(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211054171.3 (22)申请日 2022.08.31 (71)申请人 广东工业大 学 地址 510000 广东省广州市东 风东路729号 (72)发明人 邵长城　张成科　 (74)专利代理 机构 长沙轩荣专利代理有限公司 43235 专利代理师 张慧敏 (51)Int.Cl. G06Q 40/02(2012.01) G06F 16/2455(2019.01) (54)发明名称 一种基于实时流数据的在线金融风控 模型 (57)摘要 本发明涉及金融风控技术领域， 提出了一种 基于实时流数据的在线金融风控模 型方法， 步骤 包括： 步骤1)： 采集单元获取目标数据集， 并对实 时数据和离线数据进行整合； 步骤2)： 对数据中 的缺失值和异常值进行处理， 提高模 型的泛化能 力； 步骤3)： 结合金融风控的业务背景， 对原始数 据进行工程性处理， 挖掘数据中的潜在价值； 步 骤4)： 通过stacking融合方式对几个金融风控机 器学习算法模 型进行融合， 根据实时采集的数据 集实时更新风险预测模型。 在本发明中， 解决了 现有金融模型不能及时识别风险并进行预警或 者风控的问题， 提出一种基于实时流数据的在线 金融风控模型， 运用实时数据进行模型训练， 显 著提升了金融风控预测的实时性与准确性。 权利要求书2页 说明书5页 附图2页 CN 115393060 A 2022.11.25 CN 115393060 A 1.一种基于实时流数据的在线金融风控 模型， 其特 征在于,包括以下模块： 数据采集模块； 数据预处 理模块； 特征工程模块； 风控评估 模块。 2.如权利要求1所述的一种基于实时流数据的在线金融风控模型， 其特征在于， 所述数 据采集模块具体包括： 步骤1.1， 通过实时数据采集单元与外部数据平台对接， 获取实时的流式交易数据， 并 将该时刻的流式数据存储到数据存储系统和高速缓存中， 高速缓存移除上一时刻的流式数 据， 并将该时刻的流式数据存储到高速缓存中， 所述外部数据 平台， 用于将银行、 ATM机、 POS 机等的实时交易数据向所述实时数据采集单 元传输； 步骤1.2， 通过批量数据采集单元与数据存储系统连接， 抽取批量离线数据； 所述离线 数据为过往的用户交易记录； 步骤1.3， 数据整合单元对数据进行清洗与集成， 对实时数据与离线数据的数据格 式进 行格式化,清洗冗余数据， 并对实时数据与离线 数据进行整合从而获得集成数据， 将集 成数 据发送至数据预处 理模块。 3.如权利要求1所述的一种基于实时流数据的在线金融风控模型， 其特征在于， 所述数 据预处理模块具体包括： 步骤2.1， 缺失值处理单元， 根据初始设定的阈值， 对有缺失字段的数据分为两大部分， 直接删除缺 失字段数目小于阈值且重要字段没有缺失的数据项， 对缺失字段数目较多或是 缺失重要字段的数据项 进行中位数填充； 上述重要字段为身份 证号、 金额、 贷款类型、 时间等对 模型影响比重较大 大的字段； 步骤2.2， 异常值处 理单元， 采用标准差判断法， 计算出当前字段的标准差为： 其中N表示数据项的总数， μ表示该字段在全部数据项中的平均值； 若该字段的数值与平均值μ的偏差超过标准差的值的三倍， 则认为该字段的数值超出 了样本数据的正常范围， 将该字段的数据标记为异常值进行后续处 理； 步骤2.3， 样本均衡单元， 利用SMOTE算法合成新的少 数类样本， 先利用K ‑近邻算法， 选 择离样本点xi最近的k个同类样本点， 并从中随机挑选M个样本点， 对于每一个随机选中的 样本点， 构造新的样本点xnew， 公式为： xnew＝xi+rand(0,1)*(xj‑xi),j＝1,2, …,M 其中xi表示少数类别中的一个样本点， xj表示K‑近邻算法中随机挑选的样本点； rand (0,1)表示 生成0‑1的随机数。 4.如权利要求1所述的一种基于实时流数据的在线金融风控模型， 其特征在于， 所述特 征工程模块具体包括： 步骤3.1， 类别特征编码单元， 将数据集中涉及到的类别型特征把其对应的类别特征转 换为模型 可以识别的类型， 类别型 特征如性别、 学历、 民族和贷款类型等； 步骤3.2， 特征组合单元， 通过把用户的多个字段进行融合生成新的字段， 使得后续模权　利　要　求　书 1/2 页 2 CN 115393060 A 2型学习到更深层次的信息， 使用因子分解机， 将稀疏数据Embedding向低维度表达， 形成一 个稠密的特征向量， 对于每个组合特征wixi， 训练出两组一维向量的内积<vi,vj>来替代权 重值： 其中， w0表示常数项， 表示一阶线性模型， χiχj表 示二阶特征交叉模型。 5.如权利要求1所述的一种基于实时流数据的在线金融风控模型， 其特征在于， 所述风 控评估模块具体包括： 步骤4.1， 定义第 一层基础学习器集合为M＝{f1,f2,…,fn}， 其中， fi为各个优选的金融 风控模型； 步骤4.2， 划分数据集， 采用随机抽样将数据集D平均划分为n份， n的大小与基础学习器 的数量对应D＝{D1,D2,…,Dn}； 步骤4.3， 训练第一层基础学习器， 单个基础学习器f1对应的测试集为D1， 训练集D为中 除Di外的数据， 基于训练集的数据进行训练之后对测试集进行预测， 结果记为Yi， 所以基础 学习器的预测结果集合作为框架第二层模型的输入Dnew＝{Y1,Y2,Y3,…,Yn}， 该新数据集与 原始数据集D的行 数相同； 步骤4.4， 选择第二层基础学习器并输出结果， 从M中选择基础学习器， 以Dnew为输入数 据， 并以AUC为衡量指标选择最优的模型作为第二层的学习器， 输出 结果为Ys＝f(Dnew)。权　利　要　求　书 2/2 页 3 CN 115393060 A 3