CN108256667A - 资产数据处理方法、装置、存储介质和计算机设备 - Google Patents
资产数据处理方法、装置、存储介质和计算机设备 Download PDFInfo
- Publication number
- CN108256667A CN108256667A CN201711260351.6A CN201711260351A CN108256667A CN 108256667 A CN108256667 A CN 108256667A CN 201711260351 A CN201711260351 A CN 201711260351A CN 108256667 A CN108256667 A CN 108256667A
- Authority
- CN
- China
- Prior art keywords
- debt
- predicted
- time point
- individual event
- numerical value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明涉及一种资产数据处理方法、装置、存储介质和计算机设备。所述方法包括:读取数据库中的待预测债务的债务数据,债务数据中包含文本内容和对应的数值内容;对债务数据中的文本内容进行处理,确定待预测债务的债务类型;根据债务类型采用对应的预设模型对数值内容进行计算,生成待预测债务的单项负债预测数据。上述的资产数据处理方法、装置、存储介质和计算机设备提高了资产数据处理的效率。
Description
技术领域
本发明涉及数据处理技术领域,特别是涉及一种资产数据处理方法、装置、存储介质和计算机设备。
背景技术
资产负债表作为企业报表的一部分,反映了企业在一个时间点的财务状况。预测资产负债表,是企业全面预算管理中资产预算中的一部分,是依据当前的实际资产负债表和全面预算中的其他预算所提供的资料编制而成的总括性预算表格,可以反映企业预算期末的财务状况,还可以为投资决策提供参考。
然而,传统的资产负债表,主要是基于企业内财务部门大量的历史资产数据,通过人工进行线下计算得到,由于债务情况复杂及资产数据计算繁琐,导致资产数据处理的效率较低。
发明内容
基于此,有必要针对资产数据处理的效率较低的技术问题,提供一种资产数据处理方法、装置、存储介质和计算机设备。
一种资产数据处理方法,包括:读取数据库中的待预测债务的债务数据,所述债务数据中包含文本内容和对应的数值内容;对所述债务数据中的文本内容进行处理,确定所述待预测债务的债务类型;根据所述债务类型采用对应的预设模型对所述数值内容进行计算,生成所述待预测债务的单项负债预测数据。
在其中一个实施例中,所述对所述债务数据中的文本内容进行处理,确定所述待预测债务的债务类型,包括:提取所述文本内容中的文本关键词;将所述文本关键词与预设的债务类型关键词库中的债务类型关键词进行匹配;根据匹配的债务类型关键词确定相应待预测债务的债务类型。
在其中一个实施例中,所述根据所述债务类型采用对应的预设模型对所述数值内容进行计算,生成所述待预测债务的单项负债预测数据,包括:根据所述数值内容,计算所述待预测债务在预测时间点的单项本金和;根据所述单项本金和与所述数值内容,采用对应的预设模型计算所述待预测债务在所述预测时间点的单项利息和;根据所述单项本金和与所述单项利息和进行计算,生成所述待预测债务在所述预测时间点的单项负债预测数据。
在其中一个实施例中,所述数值内容中包含当前债务数额与在当前时间点至预测时间点之间每个还款时间点的还款计划数额;所述根据所述数值内容,计算所述待预测债务在预测时间点的单项本金和,包括:根据所述当前时间点至预测时间点之间每个还款时间点的还款计划数额进行计算,生成所述待预测债务在预测时间点的还款计划总额;根据所述当前债务数额与所述还款计划总额进行计算,生成所述待预测债务在所述预测时间点的单项本金和。
在其中一个实施例中,所述根据所述单项本金和与所述数值内容,采用对应的预设模型计算所述待预测债务在所述预测时间点的单项利息和,包括:当待预测债务为第一债务类型时,则根据所述单项本金和与所述数值内容,通过预设的第一预设模型计算所述待预测债务在所述预测时间点的单项利息和,所述数值内容中包含还款利率及前次结息时间点;当待预测债务为第二债务类型时,则根据所述单项本金和与所述数值内容,通过预设的第二预设模型计算所述待预测债务在所述预测时间点的单项利息和,所述数值内容中包含还款利率、前次结息时间点至预测时间点之间的每个还款时间点及相应的还款计划数额;当待预测债务为第三债务类型时,则根据所述单项本金和与所述数值内容,通过预设的第三预设模型计算所述待预测债务在所述预测时间点的单项利息和,所述数值内容中包含还款利率、前次结息时间点至预测时间点之间的每个利率变动时间点及相应的变动利率;当待预测债务为第四债务类型时,根据所述单项本金和与所述数值内容,通过预设的第四预设模型计算所述待预测债务在所述预测时间点的单项利息和,所述数值内容中包含还款利率、前次结息时间点至预测时间点之间的每个还款时间点及相应的还款计划数额、及前次结息时间点至预测时间点之间的每个利率变动时间点及相应的变动利率。
