一种基于联邦学习的基金休眠客户激活潜力评估方法与流程

1.本发明提供一种基于联邦学习的基金休眠客户激活潜力评估方法，属于金融评估领域。

背景技术：

2.联邦学习又称联邦机械学习，是一种多机构遵守用户隐私保护和政府法规的要求下，进行联合建模的机器学习框架，作为联邦学习成员对象的机构需要按照多方安全计算协议将自身私有数据作为模型训练样本发送至联邦学习的集中计算平台，由集中计算平台完成模型训练，在多方安全计算协议下，私有数据经加密后实现隐私保护，并依然具有明文时的数学计算效力，不会对模型训练造成影响。
3.目前在基金行业，大量的客户在进行基金购买后，在基金周期完成后，会进入休眠状态，即停止对基金账户的操作或者进一步的投资，需要基金经理进行逐一筛查，并进行评级，并对客户进行激活，逐一激活缺少标准，增加工作量，且激活效率差，成功率底。

技术实现要素：

4.本发明一种基于联邦学习的基金休眠客户激活潜力评估方法，提供的一种通过利用加热形成热熔，对铜箔胶带上的胶膜进行切断的截断器。结构简单，使用方便。
5.本发明通过对银行自有数据库内的基金用户信息进行分选，识别出休眠客户，并对休眠客户进行分选定级，提高激活精准度的评估系统；
6.所述基金休眠客户为基金购买一个周期后，延期一年对基金无操作的客户；
7.所述休眠客户分级方法基于客户购买基金类型、盈利率、客户类型；
8.所述基金类型通过长期、短期、中期，基金行业所属，基金起购份额，基金风险度四个维度进行分类；
9.所述客户类型通过客户的在银行内闲置资金储额、征信、资金流水、抗风险能力四个维度进行分类，形成四位能力图，将客户类型、基金类型对应重合，通过重合率进行客户等级确定；
10.所述基金类型通过长期、短期、中期，基金行业所属，基金起购份额，基金风险度分布位于四个象限内，银行内闲置资金储额、征信、资金流水、抗风险能力同样位于四个象限内，且和基金类型四项逐一对应；
11.本发明中通过系统的联邦学习进行模型构建组合，所述联邦学习用于训练的目标模型确定特征配置前，所述联邦学习的成员对象按照所述联邦学习的数据仓库的数据结构化配置，对本地的私有数据进行预处理；以及所述联邦学习的成员对象基于多方安全计算协议，将预处理后的私有数据发送至所述集中计算平台，以由所述集中计算平台上传至所述数据仓库；
12.在所述目标模型确定特征配置后，所述集中计算平台根据所述目标模型的特征配置，对所述数据仓库记录的私有数据进行特征提取，得到适用于训练所述目标模型的特征
数据；以及，所述集中计算平台基于提取到的特征数据，对所述目标模型进行训练，并将所述目标模型的训练结果发送至所述联邦学习的成员对象；
13.所述联邦学习中包括集中计算平台和多个成员对象，所述集中计算平台配置有所述联邦学习系统的数据仓库；其中：在联邦学习用于训练的目标模型确定特征配置前，所述联邦学习的成员对象按照所述数据仓库的数据结构化配置，对本地的私有数据进行预处理；
14.所述联邦学习的成员对象基于多方安全计算协议，将预处理后的私有数据发送至所述集中计算平台，以由所述集中计算平台上传至所述数据仓库；
15.在所述目标模型确定特征配置后，所述集中计算平台根据所述目标模型的特征配置，对所述数据仓库记录的私有数据进行特征提取，得到适用于训练所述目标模型的特征数据；
16.所述集中计算平台基于提取到的特征数据，对所述目标模型进行训练，并将所述目标模型的训练结果发送至所述联邦学习的成员对象。
17.有益效果：
18.一、能够通过对基金进行多个维度的学习建模、同步对基金客户进行分析建模，将构建的
19.分析能力图进行拟合形成分析，对客户进行分类，形成激活评估；
20.二、依托基金原始数据，进行内部客户的筛选分析，通过联邦学习进行快速的模型构建；
21.三、结构简单，使用方便。
附图说明
22.图1为本发明一种基于联邦学习的基金休眠客户激活潜力评估方法的联邦学习的流程图。
23.图2为本发明一种基于联邦学习的基金休眠客户激活潜力评估方法的能力拟合图。
具体实施方式
24.下面结合附图对本发明进一步说明。
25.本发明通过对银行自有数据库内的基金用户信息进行分选，识别出休眠客户，并对休眠客户进行分选定级，提高激活精准度的评估系统；
26.所述基金休眠客户为基金购买一个周期后，延期一年对基金无操作的客户；
27.所述休眠客户分级方法基于客户购买基金类型、盈利率、客户类型，
28.所述基金类型通过长期、短期、中期，基金行业所属，基金起购份额，基金风险度四个维度进行分类；
29.所述客户类型通过客户的在银行内闲置资金储额、征信、资金流水、抗风险能力四个维度进行分类，形成四位能力图，将客户类型、基金类型对应重合，通过重合率进行客户等级确定；
30.所述基金类型通过长期、短期、中期，基金行业所属，基金起购份额，基金风险度分
布位于四个象限内，银行内闲置资金储额、征信、资金流水、抗风险能力同样位于四个象限内，且和基金类型四项逐一对应；
31.本发明中通过系统的联邦学习进行模型构建组合，所述联邦学习用于训练的目标模型确定特征配置前，所述联邦学习的成员对象按照所述联邦学习的数据仓库的数据结构化配置，对本地的私有数据进行预处理；以及所述联邦学习的成员对象基于多方安全计算协议，将预处理后的私有数据发送至所述集中计算平台，以由所述集中计算平台上传至所述数据仓库；
32.在所述目标模型确定特征配置后，所述集中计算平台根据所述目标模型的特征配置，对所述数据仓库记录的私有数据进行特征提取，得到适用于训练所述目标模型的特征数据；以及，所述集中计算平台基于提取到的特征数据，对所述目标模型进行训练，并将所述目标模型的训练结果发送至所述联邦学习的成员对象；
33.所述联邦学习中包括集中计算平台和多个成员对象，所述集中计算平台配置有所述联邦学习系统的数据仓库；其中：在联邦学习用于训练的目标模型确定特征配置前，所述联邦学习的成员对象按照所述数据仓库的数据结构化配置，对本地的私有数据进行预处理；
34.所述联邦学习的成员对象基于多方安全计算协议，将预处理后的私有数据发送至所述集中计算平台，以由所述集中计算平台上传至所述数据仓库；
35.在所述目标模型确定特征配置后，所述集中计算平台根据所述目标模型的特征配置，对所述数据仓库记录的私有数据进行特征提取，得到适用于训练所述目标模型的特征数据；
36.所述集中计算平台基于提取到的特征数据，对所述目标模型进行训练，并将所述目标模型的训练结果发送至所述联邦学习的成员对象。
37.以上对本发明及其实施方式进行了描述，这种描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。总而言之如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。

