本公开实施例涉及金融信息化,尤其涉及一种金融客户推荐方法及系统。
背景技术:
1、目前金融机构如银行通常基于其所有的空闲资金设置理财投资金融产品并向客户销售。随着信息技术的快速发展,在智能化向客户推荐金融产品时需要考虑客户的风险情况,以提高金融机构的金融风险管控能力。
2、相关技术中,通常的做法是基于一些算法对客户基本信息做风险情况评估,根据客户的风险评估结果进行金融产品的推荐。然而目前的做法在向客户推荐金融产品时,客户的风险评估结果的准确性依然不高,难以向金融产品的潜在客户中最符合要求的客户准确推荐。
技术实现思路
1、为了解决上述技术问题或者至少部分地解决上述技术问题,本公开实施例提供了一种金融客户推荐方法及系统。
2、第一方面,本公开实施例提供了一种金融客户推荐方法,该方法包括:
3、获取指定金融产品的潜在客户的多个不同类型的客户数据,基于所述潜在客户的多个不同类型的客户数据确定所述潜在客户的多个不同特征数据;
4、将所述潜在客户的多个不同特征数据输入目标风险预测模型,以得到所述潜在客户的第一预测值;其中所述目标风险预测模型是预先基于训练样本数据对卷积神经网络模型训练得到的,所述训练样本数据包括样本潜在客户的不同特征数据;
5、基于所述潜在客户的多个不同特征数据以及对应的所述潜在客户的第一预测值,通过shap模型计算所述多个不同特征数据各自一一对应的多个shap值;
6、基于所述多个shap值以及所述潜在客户的第一预测值确定所述潜在客户的第二预测值,基于所述潜在客户的第二预测值确定目标客户,向所述目标客户推荐所述指定金融产品。
7、在一个实施例中,所述基于所述多个shap值以及所述潜在客户的第一预测值确定所述潜在客户的第二预测值,包括:
8、确定所述多个shap值中大于或等于预设值的至少一个shap值;
9、基于所述至少一个shap值以及所述潜在客户的第一预测值确定所述潜在客户的第二预测值。
10、在一个实施例中,所述基于所述至少一个shap值以及所述潜在客户的第一预测值确定所述潜在客户的第二预测值,包括:
11、当所述至少一个shap值仅包括一个shap值时,将所述一个shap值与所述第一预测值的乘积确定为所述潜在客户的第二预测值;
12、当所述至少一个shap值包括两个以上的shap值时,确定其中的最大shap值,将所述最大shap值与所述第一预测值的乘积确定为所述潜在客户的第二预测值。
13、在一个实施例中,所述基于所述潜在客户的第二预测值确定目标客户,包括:判断所述潜在客户的第二预测值是否小于或等于预设阈值,若是则将所述潜在客户确定为目标客户。
14、在一个实施例中,所述卷积神经网络模型包括第一神经网络模型和第二神经网络模型,所述卷积神经网络模型的训练过程包括:所述第一神经网络模型提取训练样本数据的特征向量,将所述特征向量与所述训练样本数据融合生成目标特征向量,所述第二神经网络模型基于所述目标特征向量输出预测值。
15、在一个实施例中,所述多个不同类型的客户数据包括客户身份信息数据、客户历史交易数据、客户评价反馈数据。
16、在一个实施例中,所述指定金融产品至少包括基金产品、股票产品、债券产品、理财产品中的一个或多个。
17、第二方面,本公开实施例提供一种金融客户推荐系统,包括:
18、数据获取模块,用于获取指定金融产品的潜在客户的多个不同类型的客户数据,基于所述潜在客户的多个不同类型的客户数据确定所述潜在客户的多个不同特征数据;
19、风险预测模块,用于将所述潜在客户的多个不同特征数据输入目标风险预测模型,以得到所述潜在客户的第一预测值;其中所述目标风险预测模型是预先基于训练样本数据对卷积神经网络模型训练得到的,所述训练样本数据包括样本潜在客户的不同特征数据;
