一种基于时间序列和节假日信息的银行备付金预测方法技术

本发明专利技术公开了一种基于时间序列和节假日信息的银行备付金预测方法，基于周期性交易额时间序列，融合节假日信息，进行银行机构备付金预测。首先将银行机构日存款额和日取款额历史数据转化成备付金时间序列观测数据，以全省备付金年平均增长率作为参考标准，修正银行机构备付金月平均增长率。然后根据节假日信息，针对节假日和非假日两种日期属性进行独立预测。最终，利用周期性备付金时间序列观测数据为银行机构预测备付金需求。该方法能较为准确的预测大部分的银行机构备付金数额，具有较高的精度，并且能预测多天的备付金值。为银行指导全行现金备付管理，科学预测各级机构的现金需求量，为各级银行机构的现金库存管理提供有价值的参考信息。

A bank reserve payment prediction method based on time series and holiday information

The invention discloses a bank reserve payment prediction method based on time series and holiday information, which is based on cyclical sexual intercourse time series, and integrates holiday information to make prediction of bank institution reserve payments. The first day of deposits and banks on the amount of historical data into reserve time series observation data, with the excess gold year average growth rate as the reference standard, modified banking institutions prepared to pay the average growth rate of kanatsuki. Then, according to holiday information, for holidays and non holiday two date attributes for independent prediction. Finally, the reserve requirements of the banking institutions are predicted by using the periodic reserve time series observation data. This method can predict most of the bank institutions' payment amount more accurately, and has higher accuracy and can predict the value of multi day reserve. For banks to guide the whole line cash reserve management, scientific prediction of cash demand at all levels of institutions, banking institutions at all levels of cash stock management to provide valuable reference information.

