CN102306366A

CN102306366A - 自动柜员机配钞数据的确定方法

Info

Publication number: CN102306366A
Application number: CN201110192598A
Authority: CN
Inventors: 罗俊海; 仲昌平; 杜勇
Original assignee: Maipu Communication Technology Co Ltd
Current assignee: Maipu Communication Technology Co Ltd
Priority date: 2011-07-11
Filing date: 2011-07-11
Publication date: 2012-01-04

Abstract

本发明公开了一种自动柜员机ATM配钞数据的确定方法，包括：A、建立历史交易量数据队列及该历史交易量对应的影响因素数据队列；建立配钞滑动窗口，该配钞滑动窗口的长度为本次配钞周期的时长；B、用配钞滑动窗口在所述历史交易量数据队列及影响因素数据队列上滑动，对初始及历次滑动后所述配钞滑动窗口内的队列元素进行采集和处理，并作为样本数据建立样本模型；再根据样本模型确定配钞金额计算模型；C、根据本次配钞周期的交易量的影响因素数据和所述配钞金额计算模型确定配钞金额数据。利用本发明，可以提高配钞数据的准确度，降低人员的工作量，提高配钞效率。

Description

自动柜员机配钞数据的确定方法

技术领域

本发明涉及信息数据处理技术领域，尤其涉及一种自动柜员机(ATM)配钞数据的确定方法。

背景技术

在金融信息数据处理领域，每天需要对大量的ATM进行配钞、清钞作业。所谓配钞是指为ATM加入现金，所谓清钞是指带回或清算ATM中的剩余现金。为此，管理人员需要制定严格的配钞计划，并实施有效管理。

目前，所述配钞计划主要由人工制定，即配钞人员依据业务经验，为ATM进行定期、定量配钞和清钞作业，若在一个配钞周期内ATM出现缺钞情况，则为ATM进行“补钞”。对于配钞和补钞的具体金额数量，目前还没有一种精确的确定方法，而是主要采用人工估算或者采用集中式ATM管理：即要求每次配钞都按照ATM的最大现金存储容量配置，每次清钞都带回ATM内的剩余金额，即每一次配钞、清钞作业是以满额置换余额。

然而，配钞金额的多少会直接关系到ATM中现金的收益和金融业用以配钞的成本。随着ATM业务规模的不断扩大，现有的人工估算或以满额置换余额的方法逐渐暴露出很多问题，导致难以满足ATM的实际运行需求，这些缺陷包括：

1)配钞金额数据的精准度低。常出现ATM现金存量不足和现金存量过多两个极端问题，现金存量不足时会导致客户体验降低，金融机构的交易成本增加；现金存量过多时会导致ATM内的滞留资金增多，占用金融机构大量现金资源，造成收益降低，该问题在集中式ATM管理中尤为突出。

2)配钞人员工作量大，配钞效率低，配钞人员需根据大量的报表和历史数据制定配钞计划，且配钞计划的修正更新非常困难。

3)节假日交易量、临时交易量和日常交易量波动幅度大，按周期配钞难度大。

发明内容

有鉴于此，本发明的主要目的是提供一种ATM配钞数据的确定方法，以提高配钞数据的准确度，降低人员的工作量，提高配钞效率。

本发明的技术方案是这样实现的：

一种自动柜员机ATM配钞数据的确定方法，包括：

A、建立历史交易量数据队列及该历史交易量对应的影响因素数据队列；建立配钞滑动窗口，该配钞滑动窗口的长度为本次配钞周期的时长；

B、用配钞滑动窗口在所述历史交易量数据队列及影响因素数据队列上滑动，对初始及历次滑动后所述配钞滑动窗口内的队列元素进行采集和处理，并作为样本数据建立样本模型；再根据样本模型确定配钞金额计算模型；

C、根据本次配钞周期的交易量的影响因素数据和所述配钞金额计算模型确定配钞金额数据。

优选的，所述历史交易量数据队列的每个单元分别存储每日交易量；所述影响因素数据队列中的每个单元分别存储所述每日交易量对应的影响因素向量；且所述两个队列中每个单元内的元素一一对应。

