一种理财产品销量的预测方法及装置制造方法及图纸

本发明专利技术提供一种理财产品销量的预测方法及装置，所述方法包括：获取理财产品的预测数据；对所述预测数据进行特征处理，获得预测特征数据；根据所述客户分类特征数据和客户分类模型，获得潜在客户群；从所述客户销量特征数据中获得所述潜在客户群中每个潜在客户的销量特征数据，并根据所述产品特征数据、每个潜在客户的销量特征数据以及销量预测模型，获得每个潜在客户对所述理财产品的购买量；根据所述潜在客户群中各个潜在客户对所述理财产品的购买量，获得所述理财产品的预测销量。所述装置用于执行上述方法。本发明专利技术实施例提供的理财产品销量的预测方法及装置，提高了对理财产品发行量预测的准确性。

【技术实现步骤摘要】
一种理财产品销量的预测方法及装置
本专利技术涉及数据处理
，具体涉及一种理财产品销量的预测方法及装置。
技术介绍
理财产品是由商业银行和正规金融机构自行设计并发行的金融产品，通过理财产品可以募集资金并获得收益。现有技术中，银行理财产品的发行数量，通常依靠业务专家人工经验为主来估算理财产品的发行数量。由于理财产品销量影响因素较多且关联复杂性极高，受客户基础信息、产品信息、行为信息、风险信息、同业产品等多种因素干扰，依靠人工经验估算发行数量误差大。因此，如何提出一种理财产品销量的预测方法，能够更加准确地预测理财产品的销量成为本领域需要解决的重要课题。
技术实现思路
针对现有技术中的问题，本专利技术实施例提供一种理财产品销量的预测方法及装置。一方面，本专利技术提出一种理财产品销量的预测方法，包括：获取理财产品的预测数据；对所述预测数据进行特征处理，获得预测特征数据，所述预测特征数据包括客户分类特征数据、客户销量特征数据和产品特征数据；根据所述客户分类特征数据和客户分类模型，获得潜在客户群；其中，所述客户分类模型是根据理财产品分类训练数据以及客户分类标签训练获得的；从所述客户销量特征数据中获得所述潜在客户群中每个潜在客户的销量特征数据，并根据所述产品特征数据、每个潜在客户的销量特征数据以及销量预测模型，获得每个潜在客户对所述理财产品的购买量；其中，所述销量预测模型包括第二数量的销量预测子模型，所述第二数量的销量预测子模型是根据理财产品销量训练数据以及客户历史销售量训练获得的；根据所述潜在客户群中各个潜在客户对所述理财产品的购买量，获得所述理财产品的预测销量。另一方面，本专利技术提供一种理财产品销量的预测装置，包括：第一获取单元，用于获取理财产品的预测数据；特征处理单元，用于对所述预测数据进行特征处理，获得预测特征数据，所述预测特征数据包括客户分类特征数据、客户销量特征数据和产品特征数据；分类单元，用于根据所述客户分类特征数据和客户分类模型，获得潜在客户群；其中，所述客户分类模型是根据理财产品分类训练数据以及客户分类标签训练获得的；购买量预测单元，用于从所述客户销量特征数据中获得所述潜在客户群中每个潜在客户的销量特征数据，并根据所述产品特征数据、每个潜在客户的销量特征数据以及销量预测模型，获得每个潜在客户对所述理财产品的购买量；其中，所述销量预测模型包括第二数量的销量预测子模型，所述第二数量的销量预测子模型是根据理财产品销量训练数据以及客户历史销售量训练获得的；销量预测单元，用于根据所述潜在客户群中各个潜在客户对所述理财产品的购买量，获得所述理财产品的预测销量。再一方面，本专利技术提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一实施例所述理财产品销量的预测方法的步骤。又一方面，本专利技术提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一实施例所述理财产品销量的预测方法的步骤。本专利技术实施例提供的理财产品销量的预测方法及装置，获取理财产品的预测数据，对预测数据进行特征处理，获得预测特征数据，根据客户分类特征数据和客户分类模型，获得潜在客户群，从客户销量特征数据中获得所述潜在客户群中每个潜在客户的销量特征数据，并根据产品特征数据、每个潜在客户的销量特征数据以及销量预测模型，获得每个潜在客户对理财产品的购买量，根据潜在客户群中各个潜在客户对理财产品的购买量，获得理财产品的预测销量，通过客户分类模型预测出潜在客户，并通过销量预测模型预测出每个潜在客户的购买量，提高了对理财产品发行量预测的准确性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：图1是本专利技术第一实施例提供的理财产品销量的预测方法的流程示意图。图2是本专利技术第二实施例提供的理财产品销量的预测方法的流程示意图。图3是本专利技术第三实施例提供的理财产品销量的预测方法的流程示意图。图4是本专利技术第四实施例提供的理财产品销量的预测方法的流程示意图。图5是本专利技术第五实施例提供的理财产品销量的预测方法的流程示意图。图6是本专利技术第六实施例提供的理财产品销量的预测方法的流程示意图。图7是本专利技术第七实施例提供的理财产品销量的预测方法的流程示意图。图8是本专利技术第八实施例提供的理财产品销量的预测装置的结构示意图。图9是本专利技术第九实施例提供的理财产品销量的预测装置的结构示意图。图10是本专利技术第十实施例提供的理财产品销量的预测装置的结构示意图。图11是本专利技术第十一实施例提供的理财产品销量的预测装置的结构示意图。图12是本专利技术第十二实施例提供的理财产品销量的预测装置的结构示意图。图13是本专利技术第十三实施例提供的理财产品销量的预测装置的结构示意图。图14是本专利技术第十四实施例提供的理财产品销量的预测装置的结构示意图。图15是本专利技术第十五实施例提供的电子设备的实体结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本专利技术实施例做进一步详细说明。在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并不作为对本专利技术的限定。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。图1是本专利技术第一实施例提供的理财产品销量的预测方法的流程示意图，如图1所示，本专利技术实施例提供的理财产品销量的预测方法包括：S101、获取理财产品的预测数据；具体地，通过对客户数据和理财产品相关数据进行预处理，获得理财产品的预测数据，所述服务器可以获取所述理财产品的预测数据。其中，客户数据可以包括基础数据、其他产品数据、行为数据、评价数据、营销数据和风险数据等，根据实际需要进行设置，本专利技术实施例不做限定。所述理财产品相关数据可以包括同一时期同业相关理财产品的数据和待预测理财产品的数据，根据实际需要进行设置，本专利技术实施例不做限定。所述预处理根据实际需要进行设置，本专利技术实施例不做限定。本专利技术实施例提供的理财产品销量的预测方法的执行主体包括但不限于服务器。例如，可以通过银行内部系统获取到客户数据，客户数据的基础数据可以包括人口数据和社会属性数据，所述人口属性数据可以包括姓名、性别、年龄、国籍、省份、城市、居住地、教育水平等信息，所述社会属性数据可以包括年龄段、婚姻状况、有无子女、车辆信息、行业、职业、职务等信息。客户数据的其他产品数据可以包括资产数据、负债数据和其他数据，所述资产数据可以包括活期余额、定期余额、债券余额、基金余额、黄金余额、保险金额、过去3本文档来自技高网...

