针对客户金融资产的监管方法及装置、电子设备与流程

本发明涉及金融科技领域或其他相关领域，具体而言，涉及一种针对客户金融资产的监管方法及装置、电子设备。

背景技术：

1、在金融数据不断扩充和迭代更新的背景下，金融机构对资产监管的需求日益提升，但资产清算的难度相对较高，尤其是客户主体是法人客户，其资产清算周期往往以年为单位进行统计，很不利于贷后资金的安全性把控。故对客户的资产规模的定期观测尤为重要，但过于频繁的清算申请会导致客户流失，周期过长的管理周期则不利于金融机构的资金监管。因此，需要在合理定期监管的同时，能够针对性的进行资产评估，及时进行违约预警，确保必要时进行资产状况的查验，减少不必要的资金损失。

2、相关技术中，对金融资产情况的评估，一般采用如回归类模型、规则模型、评分类模型、xgboost模型等进行客户资产状况评估，模型评估过程中，使用特征多采用时点数据和一段时间内的区域统计类数据，通过不同模型的数据拟合完成资产状况预测。

3、但是上述的金融资产评估方式，存在明显的弊端，采集的资金流水数据为相对孤立的流水交易金额、时点余额等数据，时域数据为同一时间区域内的同属性特征汇总数据，如连续7天内流入资金交易笔数、交易金额等，信息量往往只有特定属性，数据信息量较低。同时，大量同属性类别的特征入模，也会对算力提出了较高的要求，尤其当数据统计过程中出现了流水类的相关统计，数据规模将成指数倍增长，不利于批量数据预测，严重情况会出现跑批延后出数的问题。

4、针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本发明实施例提供了一种针对客户金融资产的监管方法及装置、电子设备，以至少解决相关技术中在进行客户金融资产监管时，信息量只有单一特定属性，数据信息量较低的技术问题。

2、根据本发明实施例的一个方面，提供了一种针对客户金融资产的监管方法，包括：对于金融业务集合中每个金融业务，获取涉及该金融业务的n个客户类别属性，其中，所述金融业务集合中包含m个金融业务，n和m都为正整数；对于每个所述客户类别属性，基于预设类别映射表格确定关联该客户类别属性的资金流水提取策略，其中，所述资金流水提取策略用于提取在该客户类别属性下各目标客户在t个交易维度的资金流水，t为大于2的正整数；综合所有所述客户类别属性的资金流水集合，生成流水指标特征集合；对所述流水指标特征集合进行特征序列重排序，并基于排序结果生成准入特征图像；将所述准入特征图像输入至预先训练的卷积神经网络，输出各目标客户的资产状态评估结果，其中，所述资产状态评估结果包含：所述目标客户在当前时点的资产核算数据与上一时点的历史资产核算数据的对比数据，以及基于所述对比数据生成的客户资产状态。

3、可选地，在基于预设类别映射表格确定关联该客户类别属性的资金流水提取策略之后，还包括：在所述客户类别属性为法人类别属性的情况下，查询所述预设类别映射表格，得到与所述法人类别属性对应的第一资金流水提取策略；基于所述第一资金流水提取策略，提取法人客户所涉及的金融账号在u个交易维度的资金流水，得到第一资金流水集合，其中，所述交易维度包括：对公交易、网联交易、银联交易，所述第一资金流水集合包含资金流向、交易时点以及金融账号，u小于等于t。

4、可选地，在基于预设类别映射表格确定关联该客户类别属性的资金流水提取策略之后，还包括：在所述客户类别属性为个人类别属性的情况下，查询所述预设类别映射表格，得到与所述个人类别属性对应的第二资金流水提取策略，其中，所述第二资金流水提取策略与多个金融交易渠道相对应；基于所述第二资金流水提取策略，提取个人客户在多个金融交易渠道对应的p个交易维度的资金流水，得到第二资金流水集合，其中，所述第二资金流水集合包含：金融交易渠道、资金流向以及交易类别，p小于等于t。

5、可选地，综合所有所述客户类别属性的资金流水集合，生成流水指标特征集合的步骤，包括：获取与法人类别属性对应的第一资金流水集合，提取所述第一资金流水集合中涉及指定金融产品和/或指定金融交易渠道的资金流水，基于该资金流水统计在第一预设流水周期内涉及目标法人客户的入账金额数据、累计入账金额数据和环比入账增长额数据，得到第一流水指标特征；获取与个人类别属性对应的第二资金流水集合，提取所述第二资金流水集合中涉及每个所述金融交易渠道的资金流水，基于该资金流水统计在第二预设流水周期内涉及目标个人客户的网银支付金额数据、信用卡支付金额数据、环比支付金额增长额数据，得到第二流水指标特征；基于所述第一流水指标特征和所述第一流水指标特征，生成所述流水指标特征集合。

6、可选地，对所述流水指标特征集合进行特征序列重排序，并基于排序结果生成准入特征图像的步骤，包括：按照时间维度，对所述流水指标特征集合相同交易维度且不同客户类别属性的流水指标特征进行并列重排序；按照时间序列，对所述流水指标特征集合中不同交易维度且相同客户类别属性的流水指标特征进行顺序重排序；基于排序结果生成准入特征图像。

7、可选地，所述卷积神经网络的网络结构包括：输入层，输入所述准入特征图像；卷积层，通过卷积操作在输入的所述准入特征图像中滑动卷积核，由所述卷积核提取流水指标特征；池化层，用于缩小所述准入特征图像的空间尺寸；全连接层，与所述卷积层和所述池化层连接，输出各目标客户的资产状态评估结果。

8、可选地，所述卷积层包括：第一子卷积层，包含两组卷积核，卷积核的卷积维度为r横e纵，r为客户类别属性的总数量，e为时间维度；q+1层卷积层，卷积维度选取格式为r横1纵，q为大于等0的整数。