优选的，所述步骤B具体包括：

B1、确定初始及历次滑动后配钞滑动窗口内的每日影响因素向量之和

以及每日交易量之和

其中：i-1表示配钞滑动窗口的历次滑动次数，当i＝1表示配钞滑动窗口为初始，当i＞1表示配钞滑动窗口已滑动了i-1次；N为该配钞滑动窗口的长度；v表示本次配钞滑动窗口的第一个单元在影响因素数据队列上的单元位置，X_v+l表示影响因素数据队列的第v+l个单元的每日影响因素向量，l＝0，1，…，N-1；p为影响因素的个数；

表示配钞滑动窗口内名称相同的影响因素之和，

j＝1，2，…，p，

表示影响因素数据队列中的第v+l个单元的第j个影响因素值；

B2、根据多元线性回归算法，得到T个样本模型：

i＝1，2，…，T，T-1为所述配钞滑动窗口的滑动次数；β＝(β₀，β₁，…，β_p)^T为回归系数向量；

B3、用最小二乘法得到回归系数向量β的估计值

建立配钞金额计算模型：

其中：所述

为交易量估计值，ψ为影响因素向量和；所述回归系数向量β的估计值的确定方法为：

令k＝p+1，建立矩阵：

其中，

为T行k列矩阵；

令

\underset{T \times 1}{Y} = [\begin{matrix} Y_{1} \\ Y_{2} \\ . \\ . \\ . \\ Y_{T} \end{matrix}],

用最小二乘法，得到回归系数向量β估计值：

\hat{β} = {({\hat{β}}_{0}, {\hat{β}}_{1}, . . ., {\hat{β}}_{p})}^{T} = {({\underset{k \times T}{ψ}}^{T} \underset{T \times k}{ψ})}^{- 1} {\underset{k \times T}{ψ}}^{T} \underset{T \times 1}{Y};

所述步骤C中具体包括：确定本次配钞周期内每日交易量的影响因素向量，并计算所述影响因素向量的和ψ，输入公式

计算得到本次配钞周期内的交易量估计值，以该交易量估计值作为配钞金额数据。

优选的，该方法在步骤A之前进一步包括：

A1、判断当前是否到达下次配钞周期，如果是则执行步骤A；否则返回本步骤A1继续判断。

优选的，该方法进一步设置配钞门限，并在所述步骤A1之前进一步包括：

A11、判断所述ATM内的现金余额是否大于所述配钞门限，如果大于则执行步骤A1，否则进一步确定补钞金额，发出补钞通知。

优选的，该方法进一步设置最大配钞准备时间，并在步骤A11确定补钞金额之前，进一步包括：

A12、判断ATM现金余额低至配钞门限的时刻距离下次配钞周期是否小于所述最大配钞准备时间，如果是则执行步骤A1，否则再确定补钞金额。

优选的，在确定补钞金额之后进一步包括：判断所述补钞金额的成本/收益比是否小于1，如果是则发出补钞通知；否则执行步骤A1。

优选的，所述确定补钞金额的方法具体为：

a、建立历史交易量数据队列及该历史交易量对应的影响因素数据队列；建立补钞滑动窗口，确定缺钞时长，以该缺钞时长作为该补钞滑动窗口的长度；

b、用补钞滑动窗口在所述历史交易量数据队列及影响因素数据队列上滑动，对初始及历次滑动后所述补钞滑动窗口内的队列元素进行采集和处理，并作为样本数据建立样本模型；再根据样本模型确定补钞金额计算模型；

c、根据缺钞时长内交易量的影响因素数据和所述补钞金额计算模型确定补钞金额数据。

优选的，步骤a中所述缺钞时长的确定方法具体为：

用ATM内现金余额除以本次配钞周期内的ATM平均日交易量，将结果向下取整得到Q，再用本次配钞周期的剩余天数减去所述Q，得到缺钞天数；其中，所述ATM平均日交易量由本次配钞周期的配钞总额除以本次配钞周期ATM运行天数获得；

所述历史交易量数据队列的每个单元分别存储每日交易量；所述影响因素数据队列中的每个单元分别存储所述每日交易量对应的影响因素向量；且所述两个队列中每个单元内的元素一一对应。

