(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 202211085413.5 (22)申请日 2022.09.06 (71)申请人 山东大学 地址 250061 山东省济南市历下区经十路 17923号 (72)发明人 王光臣　栾茜庆　王钰　魏怡婷　 赵祥蓉　 (74)专利代理 机构 济南金迪知识产权代理有限 公司 37219 专利代理师 孙倩文 (51)Int.Cl. G06Q 40/06(2012.01) G06Q 10/06(2012.01) G06F 16/215(2019.01) G06F 16/35(2019.01)G06F 16/951(2019.01) G06F 17/18(2006.01) (54)发明名称 一种用户投资决策的智能风险控制系统 (57)摘要 本发明涉及一种用户投资决策的智能风险 控制系统， 属于投资风险控制技术领域， 包括数 据采集模块、 数据预处理模块、 风险评估模块和 风险预警模块， 本发明能够定性定量评估用户及 产品所属企业的实时风险状态， 从用户角度出 发， 既考虑用户本身固定的风险承受能力， 同时 通过用户客观行为更新其实时风险承受能力； 从 产品角度出发， 一方面获取 互联网公开产品及产 品所属企业相关信息数据， 评估产品所属企业风 险状态， 另一方面根据市场状态及政 策导向等文 本信息， 对其进行数据情感分析识别以实现实时 跟进。 该系统提供了一种定制化风险监控及预警 服务， 提高风险预警速度及风险能力评估准确 度， 从而帮助用户在进行投资决策过程中实现风 险实时预警服 务。 权利要求书3页 说明书9页 附图2页 CN 115456793 A 2022.12.09 CN 115456793 A 1.一种用户投资决策的智能风控系统， 其特征在于， 包括数据采集模块、 数据 预处理模 块、 风险评估 模块和风险预警模块， 其中， 所述数据采集模块， 用于获取用户及企业数据， 并将其传输 至数据处 理模块； 所述数据预处 理模块， 用于对数据采集模块采集的数据进行 数据预处 理； 所述风险评估模块， 用于对用户个人风险及产品所属企业风险进行评估， 分别计算用 户个人风险承受能力值及产品所属企业综合 风险值； 所述风险预警模块， 用于根据风险评估模块得到的用户个人风险承受能力值及产品所 属企业综合 风险值进行 预警信息推送提醒。 2.根据权利要求1所述的用户投资决策的智能风控系统， 其特征在于， 所述数据采集模 块包括历史数据采集模块和实时数据采集模块； 历史数据采集模块包括历史数据采集模块I和历史数据采集模块II， 历史数据采集模 块I通过与互联网公开信息平台对接， 获取企业产品信息数据， 包括企业信息数据、 企业涉 案数据、 产品信息数据、 产品涉案数据、 互联网广告信息及评论信息数据、 工商违法违规记 录数据、 司法数据、 知识产权和专利 数据、 涉税数据； 历史数据采集模块II获取用户基础信 息数据， 包括用户的年龄、 性别、 婚姻状况、 受教育程度、 职业、 收入、 家庭开支情况、 个人征 信情况、 固定 资产、 金融资产规模、 产生焦虑感的最低投资亏损比例、 投资经验、 金融理财知 识； 所述实时数据采集模块包括实时数据采集模块I和实时数据采集模块II， 实时数据采 集模块I通过互联网公开信息、 第三方信息披露平台和第三方商业数据库实时监测并获取 所属企业重大异常行为； 实时数据采集模块II与用户行为监测平台对接， 实时监测用户互 联网行为或通过情绪识别行为 倾向。 3.根据权利要求2所述的用户投资决策的智能风控系统， 其特征在于， 所述数据 预处理 模块用于对采集到的数据进行标准化处理， 在数据标准化处理过程中， 对采集的任一项数 据指标， 找到其最大值Xmax和最小值Xmin， 计算极差R＝Xmax‑Xmin， 再用每一项数据指标的真实 值X与最小值Xmin做差， 再除以极差R， 即： 4.根据权利要求3所述的用户投资决策的智能风控系统， 其特征在于， 所述风险评估模 块包括用户风险评估 模块和企业 风险评估 模块； 所述用户风险评估模块， 将用户的年龄、 性别、 婚姻状况、 受教育程度、 职业、 收入、 家庭 开支情况、 个人征信情况作为用户社会人口统计学特征， 将固定资产、 金融资产规模、 产生 焦虑感的最低投资亏损比例作为用户直接风险承受能力特征， 将投资经验、 金融理财知识 作为用户风险认知水平能力特 征， 根据三大 特征建立用户私人风险偏好评估 模型； 将实时数据采集模块II与用户行为监测平台对接得到的数据作为用户私人风险偏好 评估模型的影响因素， 包括用户浏览 网页内容信息、 用户浏览 网页主题及时长信息、 页面浏 览完成度、 互联网发言积极信息、 互联网发言消极信息、 互联网发言被举报信息、 互联网发 言被拉黑及禁言信息、 互联网发言争吵频率信息、 深夜购物app使用情况、 深夜购物退款退 单信息、 各类app从下载到卸载平均使用时长、 用户对不同类别app的使用粘性， 对用户私人 风险偏好评估 模型进行实时训练；权　利　要　求　书 1/3 页 2 CN 115456793 A 2对用户私人风险偏好评估模型的影响因素进行浓缩， 浓缩成三个概括性指标因子， 即 用户的历史网络浏览信息、 互联网发言信息、 各 大app使用情况； 将实时数据采集模块II得到的上述用户的历史网络浏览信息、 互联网发言信息、 各大 app使用情况等影响因素相关数据， 进行归一化、 统一量纲数据预处理， 得到各项概括性指 标因素对应数值Ci(i＝1,2,3)； 通过信息熵法得到三个概括性指标因子影响风险偏好评估结果的权重值mi(i＝1,2, 3)； 对C1、 C2和C3进行标准化处理， 获取标准数值 和 得到用户个人风险承受能力 值Y公式为： 5.根据权利要求4所述的用户投资决策的智能风控系统， 其特征在于， 得到权重值mi(i ＝1,2,3)的过程 为： 建立一般模型， 设X＝(X1,X2,…,Xp)T是用户私人风险偏好评估模型的影响因素数据， m ＝(m1,m2,m3)T为共性因子， 即浓缩后的三个概括性指标因子数据， 且E(X)＝ μ＝( μ1, μ2,…, μp)T， E(X)表示数学期望E对影 响因素X＝(X1,X2,…,Xp)T作用下的一个均值表达形式， μ为均 值， p为影响因素总量， μ1, μ2, μp为每一影响因素 下对应的均值； Var(X)＝∑＝(aij)p×p为因子负荷矩阵， 即随机变量与共性因子之间的相关系数； 公式概括表示为X＝ μ+AM， 其中A为相关系数， M为共性因子； 利用多影响因素对风险评价体系影响下的共性因子(概括性影响因素)提供的信息熵 来确定指标权 重； 对实时数据采集模块 II采集到的数据进行 无量纲化处 理 将每一个概括性指标因子作为一个系统， 样本数为s， 样本数是指每一概括性指标因子 下所包含的数据量， 每 个样本关于此指标的数据分别等于ni， 常数k＝1/lns； 通过公式得到浓 缩后的三个概 括性指标因子信息熵值ei； 三个概括性指标因子 权重值mi(i＝1,2,3)为： 6.根据权利要求5所述的用户投资决策的智能风控系统， 其特征在于， 所述企业风险评 估模块包括数据获取模块、 模型搭建模块和风险计算模块， 所述数据获取模块包括数据获 取模块I和数据获取模块II， 数据获取模块I用于获取历史数据采集模块I采集到的数据， 然 后进行清洗、 整理和 加工， 得到标准 化数据； 数据获取模块II用于通过互联网公开信 息、 第三方信息披露平台和第 三方商业数据库 获取特定企业归属行业类别、 通过实时爬虫执行网页数据获取操作， 获取得到企业投资产权　利　要　求　书 2/3 页 3 CN 115456793 A 3