样的网络往往节点数据巨大，旧的节点在不断消失，新的节点在不断产生，导致网络拓扑不断发生变化。节点之间的连接具有多样性，连接赋予的权重不一，节点集的关联态势呈现出非线性动力学系统特征，可在瞬间发生复杂变化。当相互节点之间进行频繁交互和信息传输时，其之间的连接权重会对应增加，通过不断地交互与训练会逐步改善复杂网络性能。复杂网络理论的特点很好地契合了客户社交网络的特点，因此可以根据复杂网络理论构建客户关联风险模型，从而认别、分析和防控客户关联风险。

【参考文献】：
期刊论文
[1]银行业系统性风险监测预警体系与防控机制研究[J]. 朱贺,张秀民.  金融监管研究. 2018(04)
[2]知识图谱在金融信贷领域的应用[J]. 雷丰羽.  现代商业. 2018(10)
[3]深化金融科技创新 推进银行转型发展[J]. 张华宇.  中国金融电脑. 2018(01)



本文编号：3422012