风控模型和算法研究：spark分列式配合贝叶斯

anbo650370

随着互联网技术的发展和应用的广泛普及,利用互联网进行金融理财已经成为一种新型的金融科技领域。然而,互联网金融给金融企业带来方便、快捷、汇报率高的同时,也带来了相当大的风险。主要表现在:信誉管理混乱、不良借贷和恶意欺骗等等。因此,利用网络运营商大数据对用户行为分析,避免上述风险发生是当务之急。本文针对上述需求,研究基于运营商大数据的用户行为分析算法,为金融企业提供金融风险控制机制。包括:运营商数据预处理、数据画像和标签刻画、用户行为预测等。其中,运营商采用联通网络平台作为基础平台,金融App作为数据采集对象;在用户行为预测算法中,实验采用贝叶斯网络作为预测模型,通过增加“风险”标签,构建风险预测概率图模型。对提出的算法进行了实验分析和工具原型实现。采用联通运营商大数据支撑平台,金融App上网日志作为采集对象,用Spark并行大数据处理系统作为分析数据环境。实验表明:不良用户行为预测成功率达到了比较满意的效果,开发的小工具在企业也已经得到应用。