活期存款流失率模型建立方法、系统、设备及储存介质技术方案

本发明专利技术公开了一种活期存款流失率模型建立方法、系统、设备及储存介质，该方法汇总历史交易数据，并通过不同的数据纬度、测算时点对历史数据进行回溯分析处理，根据测算时点采用滑动窗口算法对数据进行分组，增加样本个数，其降低了特殊个例对结果的影响，并对数据结果集采用标准差和置信水平进行修正，提高数据的稳定性和可靠性，使模型的测算结果更加准确，该方法解决现有流失率测算过程稳定性和可靠性低的问题。性低的问题。性低的问题。

【技术实现步骤摘要】
活期存款流失率模型建立方法、系统、设备及储存介质


[0001]本专利技术涉及数据处理
，特别是涉及一种活期存款流失率模型建立方法、系统、设备及储存介质。

技术介绍

[0002]在银监会《商业银行流动性风险管理指引》中对于现金流测算的规定，第四十五条：商业银行通过行为调整等方法测算现金流。现有行为调整中测算活期存款流失率的方法有多种，其中两种常见的方法是：一种方法采用公式：活期存款流失率＝(期末活期存款余额
‑
期初活期存款余额
‑
存款增加额)/(期初活期存款余额+存款增加额)
×
100％；其中，期初活期存款余额是指测算周期开始时的活期存款余额，期末活期存款余额是指测算周期结束时的活期存款余额，存款增加额是指测算周期内新增的活期存款金额。第二种方法是采用移动平均法：将一定时间段内的活期存款余额求平均值，然后将平均值作为下一个时间段的预测值。具体公式为：移动平均值＝(本期活期存款余额+上期活期存款余额+
……
+前n期活期存款余额)/n；活期存款流失率＝|本期活期存款余额
–
移动平均值|/本期活期存款余额
×
100％，其中，n是移动平均的时间段。
[0003]但上述测算活期存款流失率的方法均有以下缺点：
[0004]其一、所需基础数据要求高，测算周期内存款增加额不好判断，如同一测算周期内，同一客户取出活期存款20W，存入10W，新增存款额为20W还是10W，每家银行对新增存款的周期时长、客户帐号是否一致等判断逻辑不一致，导致数据差异较大；
[0005]其二、在测算相邻两天同一时间段的活期存款流失率时，平均值差异不大，受测算日活期存款余额影响，最终测算结果差异较大。因此不同的测算时点、不同的测算平均时间段，对测算结果的影响较大，测算结果不稳定；
[0006]其三、模型纬度单一，现有模型基本以产品或客户为数据纬度，进行模型测算，测算纬度不够灵活，并且数据量太少，测算结构与实际差异较大，结果不精确。

