用于对机构存款业务状况进行预测的方法、装置、设备制造方法及图纸

本公开提供了一种用于对机构存款业务状况进行预测的方法、装置、设备，可以应用于人工智能和金融技术领域。该用于对机构存款业务状况进行预测的方法包括：获取预设时间段内的机构存款业务状况时序数据；将机构存款业务状况时序数据进行差分处理，得到平稳序列数据和残差序列数据；将平稳序列数据输入机构存款业务状况预测模型中的第一预测子模型，输出第一预测结果；将残差序列数据输入机构存款业务状况预测模型中的第二预测子模型，输出第二预测结果，其中，第二预测子模型与第一预测子模型的模型结构不同；以及将第一预测结果和第二预测结果输入机构存款业务状况预测模型中的结果修正子模型，输出目标时间段的第三机构存款业务状况预测信息。务状况预测信息。务状况预测信息。

Method, device and equipment for predicting the business status of institutional deposits

【技术实现步骤摘要】
用于对机构存款业务状况进行预测的方法、装置、设备


[0001]本公开涉及人工智能
和金融
，具体地涉及一种用于对机构存款业务状况进行预测的方法、装置、设备、介质。

技术介绍

[0002]随着金融机构存款业务竞争日益加剧，及时准确地预测金融机构存款业务状况变化，便于机构采用有效措施预防客户流失。
[0003]由于影响金融机构存款业务状态发生变化的因素较多，例如：政策因素、市场因素、服务因素、产品因素、客户自身因素等等，金融机构存款业务状况呈现无规律性的变化。相关技术中一般是利用某一历史时间点，基于存款业务数据的线性特征进行预测，导致预测结果准确度较低。

