[发明专利]一种金融风险行为的监控方法

说明书

本发明公开了一种金融风险行为的监控方法，步骤如下：S1、构建风险价值模型，通过历史数据计算正常的风险价值；S2、输入业务数据，实时计算对应的风险价值；S3、对比步骤S1与S2计算出的风险价值，判断实时计算出的VaR的跳跃值是否超过了预设的跳跃阈值，如果是，则说明风险价值模型出现异常，对跳跃阈值进行调整；如果否，结束当期监控，继续下一期监控。本发明使得监控方法能够准确地判别真实的薅羊毛场景。

技术领域

本发明属于风险监控技术领域，具体涉及一种金融风险行为的监控方法。

背景技术

当下互联网环境中，用户流量是消费金融线上业务的关键，因此消费金融公司经常会通过各种营销活动增加用户黏性。但是，这些是黑产的重点关注点，黑产会通过大量信用无异常的用户获取到消费金融公司对正常用户发放的好处，且不会正常还款，即薅羊毛行为，这就导致消费金融公司营销活动没起到正常效果，且承担着被逾期的风险。

消费金融公司常见的监控系统是监控某个场景访问次数或调用次数(比方授信次数，用信次数)是否超过阈值；但是这种判断方式是基于专家过往经验的，是主观定性为主，往往会存在较大的偏差，而且这种监控系统很难通过回测调整或平移到其他监控场景。一旦阈值设置不好，容易导致比较严重的Type I错误或者Type II错误。

金融大环境是变化的(Time-horizon)，使用者自身情况也是变化的，所以异常监控系统需要通过风险价值来定量判断，且需要通过历史数据回测调整模型，使其能够监控更加准确。

发明内容

本发明针对现有技术中的不足，提供一种金融风险行为的监控方法，使用大规模的数据采样，通过历史数据对风险调整，且通过回测对模型进行调整，使得监控方法能够准确判别真实的薅羊毛场景。

为实现上述目的，本发明采用以下技术方案：

一种金融风险行为的监控方法，包括如下步骤：

S1、构建风险价值模型，通过历史数据计算正常的风险价值；

S2、输入业务数据，实时计算对应的风险价值；

S3、对比步骤S1与S2计算出的风险价值，判断实时计算出的VaR的跳跃值是否超过了预设的跳跃阈值，如果是，则说明风险价值模型出现异常，对跳跃阈值进行调整；如果否，结束当期监控，继续下一期监控。

为优化上述技术方案，采取的具体措施还包括：

进一步地，在一期监控结束后，返回步骤S2，继续实时计算新输入的业务数据对应的风险价值，循环监控风险。

进一步地，步骤S3中，对跳跃阈值进行调整后，返回步骤S2，继续实时计算新输入的业务数据对应的风险价值，循环监控风险。

进一步地，根据以往异常监控系统获取到一个异常跳跃的最小值，将这个最小值设置为VaR跳跃阈值。

进一步地，若步骤S2计算的VaR值超出了通过历史数据计算正常的风险价值的10％，则说明风险价值模型出现异常，需要进行调整。

进一步地，风险价值模型VaR的计算公式如下：

VaR＝-(μ_p-z_a*σ_p)

其中：α是置信水平；z_α是置信区间；P是信贷产品；μ_p是信贷产品P收益率的均值；σ是收益率的波动率；σ_p是P收益的标准差。

进一步地，对风险价值模型进行构建包括对收益率以及收益率的波动率进行调整。

进一步地，通过HW模型对收益率进行风险调整公式如下：