[發(fā)明專利]一種服務策略的生成方法、裝置、計算機設備和存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202111644000.1
• 申請日: 2021-12-29
• 公開（公告）號: CN114358916A
• 公開（公告）日: 2022-04-15
• 發(fā)明（設計）人: 陳鵬;呂書徑;李霞;陳國麟
• 申請（專利權）人: 中國建設銀行股份有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06K9/62
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 康歡歡

1.一種服務策略的生成方法，其特征在于，包括：

將企業(yè)在多個時間周期內(nèi)的多個負債率劃分為訓練集、測試集；

使用所述訓練集應用極值理論的點過程方法擬合負債模型，所述負債模型用于挖掘所述企業(yè)在所述時間周期內(nèi)的負債發(fā)生極端事件的規(guī)律；

根據(jù)所述負債模型對所述企業(yè)的負債率生成負債風險控制線；

使用所述測試集對所述負債風險控制線進行多次假設檢驗；

若所述負債風險控制線通過多次所述假設檢驗，則根據(jù)所述負債風險控制線對所述企業(yè)生成金融服務的策略。

2.根據(jù)權利要求1所述的方法，其特征在于，所述將企業(yè)在多個時間周期內(nèi)的多個負債率劃分為訓練集、測試集，包括：

在每個時間周期內(nèi)的多個時間點，分別采集企業(yè)的負債率；

基于多個所述時間點的負債率計算所述時間周期的負債率；

按照時間順序?qū)λ鰰r間周期的負債率數(shù)據(jù)排序，以形成負債序列；

將所述負債序列劃分為訓練集、測試集。

3.根據(jù)權利要求2所述的方法，其特征在于，所述基于多個所述時間點的負債率計算所述時間周期的負債率，包括：

對多個所述時間點的負債率計算平均值，作為所述時間周期的負債率。

4.根據(jù)權利要求2所述的方法，其特征在于，所述將所述負債序列劃分為訓練集、測試集，包括：

將第一比例的所述負債序列劃分至訓練集、將第二比例的所述負債序列劃分至測試集，其中，所述第一比例大于所述第二比例，所述訓練集排序在所述測試集之前。

5.根據(jù)權利要求2所述的方法，其特征在于，所述將企業(yè)在多個時間周期內(nèi)的多個負債率劃分為訓練集、測試集，還包括：

若所述企業(yè)缺失某個所述時間周期內(nèi)、多個所述時間點的負債率，則刪除所述企業(yè)在所述時間周期的負債率。

6.根據(jù)權利要求1-5中任一項所述的方法，其特征在于，所述使用所述訓練集應用極值理論的點過程方法擬合負債模型，包括：

應用極值理論中的峰值逾越方法POT，在所述訓練集標記所述企業(yè)在所述時間周期內(nèi)的負債發(fā)生的極端事件，所述極端事件表示所述企業(yè)在所述時間周期內(nèi)的負債率大于預設的閾值；

在負債模型中，設定所述企業(yè)在所述時間周期內(nèi)的負債發(fā)生所述極端事件的機制符合預設的強度函數(shù)的動態(tài)隨機泊松過程；

使用所述訓練集擬合所述負債模型中的參數(shù)；

其中，強度函數(shù)的結構如下：

為強度函數(shù)，x_t為時間周期t內(nèi)負債率超過閾值u的部分，t_i為在時間周期t之前、第i次極端事件發(fā)生的時間周期，x_i為時間周期t_i內(nèi)負債率超過閾值u的部分，為時間周期t之前的所有與負債相關的信息，g(t-t_i,x_i)為極值理論中的模型；

k、φ、ξ、η、β₀為所述負債模型中待擬合的參數(shù)。

7.根據(jù)權利要求6所述的方法，其特征在于，所述極值理論中的點過程POT模型包括：

g(t-t_i,x_i)＝(1+δx_i)exp(-γ(t-t_i))

或者，

其中，δ、γ、ρ為所述負債模型中待擬合的參數(shù)。

8.根據(jù)權利要求6中任一項所述的方法，其特征在于，所述負債風險控制線包括：

其中，VaR_α為負債風險控制線，α為負債風險控制線的置信度。