在其中一个实施例中,其特征在于,所述待预测债务为多个,在所述根据所述债务类型采用对应的预设模型对所述数值内容进行计算,生成所述待预测债务的单项负债预测数据之后,还包括:根据计算出的每个待预测债务的单项负债预测数据进行计算,生成资产总负债预测数据,所述资产总负债预测数据为所述每个待预测债务的单项负债预测数据之和。
在其中一个实施例中,其特征在于,所述预测时间点为多个,所述预测时间点为多个,在所述根据所述单项本金和与所述单项利息和进行计算,生成所述待预测债务在所述预测时间点的单项负债预测数据之后,还包括:根据计算出的所述待预测债务在多个预测时间点的单项负债预测数据,生成图形化界面。
一种资产数据处理装置,所述装置包括:债务数据读取模块,用于读取数据库中的待预测债务的债务数据,所述债务数据中包含文本内容和对应的数值内容;债务类型确定模块,用于对所述债务数据中的文本内容进行处理,确定所述待预测债务的债务类型;单项负债预测数据计算模块,用于根据所述债务类型采用对应的预设模型对所述数值内容进行计算,生成所述待预测债务的单项负债预测数据。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述各个实施例中所述的资产数据处理方法的步骤。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述各个实施例中所述的资产数据处理方法的步骤。
上述资产数据处理方法、装置、存储介质和计算机设备,通过读取数据库中的待预测债务的债务数据,对债务数据中的文本内容进行处理,确定待预测债务的债务类型,根据待预测债务的债务类型采取对应的预设模型对债务数据进行计算,生成待预测债务的单项负债预测数据。通过文本内容将待预测债务分为多种情况进行相应的计算,能够更加精确地计算出待预测债务的单项负债预测数据,从而提高资产数据处理的效率。
附图说明
图1为一个实施例中资产数据处理方法的应用环境图;
图2为一个实施例中资产数据处理方法的流程图;
图3为另一个实施例中资产数据处理方法的流程图;
图4为一个实施例中资产数据处理装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
可以理解,本发明所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但这些元件不受这些术语的限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说,在不脱离本发明的范围的情况下,可以将第一债务类型称为第二债务类型,且类似地,可将第二债务类型称为第一债务类型。第一债务类型和第二债务类型两者都是债务类型,但其不是同一债务类型。
本发明实施例所提供的资产数据处理方法,可应用于如图1所示的应用环境中。参照图1,该应用环境包括服务器102和终端104。其中,终端包括但不限于手机、平板电脑或者个人数字助理或穿戴式设备等,服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群。服务器102可用于执行本发明各个实施例所提供的资产数据处理方法。服务器102与终端104网络连接,服务器102可通过网络连接发送数据至终端104。比如说,服务器102可接收终端104发送的债务数据;服务器102还可将生成的待预测债务的单项负债预测数据发送至终端104。其中,网络连接包括但不限于无线网络、有线网络等。
在一个实施例中,服务器102还与多个子服务器进行连接,当服务器102确定待预测债务的债务类型之后,服务器102可将该待预测债务的数值内容发送至与债务类型相应的子服务器中进行计算。其中,子服务器中存储对应的预设模型。
在一个实施例中,如图2所示,提供了一种资产数据处理方法,该方法可用于如图1所示的应用环境中的服务器102,该方法包括:
步骤S202,读取数据库中的待预测债务的债务数据。