优选的，所述步骤b具体包括：

b1、确定初始及历次滑动后补钞滑动窗口内的每日影响因素向量之和

以及每日交易量之和其中：i-1表示补钞滑动窗口的历次滑动次数，当i＝1表示补钞滑动窗口为初始，当i＞1表示补钞滑动窗口已滑动了i-1次；n为该补钞滑动窗口的长度；v表示本次补钞滑动窗口的第一个单元在影响因素数据队列上的单元位置，X_v+l表示影响因素数据队列的第v+l个单元的每日影响因素向量，

，l＝0，1，…，n-1；p为影响因素的个数；表示补钞滑动窗口内名称相同的影响因素之和，

j＝1，2，…，p，

表示影响因素数据队列中的第v+l个单元的第j个影响因素值；

b2、根据多元线性回归算法，得到t个样本模型

i＝1，2，…，t，其中：t-1为所述补钞滑动窗口口的滑动次数；β＝(β₀，β₁，…，β_p)^T为回归系数向量；

b3、用最小二乘法得到回归系数向量β的估计值

建立缺钞金额计算模型：

其中：所述

令k＝p+1，建立矩阵：

其中，

为t行k列矩阵；

令

\underset{t \times 1}{Y} = [\begin{matrix} Y_{1} \\ Y_{2} \\ . \\ . \\ . \\ Y_{n} \end{matrix}],

用最小二乘法，得到回归系数向量β估计值：

\hat{β} = {({\hat{β}}_{0}, {\hat{β}}_{1}, . . ., {\hat{β}}_{p})}^{T} = {({\underset{k \times t}{ψ}}^{T} \underset{t \times k}{ψ})}^{- 1} {\underset{k \times t}{ψ}}^{T} \underset{t \times 1}{Y} .

所述步骤c具体包括：确定此后所述缺钞天数内的每日交易量的影响因素向量，并计算所述影响因素向量的和ψ，输入公式

计算得到所述缺钞天数内的交易量估计值，以该交易量估计值作为补钞金额数据。

优选的，该方法在确定出配钞金额数据或者补钞金额数据后进一步包括：

判断所述配钞金额数据或补钞金额数据是否大于ATM最大现金容量，如果大于则修正所述配钞金额数据或补钞金额数据为所述ATM最大现金容量；否则不进行修正。

与现有技术相比，本发明所提供的方法以配钞周期作为窗口长度从历史交易量数据队列及其对应的影响因素数据队列中提取历史数据，并以此确定配钞金额计算模型，再根据当前的影响因素按照所述计算模型计算出下一配钞周期的配钞金额数据，因此本发明的方法可以分析出ATM交易数据变化的内在规律，制定出精确的配钞金额数据，提高配钞效率。另外，本发明的方法可以由数据处理设备自动执行，无需人工操作，从而降低了工作人员的工作量。本发明还可以进一步实时判断ATM是否缺钞，并给出缺钞通知以进行及时补钞，从而进一步保证作为分析基础的所述历史数据的准确性，进一步提高了最终配钞金额的准确性，同时还提高了客户服务质量。

总之，本发明具有智能识别配钞误差和优化配钞金额的功能，有效适应ATM自助设备的运行需求；全过程智能高效精确，减少配钞人员工作量；减少ATM内滞留资金，降低金融行业的资金流通成本；提高ATM自助设备的服务质量。

附图说明

图1为本发明所述ATM配钞数据确定方法的流程图；

图2为本发明一种优选实施例的流程图；

图3为补钞滑动窗口与补钞金额计算模型的确定方法的说明图；

图4为配钞滑动窗口与配钞金额计算模型的确定方法的说明图；

图5是本发明配/补钞金额确定方法的一种示意图。

具体实施方式

下面结合附图及具体实施例对本发明再作进一步详细的说明。

图1为本发明所述ATM配钞数据确定方法的流程图。参见图1，本发明的核心技术方案为：

步骤101、建立历史交易量数据队列及该历史交易量对应的影响因素数据队列；建立配钞滑动窗口，该配钞滑动窗口的长度为本次配钞周期的时长，也可以说是本次配钞后到下一次配钞前ATM运行的时长。