技术特征：

1.一种基于联邦学习的基金休眠客户激活潜力评估方法，其特征在于：对银行自有数据库内的基金用户信息进行分选，识别出休眠客户，并对休眠客户进行分选定级，提高激活精准度的评估系统，所述系统将基金形成多维度的分析，构建形成功能图，同步将客户通过多维进行分析形成客户功能图，将两组功能图拟合，形成拟合进行数据覆盖度的分析归类，对客户可激活性进行评估。2.根据权利要求1所述的一种基于联邦学习的基金休眠客户激活潜力评估方法，其特征在于：所述基金休眠客户为基金购买一个周期后，延期一年对基金无操作的客户。3.根据权利要求1所述的一种基于联邦学习的基金休眠客户激活潜力评估方法，其特征在于：所述休眠客户分级方法基于客户购买基金类型、盈利率、客户类型。4.根据权利要求1所述的一种基于联邦学习的基金休眠客户激活潜力评估方法，其特征在于：所述基金类型通过长期、短期、中期，基金行业所属，基金起购份额，基金风险度四个维度进行分类。5.根据权利要求1所述的一种基于联邦学习的基金休眠客户激活潜力评估方法，其特征在于：所述客户类型通过客户的在银行内闲置资金储额、征信、资金流水、抗风险能力四个维度进行分类，形成四位能力图，将客户类型、基金类型对应重合，通过重合率进行客户等级确定。6.根据权利要求1所述的一种基于联邦学习的基金休眠客户激活潜力评估方法，其特征在于：所述基金类型通过长期、短期、中期，基金行业所属，基金起购份额，基金风险度分布位于四个象限内，银行内闲置资金储额、征信、资金流水、抗风险能力同样位于四个象限内，且和基金类型四项逐一对应。7.根据权利要求1所述的一种基于联邦学习的基金休眠客户激活潜力评估方法，其特征在于：评估系统采用联邦学习方法进行模型构建，所述联邦学习用于训练的目标模型确定特征配置前，所述联邦学习的成员对象按照所述联邦学习的数据仓库的数据结构化配置，对本地的私有数据进行预处理；以及所述联邦学习的成员对象基于多方安全计算协议，将预处理后的私有数据发送至所述集中计算平台，以由所述集中计算平台上传至所述数据仓库。8.根据权利要求1所述的一种基于联邦学习的基金休眠客户激活潜力评估方法，其特征在于：所述联邦学习中包括集中计算平台和多个成员对象，所述集中计算平台配置有所述联邦学习系统的数据仓库；其中：在联邦学习用于训练的目标模型确定特征配置前，所述联邦学习的成员对象按照所述数据仓库的数据结构化配置，对本地的私有数据进行预处理。

技术总结

本发明提供一种基于联邦学习的基金休眠客户激活潜力评估方法，属于金融评估领域。银行自有数据库内的基金用户信息进行分选，识别出休眠客户，并对休眠客户进行分选定级，提高激活精准度的评估系统；所述基金休眠客户为基金购买一个周期后，延期一年对基金无操作的客户；所述休眠客户分级方法基于客户购买基金类型、盈利率、客户类型，能够通过对基金进行多个维度的学习建模、同步对基金客户进行分析建模，将构建的分析能力图进行拟合形成分析，对客户进行分类，形成激活评估。形成激活评估。形成激活评估。