李撈扒, 鄒陽, 曾曉勤

(河海大學 計算機與信息學院,南京 211100)

0 引言

電費資金回收是電網(wǎng)企業(yè)的生命線，電費收取的風險不僅會影響電網(wǎng)企業(yè)的持續(xù)健康發(fā)展，也勢必會影響整個國民經(jīng)濟的穩(wěn)定性[1]。隨著國家電網(wǎng)公司建設的一體化繳費管理平臺逐漸開始支持電網(wǎng)企業(yè)、金融機構(gòu)和非金融機構(gòu)等多種繳費渠道的接入，為客戶提供了便捷靈活的繳費方式，同時也增加了電費資金在從客戶到第三方繳費渠道再到電網(wǎng)企業(yè)的流動過程中的收取風險。那么如何加強電費資金安全管理技術(shù)應用，系統(tǒng)性梳理電費流轉(zhuǎn)各環(huán)節(jié)風險點，防范各環(huán)節(jié)資金安全風險，確保電費顆粒歸倉，已成為電網(wǎng)企業(yè)營銷管理部門的重要任務。

目前，關(guān)于電費資金安全風險監(jiān)控的研究主要集中在防范客戶層面上的拖、欠費風險，且通常采用的是基于數(shù)學和統(tǒng)計學的方法，少部分研究者已經(jīng)開始嘗試將機器學習方法引入到拖、欠費風險評估中。對于客戶層面的風險監(jiān)控研究已經(jīng)取得了很多實質(zhì)性的成果并有部分信用評價系統(tǒng)、風險評估系統(tǒng)和欠費預警系統(tǒng)進入實際上線運行階段[2]，但隨著電力體制改革的不斷深化，繳費渠道存在的風險被逐漸暴露出來，然而，目前對繳費渠道風險的研究屈指可數(shù)，且仍主要是套用客戶風險研究方法。由于客戶只是電費資金流轉(zhuǎn)過程中的一個環(huán)節(jié)，而目前的電費風險監(jiān)控系統(tǒng)又缺乏對繳費渠道存在的風險進行系統(tǒng)梳理、有效識別和精準防控，所以現(xiàn)有的風險監(jiān)控策略不能形成輻射全過程的風險防范預案。

經(jīng)過長期對電力客戶繳費行為軌跡的跟蹤觀測研究，發(fā)現(xiàn)除電網(wǎng)企業(yè)本身繳費渠道外，其他繳費渠道均隱藏著潛在的資金流異常，主要表現(xiàn)為收取電費后攜款外逃、使用充值卡套取多重手續(xù)費、不定時長截留電費、查繳比偏高、重復扣款和對賬不及時等風險。本文在已明確第三方繳費渠道存在的風險類型、成因機理和表現(xiàn)形式的基礎之上，提出了一個基于繳費行為軌跡追蹤的渠道風險監(jiān)控模型。首先對客戶的繳費記錄進行定性分析，通過分析客戶的繳費記錄追蹤到其繳費行為軌跡，進而根據(jù)風險類型識別模型判斷出該客戶潛在的風險類型；然后確定各風險評估指標，建立渠道風險評估指標體系，定量統(tǒng)計渠道不同風險類型的各評估指標值；最后通過風險評估模型得到渠道各風險類型的風險指數(shù)和風險排名。該模型將機器學習方法引入到風險類別識別模型和風險評估模型中，同時將定性指標和定量指標分開考慮，解決了傳統(tǒng)方法中魯棒性較差和機器學習方法中解釋性較差的問題，且獲得了可信度較高的風險評估結(jié)果。

1 相關(guān)研究

我國電力行業(yè)于本世紀初開始引入風險監(jiān)控研究，經(jīng)過近些年對電費收取風險監(jiān)控的研究與探索，相繼從不同角度分別提出了一些值得借鑒的風險評估方法和思想。

起初，風險評估主要是采用基于數(shù)學和統(tǒng)計學的方法，其中，基于數(shù)據(jù)統(tǒng)計特征的熵權(quán)法(entropy weight method, EWM)[3]，由于忽略了不同評估指標間存在的關(guān)系，所以通常作為評估指標的計量方法，而不適合作為風險評估方法；層次分析法(analytic hierarchy process, AHP)[4]是應用最廣泛的風險評估方法，其本質(zhì)是主觀經(jīng)驗的客觀標量轉(zhuǎn)化，然而由于不同的應用場景對判斷矩陣的一致性要求不同，直接使用CR<0.1缺乏科學依據(jù)[5]，所以實際評估效果一般；改進了AHP中CR值不確定問題的模糊層次分析法(fuzzy analytic hierarchy process, FAHP)[6]是將模糊數(shù)學理論與AHP相結(jié)合，把判斷矩陣改造成模糊一致矩陣，使用檢驗行間對應元素差是否為同一常數(shù)代替判斷矩陣的一致性檢驗，但FAHP仍需要Delphi專家調(diào)研法和EM標度法的支持，計算復雜度較高。

后來，隨著人工神經(jīng)網(wǎng)絡和機器學習的研究熱潮再次掀起，這些方法也逐漸被應用到電力行業(yè)風險監(jiān)控的相關(guān)預測研究中。文獻[7]利用SVM和BP神經(jīng)網(wǎng)絡實現(xiàn)了對客戶按風險程度分類，但由于風險評估指標體系中既有定性指標又有定量指標，而此類方法只能進行定量分析，所以導致其評估結(jié)果的解釋性較差，限制了其工程應用；文獻[8]嘗試使用決策樹算法預測客戶欠費風險類型，但文中并未屏蔽與風險預測無關(guān)的指標，造成得出的決策樹結(jié)構(gòu)較復雜；文獻[9-11]將機器學習中的K-Means聚類算法、Logistic回歸分析法和遺傳算法等應用到電費收取風險評估中，但對于數(shù)據(jù)量較少的渠道風險，預測的精度往往不是很理想。

為了解決上述方法中存在魯棒性和解釋性較差的問題，同時為了提高預測的準確率和降低模型的復雜度，應盡量選取與繳費行為相關(guān)且客觀可統(tǒng)計的評估指標。根據(jù)所選的評估指標，先使用改進的決策樹算法將客戶按定性指標分類，然后定量統(tǒng)計渠道各風險類型的評估指標值，最后使用回歸分析法(regression analysis)尋求風險評估指標與渠道風險指數(shù)間的關(guān)系。為了解決回歸模型在求解輸入向量與目標輸出間的多元函數(shù)表達式組時可能出現(xiàn)異方差性問題，嘗試使用加權(quán)最小二乘法(weighted least square method, WLS)[12]對原模型進行修正，使得到的參數(shù)估計量同時具有無偏性和有效性。

2 構(gòu)建渠道風險監(jiān)控模型

電費資金的流轉(zhuǎn)過程可以簡單地描述為：用戶通過第三方渠道繳納電費，第三方渠道定期將收到的電費轉(zhuǎn)給電網(wǎng)企業(yè)。針對繳費渠道在收取電費過程中、收繳時間差內(nèi)、與電網(wǎng)企業(yè)對賬時存在的諸多風險點，現(xiàn)通過構(gòu)建基于繳費行為軌跡追蹤的渠道風險監(jiān)控模型，以期及時發(fā)現(xiàn)潛在的風險類型并對其進行有效識別和精準預測，為制定相應的防范措施提供決策依據(jù)。

2.1 追蹤繳費行為軌跡

客戶繳費行為軌跡是分析電費資金流轉(zhuǎn)各環(huán)節(jié)風險的最直接依據(jù)，也是本模型的研究出發(fā)點。如表1所示。

表1 原始格式的數(shù)據(jù)記錄

在電費營銷管理系統(tǒng)中，繳費記錄包含渠道號、網(wǎng)點號、用戶號、費用周期、賬單編號、交易流水號、交易時間、收費類型、繳費方式、結(jié)算方式、收費金額、滯納金等字段，所以可通過數(shù)據(jù)庫中的繳費記錄追蹤到客戶的繳費行為軌跡，進而判斷其可能存在的風險類型。以下將以沖正套現(xiàn)風險點為例對模型進行描述，沖正套現(xiàn)是指第三方渠道以某種手段將客戶繳納電費的操作從電力公司的營銷管理系統(tǒng)中撤回，電費資金將回流到第三方渠道賬戶。

2.1.1 數(shù)據(jù)格式轉(zhuǎn)換

為方便追蹤客戶在一個費用周期內(nèi)的繳費行為軌跡，需要將其在一個費用周期內(nèi)的所有繳費操作歸納成一條記錄，具體的做法是先將數(shù)據(jù)庫中原始數(shù)據(jù)記錄轉(zhuǎn)換成單條數(shù)據(jù)格式，如表2所示。然后以客戶為單位，按時間先后排序，最后將單條數(shù)據(jù)格式歸并為單戶數(shù)據(jù)格式，如表3所示。同時對收費類型、繳費方式和結(jié)算方式字段重新編碼，其中，單條數(shù)據(jù)格式包括渠道號rcv_org_no、網(wǎng)點號branch、用戶號cons_id、賬單年月charge_ym、繳費時間charge_date、收費類型type_mode、繳費方式pay_mode、結(jié)算方式settle_mode和收費金額rcv_amt 9個屬性；單戶數(shù)據(jù)格式包括用戶號cons_id、賬單年月charge_ym、單條數(shù)據(jù)個數(shù)refer_id_num、單條數(shù)據(jù)集合refer_id_list 4個字段，其中的refer_id_list由單條數(shù)據(jù)標識refer_id順序排列并以逗號分隔而成；編碼策略是將以01開頭的0101～0116分別映射到A～P，以02開頭的0201～0216分別映射到a～p。

表2 單條數(shù)據(jù)格式的數(shù)據(jù)記錄

表3 單戶數(shù)據(jù)格式的數(shù)據(jù)記錄

2.1.2 簡化繳費行為軌跡序列

由2.1.1可知，每次繳費行為可用收費類型、繳費方式和結(jié)算方式3個字段組成的編碼組表示。由于客戶繳費行為具有較大的隨意性，所以數(shù)據(jù)中反映出來的繳費軌跡復雜多樣，因此有必要對繳費行為軌跡進行簡化，提取出關(guān)鍵行為節(jié)點。經(jīng)過對沖正套現(xiàn)業(yè)務的深入分析，得到如下簡化規(guī)則：

1)與前一步相同的操作不再加入整體軌跡序列。

2)反復進行沖正和充值卡繳費的操作，合并后僅保留一組序列。

3)任意一種繳費操作和預收結(jié)轉(zhuǎn)電費操作聯(lián)合發(fā)生時，合并后保留其中一個編碼組。

4)如果在沖正操作之后發(fā)生預收結(jié)轉(zhuǎn)電費，則忽略該條轉(zhuǎn)賬記錄。

經(jīng)過上述兩步處理后，可得到簡化的某客戶在指定費用周期內(nèi)有時序特征的繳費行為軌跡序列。那么上例對應簡化的繳費行為軌跡序列為：AAKIAKCAF。

2.1.3 風險類別識別

風險類型識別是根據(jù)簡化的客戶繳費行為軌跡序列判斷其潛在的風險類型，是定性分析的核心內(nèi)容。在創(chuàng)建風險類型識別模型之前，需要明確的是沖正套現(xiàn)風險點包含了三種風險類型，如表4所示。

表4 風險類型

創(chuàng)建風險類型識別模型，首先需要構(gòu)造數(shù)據(jù)集。從某省2017年6月到10月的每個月份中抽取5000個典型用戶的所有繳費記錄，將其軌跡序列作為特征屬性，使用Delphi專家調(diào)研法標注對應的風險類型。為了保證樣本占用的存儲空間相等，文中采用稀疏矩陣存儲樣本特征，并使用0來填充空缺位置，同時設置最后一列為目標分類結(jié)果。假設稀疏矩陣的長度為10，那么上例轉(zhuǎn)化為樣本時對應的數(shù)據(jù)格式如表5所示。

表5 數(shù)據(jù)集中的樣本

由于繳費行為軌跡序列具有較強的時序性，所以選擇機器學習方法中基于信息熵增益的ID3決策樹算法對軌跡序列進行分類，每次劃分子樹前，先計算下一個編碼組的信息增益，然后選擇信息增益最大的編碼組進行分裂，直到遍歷完所有編碼組，其中，信息增益如式(1)。

(1)

式中：H表示信息熵，S表示全部樣本，value(i)是第i組樣本的所有取值集合，v是第i組樣本的一個取值，Sv表示S中第i組值為v的全部樣本，|Sv|表示Sv中包含的樣本數(shù)。

由于無法預知客戶未來繳費行為軌跡序列的最大長度，所以為了提高識別模型的精度和決策樹的泛化能力，使用正則表達式對決策樹進行模式匹配和邏輯補充。從數(shù)據(jù)集的每個月份中隨機選取4 000條數(shù)據(jù)作為訓練集，訓練得到如圖1所示的風險類型識別模型，其中：“0”代表是否存在后續(xù)操作，即繳費行為軌跡是否到此終止；“01”、“02”、“03”、“04”分別對應表4中的風險類型編號。

2.2 建立風險評估指標體系

風險評估指標體系是定量統(tǒng)計的依據(jù)，也是風險評估的前提，將直接影響評估結(jié)果的合理性。如圖1所示。

圖1 風險類型識別模型

在選取風險評估指標時，應遵循精簡可靠、滿足需求、縱向可比性高且客觀統(tǒng)計特征強等原則。如前所述，為降低風險類型識別模型的結(jié)構(gòu)復雜度、提高定性識別的準確率，應盡量選取與繳費行為相關(guān)度較高的特征屬性，通過追蹤客戶的繳費行為軌跡可判斷出其潛在的風險類型，進而可得到某渠道下存在每種風險的風險次數(shù)、風險金額、風險次數(shù)比、風險金額比、風險總時長、平均風險時長和風險高峰時段等統(tǒng)計指標。

參考目前在企業(yè)信用管理中廣泛使用的5C理論和AHP中關(guān)于指標體系的討論，結(jié)合電力行業(yè)特點及渠道風險評估需要，本文建立了一套基于風險類型的、多層次遞階的渠道風險評估指標體系，如圖2所示。

2.3 渠道風險評估

在定性分析確定客戶風險類型和定量統(tǒng)計得到渠道各風險評估指標值的基礎之上，可使用機器學習方法對渠道風險進行評估預測，這樣就可以解決由直接對原始數(shù)據(jù)使用機器學習方法造成的評估結(jié)果解釋性較差的問題，實現(xiàn)分類評估。由渠道風險評估指標體系可知，對于目標層1、2、3、4、5和6，其決策層之間是相互獨立的，所以可使用回歸分析法構(gòu)建自動化的風險評估模型，計算各風險類型的風險指數(shù)值，進而可得到統(tǒng)計推斷下的渠道各風險排名。由于不同的風險類型對應著不同的風險評估模型，但其創(chuàng)建過程大同小異，所以以下將以截留電費風險為例，對風險評估模型的創(chuàng)建過程進行描述。

圖2 渠道風險評估指標體系

由于Delphi專家調(diào)研法得到的評估結(jié)果最直接、最具有參考意義，所以通常將其作為回歸分析的參考依據(jù)。本文選取連續(xù)3個費用周期內(nèi)的500個存在截留電費風險的典型渠道作為回歸樣本，為了弱化主觀經(jīng)驗對回歸結(jié)果的影響，使用具有相對關(guān)系的排名代替具體的風險指數(shù)值。設樣本P=[p1,…,p500]，權(quán)重向量X=[x1,…,x6]，風險指數(shù)Y=[y1,…,y500]，且yi已按從大到小排序，根據(jù)回歸分析的思想，yi=X·pi，那么yi-yi+1≥0恒成立，故存在多元回歸函數(shù)不等式組成立式(2)。

(2)

解出該多元不等式方程組即可得出權(quán)重向量X。

由于直接求解不等式組難度較大，所以可將上述不等式轉(zhuǎn)化為形式上的等式，即yi-yi+1=ξi，其中ξi為常數(shù)。那么式(2)可寫成式(3)。

(3)

用D-1對原模型進行加權(quán)，得到式(4)。

D-1·Y=D-1·X·A+D-1·B

(4)

通過變量替換，令Y*=D-1·Y，X*=D-1·X，B*=D-1·B，式(4)可寫成式(5)。

Y*=X*·A+B*

(5)

此時(5)的協(xié)方差

Cov(B*,B*)=E(D-1·B·B·(D-1)T)=

所以新模型不存在異方差性，再對新模型使用LSM得到參數(shù)估計量XWLS=(AT·W-1·A)-1·AT·W-1·Y，此時的XWLS同時具有無偏性和有效性。

如何求解參數(shù)估計量XWLS，可以歸結(jié)為如何確定加權(quán)矩陣W的值。首先對原模型X·A=b運用最小二乘法得到誤差項的近似估計量ei，然后由ei組成加權(quán)矩陣W，那么基于WLS的回歸分析基本流程如下：

1)求出原模型的最小二乘解(AT·A)-1·AT·b，并計算誤差項的近似估計量ei。

2)利用ei構(gòu)造合適的加權(quán)矩陣W=D·DT。

3)將D-1左乘原模型的兩邊得到新模型，再求出新模型的最小二乘解(AT·W-1·A)-1·AT·W-1·b。

綜上，可得到基于繳費行為軌跡追蹤的渠道風險監(jiān)控模型的算法，偽代碼描述如下：

算法1：基于繳費行為軌跡追蹤的渠道風險監(jiān)控算法

Algorithm1: ChannelMonitor()

Input: 費用周期區(qū)間[t1,t2],截留和延遲時長閾值x1

Output: Map;//String存儲渠道號c，

RiskRank包含風險類型t，風險指數(shù)i和風險排名r 3個屬性

1)List monthList=splitDate(t1,t2);

2)foreachpmonthinmonthListdo

3) String info=getOriRecord(pmonth.getStartDate(),

pmonth.getEndDate());//獲取原始數(shù)據(jù)

4) Map userMap=formatData(info); //格式化成單戶數(shù)據(jù)格式

5)foreach(id,user)inuserMapdo

6) String paySeq=getPaySeq(user);//追蹤繳費行為

軌跡序列

7) String keyPaySeq=simplePaySeq(paySeq);//簡化

軌跡序列，提取出關(guān)鍵行為節(jié)點

8) user.setRiskType(cognRiskType(keyPaySeq,x1));

//根據(jù)簡化的軌跡序列識別潛在的風險類型

9) userMap.put(id,user);

10)endforeach

11) Map channelStatsMap= statsData (userMap);//統(tǒng)計每個渠道各風險類型的指標值

12)foreachXRiskinRISKTYPELISTdo

13) XRiskTable channelXRiskData = getXRiskData

(channelStatsMap);//獲取渠道某風險的數(shù)據(jù)

14) Map stdXRiskData= preDealData(channelXRiskData);//對數(shù)據(jù)進行過濾、標準化、做差等預處理

15) Map channelXRisk= mXRisk (stdXRiskData);//調(diào)用某風險類型對應的評估模型

16) Map channelXRiskRank= rankStgy (channelXRisk);//調(diào)用排序策略

17)returnchannelXRiskRank;