技术实现思路

[0004]鉴于上述问题，本公开提供了一种用于对机构存款业务状况进行预测的方法、装置、设备、介质。
[0005]根据本公开的一个方面，提供了一种用于对机构存款业务状况进行预测的方法，包括：
[0006]获取预设时间段内的机构存款业务状况时序数据；
[0007]将机构存款业务状况时序数据进行差分处理，得到平稳序列数据和残差序列数据；
[0008]将平稳序列数据输入机构存款业务状况预测模型中的第一预测子模型，输出第一预测结果，其中，第一预测结果表征目标时间段的第一机构存款业务状况预测信息；
[0009]将残差序列数据输入机构存款业务状况预测模型中的第二预测子模型，输出第二预测结果，其中，第二预测结果表征目标时间段的第二机构存款业务状况预测信息，其中，第二预测子模型与第一预测子模型的模型结构不同；以及
[0010]将第一预测结果和第二预测结果输入机构存款业务状况预测模型中的结果修正子模型，输出目标时间段的第三机构存款业务状况预测信息。
[0011]根据本公开的实施例，将机构存款业务状况时序数据进行差分处理，得到平稳序列数据和残差序列数据，包括：
[0012]将机构存款业务状况时序数据进行差分处理，得到目标序列数据，其中，目标序列数据包括波动稳定的序列数据；
[0013]利用单位根检验算法，计算目标序列数据的目标检验统计量；
[0014]根据目标检验统计量，将存款业务状况时序数据进行分类，得到平稳序列数据和残差序列数据。
[0015]根据本公开的实施例，将机构存款业务状况时序数据进行差分处理，得到目标序列数据，包括：
[0016]将机构存款业务状况时序数据进行差分处理，得到目标时序图；
[0017]将目标时序图中呈现稳定波动的时序序列数据确定为目标序列数据。
[0018]根据本公开的实施例，机构存款业务状况预测模型的训练方法包括：
[0019]获取样本数据集，其中，样本数据集包括多个历史预设时间段的样本数据，其中，样本数据包括历史机构存款业务状况时序数据和历史目标时间段的机构实际存款业务状况数据；
[0020]针对每一个样本数据，将历史存款业务状况时序数据进行差分处理，得到历史平稳序列数据和历史残差序列数据；
[0021]根据历史平稳序列数据和机构实际存款业务状况数据训练第一初始子模型，得到训练完成的第一预测子模型；
[0022]根据历史残差序列数据和机构实际存款业务状况数据训练第二初始子模型，得到训练完成的第二预测子模型；
[0023]将历史平稳序列数据输入第一预测子模型，输出第一历史机构存款业务状况预测数据；
[0024]将历史残差序列数据输入第二预测子模型，输出第二历史机构存款业务状况预测数据；
[0025]根据第一历史机构存款业务状况预测数据、第二历史机构存款业务状况预测数据和机构实际存款业务状况数据训练第三初始子模型，得到训练完成的结果修正子模型。
[0026]根据本公开的实施例，根据第一历史机构存款业务状况预测数据、第二历史机构存款业务状况预测数据和机构实际存款业务状况数据训练第三初始子模型，得到训练完成的结果修正子模型，包括：
[0027]将第一历史机构存款业务状况预测数据、第二历史机构存款业务状况预测数据输入第三初始子模型，输出第三历史机构存款业务状况预测数据；
[0028]根据第三历史机构存款业务状况预测数据和机构实际存款业务状况数据，确定预测结果误差；
[0029]根据预测结果误差调整第三初始子模型的模型参数，得到结果修正子模型。
[0030]根据本公开的实施例，根据预测结果误差调整第三初始子模型的模型参数，得到结果修正子模型，包括：
[0031]在预测结果误差小于预设阈值的情况下，将第三初始子模型的模型参数确定为目标模型参数；
[0032]根据目标模型参数，确定结果修正子模型。
[0033]根据本公开的实施例，将历史存款业务状况时序数据进行差分处理，得到历史平稳序列数据和历史残差序列数据，包括：
[0034]将历史机构存款业务状况时序数据进行差分处理，得到目标历史序列数据，其中，目标历史序列数据包括波动稳定的序列数据；
[0035]利用单位根检验算法，计算目标历史序列数据的目标检验统计量；
[0036]根据目标检验统计量，将历史机构存款业务状况时序数据进行分类，得到历史平稳序列数据和历史残差序列数据。
[0037]本公开的另一个方面提供了一种用于对机构存款业务状况进行预测的装置，包
括：获取模块、处理模块、第一预测模块、第二预测模块和修正模块。其中，获取模块，用于获取预设时间段内的机构存款业务状况时序数据。处理模块，用于将机构存款业务状况时序数据进行差分处理，得到平稳序列数据和残差序列数据。第一预测模块，用于将平稳序列数据输入机构存款业务状况预测模型中的第一预测子模型，输出第一预测结果，其中，第一预测结果表征目标时间段的第一机构存款业务状况预测信息；第二预测模块，用于将残差序列数据输入机构存款业务状况预测模型中的第二预测子模型，输出第二预测结果，其中，第二预测结果表征目标时间段的第二机构存款业务状况预测信息，其中，第二预测子模型与第一预测子模型的模型结构不同；以及修正模块，用于将第一预测结果和第二预测结果输入机构存款业务状况预测模型中的结果修正子模型，输出目标时间段的第三机构存款业务状况预测信息。
[0038]根据本公开的实施例，处理模块包括第一处理子模块、计算子模块和分类子模块。其中，第一处理子模块，用于将机构存款业务状况时序数据进行差分处理，得到目标序列数据，其中，目标序列数据包括波动稳定的序列数据。计算子模块，用于利用单位根检验算法，计算目标序列数据的目标检验统计量。分类子模块，用于根据目标检验统计量，将存款业务状况时序数据进行分类，得到平稳序列数据和残差序列数据。
[0039]根据本公开的实施例，第一处理子模块包括第一处理单元和第一确定单元。其中，第一处理单元，用于将机构存款业务状况时序数据进行差分处理，得到目标时序图。第一确定单元，用于将目标时序图中呈现稳定波动的时序序列数据确定为目标序列数据。
[0040]根据本公开的实施例，训练模块包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于对机构存款业务状况进行预测的方法，包括：获取预设时间段内的机构存款业务状况时序数据；将所述机构存款业务状况时序数据进行差分处理，得到平稳序列数据和残差序列数据；将所述平稳序列数据输入机构存款业务状况预测模型中的第一预测子模型，输出第一预测结果，其中，所述第一预测结果表征目标时间段的第一机构存款业务状况预测信息；将所述残差序列数据输入所述机构存款业务状况预测模型中的第二预测子模型，输出第二预测结果，其中，所述第二预测结果表征所述目标时间段的第二机构存款业务状况预测信息，其中，所述第二预测子模型与所述第一预测子模型的模型结构不同；以及将所述第一预测结果和所述第二预测结果输入所述机构存款业务状况预测模型中的结果修正子模型，输出所述目标时间段的第三机构存款业务状况预测信息。2.根据权利要求1所述的方法，其中，所述将所述机构存款业务状况时序数据进行差分处理，得到平稳序列数据和残差序列数据，包括：将所述机构存款业务状况时序数据进行差分处理，得到目标序列数据，其中，所述目标序列数据包括波动稳定的序列数据；利用单位根检验算法，计算所述目标序列数据的目标检验统计量；根据所述目标检验统计量，将所述机构存款业务状况时序数据进行分类，得到所述平稳序列数据和所述残差序列数据。3.根据权利要求2所述的方法，其中，所述将所述机构存款业务状况时序数据进行差分处理，得到目标序列数据，包括：将所述机构存款业务状况时序数据进行差分处理，得到目标时序图；将所述目标时序图中呈现稳定波动的时序序列数据确定为所述目标序列数据。4.根据权利要求1所述的方法，其中，所述机构存款业务状况预测模型的训练方法包括：获取样本数据集，其中，所述样本数据集包括多个历史预设时间段的样本数据，其中，所述样本数据包括历史机构存款业务状况时序数据和历史目标时间段的机构实际存款业务状况数据；针对每一个所述样本数据，将所述历史存款业务状况时序数据进行差分处理，得到历史平稳序列数据和历史残差序列数据；根据所述历史平稳序列数据和所述机构实际存款业务状况数据训练第一初始子模型，得到训练完成的所述第一预测子模型；根据所述历史残差序列数据和所述机构实际存款业务状况数据训练第二初始子模型，得到训练完成的所述第二预测子模型；将所述历史平稳序列数据输入所述第一预测子模型，输出第一历史机构存款业务状况预测数据；将所述历史残差序列数据输入所述第二预测子模型，输出第二历史机构存款业务状况预测数据；根据所述第一历史机构存款业务状况预测数据、所述第二历史机构存款业务状况预测数据和所述机构实际存款业务状况数据训练第三初始子模型，得到训练完成的所述结果修
正子模型。5.根据权利要求4所述的方法，其中，所述根据...

【专利技术属性】
技术研发人员：史云峰，
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：