【技术实现步骤摘要】
一种基于时间序列和节假日信息的银行备付金预测方法
本专利技术属于数值建模预测领域，尤其涉及一种基于时间序列和节假日信息的银行备付金预测方法。
技术介绍
与传统预测方法不同，传统预测方法具有预测差值较大，拟合度或准确度不高的特点，难以利用预测值进行实际备付金调度，这就使得传统的预测方法难以满足银行指导各级机构进行现金库管理的需求，使得银行指导各级机构进行现金备付的效率严重下降。基于时间序列模型的银行备付金调度预测方法的焦点集中在数据本身。为了保证客户现金需求为前提，提高运营作业效率，减轻前台现金库存管理压力，使得各级机构能够完成总行下达的现金备付指标。在基于时间序列模型的科学方法中，结合银行规定的现金备付额，并利用各级机构现金备付总额(由历史现金收付额和历史收付净额决定)，按二级分配原则进行分配(首先由省行将备付额分配至各个二级行，再由二级行分配至所辖网点)，提高预测的结果的准确性，确保科学、合理分配各级机构的现金库存额。影响基于时间序列的银行备付金调度预测方法可能因素在于，客户每次的存取款额度，如节假日高峰期的额度较普通工作日，甚至一般节假日可能出现相对近几十倍的特殊现象等数额变化幅值较大的情况。宏观上与该行或机构所在地域的经济发展状况如经济增长趋势等较为密切。
技术实现思路
本专利技术所要解决的技术问题是：基于银行机构备付金具有周期性时间序列特性以及在节假日区间具有较大波动的现象，提出了一种基于时间序列模型和节假日备付金信息的银行备付金预测方法，该方法识别精度高、预测速度快等特点。本专利技术的技术方案为：一种基于时间序列和节假日信息的银行备付金预测方法，包括以下步骤：步骤1、通过银行大数据平台抽取各银行机构的日存款额和日取款额历史数据(采集银行各机构的每日交易流水数据，并汇总成各机构日存款和取款额)，根据日交易总额＝日存款额和日取款额计算日交易总额并将其作为备付金的参考，构建备付金时间序列观测数据并保存至数据库；步骤2、将法定节假日以及重大事件日期统一称为节假日(将节假日存入节假日映射表中)；将节假日以及节假日前t1天和节假日后t2天单独作为一个节假日属性的统计月，而每个自然月排除节假日之外的其它日期单独作为一个自然月属性的统计月；将所有统计月进行排序；设需要预测未来M天的备付金，当前预测日期即未来第m天所在的统计月为第y个统计月，m＝1,2,…,M；本步骤提出了“统计月”的概念，能自适应节假日波动区间；步骤3、计算各银行机构的月交易总额(月交易总额＝月存款额-月取款额)，并按统计月计算各银行机构的备付金月平均增长率其中，j＝1,2,…,J；J表示包含要预测的银行机构在内的与其隶属同一上级管理机构的同级银行机构总个数，Sij和S(i-1)j分别表示第j个同级银行机构第i年和第i-1年中第y个统计月的月交易总额，n表示数据的年份数；步骤4、按年计算全省备付金年平均增长率其中，n为数据的年份数，Yi表示全省各银行机构第i年的年交易总额；步骤5、备付金月平均增长率调整：步骤5.1、将全省备付金年平均增长率V1作为全省各银行机构的备付金月平均增长率V0j的参考值，将V0j控制在V1的w倍稳定区间内；各银行机构的备付金月平均增长率经过第一次调整后得到V2j；即设定的V0j的下限MinV0j＝-w*|V1|，V0j的上限MaxV0j＝w*|V1|，超过此范围，则认定其发展速度过快为不稳定的发展。若-w*|V1|≤V0j≤w*|V1|，则令V2j＝V0j，若V0j＜-w*|V1|，则令V2j＝-w*|V1|，否则若V0j＞w*|V1|，则令V2j＝w*|V1|；例如w取值为2.5，全省备付金年平均增长率约为10％，则各个银行机构超出25％的备付金月平均增长率将被设为25％或者低于-25％的备付金月平均增长率被设置为-25％；步骤5.2、首先，设当前预测日期所在的年份为第x年，计算要预测的银行机构的上级管理机构去年第y个统计月的交易总额估计值和实际值：其中，S(x-2)j表示第j个同级银行机构前年即第x-2年中第y个统计月的月交易总额，S(x-1)j表示第j个同级机构去年即第x-1年中第y个统计月的月交易总额；然后，比较Tup和Sup，得出系数根据K对要预测的银行机构的月平均增长率进行第二次调整得到V3q，V3q＝K*V3q，q∈{1,2,…,m}；引入等倍扩大或缩小系数K，使得Tup和Sup满足条件Tup*K＝Sup，得出系数其中K＞1表示V01需要扩大，K＜1表示V01需要缩小。步骤5.3、根据全省备付金年平均增长率V1的2.5倍稳定区间再次对V3q进行限制，将V3q的控制在V1的w倍稳定区间内，得到V4q；本步骤根据全省年平均增长率对机构的月平均增长率进行合理性调整，自适应修正节假日波动区间备付金预测值；步骤6、针对要预测的银行机构，根据以下步骤预测备付金：步骤6.1、计算该银行机构去年第y个统计月的日平均交易额p表示去年第y个统计月包含的天数；再将U乘以该银行机构的月平均增长率V4q，其结果记为Am；步骤6.2、根据第y个统计月的属性，分别进行预测；如果第y个统计月的属性为节假日，则Am即为该银行机构当前预测日期的备付金预测值；否则如果第y个统计月的属性为自然月，则进入步骤6.3；步骤6.3、计算该银行机构去年月同期的平均交易额其中周z表示当前预测日期的周属性，周z取周一～周日；N表示去年第y个统计月中周z的个数；即S周z等于去年第y个统计月中所有周z的平均交易额；再将S周z乘以该银行机构的月平均增长率V02q，其结果记为Bm；步骤6.4，计算该银行机构在当前日期前T天中所有周z的平均交易额其中L表示前T天中除节假日外的周z的个数；当前日期前T天即所需抽取数据的天数，将F周z作为备付金平均值Cm；步骤6.5、计算Dm＝a*Bm+b*Cm+0.5*Am，作为该银行机构当前预测日期即未来第m天的备付金预测值，其中m＝1,2,…,M；a和b为加权系数，a+b＝0.5，a和b的取值与m的取值有关，m越大，则a越大，b越小。步骤6.5根据用户输入的需要预测备付金的天数M，抽取最近T天的日交易总额数据作为备付金时间序列的历史观测数据；通过步骤6.1～步骤6.5依次计算要预测备付金的M天中每个日期的备付金预测值，最终输出M天的备付金预测值。通过步骤6能够分别预测节假日和非节假日的备付金需求，结果更精准。进一步地，所述步骤2中，所述法定节假日包括元旦、春节、清明节、劳动节、端午节、中秋节、国庆节共7个法定节假日；重大事件日期包括高考时间段、春季入学时间段、秋季入学时间段、天猫双11时间段共4个重大事件日期；据此将一年分为23个统计月，包括12个自然月属性的统计月，11个节假日属性的统计月。进一步地，所述步骤2中，判断最近几年每个节假日前、后的备付金时间序列观测数据中的连续出现奇异值(波峰状况)的天数，从而确定t1和t2的取值。节假日以及节假日前t1天和节假日后t2天定义为节假日波动区间，不同规模的银行机构分别通过以上方法确定不同的节假日波动区间。进一步地，所述步骤2中，对于放假时间>＝5天的较长节假日，t1＝t2＝8，对于其它节假日，t1＝t2＝4。进一步地，所述步骤3中，在计算月交易总额的过程中，如果第y个统计月的属本文档来自技高网...