待预测债务是指需要通过资产数据处理进行负债预测的债务。其中,债务是指债权人向债务人提供资金以获得利息,及债务人承诺在未来约定日期偿还这些资金和利息。对于企业来说,债务的来源主要有战略性发展而筹措的长期债务、短期资金不足而借入的短期借款及日常经营活动产生的应付项目。比如说,针对企业的银行贷款,债务人为企业,债权人为银行,债务人和债权人之间可签订规定有还款计划的贷款合同,还款计划包括但不限于等额本金还款和等额本息还款。债务数据是指与待预测债务的还款计划相关的数据,债务数据中包含文本内容和对应的数值内容。其中,文本内容是指通过书面语言的表现形式所描述的内容,数值内容是指与文本内容对应的数值所描述的内容。
在一个实施例中,在读取数据库中的待预测债务的债务数据之前,可针对获取待预测债务的债务数据,提供一个债务数据获取界面,用户可通过该界面输入预测债务的债务数据,比如,本金、还款时间点、还款利率,结息时间点等数据,或者用户还可以直接上传债务人和债权人之间签订的规定有还款计划的文本合同,并将文本合同作为待预测债务的债务数据存储至数据库。
步骤S204,对债务数据中的文本内容进行处理,确定待预测债务的债务类型。
债务数据中的文本内容能够反映待预测债务的债务类型。其中,债务类型包括但不限于等额本金还款、等额本息还款及其他类型还款。还可通过文本内容确定还款计划为月还方式、季还方式或年还方式。其他类型还款是指不属于等额本金还款与等额本息还款的还款方式,其他类型还款的还款计划可规定一个或多个还款时间点及相应还款时间点的还款计划数额,和/或一个或多个利率变动时间点及相应的变动利率等。
在一个实施例中,步骤S204包括:提取文本内容中的文本关键词;将文本关键词与预设的债务类型关键词库中的债务类型关键词进行匹配;根据匹配的债务类型关键词确定相应待预测债务的债务类型。文本关键词是指能够标识文本内容表达含义的关键词。比如说,“还款利率为4.35”的文本内容中,“还款利率”为文本关键词,“4.35”为与还款利率对应的数值内容。债务类型关键词是指预设于债务类型关键词库中的,用于判定文本内容所对应的债务类型的关键词。
举例来说,用户可上传电子版贷款合同作为债务数据。当电子版贷款合同为纸质版贷款合同的扫描件时,可通过OCR(Optical Character Recognition,光学字符识别)技术识别纸质版合同中的打印字符。文本关键词是指电子版贷款合同中的关键词及数值数据,比如“借款数额”、“借款期限”、“借款利率”及“还款数额”等,可通过中文分词算法提取文本内容中的文本关键词。将文本关键词与预设的债务类型关键词库中的债务类型关键词进行匹配之后,可以获取匹配的债务类型关键词。可根据匹配的债务类型关键词确定相应待预测债务的债务类型。比如说,若提取到债务数据中包含的一个或多个利率变动时间点及相应的变动利率时,则可确定该债务数据为其他类型贷款。还可以通过比较预测时间点与利率变动时间点之间的关系进一步地确定待预测债务所属的其他类型还款下的具体情况。
步骤S206,根据债务类型采用对应的预设模型对数值内容进行计算,生成待预测债务的单项负债预测数据。
单项负债预测数据是指根据待预测债务中的数值内容计算后生成的负债预测数据。比如待预测债务在预测时间点的本息和。其中,本息和是指本金与利息之和,本金为贷款在计算利息之前的原始数额,利息是指债权人因为发出资金而从债务人手中获得的报酬。每种债务类型都有对应的计算方式,进一步地,其他类型还款下的每种情况也都有对应的预设模型。举例来说,针对等额本息的债务类型情况下,X1款待预测债务每月月供本息和iX1,预设模型可表示为以下公式:其中:A表示本金,表示月利率,c表示还款月数。
上述实施例中,通过读取数据库中的待预测债务的债务数据,对债务数据中的文本内容进行处理,确定待预测债务的债务类型,根据待预测债务的债务类型采取对应的预设模型对债务数据进行计算,生成待预测债务的单项负债预测数据。通过文本内容将待预测债务分为多种情况进行相应的计算,能够更加精确地计算出待预测债务的单项负债预测数据,从而提高资产数据处理的效率。
在一个实施例中,如图3所示,根据债务类型采用对应的预设模型对数值内容进行计算,生成待预测债务的单项负债预测数据的步骤,包括:
步骤S302,根据数值内容,计算待预测债务在预测时间点的单项本金和。
单项本金和是指待预测债务在预测时间点的本金和。其中,本金和是指债务人在预测时间点的债务数额,预测时间点是指对待预测债务进行负债情况预测的时间点。
在一个实施例中,当债务类型为其他还款类型时,债务数据中包含当前债务数额与在当前时间点至预测时间点之间每个还款时间点的还款计划数额,步骤S302包括:根据当前时间点至预测时间点之间每个还款时间点的还款计划数额进行计算,生成待预测债务在预测时间点的还款计划总额;根据当前债务数额与还款计划总额进行计算,生成待预测债务在预测时间点的单项本金和。当前债务数额是指当前时间点的债务数额,还款时间点是指债务数据中表明将会进行还款的时间点,还款计划数额为在相应还款时间点所偿还的部分本金,还款计划总额是指当前时间点至预测时间点之间所偿还的还款计划数额的总和。
