System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种模型训练方法、数据处理方法及系统技术方案_技高网

一种模型训练方法、数据处理方法及系统技术方案

技术编号:40550403 阅读:7 留言:0更新日期:2024-03-05 19:09
本申请公开了一种模型训练方法、数据处理方法及系统,获取待训练数据,待训练数据为从各种数据源中获取的历史交易数据,确定符合预设条件的初始模型,符合预设条件的初始模型由定价因素获取得到,将待训练数据进行优化处理,优化处理用于提高待训练数据的准确性和可靠性,通过优化后的待训练数据对符合预设条件的初始模型进行训练,直至初始模型达到收敛,得到实时动态调整的目标定价模型。通过预设调整需求确定动态定价调整参数,通过目标定价模型和动态定价调整参数,实时对待处理数据进行定价预测操作,得到定价预测结果。

【技术实现步骤摘要】

本申请涉及数据处理的,更具体地说,涉及一种模型训练方法、数据处理方法及系统


技术介绍

1、对公贷款业务是指银行向企业、机构以及其他商业实体提供的贷款服务。对公贷款定价是指为企业提供贷款时确定利率和费用的过程。

2、对公贷款定价涉及多个因素,通常需要采用较为复杂的定价模型进行计算。需要选择合适的模型类型。

3、传统的定价模型无法提供对政策等的快速响应和传导,需要人为根据主观理解来对定价模型做调整,从而降低了对公贷款定价的数据处理的效率和准确性。

4、因此,如何提高对公贷款定价的数据处理的效率和准确性,是本申请亟需解决的问题。


技术实现思路

1、有鉴于此,本申请公开了一种模型训练方法、数据处理方法及系统,旨在通过目标定价模型实时对待处理数据进行定价预测操作,从而提高对公贷款定价的效率和准确性。

2、为了实现上述目的,其公开的技术方案如下:

3、本申请第一方面公开了一种模型训练方法,所述方法包括:

4、获取待训练数据;所述待训练数据为从各种数据源中获取的历史交易数据;

5、确定符合预设条件的初始模型;所述符合预设条件的初始模型由定价因素获取得到;

6、将所述待训练数据进行优化处理;所述优化处理用于提高待训练数据的准确性和可靠性;

7、通过优化后的待训练数据对符合预设条件的初始模型进行训练,直至所述初始模型达到收敛,得到实时动态调整的目标定价模型。

8、优选的,所述确定符合预设条件的初始模型,包括:

9、确定定价场景及定价场景涉及的定价因素;

10、根据所述定价场景及所述定价因素,确定对应的初始模型。

11、优选的,还包括:

12、通过预设调整需求动态调整所述目标定价模型的调整参数。

13、优选的,还包括:

14、通过预设调优方式,对所述目标定价模型进行优化,以提高所述目标定价模型的准确性和泛化能力。

15、本申请第二方面公开了一种数据处理方法,应用于第一方面任意一项所述的模型训练方法得到的目标定价模型,所述数据处理方法包括:

16、获取待处理数据;所述待处理数据为未进行定价预测的数据;

17、通过预设调整需求确定动态定价调整参数;

18、通过所述目标定价模型和所述动态定价调整参数,实时对所述待处理数据进行定价预测操作,得到定价预测结果。

19、优选的,所述获取待处理数据,包括:

20、从各种数据源中获取交易数据;

21、当接收到的数据查询信息时,从所述交易数据中提取符合所述数据查询信息对应的交易数据,并将所述交易数据确定为待处理数据。

22、优选的,所述通过所述目标定价模型和所述动态定价调整参数,实时对所述待处理数据进行定价预测操作,得到定价预测结果,包括:

23、从所述待处理数据中获取放款金额数据和贷款利率数据;

24、通过所述目标定价模型和所述动态定价调整参数,实时对所述放款金额数据和贷款利率数据进行加权平均,得到加权均价;