9、根据本发明实施例的另一方面，还提供了一种针对客户金融资产的监管装置，包括：获取单元，用于对于金融业务集合中每个金融业务，获取涉及该金融业务的n个客户类别属性，其中，所述金融业务集合中包含m个金融业务，n和m都为正整数；确定单元，用于对于每个所述客户类别属性，基于预设类别映射表格确定关联该客户类别属性的资金流水提取策略，其中，所述资金流水提取策略用于提取在该客户类别属性下各目标客户在t个交易维度的资金流水，t为大于2的正整数；生成单元，用于综合所有所述客户类别属性的资金流水集合，生成流水指标特征集合；重排序单元，用于对所述流水指标特征集合进行特征序列重排序，并基于排序结果生成准入特征图像；评估单元，用于将所述准入特征图像输入至预先训练的卷积神经网络，输出各目标客户的资产状态评估结果，其中，所述资产状态评估结果包含：所述目标客户在当前时点的资产核算数据与上一时点的历史资产核算数据的对比数据，以及基于所述对比数据生成的客户资产状态。

10、可选地，针对客户金融资产的监管装置还包括：第一查询单元，用于在基于预设类别映射表格确定关联该客户类别属性的资金流水提取策略之后，在所述客户类别属性为法人类别属性的情况下，查询所述预设类别映射表格，得到与所述法人类别属性对应的第一资金流水提取策略；第一提取单元，用于基于所述第一资金流水提取策略，提取法人客户所涉及的金融账号在u个交易维度的资金流水，得到第一资金流水集合，其中，所述交易维度包括：对公交易、网联交易、银联交易，所述第一资金流水集合包含资金流向、交易时点以及金融账号，u小于等于t。

11、可选地，针对客户金融资产的监管装置还包括：第二查询单元，用于在基于预设类别映射表格确定关联该客户类别属性的资金流水提取策略之后，在所述客户类别属性为个人类别属性的情况下，查询所述预设类别映射表格，得到与所述个人类别属性对应的第二资金流水提取策略，其中，所述第二资金流水提取策略与多个金融交易渠道相对应；第二提取单元，用于基于所述第二资金流水提取策略，提取个人客户在多个金融交易渠道对应的p个交易维度的资金流水，得到第二资金流水集合，其中，所述第二资金流水集合包含：金融交易渠道、资金流向以及交易类别，p小于等于t。

12、可选地，所述生成单元包括：第一获取模块，用于获取与法人类别属性对应的第一资金流水集合，提取所述第一资金流水集合中涉及指定金融产品和/或指定金融交易渠道的资金流水，基于该资金流水统计在第一预设流水周期内涉及目标法人客户的入账金额数据、累计入账金额数据和环比入账增长额数据，得到第一流水指标特征；第二获取模块，用于获取与个人类别属性对应的第二资金流水集合，提取所述第二资金流水集合中涉及每个所述金融交易渠道的资金流水，基于该资金流水统计在第二预设流水周期内涉及目标个人客户的网银支付金额数据、信用卡支付金额数据、环比支付金额增长额数据，得到第二流水指标特征；第一生成模块，用于基于所述第一流水指标特征和所述第一流水指标特征，生成所述流水指标特征集合。

13、可选地，重排序单元包括：第一重排序模块，用于按照时间维度，对所述流水指标特征集合相同交易维度且不同客户类别属性的流水指标特征进行并列重排序；第二重排序模块，用于按照时间序列，对所述流水指标特征集合中不同交易维度且相同客户类别属性的流水指标特征进行顺序重排序；第二生成模块，用于基于排序结果生成准入特征图像。

14、可选地，所述卷积神经网络的网络结构包括：输入层，输入所述准入特征图像；卷积层，通过卷积操作在输入的所述准入特征图像中滑动卷积核，由所述卷积核提取流水指标特征；池化层，用于缩小所述准入特征图像的空间尺寸；全连接层，与所述卷积层和所述池化层连接，输出各目标客户的资产状态评估结果。

15、可选地，所述卷积层包括：第一子卷积层，包含两组卷积核，卷积核的卷积维度为r横e纵，r为客户类别属性的总数量，e为时间维度；q+1层卷积层，卷积维度选取格式为r横1纵，q为大于等0的整数。

16、根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任意一项的针对客户金融资产的监管方法。

17、根据本发明实施例的另一方面，还提供了一种电子设备，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述任意一项的针对客户金融资产的监管方法。

18、在本公开中，对于金融业务集合中每个金融业务，获取涉及该金融业务的n个客户类别属性，对于每个客户类别属性，基于预设类别映射表格确定关联该客户类别属性的资金流水提取策略，资金流水提取策略用于提取在该客户类别属性下各目标客户在t个交易维度的资金流水，综合所有客户类别属性的资金流水集合，生成流水指标特征集合，对流水指标特征集合进行特征序列重排序，并基于排序结果生成准入特征图像；将准入特征图像输入至预先训练的卷积神经网络，输出各目标客户的资产状态评估结果，其中，资产状态评估结果包含：目标客户在当前时点的资产核算数据与上一时点的历史资产核算数据的对比数据，以及基于对比数据生成的客户资产状态。

19、在本公开中，引入多维属性的趋势量级衍生策略，通过对多维交易维度的资金流水信息进行提取(数据信息量高)，并综合多维客户类别属性的的资金流水集合，生成流水指标特征集合，对特征集合进行顺序重排序，然后通过卷积神经网络实现分析各个客户的资产状态评估结果，可以有效监控客户资产数据是否可能出现违约，减少违约率，提升金融机构资产优良率，从而解决相关技术中在进行客户金融资产监管时，信息量只有单一特定属性，数据信息量较低的技术问题。