步骤102、用滑动窗口在所述历史交易量数据队列及影响因素数据队列上滑动，对初始及历次滑动后所述配钞滑动窗口内的队列元素进行采集和处理，并作为样本数据建立样本模型；再根据样本模型确定配钞金额计算模型；

步骤103、根据本次配钞周期的交易量的影响因素数据和所述配钞金额计算模型确定配钞金额数据。

图1所述方法的触发时机(即确定配钞金额的时机)可以是：每当一个配钞周期结束、下一个配钞周期开始的时候执行图1所述的流程，确定出配钞金额数据，并发出通知给工作人员，由工作人员进行配钞处理。因此在一种优选实施方式中，本发明还可以在步骤101之前进一步包括一判断步骤，即：判断当前是否到达下次配钞周期，如果是则执行步骤101；否则返回本判断步骤继续判断。

当然，本发明确定配钞金额的时机也可以不在一个完整配钞周期到达之际，可以是在任意时间点，如果需要配钞则可以随时触发本发明图1所述的流程确定配钞金额，但是所述配钞滑动窗口的长度必须是本次配钞后ATM预计运行的时长。

图2为本发明一种优选实施例的流程图。参见图2，所述确定配钞金额的流程为步骤210至步骤214。但是，由于在实际场景中ATM会经常发生缺钞的情况，如果缺钞则会影响所述历史数据的准确性，而历史数据的准确与否又与后续确定出的配钞金额准确度密切相关，同时缺钞还会影响用户的服务体验，因此作为一种优选方案，本实施例中进一步包括一个判断是否会发生缺钞并确定补钞金额的流程，即步骤201至步骤209。

下面以图2为例对本发明做出更为详细的说明。参见图2，该实施例包括以下流程：

步骤201：在ATM自助设备的运行过程中，采用本领域的现有技术对ATM内的现金余额进行实时监测，判断现金余额是否大于一个设定的配钞门限，如果是则执行步骤210等待下一次配钞周期，否则执行步骤202即开始进行补钞处理。

其中，所述配钞门限根据实际情况设置不同值，通过设定接口进行设定，要求其值不得低于为ATM的最大配钞准备时间内ATM的交易量，目的是避免ATM出现缺钞情况。所述ATM的交易量由本领域现有的技术获得；所述ATM的最大配钞准备时间，指金融机构从收到配钞通知到实际配钞完成的最大时间间隔。例如：现行的金融行业配钞一般要在下午5点前结束，而ATM的现金余额至少在中午12点前提交，如果某ATM低至配钞门限的提示时间发生在中午12点，则无法在当日进行补钞，假设补钞时间为次日8点，那么，其间的20小时即为ATM的最大配钞准备时间，假设该ATM每小时平均交易量为a，则ATM的最大配钞准备时间内ATM的交易量为20×a，即配钞门限不得低于20×a。

步骤202：判断ATM现金余额低至配钞门限的时刻距离下次配钞周期的时间是否小于ATM最大配钞准备时间，若是，则说明次日为该ATM的配钞周期，当日剩余时间内ATM发生不会发生缺钞情况，无需进行补钞，执行步骤210；否则，说明会发生缺钞的情况，执行步骤203估计缺钞天数。

当然在另一种实施方式中，本步骤202也可以省去，步骤201中如果现金余额大于配钞门限则直接执行步骤203。

步骤203：确定在下次配钞前的缺钞时长，此处为缺钞天数。具体的确定方法为：用ATM内现金余额除以本次配钞周期内的ATM平均日交易量，将结果向下取整得到Q，再用本次配钞周期的剩余天数减去所述Q，得到缺钞天数；其中，所述ATM平均日交易量由本次配钞周期的配钞总额除以本次配钞周期ATM运行天数获得。即利用下面公式确定缺钞天数：

其中：D为缺钞天数；R为本次配钞周期的剩余天数；bal为ATM内的现金余额；sum为本次配钞周期的配钞总额；day为本次配钞周期的ATM运行天数；sum/day为本次配钞周期内的ATM平均日交易量。