【技术保护点】
一种基于时间序列和节假日信息的银行备付金预测方法，其特征在于，包括以下步骤：步骤1、通过银行大数据平台抽取各银行机构的日存款额和日取款额历史数据，根据日交易总额＝日存款额和日取款额计算日交易总额并将其作为备付金的参考，构建备付金时间序列观测数据并保存至数据库；步骤2、将法定节假日以及重大事件日期统一称为节假日；将节假日以及节假日前t1天和节假日后t2天单独作为一个节假日属性的统计月，而每个自然月排除节假日之外的其它日期单独作为一个自然月属性的统计月；将所有统计月进行排序；设需要预测未来M天的备付金，当前预测日期即未来第m天所在的统计月为第y个统计月，m＝1,2,…,M；步骤3、计算各银行机构的月交易总额，并按统计月计算各银行机构的备付金月平均增长率

【技术特征摘要】
1.一种基于时间序列和节假日信息的银行备付金预测方法，其特征在于，包括以下步骤：步骤1、通过银行大数据平台抽取各银行机构的日存款额和日取款额历史数据，根据日交易总额＝日存款额和日取款额计算日交易总额并将其作为备付金的参考，构建备付金时间序列观测数据并保存至数据库；步骤2、将法定节假日以及重大事件日期统一称为节假日；将节假日以及节假日前t1天和节假日后t2天单独作为一个节假日属性的统计月，而每个自然月排除节假日之外的其它日期单独作为一个自然月属性的统计月；将所有统计月进行排序；设需要预测未来M天的备付金，当前预测日期即未来第m天所在的统计月为第y个统计月，m＝1,2,…,M；步骤3、计算各银行机构的月交易总额，并按统计月计算各银行机构的备付金月平均增长率其中，j＝1,2,…,J；J表示包含要预测的银行机构在内的与其隶属同一上级管理机构的同级银行机构总个数，Sij和S(i-1)j分别表示第j个同级银行机构第i年和第i-1年中第y个统计月的月交易总额，n表示数据的年份数；步骤4、按年计算全省备付金年平均增长率其中，n为数据的年份数，Yi表示全省各银行机构第i年的年交易总额；步骤5、备付金月平均增长率调整：步骤5.1、将全省备付金年平均增长率V1作为全省各银行机构的备付金月平均增长率V0j的参考值，将V0j控制在V1的w倍稳定区间内；各银行机构的备付金月平均增长率经过第一次调整后得到V2j；步骤5.2、首先，设当前预测日期所在的年份为第x年，计算要预测的银行机构的上级管理机构去年第y个统计月的交易总额估计值和实际值：其中，S(x-2)j表示第j个同级银行机构前年即第x-2年中第y个统计月的月交易总额，S(x-1)j表示第j个同级机构去年即第x-1年中第y个统计月的月交易总额；然后，比较Tup和Sup，得出系数根据K对要预测的银行机构的月平均增长率进行第二次调整得到V3q，V3q＝K*V3q，q∈{1,2,…,m}；步骤5.3、根据全省备付金年平均增长率V1的2.5倍稳定区间再次对V3q进行限制，将V3q的控制在V1的w倍稳定区间内，得到V4q；步骤6、针对要预测的银行机构，根据以下步骤预测备付金：步骤6.1、计算该银行机构去年第y个统计月的日平均交易额p表示去年第y个统计月包含的天数；再将U乘以该银行机构的月平均增长率V4q，其结果记为Am；步骤6.2、根据第y个统计月的属性，分别进行预测；如果第y个统计月的属性为节假日，则Am即为该银行机构当前预测日期的备付金预测值；否则如果第y个统计月的属性为自然月，则进入步骤6.3；步骤6.3、计算该银行机构去年月同期的平均...

【专利技术属性】
技术研发人员：王建新，单文波，钟坚成，刘煜，
申请(专利权)人：中南大学，湖南海得数据科技有限公司，
类型：发明
国别省市：湖南,43