技术实现思路

[0007]本专利技术要解决的技术问题是提供一种活期存款流失率模型建立方法、系统、设备及储存介质，可解决现有流失率测算方法稳定性和可靠性低的问题，从而克服现有技术的不足。
[0008]为解决上述技术问题，本专利技术公开有一种活期存款流失率模型建立方法，其包括如下步骤：
[0009]步骤一、获取历史交易数据样本：根据测算日期、数据维度及测算时点确定选择历史交易数据的时间范围，并基于数据维度和数据日期所构成的唯一索引，汇总成历史交易数据样本；
[0010]步骤二、根据测算时点的时长分别采用滑动窗口算法对历史交易数据样本进行分组，并测算每组样本的沉淀率：
[0011]沉淀率＝各分组样本中余额最小值/各分组样本中余额平均值，
[0012]其中各分组样本中余额平均值＝当前分组样本的余额总值/当前分组时点样本数；当前分组时点样本数＝总样本数
–
当前测算时点的时长+1；
[0013]步骤三、利用置信水平参数对每组样本的沉淀率进行修正，并测算获得每组样本对应的流失率；其中每组样本的沉淀率＝当前样本的余额平均值
–
置信系数*当前样本的余额标准差；且每组样本对应的流失率＝1
–
当前样本的沉淀率；
[0014]步骤四、根据数据维度及测算时点保存对应样本的流失率数据，构建出活期存款流失率模型。
[0015]作为本专利技术的一种改进，所述步骤一中所述数据纬度至少包括有产品代码、法人、科目、币种或机构。
[0016]作为本专利技术的一种改进，所述步骤一中所述历史交易数据样本中至少包含有数据日期、余额、唯一索引、产品、法人及币种，其中统计余额数据时，外币均按当日汇率转为人民币进行统计。
[0017]作为本专利技术的进一步改进，所述步骤一中所述测算时点包括有1天、7天、14天、1个月、3个月、6个月或1年。
[0018]作为本专利技术的进一种改进，所述步骤一中确定选择历史交易数据的时间范围时，首先确定历史交易数据中的最大时点，当最大时点为1年时，历史交易数据的时间范围：(测算日期
–
最大时点
–
360)～(测算日期
–
1)；当最大时点小于1年时，历史交易数据的时间范围：(测算日期
–
2*最大时点)～(测算日期
–
1)，其中测算时点中每月按30天，每年按360天计算。
[0019]作为本专利技术的进一种改进，所述步骤二中根据测算时点的时长利用滑动窗口算法对历史交易数据样本进行分组的具体方法为：根据各测算时点的时长分别对汇总好的数据使用滑动窗口算法，窗口长度为时点的时长，对历史数据进行分组，其中针对测算时点的时长，1年为360天，1个月为30天，1天按2天计算。
[0020]作为本专利技术的进一种改进，本方法还包括步骤五：基于新增历史交易数据对原历史交易数据进行更新，并利用步骤一至步骤四重新构建新的活期存款流失率模型。
[0021]同时本专利技术还公开有一种活期存款流失率模型建立系统，其包括：
[0022]数据汇总模块，用于收集历史交易数据，并根据数据维度和数据日期汇总成历史交易数据样本；
[0023]数据测算模块，用于对历史交易数据样本进行分组并测算各组样本的沉淀率；
[0024]数据修正模块，用于对各组样本的沉淀率进行修正并测算对应样本的流失率；
[0025]模型存储模块，用于对保存对应样本的流失率数据，并构建活期存款流失率模型。
[0026]此外本专利技术还公开有一种电子设备，该电子设备包括：
[0027]至少一个处理器；以及，
[0028]与所述至少一个处理器通信连接的存储器；其中，
[0029]所述存储器存储有能够被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行时，使所述至少一个处理器执行上述的活期存款流失率模型建立方法。
[0030]此外本专利技术更进一步公开有一种非暂态计算机可读存储介质，其中所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令当由至少一个处理器执行时使所述至
少一个处理器执行如上述的活期存款流失率模型建立方法。
[0031]采用这样的设计后，本专利技术至少具有以下优点：
[0032]本专利技术的活期存款流失率模型建立方法根据产品、币种、科目、法人等数据纬度汇总每日余额作为基础数据进行测算；根据测算时点的最大时点，确定数据时间范围，其无需过多的历史交易数据，即可对新增活期产品的流失率进行测算；使用滑动窗口算法，根据测算时点时长对历史数据进行测算，避免出现同一数据纬度相邻两天测算结果差异较大的情况；同时使用标准差和置信水平对测算结果进行修正处理，提高数据的稳定性和可靠性，更便于后期进行回溯分析验证时，调整置信水平。
附图说明
[0033]上述仅是本专利技术技术方案的概述，为了能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种活期存款流失率模型建立方法，其特征在于，包括如下步骤：步骤一、获取历史交易数据样本：根据测算日期、数据维度及测算时点确定选择历史交易数据的时间范围，并基于数据维度和数据日期所构成的唯一索引，汇总成历史交易数据样本；步骤二、根据测算时点的时长分别采用滑动窗口算法对历史交易数据样本进行分组，并测算每组样本的沉淀率：沉淀率＝各分组样本中余额最小值/各分组样本中余额平均值，其中各分组样本中余额平均值＝当前分组样本的余额总值/当前分组时点样本数；当前分组时点样本数＝总样本数
–
当前测算时点的时长+1；步骤三、利用置信水平参数对每组样本的沉淀率进行修正，并测算获得每组样本对应的流失率；其中每组样本的沉淀率＝当前样本的余额平均值
–
置信系数*当前样本的余额标准差；且每组样本对应的流失率＝1
–
当前样本的沉淀率；步骤四、根据数据维度及测算时点保存对应样本的流失率数据，构建出活期存款流失率模型。2.根据权利要求1所述的活期存款流失率模型建立方法，其特征在于，所述步骤一中所述数据纬度至少包括有产品代码、法人、科目、币种或机构。3.根据权利要求1所述的活期存款流失率模型建立方法，其特征在于，所述步骤一中所述历史交易数据样本中至少包含有数据日期、余额、唯一索引、产品、法人及币种，其中统计余额数据时，外币均按当日汇率转为人民币进行统计。4.根据权利要求1所述的活期存款流失率模型建立方法，其特征在于，所述步骤一中所述测算时点包括有1天、7天、14天、1个月、3个月、6个月或1年。5.根据权利要求1所述的活期存款流失率模型建立方法，其特征在于，所述步骤一中确定选择历史交易数据的时间范围时，首先确定历史交易数据中的最大时点，当最大时点为1年时，历史交易数据的时间范围：(测算日期
–
最大时点
–
360)～(测算日期
–

【专利技术属性】
技术研发人员：任强，张亲松，
申请(专利权)人：神州数码融信软件有限公司，
类型：发明
国别省市：