【技术保护点】
1.一种理财产品销量的预测方法，其特征在于，包括：/n获取理财产品的预测数据；/n对所述预测数据进行特征处理，获得预测特征数据，所述预测特征数据包括客户分类特征数据、客户销量特征数据和产品特征数据；/n根据所述客户分类特征数据和客户分类模型，获得潜在客户群；其中，所述客户分类模型是根据理财产品分类训练数据以及客户分类标签训练获得的；/n从所述客户销量特征数据中获得所述潜在客户群中每个潜在客户的销量特征数据，并根据所述产品特征数据、每个潜在客户的销量特征数据以及销量预测模型，获得每个潜在客户对所述理财产品的购买量；其中，所述销量预测模型包括第二数量的销量预测子模型，所述第二数量的销量预测子模型是根据理财产品销量训练数据以及客户历史销售量训练获得的；/n根据所述潜在客户群中各个潜在客户对所述理财产品的购买量，获得所述理财产品的预测销量。/n

【技术特征摘要】
1.一种理财产品销量的预测方法，其特征在于，包括：
获取理财产品的预测数据；
对所述预测数据进行特征处理，获得预测特征数据，所述预测特征数据包括客户分类特征数据、客户销量特征数据和产品特征数据；
根据所述客户分类特征数据和客户分类模型，获得潜在客户群；其中，所述客户分类模型是根据理财产品分类训练数据以及客户分类标签训练获得的；
从所述客户销量特征数据中获得所述潜在客户群中每个潜在客户的销量特征数据，并根据所述产品特征数据、每个潜在客户的销量特征数据以及销量预测模型，获得每个潜在客户对所述理财产品的购买量；其中，所述销量预测模型包括第二数量的销量预测子模型，所述第二数量的销量预测子模型是根据理财产品销量训练数据以及客户历史销售量训练获得的；
根据所述潜在客户群中各个潜在客户对所述理财产品的购买量，获得所述理财产品的预测销量。