步骤204：建立历史交易量数据队列及该历史交易量对应的影响因素数据队列；建立补钞滑动窗口，确定缺钞时长，以该缺钞时长作为该补钞滑动窗口的长度。

图3为补钞滑动窗口与补钞金额计算模型的确定方法的说明图。如图3所示，

建立历史日交易量队列和历史日影响因素队列。所述历史日交易量队列和历史日影响因素队列具有m+n的队列长度，历史日交易量队列的每个单元存储每日的交易量H_i，历史日影响因素队列的每个单元存储每日交易量的影响因素向量X_i，其中i＝1，2，…m+n，且两个队列中每个单元内的元素一一对应，即每日的影响因素值对应受之影响的每日交易量。两个队列按照先进先出原则，最新的数据入队，最老的数据出队，存储最新的每日交易量和每日影响因素值，同时丢弃最老的。若在步骤203中估计的缺钞天数为n天，则调整补钞滑动窗口长度为n个队列单元，该补充滑动窗口的每个单位大小对应上述每个队列单元。

其中，H_i表示历史日交易量队列中的第i个单元中存储的当日ATM交易量；

其中，X_i表示历史日影响因素队列中的第i个单元中存储的当日影响因素向量

其中i＝1，2，…，m+n；

表示第i个单元的第j个影响因素值，j＝1，2，…，p，如表1所示，包括是否节假日、周边ATM台数、股市成交量、有无重大时事、金融卡流通数量、活期存款额，本发明可以提供相应的输入接口，用于输入这些影响因素的值。以下表1是对影响因素赋值进行说明：

表1

“是否节假日”即当日是否为节假日，是，则赋值1，否则，赋值0；

“周边ATM台数”是采用本领域现有技术方法获得，赋值从0至999；

“股市成交量(百亿)”根据当日股市成交量赋值，赋值范围从0至999；

“有无重大时事”即当日是否有重大时事，有，则赋值1，否则，赋值0；

“金融卡流通数量(万)”采用本领域现有技术方法获得，赋值范围从0至99；

“活期存款额(亿)”采用本领域现有技术方法获得，赋值范围从0至999；

特别的，影响因素不限于以上范围，可根据实际情况增添或取舍。

步骤205：用补钞滑动窗口在所述历史交易量数据队列及影响因素数据队列上滑动，对初始及历次滑动后所述补钞滑动窗口内的队列元素进行采集和处理，并作为样本数据建立样本模型；再根据样本模型确定补钞金额计算模型。

如图3所示，首先用补钞滑动窗口在上述两个队列上由队首到队尾(即从最新的数据到最老的数据)进行滑动，滑动速度可选取1个队列单元或多个队列单元，具体速度根据实际情况而定，滑动速度越慢，其建立的模型精度越高，但计算复杂度越高。

补钞滑动窗口在两个队列上进行滑动，从初始位置开始，计算初始及历次滑动后补钞滑动窗口内历史日影响因素队列中的影响因素向量和，第i-1次滑动的影响因素向量和表示如下：

其中，i-1表示补钞滑动窗口的历次滑动次数，即当i＝1表示补钞滑动窗口为初始，当i＞1表示补钞滑动窗口已滑动了i-1次，n为该补钞滑动窗口的长度；v表示本次补钞滑动窗口的第一个单元在影响因素数据队列上的单元位置，X_v+l表示影响因素数据队列的第v+l个单元的每日影响因素向量，l＝0，1，…，n-1；p为影响因素的个数；

表示补钞滑动窗口内名称相同的影响因素之和，

j＝1，2，…，p，

表示影响因素数据队列中的第v+l个单元的第j个影响因素值；例如，若

则表示在第i-1次滑动后的补钞滑动窗口内，包含两天节假日，若

则表示在第i-1次滑动后的补钞滑动窗口内，几日的股市交易之和为2000(百亿)，特别的，虽然周边ATM台数之和

现实物理意义不明确，但在构造下面的样本模型时，其数理意义仍然明确；

计算补钞滑动窗口内历史日交易量之和Y_i，如下：

Y_{i} = Σ_{l = 0}^{n - 1} H_{v + l}

当补钞滑动窗口在m+n的队列长度上滑动t-1次后，根据多元线性回归算法，得到t个样本模型，如图3所示：

i＝1，2，…，t

其中，β＝(β₀，β₁，…，β_p)^T为回归系数向量，是未知系数，β₀表示在不受这些因素影响下的交易量定值，其它β_i表示每个影响因素对交易量变化的影响程度，求β的方法包括如下：

