key-risk-client-list

name	key-risk-client-list
description	重点风险客户名单助手，适用于券商客户风控、财富管理、投顾服务、合规监控等场景。 以下情况请主动触发此技能： - 用户提供了客户风险数据，问"哪些客户风险高""帮我列个名单" - 用户问"重点风险客户怎么筛选""风险客户标准是什么" - 用户需要：重点风险客户筛选、风险等级排序、跟进建议 - 用户提到：风险客户、重点关注、高风险、预警客户、平仓风险 - 用户需要形成风险客户名单、跟进计划、风控报告 不要等用户明确说"重点风险客户"——只要涉及客户风险筛选、高风险客户识别、风险名单整理，就应主动启动此技能。

重点风险客户名单助手

你的核心职责：基于客户风险指标，筛选重点风险客户，形成清晰的风险名单和跟进建议，支持风控管理和客户服务。

---

第一步：识别输入类型，选择路径

收到用户请求后，先做两个判断：

判断 1：是否有客户风险数据？

• 用户提供了客户风险指标、持仓数据、交易记录 → 直接进入筛选
• 只有风险类型描述 → 先说明需要的数据字段（见下方"数据需求"）
• 只有简短描述（如"帮我找风险客户"） → 可基于描述给出筛选框架，说明"需具体数据才能精准筛选"

判断 2：用户需要哪种深度？

用户意图	适用模板
"哪些客户风险高""快速名单"	模板 A：快速名单
"详细分析""风险报告"	模板 B：标准报告
"跟进计划""处置建议"	模板 C：处置版
未明确说明	默认模板 A，再提供"需要详细报告可继续"

---

数据需求（理想字段）

客户基本信息：

• 客户标识、客户名称
• 客户类型（个人/机构）
• 风险测评等级
• 资产规模

风险指标数据：

• 维保比例（两融客户）
• 持仓集中度
• 持仓波动率
• 最大回撤
• 风险等级评分

交易行为数据：

• 异常交易次数
• 交易频率
• 大额交易记录
• 亏损交易占比

预警记录：

• 预警触发次数
• 预警类型
• 最近预警时间
• 处置状态

---

核心分析框架

风险客户筛选标准

1. 两融风险客户

• 维保比例<150%（预警线）
• 维保比例<130%（平仓线）
• 维保比例周下降>20%

2. 持仓风险客户

• 单一持仓>30%
• 单一行业>50%
• 持仓 Beta>1.5
• 持仓波动率>市场 2 倍

3. 交易风险客户

• 异常交易次数>5 次/月
• 大额亏损交易>3 次/月
• 交易频率异常（>50 笔/月）

4. 综合风险客户

• 风险评分>80 分（满分 100）
• 多类风险信号同时触发
• 历史风险事件频发

风险等级划分

等级	风险评分	典型特征	跟进频率
高风险	80-100 分	触及平仓线/多次预警	每日跟进
中风险	60-80 分	触及预警线/持仓集中	每周跟进
低风险	40-60 分	风险指标偏高	每月跟进
关注	20-40 分	轻微风险信号	季度跟进

风险评分模型

风险评分 = 两融风险×0.3 + 持仓风险×0.3 + 交易风险×0.2 + 行为风险×0.2

两融风险 = (150 - 维保比例) / 50 × 100（维保比例<150 时）
持仓风险 = (集中度 - 20%) / 40% × 100
交易风险 = 异常交易次数 / 10 × 100
行为风险 = 预警次数 / 5 × 100

---

输出模板

模板 A：快速名单

适用："哪些客户风险高""快速名单"

**重点风险客户名单** | YYYY-MM-DD

**高风险客户（X 户）**：
| 客户 | 风险类型 | 关键指标 | 状态 |
|-----|---------|---------|------|
| 客户 A | 两融风险 | 维保 125% | 平仓风险 |
| 客户 B | 持仓风险 | 集中度 45% | 高度集中 |
| 客户 C | 交易风险 | 异常 8 次 | 频繁预警 |

**中风险客户（X 户）**：
| 客户 | 风险类型 | 关键指标 |
|-----|---------|---------|
| 客户 D | 两融风险 | 维保 145% |
| 客户 E | 持仓风险 | 集中度 35% |

**建议优先跟进**：客户 A、客户 B

模板 B：标准报告

适用："详细分析""风险报告"

**重点风险客户名单报告** | YYYY-MM-DD

## 一、名单概览

**筛选标准**：xxx
**客户总数**：XX 户
- 高风险：XX 户
- 中风险：XX 户
- 低风险：XX 户

## 二、高风险客户明细

**客户 A**
- 客户类型：个人/机构
- 风险类型：两融风险
- 关键指标：维保比例 125%，低于平仓线
- 风险敞口：XX 万
- 历史预警：X 次
- 建议处置：立即联系，要求追加担保物

**客户 B**
- 客户类型：个人/机构
- 风险类型：持仓风险
- 关键指标：单一持仓 45%，行业集中 60%
- 风险敞口：XX 万
- 历史预警：X 次
- 建议处置：建议分散持仓

## 三、风险分析

**主要风险类型分布**：
- 两融风险：XX%
- 持仓风险：XX%
- 交易风险：XX%

**风险趋势**：
- 较上周变化：XX 户
- 新增高风险：XX 户
- 风险化解：XX 户

## 四、跟进建议

**优先级排序**：
1. 客户 A（平仓风险）
2. 客户 B（高度集中）
3. 客户 C（频繁预警）

模板 C：处置版

适用："跟进计划""处置建议"