2.根据权利要求1所述的方法，其特征在于，所述客户分类模型包括第一数量个客户分类子模型，所述第一数量个客户分类子模型是根据理财产品分类训练数据以及客户分类标签训练获得的，所述第一数量为大于等于3的奇数；
相应地，所述根据所述客户分类特征数据和客户分类模型，获得潜在客户群包括：
根据所述客户分类特征数据和所述第一数量个客户分类子模型，获得每个客户的第一数量个客户分类标签；
若判断获知所述客户的第一数量个客户分类标签中购买标签的数量大于不购买标签的数量，则将所述客户作为潜在客户；其中，所述客户分类标签包括购买标签和不购买标签。


3.根据权利要求2所述的方法，其特征在于，根据理财产品分类训练数据以及客户分类标签训练获得所述第一数量个客户分类子模型的步骤包括：
获取所述理财产品分类训练数据以及客户分类标签；
根据所述理财产品分类训练数据，获得分类训练特征数据；
将所述分类训练特征数据划分为第一训练集和第一验证集；
根据所述第一训练集、所述第一训练集对应的客户分类标签以及第三数量个预设分类模型，训练获得所述第三数量个待定分类子模型；其中，所述第三数量大于等于所述第一数量；
根据所述第一验证集以及第一验证集对应的客户分类标签对所述第三数量个待定分类子模型进行验证，获得每个待定分类子模型的分类准确度；
根据每个待定分类子模型的分类准确度，从所述第三数量个待定分类子模型中选择出所述第一数量个客户分类子模型。


4.根据权利要求3所述的方法，其特征在于，所述根据所述理财产品分类训练数据，获得分类训练特征数据包括：
对所述理财产品分类训练数据进行特征构建，获得多类第一训练特征数据；
根据特征选择算法从所述多类第一训练特征数据中，选择出所述分类训练特征数据。


5.根据权利要求1所述的方法，其特征在于，所述根据所述产品特征数据、每个潜在客户的销量特征数据以及销量预测模型，获得每个潜在客户对所述理财产品的购买量包括：
根据所述产品特征数据、每个潜在客户的销量特征数据以及所述第二数量的销量预测子模型，获得每个潜在客户的第二数量个预测购买量；
根据每个潜在客户的第二数量个预测购买量以及各个预测购买量对应的权重，获得每个潜在客户的对所述理财产品的购买量；其中，每个潜在客户的各个预测购买量对应的权重是预先获得的。


6.根据权利要求1-5任一项所述的方法，其特征在于，根据理财产品销量训练数据训练所述第二数量的销量预测子模型的步骤包括：
获取所述理财产品销量训练数据以及客户历史销售量；
根据所述理财产品销量训练数据，获得销量训练特征数据；
将所述销量训练特征数据划分为第二训练集和第二验证集；
根据所述第二训练集、所述第二训练集对应的客户历史销售量以及第四数量个预设销量模型，训练获得第四数量个待定预测子模型；其中，所述第四数量大于等于所述第二数量；
根据所述第二验证集以及所述第二验证集对应的客户历史销售量对所述第四数量个待定预测子模型进行验证，获得每个待定预测子模型的R平方值；
根据每个待定预测子模型的R平方值，从所述第四数量个待定预测子模型中选择出第二数量个销量预测子模型。


7.根据权利要求6所述的方法，其特征在于，所述根据所述理财产品销量训练数据，获得销量训练特征数据包括：
对所述理财产品分类训练数据进行特征构建，获得多类第二训练特征数据；
根据特征选择算法从所述多类第二训练特征数据中，选择出所述销量训练特征数据。


8.一种理财产品销量的预测装置，其特征在于，包括：
第一获取单元，用于获取理财产品的预测数据；
特征处理单元，用于对所述预测数据进行特征处理，获得预测特征数据，所述预测特征数据包括客户分类特征数据、客户销量特征...

【专利技术属性】
技术研发人员：高伟，郑广斌，宋宇诚，杜媛媛，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：北京;11