本发明涉及数字金融，具体为一种数字金融服务的客户信用识别方法及系统。
背景技术：
1、数字金融是指通过互联网及信息技术手段与传统金融服务业态相结合的新一代金融服务，客户信用识别是通过对客户信用状况进行调查分析，从而判断应收款项成为坏账的可能性，为防范坏账提供决策依据。
2、公开号为cn116843449a的申请公开了一种商业银行客户信用风险识别方法及装置，涉及人工智能技术领域，该方法包括：获取商业银行的客户征信序列数据；对序列数据进行校验，划分非线性高维度数据序列和线性低维度数据序列；利用线性低维度数据序列，对支持向量机模型进行训练；利用非线性高维度数据序列，对k最近邻模型进行训练；根据支持向量机模型和k最近邻模型组合，构建组合模型；利用客户征信时序数据对组合模型进行训练；获取训练后的组合模型的参数，利用残值校验法，根据训练后的组合模型的参数计算商业银行客户信用风险阈值；根据信用风险阈值和风险识别函数，确定商业银行的客户征信序列数据对应的风险信息。本发明可以提高商业银行客户信用风险的识别精度。
3、针对于数字金融服务的客户信用识别，一般基于对应信用用户所提供的相关数据，来识别对应用户的相关信用度，在实际还款过程中，未根据其对应信用用户的信用分的相关变化，来识别对应用户还款习惯的变化，故就需要根据其对应用户还款习惯的相应变化，进行提前提醒，保障对应客户可及时还款。
技术实现思路
1、针对现有技术的不足，本发明提供了一种数字金融服务的客户信用识别方法及系统，解决了未根据其对应信用用户的信用分的相关变化，来识别对应用户还款习惯的变化并提醒的问题。
2、为实现以上目的，本发明通过以下技术方案予以实现：一种数字金融服务的客户信用识别系统，包括：
3、比值分析处理端，对月度产生的相关金融数据进行接收，并按照时间线的不同，确定不同时间阶段的还款金额占比，其产生的还款金额占比传输至信用分评定端内，且时间阶段包括第一时间段和第二时间段，包括：
4、依据月度时间线，确定对应用户的账单初始日、账单汇算日以及最终还款日，将账单初始日与账单汇算日之间的时间段标定为第一时间段，且第一时间段包括账单初始日以及账单汇算日，将账单汇算日以及最终还款日之间的时间段标定为第二时间段，其中第二时间段包括最终还款日，不包括账单汇算日；
5、确定第一时间段的具体还款金额j1以及第二时间段的还款金额j2，并确定本用户的还款总额hz，确定第一时间段的还款金额占比：zb1=j1÷hz，确定第二时间段的还款金额占比：zb2=j2÷hz；
6、将所确认的本月度的两组还款金额占比zb1以及zb2传输至信用分评定端内；
7、信用分评定端，依据对应月份所产生的对应还款金额占比，来确定对应用户对应月份的信用分，包括：
8、锁定第一时间段以及第二时间段的还款金额占比zb1以及zb2；
9、采用xy=（zb1×c1+zb2×c2）+基础分，确定对应月份的信用分xy，其中c1以及c2均为预设的固定系数因子，其基础分为预设的分数；
10、周期曲线分析端，限定一组处理时间周期，对本时间周期内所产生的若干组信用分进行排列分析，来确定本用户是属于下降用户还是正常用户，包括：
11、以当月为校准月，往前延伸18个月限定一组处理时间周期t，并依次确认过往每个月所对应的信用分xy；
12、按照时间周期t的时间走向以及不同时间点所对应的信用分，生成对应用户的信用分变化曲线；
13、对信用分变化曲线的下降线段以及上升线段进行标定，并确定对应线段的变化参数，确定对应线段的初始点以及末端点，识别初始点以及末端点之间的时间差值cs，再识别初始点以及末端点之间的信用分差值xs，采用xs÷cs=bc确定对应线段的变化参数bc，再将下降线段所产生的若干组变化参数bc进行均值处理，确定第一待定均值z1，再将上升线段所产生的若干组变化参数bc进行均值处理，确定第二待定均值z2；
14、再确定对应下降线段的总线长zxc以及上升线段的总线长sxc，并识别两组线长是否满足：zxc×z1≥sxc×z2×1.5，若满足，将对应的用户标定为下降用户，若不满足，将对应的用户标定为正常用户；
15、用户数据分析端，针对于下降用户，将时间阶段内的第二时间段划分为三个微周期，并确定对应月份对应微周期的还款金额占比，基于不同微周期的还款金额占比数值变化，来确定对应用户的最佳提醒时间线，包括：
16、将第二时间段均分为三个微周期，其中第二时间段也就是图2中的bc段；
17、确定对应月份每个不同微周期所对应的还款金额占比，并将其标定为jei-t，其中i代表不同的月份，下标t代表不同的微周期，且t=1、2或3；
18、按照时间的先后顺序，将对应月份对应微周期的jei-t进行排序，生成其对应微周期的还款金额占比变化曲线；
19、从三个微周期对应的还款金额占比变化曲线内，确定下降线段，并将不同微周期内下降线段的总长度标记为zcdt，并从三组zcdt数值内选定最大值，并提取对应的t值，若t为1，则将账单日标定为最佳提醒时间线，若t为2，则将第一组微周期标定为最佳提醒时间线，若t为3，则将第三组微周期标定为最佳提醒时间线；