18)endforeach

19)endforeach

3 實驗結(jié)果及分析

本部分將對上述文中提出的基于繳費行為軌跡追蹤的渠道風險監(jiān)控模型進行實驗驗證，對比分析風險類型識別模型的準確率和風險評估模型的合理性，并進一步探討其工程實用性。

由于精確地預測客戶潛在的風險類型是實現(xiàn)渠道風險監(jiān)控的前提和必要條件，所以為了驗證使用ID3決策樹算法與正則表達式結(jié)合的方法創(chuàng)建的風險類型識別模型的準確率，分別使用ID3決策樹算法、正則表達式和ID3決策樹算法與正則表達式相結(jié)合的方法創(chuàng)建沖正套現(xiàn)風險類型識別模型和查繳比異常風險類型識別模型，將數(shù)據(jù)集中每個月份剩下的1000條數(shù)據(jù)作為測試集，對比不同方法創(chuàng)建的風險類型識別模型的準確率，得到每組實驗的準確率如表6所示。

表6 風險類型識別模型的準確率

由表6可知，將ID3決策樹算法與正則表達式相結(jié)合創(chuàng)建的風險類型識別模型的準確率超過0.987，比單獨使用ID3決策樹算法提高了約1.9%，且當分類模型越復雜，準確率提升越明顯，同時，引入正則表達式還可以降低風險類型識別模型的結(jié)構(gòu)復雜度。

圖3 渠道排名誤差的絕對值之和

表7 渠道排名誤差統(tǒng)計表

由表7可知，約96.72%的樣本排名誤差在3個名次之內(nèi)，僅有約0.33%的樣本排名誤差超過10個名次，評估精確度能夠滿足實際需求，所以引入加權(quán)最小二乘法不僅可以解決回歸模型的異方差性問題，還可以提升模型的可信度與合理性。

為進一步探討基于繳費行為軌跡追蹤的渠道風險監(jiān)控模型的實用性，分析在不同費用周期內(nèi)同一渠道的某風險類型排名變化情況。通過本模型獲得某省所有第三方渠道在2017年6月到10月連續(xù)5個費用周期內(nèi)的截留電費風險相對排名，然后使用滑動窗口法[14]計算每個渠道的排名變化，經(jīng)分析發(fā)現(xiàn)，渠道的截留電費風險排名變化情況整體上符合較為規(guī)則的統(tǒng)計分布，如圖4所示。

由圖4可知，大部分渠道的風險排名變化較小，只有少數(shù)渠道的排名變化超過了20個名次，這一結(jié)果說明部分渠道確實存在潛在的電費收取風險，所以構(gòu)建渠道風險監(jiān)控模型是非常有必要的，同時也說明本模型具有一定的實用性。

圖4 渠道排名變化分布情況

4 總結(jié)

針對目前電費資金流轉(zhuǎn)過程中的第三方繳費渠道仍存在風險監(jiān)控漏洞問題，文中提出了一個基于繳費行為軌跡追蹤的渠道風險監(jiān)控模型，并以沖正套現(xiàn)風險點和截留電費風險類型為例，對模型的追蹤繳費行為軌跡、構(gòu)建風險評估指標體系和渠道風險評估三大核心步驟進行了討論。實驗驗證了使用決策樹算法與正則表達式相結(jié)合的方法創(chuàng)建風險類型識別模型可以獲得更高的準確率，以及回歸分析時引入WLS可以提高風險評估模型的合理性。模型將定性分析與定量統(tǒng)計分離，實現(xiàn)了分類評估，取得了可靠性較高的風險評估結(jié)果。

將來隨著研究的進一步深入和模型的不斷完善，會有更多機器學習、神經(jīng)網(wǎng)絡和數(shù)據(jù)挖掘方法與技術(shù)被用于風險類型識別和風險評估方面，可進一步提升電網(wǎng)企業(yè)風險監(jiān)控水平。