数据处理方法和数据处理装置制造方法及图纸

本申请提供一种数据处理方法和数据处理装置，有利于提高模型预测的精度。该方法包括：获取第一时间段的历史数据，历史数据包括该第一时间段的第一自变量和该第一时间段的银行不良贷款总额；根据该第一时间段的第一自变量，确定该第一时间段的第二自变量，该第二自变量通过显著性检验；根据该第一时间段的第二自变量和该第一时间段的银行不良贷款总额，确定回归方程，该回归方程的因变量为银行不良贷款总额；获取待预测时间段的第二自变量，并将该待预测时间段的第二自变量输入至该回归方程，得到该待预测时间段的银行不良贷款总额。得到该待预测时间段的银行不良贷款总额。得到该待预测时间段的银行不良贷款总额。

【技术实现步骤摘要】
数据处理方法和数据处理装置


[0001]本申请涉及数据处理领域，更具体地，涉及一种数据处理方法和数据处理装置。

技术介绍

[0002]随着金融行业的繁荣发展，银行不良贷款总额也在逐步增长，这为银行业健康繁荣发展带来了一定的隐患。因此研究影响银行不良贷款总额的因素和预测其未来的增长额，有利于银行决策者更好的了解银行当前不良贷款走势，制度对应计划，例如减少信用不好的用户贷款额等方式来减少银行不良贷款支出。
[0003]通常业内采用的统计方法考虑人均存款、不良贷款率、居民消费价格指数等自变量预测短期银行不良贷款总额。基于2010
‑
2019年的数据，建立了预测银行不良贷款总额的多元回归模型，并将2019年的人均存款、不良贷款率以及居民消费价格指数等因素代入多元回归模型计算出2019年预测的银行不良贷款总额数据，误差率为4.3％，模型预测的误差较大。

技术实现思路

[0004]本申请提供一种数据处理方法和数据处理装置，有利于提高模型预测的精度。
[0005]第一方面，提供了一种数据处理方法，包括：获取第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：获取第一时间段的历史数据，所述历史数据包括所述第一时间段的第一自变量和所述第一时间段的银行不良贷款总额，所述第一自变量包括人均存款、居民消费价格指数、广义货币供应量余额、成本收入比、不良贷款率、资产总额、拨备覆盖率以及制造业采购经理指数PMI；根据所述第一时间段的第一自变量，确定所述第一时间段的第二自变量，所述第二自变量是从所述第一自变量中选择的，或者，所述第二自变量与所述第一自变量具有线性关系，所述第二自变量通过显著性检验；根据所述第一时间段的第二自变量和所述第一时间段的银行不良贷款总额，确定回归方程，所述回归方程的因变量为银行不良贷款总额；获取待预测时间段的第二自变量，并将所述待预测时间段的第二自变量输入至所述回归方程，得到所述待预测时间段的银行不良贷款总额。2.根据权利要求1所述的方法，其特征在于，所述根据所述第一时间段的第一自变量，确定所述第一时间段的第二自变量，包括：采用逐步回归法从所述第一时间段的第一自变量中选择所述第一时间段的第二自变量，所述第二自变量包括居民消费价格指数、不良贷款率、拨备覆盖率以及制造业PMI。3.根据权利要求2所述的方法，其特征在于，所述待预测时间段为未来时间段；所述获取待预测时间段的第二自变量，包括：将所述第一时间段的第二自变量输入至灰色预测模型中，得到所述待预测时间段的第二自变量。4.根据权利要求1所述的方法，其特征在于，所述根据所述第一时间段的第一自变量，确定所述第一时间段的第二自变量，包括：将所述第一时间段的第一自变量作为初始自变量，生成多个主成分变量，所述主成分变量与所述第一时间段的第一自变量具有线性关系；将所述多个主成分变量中累计方差贡献率大于或等于第一阈值的主成分变量确定为所述第一时间段的第二自变量。5.根据权利要求4所述的方法，其特征在于，所述待预测时间段为未来时间段；所述获取待预测时间段的第二自变量，包括：将所述第一时间段的第一自变量输入至灰色预测模型中，得到所述待预测时间段的第一自变量；根据所述待预测时间段的第一自变量，确定所述待预测时间段的第二自变量。6.根据权利要求1
‑
5中任一项所述的方法，其特征在于，所述根据所述第一时间段的第二自变量和所述第一时间段的银行不良贷款总额，确定回归方程，包括：对所述第一时间段的第二自变量和所述第一时间段的银行不良贷款总额进行参数估计，得到系数估计值和截距估计值；根据所述系数估计值和所述截距估计值，确定所述回归方程。7.一种数据处理装置，其特征在于，包括：获取模块，用于获取第一时间段的历史数据，所述历史数据包括所述第一时间段的第一自变量和所述第一时间段的银行不良贷款总额，所述第一自变量包括人均存款、居民消
...

【专利技术属性】
技术研发人员：汪志艺，王伟权，杨俊勉，吴佳文，
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：