20、再将所标定的最佳提醒时间线通过展示端进行展示；
21、信用分数值分析端，针对于正常用户，确定其信用分变化曲线，并对信用分变化曲线内所出现的转折点进行确定，并对每组转折点所对应的信用分进行统一处理，评定其信用分之间是否差异过大，包括：
22、依次确定信用分变化曲线内部的转折点，其转折点前后线段走向趋势相反；
23、将转折点所对应的信用分标定为xyq，其中q代表不同的转折点，将q个信用分xyq进行方差处理，确定标定方差fc；
24、识别标定方差fc是否满足：fc≥y1，其中y1为预设值，若满足，则代表信用分之间数值变化过大，离散情况较大，无需任何处理，若不满足，则代表信用分之间数值变化较小，离散情况较小，故直接执行赋值分析端。
25、优选的，所述赋值分析端，针对于正常用户的不同月份的信用分的变化情况，确定变化赋值，并依据所产生的变化赋值序列，确定处理信号并展示；包括：
26、确定不同月份所对应的信用分，并按照时间先后，确定相邻月份的信用分差值，其信用分差值=后一月份的信用分-前一月份的信用分，当信用分差值＞0时，则赋值1，当信用分差值＜0时，则赋值0，当信用分差值=0时，则赋值2；
27、依据时间的先后关系，将所确认的若干个信用分差值对应的赋值进行排序，并生成赋值序列；
28、识别赋值序列内“101”和“010”所出现的总次数，若总次数≥4，则生成曲线波动异常信号，并通过展示端进行展示，代表其对应用户可能存在控分行为，需人为介入来判定是否真实存在此类情况，并及时作出应对处理，若总次数＜4，则不生成任何处理信号。
29、优选的，一种数字金融服务的客户信用识别方法，包括以下步骤：
30、步骤一、首先确定月度产生的相关金融数据，并确定对应月度不同时间阶段的还款金额占比，基于所确定的还款金额占比，确定对应月份的相关信用分；
31、步骤二、对不同月份所产生的信用分进行曲线分析，来确定对应用户属于信用分下降用户还是信用分正常用户；
32、步骤三、针对于信用分下降用户，确定第二时间段并进行周期均分，再确定不同微周期的还款金额占比，基于对应微周期的数值变化，来确定对应用户的最佳提醒时间线；
33、步骤四、针对于信用分正常用户，确定其信用分变化曲线，并对信用分变化曲线内所出现的转折点进行确定，并对每组转折点所对应的信用分进行统一处理，评定其信用分之间是否差异过大，若差异过大不处理，差异过小时，则确定变化赋值，并产生对应的变化赋值序列，基于变化赋值序列内具体赋值的排列情况，确定其对应用户是否存在控分行为，并生成对应的处理信号展示。
34、本发明提供了一种数字金融服务的客户信用识别方法及系统。与现有技术相比具备以下有益效果：
35、本发明通过根据对应用户在过往月份不同时间线的还款金额变化，确定其对应的月份的信用分，再基于其信用分的具体走向，来确定此用户属于正常用户还是下降用户；
36、针对于信用分下降用户，将第二时间段划分为若干个微周期进行数值确认，基于数值的具体走向变化，来确定属于下降用户的最佳提醒时间线，并进行展示，后续操作人员可在最佳提醒时间线内增加相应的提醒次数，来对下降用户进行还款金额提醒；
37、针对于正常用户，通过分析其对应用户的信用分数值的相应变化，来确定其信用分是否相差过大，若相差较小时，那么根据其变化情况进行赋值，并确定对应的赋值序列，随后基于赋值序列内部具体赋值的具体展示情况，来确定其用户的变化曲线是否异常，并产生对应的异常信号展示，外部人员便可基于此异常信号来确定对应用户是否存在控分行为，并及时作出应对措施，保障本客户信用识别系统的全面性。
1.一种数字金融服务的客户信用识别系统，其特征在于，包括：
2.根据权利要求1所述的一种数字金融服务的客户信用识别系统，其特征在于，所述比值分析处理端，确定还款金额占比包括：
3.根据权利要求2所述的一种数字金融服务的客户信用识别系统，其特征在于，所述信用分评定端，确定信用分的具体方式包括：
4.根据权利要求1所述的一种数字金融服务的客户信用识别系统，其特征在于，所述周期曲线分析端，确定对应用户属于下降用户还是正常用户的具体方式包括：
5.根据权利要求1所述的一种数字金融服务的客户信用识别系统，其特征在于，所述用户数据分析端，确定下降用户的最佳提醒时间线包括：
6.根据权利要求1所述的一种数字金融服务的客户信用识别系统，其特征在于，所述信用分数值分析端，评定其信用分之间是否差异过大包括：
7.根据权利要求6所述的一种数字金融服务的客户信用识别系统，其特征在于，所述赋值分析端，针对于正常用户的不同月份的信用分的变化情况，确定变化赋值，并依据所产生的变化赋值序列，确定处理信号并展示。
8.根据权利要求7所述的一种数字金融服务的客户信用识别系统，其特征在于，所述赋值分析端，确定处理信号的具体方式包括：
9.一种数字金融服务的客户信用识别方法，该识别方法应用于权利要求1-8任一项所述的一种数字金融服务的客户信用识别系统内，其特征在于，包括以下步骤：