20、数据计算模块,用于基于所述潜在客户的多个不同特征数据以及对应的所述潜在客户的第一预测值,通过shap模型计算所述多个不同特征数据各自一一对应的多个shap值;
21、信息推荐模块,用于基于所述多个shap值以及所述潜在客户的第一预测值确定所述潜在客户的第二预测值,基于所述潜在客户的第二预测值确定目标客户,向所述目标客户推荐所述指定金融产品。
22、第三方面,本公开实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述任一实施例所述金融客户推荐方法。
23、第四方面,本公开实施例提供一种电子设备,包括:
24、处理器;以及
25、存储器,用于存储计算机程序;
26、其中,所述处理器配置为经由执行所述计算机程序来执行上述任一实施例所述金融客户推荐方法。
27、本公开实施例提供的技术方案与现有技术相比具有如下优点:
28、本公开实施例提供的金融客户推荐方法及系统,获取指定金融产品的潜在客户的多个不同类型的客户数据,基于所述潜在客户的多个不同类型的客户数据确定所述潜在客户的多个不同特征数据;将所述潜在客户的多个不同特征数据输入目标风险预测模型,以得到所述潜在客户的第一预测值;其中所述目标风险预测模型是预先基于训练样本数据对卷积神经网络模型训练得到的,所述训练样本数据包括样本潜在客户的不同特征数据;基于所述潜在客户的多个不同特征数据以及对应的所述潜在客户的第一预测值,通过shap模型计算所述多个不同特征数据各自一一对应的多个shap值;基于所述多个shap值以及所述潜在客户的第一预测值确定所述潜在客户的第二预测值,基于所述潜在客户的第二预测值确定目标客户,向所述目标客户推荐所述指定金融产品。这样,本实施例的方案考虑多个不同类型的客户数据,且采用预先训练的风险预测模型来得到风险预测值,同时结合shap模型确定不同类型的客户数据对应的不同特征数据在风险预测模型推理过程所起作用的重要程度,进而基于该重要程度修正风险预测值确定最终预测值,最后基于最终预测值确定目标客户进行推荐,如此可以提高客户的风险评估结果的准确性,以向金融产品的潜在客户中最符合要求的客户准确地推荐金融产品。
1.一种金融客户推荐方法,其特征在于,该方法包括:
2.根据权利要求1所述的方法,其特征在于,所述基于所述多个shap值以及所述潜在客户的第一预测值确定所述潜在客户的第二预测值,包括:
3.根据权利要求2所述的方法,其特征在于,所述基于所述至少一个shap值以及所述潜在客户的第一预测值确定所述潜在客户的第二预测值,包括:
4.根据权利要求1~3任一项所述的方法,其特征在于,所述基于所述潜在客户的第二预测值确定目标客户,包括:判断所述潜在客户的第二预测值是否小于或等于预设阈值,若是则将所述潜在客户确定为目标客户。
5.根据权利要求1~3任一项所述的方法,其特征在于,所述卷积神经网络模型包括第一神经网络模型和第二神经网络模型,所述卷积神经网络模型的训练过程包括:所述第一神经网络模型提取训练样本数据的特征向量,将所述特征向量与所述训练样本数据融合生成目标特征向量,所述第二神经网络模型基于所述目标特征向量输出预测值。
6.根据权利要求1~3任一项所述的方法,其特征在于,所述多个不同类型的客户数据包括客户身份信息数据、客户历史交易数据、客户评价反馈数据。
7.根据权利要求1~3任一项所述的方法,其特征在于,所述指定金融产品至少包括基金产品、股票产品、债券产品、理财产品中的一个或多个。
8.一种金融客户推荐系统,其特征在于,包括:
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1~7任一项所述金融客户推荐方法。
10.一种电子设备,其特征在于,包括: