一种由电子设备执行的金融风险沟通策略生成方法

本发明涉及一种由电子设备执行的金融风险沟通策略生成方法。

背景技术：

1、金融教育、智能投顾和风险管理系统通常采集用户的收入、资产、负债、流动性、金融知识和风险意愿等金融数据，并根据这些数据评估用户的风险承受状况。现有系统多以风险得分、风险等级或排序结果表示评估结果，这些结果主要用于判断用户能够或愿意承担何种程度的风险。

2、现有技术通常对金融数据进行标准化处理，并采用加权评分、模糊决策、前景理论（prospect theory）模型或机器学习模型完成风险评估。部分方法引入前景理论参数，以描述不同主体对收益、损失和不确定性的反应差异。然而，这些方法通常将计算结果用于风险分类或排序，未将金融特征与前景理论参数进一步转换为具体的金融风险沟通策略。

3、在实际应用中，具有相近风险得分的用户可能具有不同的金融特征。例如，一个用户可能缺少作出风险判断所需的信息，另一个用户可能具有较高的财务脆弱性或较大的潜在损失。相同的风险说明难以同时满足上述用户的沟通需要。系统如果仅依据风险得分或风险等级，就难以确定是否需要补充信息、调整解释方式、提示财务承受边界或者强调财务韧性。

4、此外，部分方法利用历史观测风险指标或专家标注训练决策模型。如果系统在策略生成阶段使用部署后才能取得的观测风险指标、审计结果或者测试集专家标注，模型就可能获得当前决策时不可用的信息，导致离线评价结果不能准确反映实际部署效果。因此，现有技术需要一种根据金融特征和前景理论参数生成金融风险沟通策略，并将策略生成、专家校准和部署后审计相互分离的方法及系统。

技术实现思路

1、本发明是为了解决上述现有技术存在的问题而提供一种由电子设备执行的金融风险沟通策略生成方法。

2、本发明所采用的技术方案有：

3、一种由电子设备执行的金融风险沟通策略生成方法，包括以下步骤：

4、获取并预处理待处理对象的金融特征数据，以及外部参数样本数据；所述外部参数样本数据包含前景理论参数，并且包含综合参数或者用于计算综合参数的广泛性焦虑量表值、状态焦虑量表值和特质焦虑量表值；

5、根据预处理后的金融特征数据，构造金融证据，所述金融证据包括财务能力证据、不确定性及损失负担证据、低清晰度指标、变化与冲击指标、财务脆弱性指标和尾部风险代理指标；根据所述财务能力证据与所述不确定性及损失负担证据的差值，计算基准财务证据得分；

6、根据外部参数样本数据，构造风险容忍乘数、损失敏感乘数、低清晰度敏感乘数、变化敏感乘数、财务脆弱性敏感乘数和最坏情形敏感参数；

7、将各类金融证据与对应的敏感参数组合运算，得到每个外部参数样本对应每个金融观测项的前景价值、支持值和信息需求值；

8、按照预设的外部参数样本权重，对前景价值、支持值和信息需求值进行加权平均，得到每个金融观测项对应的前景诊断值、支持诊断值和信息需求诊断值；

9、根据综合参数将外部参数样本划分为高值组和低值组，针对每个金融观测项，分别计算高值组和低值组的前景价值均值与支持值均值，得到组间前景价值差异与组间支持值差异，并计算全部外部参数样本下的前景价值标准差与支持值标准差；根据组间前景价值差异、组间支持值差异、前景价值标准差与支持值标准差，计算每个金融观测项对应的机制负荷诊断值；

10、基于财务能力证据、不确定性及损失负担证据、低清晰度指标、变化与冲击指标、财务脆弱性指标构建金融证据向量，按照预设精度对所述金融证据向量进行分组，得到多个金融特征画像；对同一金融特征画像内所有金融观测项的对应指标取均值，得到画像级金融证据、画像级诊断值与画像级基准财务证据得分；以画像级支持诊断值和画像级基准财务证据得分为自变量，通过交叉拟合的岭回归模型计算信息需求残差；根据画像级信息需求诊断值、画像级机制负荷诊断值以及画像级金融压力值，计算沟通负担诊断值；所述画像级金融压力由画像级低清晰度指标、画像级变化与冲击指标、画像级财务脆弱性指标和画像级尾部风险代理指标的最大值确定；

11、在金融特征画像层面，计算信息补充得分、焦虑敏感型解释得分、保护性财务韧性沟通得分、风险边界解释得分和标准风险承受能力沟通得分；根据预设分位数门控条件与策略优先顺序，确定各金融特征画像对应的基础主沟通策略，将基础主沟通策略对应的次级沟通标志设置为有效，并生成对应的策略理由与主要驱动指标；

12、其中，生成所述基础主沟通策略的全过程，不使用观测风险指标、部署后审计结果和测试集专家标注。

13、进一步地，所述金融特征数据包括用于表征财务能力、流动性、金融经验、金融知识、财务稳定性、债务压力、财务脆弱性、低财务韧性、财务压力和信息复杂性的特征。

14、进一步地，所述财务能力证据根据财务能力、流动性、金融经验、金融知识和财务稳定性的归一化值加权求和并限制在区间[0,1]内得到；

15、所述不确定性及损失负担证据根据债务压力、财务脆弱性、低财务韧性、财务压力和信息复杂性的归一化值加权求和并限制在区间[0,1]内得到；

16、所述低清晰度指标根据信息复杂性的归一化值、同一观测项内正向金融特征与负向金融特征取值的离散程度归一化值以及原始数据缺失比例加权求和并限制在区间[0,1]内得到；

17、所述变化与冲击指标根据财务稳定性的归一化值的补值、财务脆弱性的归一化值和财务压力的归一化值加权求和并限制在区间[0,1]内得到；

18、所述财务脆弱性指标根据财务脆弱性的归一化值、低财务韧性的归一化值和债务压力的归一化值加权求和并限制在区间[0,1]内得到；

19、所述尾部风险代理指标根据不确定性及损失负担证据、低清晰度指标、变化与冲击指标和财务脆弱性指标的最大值与均值加权组合并限制在区间[0,1]内得到。

20、进一步地，所述前景理论参数包括风险偏好参数、损失敏感参数和选择精度参数；

21、所述风险容忍乘数根据风险偏好参数经负对数变换后所得标准化值的负指数变换，并执行均值归一化处理得到；

22、所述损失敏感乘数根据损失敏感参数的标准化对数值的指数变换并执行均值归一化处理得到；

23、所述低清晰度敏感乘数、变化敏感乘数和财务脆弱性敏感乘数均根据综合参数的标准化值的指数变换并执行均值归一化处理得到；

24、所述最坏情形敏感参数根据综合参数的标准化值、风险偏好参数经负对数变换后的标准化值、损失敏感参数经对数变换后的标准化值以及选择精度参数经对数变换后的标准化值，经逻辑函数变换并限制在预定区间内得到；

25、当外部参数样本数据包含广泛性焦虑量表值、状态焦虑量表值和特质焦虑量表值时，电子设备先分别对三个量表值执行标准化处理，再计算标准化后的均值，最后对均值再次执行标准化处理，得到所述综合参数。

26、进一步地，所述基准财务证据得分按照计算；

27、第个外部参数样本对应于第个金融观测项的前景价值按照计算；

28、支持值按照计算；

29、信息需求值按照计算；其中，为外部参数样本的索引编号，为金融观测项的索引编号；为基准财务证据得分，为第个金融观测项的财务能力证据，为第个金融观测项的不确定性及损失负担证据，为第个金融观测项的低清晰度指标，为第个金融观测项的变化与冲击指标，为第个金融观测项的财务脆弱性指标，为第个金融观测项的尾部风险代理指标；为第个外部参数样本对应的风险容忍乘数，为第个外部参数样本对应的损失敏感乘数，为第个外部参数样本对应的低清晰度敏感乘数，为第个外部参数样本对应的变化敏感乘数，为第个外部参数样本对应的财务脆弱性敏感乘数，为第个外部参数样本对应的最坏情形敏感参数；为第个外部参数样本对应第个金融观测项的前景价值，为第个外部参数样本对应第个金融观测项的支持值，为第个外部参数样本对应第个金融观测项的信息需求值；、、、依次为低清晰度指标、变化与冲击指标、财务脆弱性指标、尾部风险代理指标在支持值计算中的影响权重；为信息需求值计算公式的常数项预设系数，、、、依次为低清晰度指标、变化与冲击指标、财务脆弱性指标、尾部风险代理指标在信息需求值计算中的预设系数；为逻辑函数；所述电子设备根据外部参数样本的权重分别对前景价值、支持值和信息需求值进行加权平均，得到对应的前景诊断值、支持诊断值和信息需求诊断值。

30、进一步地，所述机制负荷诊断值根据组间前景价值差异的绝对值、前景价值标准差、组间支持值差异的绝对值和支持值标准差经归一化加权求和得到；所述沟通负担诊断值根据画像级信息需求诊断值的归一化值、画像级机制负荷诊断值的归一化值和画像级金融压力值的归一化值加权求和得到。

31、进一步地，所述信息补充得分根据画像级信息需求诊断值、低清晰度指标、变化与冲击指标和信息需求残差中大于零的部分的归一化值加权求和得到；

32、所述焦虑敏感型解释得分根据组间支持值差异的绝对值、支持值标准差、组间前景价值差异的绝对值和机制负荷诊断值的归一化值加权求和得到；

33、所述保护性财务韧性沟通得分根据财务脆弱性指标、尾部风险代理指标和基准财务证据得分的归一化值的补值加权求和得到；

34、所述风险边界解释得分根据基准财务证据得分和财务脆弱性指标与尾部风险代理指标的最大值的归一化值加权求和得到；

35、所述标准风险承受能力沟通得分根据基准财务证据得分、信息需求诊断值的归一化值的补值、财务脆弱性指标的归一化值的补值和尾部风险代理指标的归一化值的补值加权求和得到；

36、所述预设分位数门控条件根据各沟通得分及其相关金融证据、诊断值或参数组差异是否达到对应的预设分位数阈值进行判定；

37、所述策略优先顺序为信息补充优先于焦虑敏感型解释，焦虑敏感型解释优先于风险边界解释，风险边界解释优先于保护性财务韧性沟通，保护性财务韧性沟通优先于标准风险承受能力沟通。

38、进一步地，在确定基础主沟通策略之后，所述方法还包括：

39、使用专家校准集训练主沟通策略分类模型和次级沟通标志分类模型，所述专家校准集中的专家标注通过盲审方式获得，专家在标注过程中不查看观测风险指标、部署后审计结果、未来结果和已生成的基础主沟通策略；将生成基础主沟通策略的过程中产生的金融特征、诊断值和沟通得分输入训练后的主沟通策略分类模型和次级沟通标志分类模型，得到校准后的主沟通策略、校准后的次级沟通标志、策略置信度和人工复核标志；所述校准后的主沟通策略作为最终金融风险沟通策略；

40、其中，训练所述主沟通策略分类模型和所述次级沟通标志分类模型仅使用生成所述基础主沟通策略的过程中产生的金融特征、诊断值和沟通得分，不使用观测风险指标、部署后审计结果、未来结果和测试集专家标注。

41、进一步地，在生成最终金融风险沟通策略之后，所述方法还包括：获取观测风险指标，根据所述观测风险指标评价所述基准财务证据得分；在金融特征画像内计算观测风险指标的均值和方差，采用交叉拟合的单调校准方法计算校准预测值和校准残差；根据观测风险指标方差和校准残差是否达到预设分位数阈值，分别生成画像异质性审计标志和残差审计标志；

42、其中，所述观测风险指标、所述校准残差及所述审计标志仅用于评价已生成的金融风险沟通策略，不参与当前金融风险沟通策略的生成。

43、进一步地，电子设备在获取数据前，于存储器中设置相互数据隔离的第一数据区、第二数据区和第三数据区；第一数据区存储作为当前策略生成输入的金融特征数据和外部参数样本数据，第二数据区存储专家标注，第三数据区存储观测风险指标和部署后审计结果；电子设备在生成所述基础主沟通策略时仅读取所述第一数据区，不读取第二数据区和第三数据区。

44、本发明具有如下有益效果：

45、（1）本发明将金融特征和前景理论参数转换为金融风险沟通策略，使系统能够根据金融特征差异确定相应的沟通方式，解决了现有技术难以将风险得分或排序结果转换为具体金融风险沟通策略的问题。

46、（2）本发明分别计算信息需求、参数组差异、机制负荷和沟通负担，使系统能够区分风险得分相近但沟通需要不同的金融特征画像，解决了相同风险得分用户因金融特征差异而需要不同沟通策略的问题。

47、（3）本发明同时输出主沟通策略、次级沟通标志、策略理由和主要驱动指标，使金融风险沟通策略能够追溯至对应的金融特征和计算结果，解决了现有技术输出结果缺乏可解释性和可追溯性的问题。

48、（4）本发明将策略生成、专家校准和部署后审计分开处理，避免当前策略使用部署后才能获得的观测风险指标、审计结果或者测试集专家标注，解决了现有技术中策略生成过程混入未来信息导致离线评价与实际部署效果不一致的问题。