25、将所述加权均价确定为定价预测结果。

26、优选的,还包括:

27、在预设查询条件下,若接收到不同的展示维度信息,横向对比不同的展示维度信息下的贷款量价数据。

28、本申请第三方面公开了一种模型训练系统,所述系统包括:

29、第一获取单元,用于获取待训练数据;所述待训练数据为从各种数据源中获取的历史交易数据;

30、第一确定单元,用于确定符合预设条件的初始模型;所述符合预设条件的初始模型由定价因素获取得到;

31、优化处理单元,用于将所述待训练数据进行优化处理;所述优化处理用于提高待训练数据的准确性和可靠性;

32、训练单元,用于通过优化后的待训练数据对符合预设条件的初始模型进行训练,直至所述初始模型达到收敛,得到实时动态调整的目标定价模型。

33、本申请第四方面公开了一种数据处理系统,应用于第三方面所述的模型训练系统得到的目标定价模型,所述数据处理系统包括:

34、第二获取单元,用于获取待处理数据;所述待处理数据为未进行定价预测的数据;

35、第二确定单元,用于通过预设调整需求确定动态定价调整参数;

36、预测操作单元,用于通过所述目标定价模型和所述动态定价调整参数,实时对所述待处理数据进行定价预测操作,得到定价预测结果。

37、经由上述技术方案可知,本申请公开了一种模型训练方法、数据处理方法及系统,获取待训练数据,待训练数据为从各种数据源中获取的历史交易数据,确定符合预设条件的初始模型,符合预设条件的初始模型由定价因素获取得到,将待训练数据进行优化处理,优化处理用于提高待训练数据的准确性和可靠性,通过优化后的待训练数据对符合预设条件的初始模型进行训练,直至初始模型达到收敛,得到实时动态调整的目标定价模型,获取待处理数据,待处理数据为未进行定价预测的数据,通过预设调整需求确定动态定价调整参数,通过目标定价模型和动态定价调整参数,实时对待处理数据进行定价预测操作,得到定价预测结果。基于上述方案,无需人为根据主观理解来对定价模型做调整,只需使用历史数据进行模型训练,通过交叉验证等方法进行模型的优化,以提高目标定价模型的准确性和泛化能力,并通过目标定价模型和动态定价调整参数实时对待处理数据进行定价预测操作,从而提高对公贷款定价的效率和准确性。

本文档来自技高网...

【技术保护点】

1.一种模型训练方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述确定符合预设条件的初始模型,包括:

3.根据权利要求1所述的方法,其特征在于,还包括:

4.根据权利要求1所述的方法,其特征在于,还包括:

5.一种数据处理方法,其特征在于,应用于权利要求1至4任意一项所述的模型训练方法得到的目标定价模型,所述数据处理方法包括:

6.根据权利要求5所述的方法,其特征在于,所述获取待处理数据,包括:

7.根据权利要求5所述的方法,其特征在于,所述通过所述目标定价模型和所述动态定价调整参数,实时对所述待处理数据进行定价预测操作,得到定价预测结果,包括:

8.根据权利要求5所述的方法,其特征在于,还包括:

9.一种模型训练系统,其特征在于,所述系统包括:

10.一种数据处理系统,其特征在于,应用于权利要求9所述的模型训练系统得到的目标定价模型,所述数据处理系统包括:

【技术特征摘要】

1.一种模型训练方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述确定符合预设条件的初始模型,包括:

3.根据权利要求1所述的方法,其特征在于,还包括:

4.根据权利要求1所述的方法,其特征在于,还包括:

5.一种数据处理方法,其特征在于,应用于权利要求1至4任意一项所述的模型训练方法得到的目标定价模型,所述数据处理方法包括:

6.根据权利要求5所述的方法,其特...

【专利技术属性】
技术研发人员:黄磊吴丹张雯珺聂丁玲
申请(专利权)人:中国建设银行股份有限公司江苏省分行
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1