令k＝p+1，建立矩阵：

令

\underset{t \times 1}{Y} = [\begin{matrix} Y_{1} \\ Y_{2} \\ . \\ . \\ . \\ Y_{n} \end{matrix}],

用最小二乘法，得到回归系数向量β估计值

\hat{β} = {({\underset{k \times t}{ψ}}^{T} \underset{t \times k}{ψ})}^{- 1} {\underset{k \times t}{ψ}}^{T} \underset{t \times 1}{Y}

最后，建立补钞金额计算模型，如下：

所述

为下一阶段交易量估计值，ψ为影响因素向量和。

为回归系数向量的估计值。

特别的，为提高交易量估计值

的精度，需提高回归系数向量

的估计精度，则需增大样本模型数目，即保证补钞滑动窗口滑动足够多的次数或足够长的队列长度，滑动次数越多，补钞金额计算模型的建立越准确。

步骤206：根据缺钞时长内交易量的影响因素数据和所述补钞金额计算模型确定补钞金额数据。

此处采用人工或计算机采集的数据，通过预测确定在此后的估计缺钞天数D内的每日特征因素向量，用步骤205的方法，计算这些特征因素向量和ψ，特别的，对于在估计缺钞天数D内的周边ATM台数、节假日以及重大时事天数可直接采集，而对股市成交量、金融卡流通数量、活期存款额这些特征因素需要通过现有的方法进行预测，并且，对以上影响因素的选取均可根据实际情况进行增添或取舍，具体的影响因素的选取范围和采集方法都按照实际情况，采用现有技术的方法进行。

然后，根据补钞金额计算模型，输入影响因素向量和ψ，计算所述缺钞天数内的交易量估计值，将该交易量估计值作为补钞金额。

步骤207～209：分别计算该补钞金额的成本和收益，用成本除以收益得到成本/收益比，若该成本/收益比小于1，则发出补钞通知提示工作人员进行补钞，之后返回步骤201，否则，放弃补钞，执行步骤210。

步骤210：判断当前是否到达下次配钞周期，如果是则执行步骤211；否则返回本步骤继续判断。

步骤211：建立历史交易量数据队列及该历史交易量对应的影响因素数据队列；建立配钞滑动窗口，该配钞滑动窗口的长度为本次配钞周期的时长。

图4为配钞滑动窗口与配钞金额计算模型的确定方法的说明图。如图4所示，

步骤211的方法类似步骤204中补钞滑动窗口的构建，同样沿用历史日交易量队列和历史日影响因素队列，不同的是，配钞滑动窗口长度设置为本配钞周期天数。

步骤212：用配钞滑动窗口在所述历史交易量数据队列及影响因素数据队列上滑动，对初始及历次滑动后所述配钞滑动窗口内的队列元素进行采集和处理，并作为样本数据建立样本模型；再根据样本模型确定配钞金额计算模型。

如图4所示，假设队列长度仍为m+n，配钞周期(即配钞滑动窗口长度)为N，从初始位置开始，同步骤205，配钞滑动窗口在两个队列上滑动，从初始位置开始，计算初始及历次滑动后配钞滑动窗口内的每日影响因素向量之和：

以及每日交易量之和：

Y_{i} = Σ_{l = 0}^{N - 1} H_{v + l}

其中：i-1表示配钞滑动窗口的历次滑动次数，即当i＝1表示配钞滑动窗口为初始，当i＞1表示配钞滑动窗口已滑动了i-1次；N为该配钞滑动窗口的长度；v表示本次配钞滑动窗口的第一个单元在影响因素数据队列上的单元位置，X_v+l表示影响因素数据队列的第v+l个单元的每日影响因素向量，