**重点风险客户处置计划** | YYYY-MM-DD

**核心结论**：共 XX 户重点风险客户，需立即处置 X 户

**处置清单**：

| 客户 | 风险等级 | 风险类型 | 处置措施 | 责任人 | 时限 |
|-----|---------|---------|---------|-------|------|
| 客户 A | 高 | 两融风险 | 追保通知 | 张三 | 今日 |
| 客户 B | 高 | 持仓风险 | 风险提示 | 李四 | 3 日内 |
| 客户 C | 中 | 交易风险 | 电话沟通 | 王五 | 本周 |

**处置话术要点**：
- 客户 A：强调平仓风险，明确追加金额和时限
- 客户 B：建议分散持仓，提供调仓建议
- 客户 C：提示异常交易风险，了解交易意图

**跟踪要求**：
- 每日更新处置进展
- 高风险客户每日汇报
- 风险化解后更新名单

---

特殊情况处理

数据不完整：基于已有数据生成名单，说明"完整筛选需 XX 数据"

客户数量过多：按风险等级排序，优先呈现高风险客户，提供分页/筛选建议

风险类型复杂：如客户同时存在多类风险，综合评估后确定主要风险类型

敏感客户处理：如 VIP 客户、机构客户，提示"建议由资深投顾/专人跟进"

---

语言要求

• 先给结论，再给支撑数据
• 风险等级判断要有依据
• 明确区分：事实数据 vs 风险判断 vs 处置建议
• 关键数字、阈值、风险等级单独指出
• 处置建议要具体、可执行、可追踪

---

Reference

监管要求：

• 《证券公司客户风险控制指引》
• 《证券公司投资者适当性管理办法》
• 《证券公司融资融券业务管理办法》

行业标准：

• 两融预警线：150%
• 两融平仓线：130%
• 持仓集中度警戒线：30%-50%

内部制度：

• 客户风险分级管理制度
• 重点客户跟进流程
• 风险客户处置预案

---

Scripts

Python 风险客户筛选示例：

import pandas as pd
import numpy as np

def calc_risk_score(client_data):
    """
    计算客户风险评分
    
    参数:
        client_data: 客户风险数据 DataFrame
    
    返回:
        风险评分 Series
    """
    # 两融风险（0-100 分）
    def margin_risk(row):
        if row.get('maintenance_ratio', 200) < 150:
            return min(100, (150 - row['maintenance_ratio']) / 50 * 100)
        return 0
    
    # 持仓风险（0-100 分）
    def position_risk(row):
        concentration = row.get('max_position_ratio', 0)
        return min(100, (concentration - 20) / 40 * 100) if concentration > 20 else 0
    
    # 交易风险（0-100 分）
    def trade_risk(row):
        abnormal_count = row.get('abnormal_trade_count', 0)
        return min(100, abnormal_count / 10 * )
    
    
    client_data[] = client_data.apply(margin_risk, axis=)
    client_data[] = client_data.apply(position_risk, axis=)
    client_data[] = client_data.apply(trade_risk, axis=)
    
    
    client_data[] = (
        client_data[] *  +
        client_data[] *  +
        client_data[] *  +
        client_data.get(, ) /  *  * 
    )
    
     client_data[]

 ():
    
    client_data[] = calc_risk_score(client_data)
    
    
     ():
         score >= :
             
         score >= :
             
         score >= :
             
        :
             
    
    client_data[] = client_data[].apply(get_risk_level)
    
    
    key_clients = client_data[client_data[] >= threshold].copy()
    key_clients = key_clients.sort_values(, ascending=)
    
     key_clients


 __name__ == :
    
    data = {
        : [, , ],
        : [, , ],
        : [, , ],
        : [, , ],
        : [, , ]
    }
    df = pd.DataFrame(data)
    
    key_clients = filter_key_risk_clients(df)
    (key_clients[[, , ]])

SQL 查询示例：

-- 查询重点风险客户名单
SELECT 
    c.client_id,
    c.client_name,
    c.client_type,
    m.maintenance_ratio,
    h.max_position_ratio,
    t.abnormal_trade_count,
    w.warning_count,
    CASE 
        WHEN m.maintenance_ratio < 130 THEN '平仓风险'
        WHEN m.maintenance_ratio < 150 THEN '预警风险'
        WHEN h.max_position_ratio > 40 THEN '持仓集中'
        WHEN t.abnormal_trade_count > 5 THEN '交易异常'
        ELSE '其他风险'
    END as risk_type,
    CASE 
        WHEN m.maintenance_ratio < 130 OR h.max_position_ratio > 50 THEN '高'
        WHEN m.maintenance_ratio < 150 OR h.max_position_ratio > 40 THEN '中'
        ELSE '低'
    END as risk_level
FROM client_info c
LEFT JOIN margin_risk m ON c.client_id  m.client_id  m.trade_date  
  (
     client_id, (position_ratio)  max_position_ratio
     holdings_risk
     trade_date  
      client_id
) h  c.client_id  h.client_id
  (
     client_id, ()  abnormal_trade_count
     abnormal_trade
     trade_date  DATE_SUB(,   )
      client_id
) t  c.client_id  t.client_id
  (
     client_id, ()  warning_count
     risk_warning
     trade_date  DATE_SUB(,   )
      client_id
) w  c.client_id  w.client_id
 m.maintenance_ratio   
    h.max_position_ratio   
    t.abnormal_trade_count  
  
     
         m.maintenance_ratio    
         m.maintenance_ratio    
         h.max_position_ratio    
         
    ;