[發明專利]銀行業務績效貢獻信息預測方法及裝置

有效

• 申請號: 202010812638.0
• 申請日: 2020-08-13
• 公開（公告）號: CN111932018B
• 公開（公告）日: 2023-09-19
• 發明（設計）人: 鄭潔鋒;溫麗明;帥翡芍
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/0639;G06Q40/02;G06Q40/03;G06F18/243;G06F18/27;G06N5/04
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 單曉雙;董驍毅

1.一種銀行業務績效貢獻信息預測方法，其特征在于，所述方法包括：

獲取銀行應用服務系統的業務數據，所述業務數據包括到期業務數據及現存業務數據；

對所述業務數據進行數據處理，得到資產業務數據、負債業務數據以及所述資產業務數據及負債業務數據對應的特征信息；

將所述到期業務數據、現存業務數據及特征信息作為訓練樣本，對預先建立的第一機器學習模型進行訓練，得到初始的資產負債配置模型及對應的訓練結果；其中，資產負債配置模型訓練結果包括：重定價期限模式下各業務幣種，各資產期限代碼對應各負債期限代碼的配置金額以及所有者權益信息；剩余期限模式下各業務幣種，各資產期限代碼對應各負債期限代碼的配置金額以及所有者權益信息；

將所述初始的資產負債配置模型的訓練結果作為訓練樣本，對預先建立的第二機器學習模型進行訓練，得到初始的內部資金轉移成本定價模型及對應的訓練結果；

將所述初始的內部資金轉移成本定價模型的訓練結果作為計算參數，利用軋差算法計算得到業務績效貢獻信息。

2.根據權利要求1所述的方法，其特征在于，所述對所述業務數據進行數據處理包括：對缺失的業務數據進行補錄，以及對業務數據中特殊規則數據進行處理。

3.根據權利要求1所述的方法，其特征在于，所述對所述業務數據進行數據處理，得到資產業務數據及負債業務數據包括：對所述到期業務數據及現存業務數據進行分類，得到資產業務數據及負債業務數據。

4.根據權利要求1所述的方法，其特征在于，所述對所述業務數據進行數據處理，得到所述資產業務數據及負債業務數據對應的特征信息還包括：對所述到期業務數據及現存業務數據進行篩選，提取特征信息，所述特征信息包括客戶基本信息、業務產品信息、幣種信息、本金信息、損益信息、重定價期限信息及剩余期限信息。

5.根據權利要求4所述的方法，其特征在于，所述將所述到期業務數據、現存業務數據及特征信息作為訓練樣本，對預先建立的第一機器學習模型進行訓練，得到初始的資產負債配置模型及對應的訓練結果包括：將所述到期業務數據、所述現存業務數據及所述重定價期限信息作為訓練樣本，對預先建立的第一機器學習模型進行訓練，得到初始的重定價期限模式下的資產負債配置模型及對應的訓練結果。

6.根據權利要求5所述的方法，其特征在于，所述將所述到期業務數據、現存業務數據及特征信息作為訓練樣本，對預先建立的第一機器學習模型進行訓練，得到初始的資產負債配置模型及對應的訓練結果還包括：將所述到期業務數據、所述現存業務數據及所述剩余期限信息作為訓練樣本，對預先建立的第一機器學習模型進行訓練，得到初始的剩余期限模式下的資產負債配置模型及對應的訓練結果。

7.根據權利要求6所述的方法，其特征在于，在所述將所述到期業務數據、現存業務數據及特征信息作為訓練樣本，對預先建立的第一機器學習模型進行訓練，得到初始的資產負債配置模型及對應的訓練結果之后還包括：將獲取的新增的業務數據作為檢驗樣本，對初始的重定價期限模式下的資產負債配置模型及初始的剩余期限模式下的資產負債配置模型進行優化，生成訓練后的重定價期限模式下的資產負債配置模型及對應的訓練結果，以及訓練后的剩余期限模式下的資產負債配置模型及對應的訓練結果。

8.根據權利要求6所述的方法，其特征在于，所述初始的內部資金轉移成本定價模型的訓練結果包括重定價期限模式下內部資金轉移成本定價信息，所述重定價期限模式下內部資金轉移成本定價信息通過如下方式生成：將初始的重定價期限模式下的資產負債配置模型的訓練結果作為訓練樣本，經過初始的內部資金轉移成本定價模型訓練，得到重定價期限模式下內部資金轉移成本定價信息。