l＝0，1，…，N-1；p为影响因素的个数；

表示配钞滑动窗口内名称相同的影响因素之和，

j＝1，2，…，p，

表示影响因素数据队列中的第v+l个单元的第j个影响因素值。

当配钞滑动窗口在m+n的队列长度上滑动T-1次后，根据多元线性回归算法，得到T个样本模型：

i＝1，2，…，T

所述β＝(β₀，β₁，…，β_p)^T为回归系数向量，该回归系数向量β的估计值的确定方法为：

令k＝p+1，建立矩阵：

其中，

为T行k列矩阵；

令

\underset{T \times 1}{Y} = [\begin{matrix} Y_{1} \\ Y_{2} \\ . \\ . \\ . \\ Y_{T} \end{matrix}],

用最小二乘法，得到回归系数向量β估计值：

\hat{β} = {({\hat{β}}_{0}, {\hat{β}}_{1}, . . ., {\hat{β}}_{p})}^{T} = {({\underset{k \times T}{ψ}}^{T} \underset{T \times k}{ψ})}^{- 1} {\underset{k \times T}{ψ}}^{T} \underset{T \times 1}{Y} .

最后，建立配钞金额计算模型：

步骤213：根据本次配钞周期的交易量的影响因素数据和所述配钞金额计算模型确定配钞金额数据。

此处，采用人工或计算机采集的数据，通过预测确定本次配钞周期内的每日特征因素向量，用步骤212的方法，计算这些特征因素向量和ψ，特别的，对于在该配钞周期内的周边ATM台数、节假日以及重大时事天数可直接采集，而对股市成交量、金融卡流通数量、活期存款额这些特征因素需要通过现有的方法进行预测，并且，对以上影响因素的选取均可根据实际情况进行增添或取舍，具体的影响因素的选取范围和采集方法都按照实际情况，采用现有技术的方法进行。

然后，根据配钞金额计算模型，输入影响因素向量和ψ，计算得到本配钞周期内的ATM交易量估计值，将该交易量估计值作为配钞金额。

步骤214、发出配钞通知，结束本流程。

在另一种优选方式中，本发明可以在计算出配钞金额数据或者补钞金额数据后进一步包括一个判断步骤，即：判断所述配钞金额数据或补钞金额数据是否大于ATM最大现金容量，如果大于则修正所述配钞金额数据或补钞金额数据为所述ATM最大现金容量；否则不进行修正。

为对本发明进行更直观的描述，图5是本发明配/补钞金额确定方法的一种示意图，如图所示，

步骤501、建立历史日交易量队列和历史日影响因素队列，以及建立配/补钞滑动窗口，滑动窗口长度根据计划配/补钞后，所预计维持的天数确定。

步骤502、用滑动窗口在历史日交易量队列和历史日影响因素队列上滑动，对初始及历次滑动后所述滑动窗口内的队列元素进行采集和处理，并作为样本数据建立样本模型，样本模型的数量由滑动窗口的滑动次数决定。

步骤503、用最小二乘算法建立配/补钞金额计算模型，再输入最新的影响因素，计算计划配/补钞的金额数量。

本发明仅以实施例叙述，说明了本发明的内容，但并不局限于前述具体实施方式，尤其涉及本发明中的影响因素的选择范围和获取方式，即可以对本发明的进行修改或者同等替换，而不脱离本发明技术方法的精神和范围，均应涵盖在本发明的权利要求范围当中。

Claims

1.一种自动柜员机ATM配钞数据的确定方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述历史交易量数据队列的每个单元分别存储每日交易量；所述影响因素数据队列中的每个单元分别存储所述每日交易量对应的影响因素向量；且所述两个队列中每个单元内的元素一一对应。

3.根据权利要求2所述的方法，其特征在于，所述步骤B具体包括：

以及每日交易量之和其中：i-1表示配钞滑动窗口的历次滑动次数，当i＝1表示配钞滑动窗口为初始，当i＞1表示配钞滑动窗口已滑动了i-1次；N为该配钞滑动窗口的长度；v表示本次配钞滑动窗口的第一个单元在影响因素数据队列上的单元位置，X_v+l表示影响因素数据队列的第v+l个单元的每日影响因素向量，l＝0，1，…，N-1；p为影响因素的个数；