举例来说,单项本金和ZX1可表示为以下公式:其中,ZX1表示X1款待预测债务在K时间点的本金和,A表示当前时间点的债务数额,Dn表示n时间点的还款计划数额,n为当前时间点至预测时间点之间的还款时间点,表示当前节点至预测时间点K时间点之间每个还款时间点的还款计划数额之和。
在一个实施例中,待预测债务可为外汇债务,则外汇债务对应的单项负债预测数据ZX1可表示为以下公式:θ表示与外汇债务相应的汇率。还可通过网络爬虫实时抓取预设网站上的汇率信息。
步骤S304,根据单项本金和与数值内容,采用对应的预设模型计算待预测债务在预测时间点的单项利息和。
单项利息和是指待预测债务在预测时间点的利息和。其中,利息和是指债务人从当前时间点至预测时间点所需还款的利息之和。根据计算得到的单项本金和与债务数据可计算待预测债务在预测时间点的单项利息和。
在一个实施例中,当待预测债务为第一债务类型时,则根据单项本金和与数值内容,通过预设的第一预设模型计算待预测债务在预测时间点的单项利息和,数值内容中包含还款利率及前次结息时间点。前次结息时间点是指当前时间点的上一个结息日所对应的时间点。举例来说,当预测时间点K时间点与前次结息时间点M0时间点之间无还款变动和利率变动,则预测时间点K时间点的利息和iX1可表示为以下公式:(CN≤M0<K≤M1),其中,ZX1为本金和,CN为上一个还款时间点,M1为下一结息时间点,r表示还款利率,依据中国人民银行规定的计算方法,当r为年利率时,日利率等于年利率r除以360。
举例来说,若当前时间点为2017年9月5日,预测时间点为2017年10月5日P款债务的前次结息时间点为2017年9月1日,下一结息时间点为2017年12月1日,以及上一个还款时间点为2017年8月30日,下一个还款时间点为2017年11月30日,则在预测时间点与前次结息时间点之间无还款变动及利率变动,则P款债务为第一债务类型。
当待预测债务为第二债务类型时,则根据单项本金和与数值内容,通过预设的第二预设模型计算待预测债务在预测时间点的单项利息和,数值内容中包含还款利率、前次结息时间点至预测时间点之间的每个还款时间点及相应的还款计划数额。举例来说,当预测时间点K时间点与前次结息时间点M0时间点之间无利率变动但有还款变动时,则预测时间点K时间点的利息和iX1可表示为以下公式:
(M0≤Cj<…<CN<K≤M1),其中,ZX1为本金和,r表示还款利率,Cj至CN表示前次结息时间点至预测时间点之间的每个还款时间点,M1为下一结息时间点。
举例来说,若当前时间点为2017年9月5日,预测时间点为2017年10月5日,Q款债务的前次结息时间点为2017年9月1日,下一结息时间点为2017年12月1日,以及上一个还款时间点为2017年8月30日,下一个还款时间点为2017年9月30日,则在预测时间点与前次结息时间点之间有还款变动但无利率变动,则Q款债务为第二债务类型。当待预测债务为第三债务类型时,则根据单项本金和与数值内容,通过预设的第三预设模型计算待预测债务在预测时间点的单项利息和,数值内容中包含还款利率、前次结息时间点至预测时间点之间的每个利率变动时间点及相应的变动利率。利率变动时间点是指还款利率产生变动的时间点,变动利率是指还款利率变动之后的利率。举例来说,当预测时间点K时间点与前次结息时间点M0时间点之间有利率变动但有无还款变动时,则预测时间点K时间点的利息和iX1可表示为以下公式:
(M0≤Cj<…<CF<K≤M1),其中,ZX1为本金和,CF至Cj表示前次结息时间点至预测时间点之间的每个还款时间点,rF至rM0表示前次结息时间点M0时间点与当预测时间点K时间点之间的每个利率变动时间点的变动利率,M1为下一结息时间点。
举例来说,若当前时间点为2017年9月5日,预测时间点为2017年10月5日,R款债务的前次结息时间点为2017年7月1日,利率在每月1日分别降低0.05%,下一结息时间点为2018年1月1日,以及上一个还款时间点为2017年6月30日,下一个还款时间点为2017年12月30日,则在预测时间点与前次结息时间点之间无还款变动但存在利率变动,则R款债务为第三债务类型。
当待预测债务为第四债务类型时,根据单项本金和与数值内容,通过预设的第四预设模型计算待预测债务在预测时间点的单项利息和,数值内容中包含还款利率、前次结息时间点至预测时间点之间的每个还款时间点及相应的还款计划数额、及前次结息时间点至预测时间点之间的每个利率变动时间点及相应的变动利率。举例来说,当预测时间点K时间点与前次结息时间点M0时间点之间有利率变动及还款变动,且利率变动时间点与还款变动时间点重合时,则预测时间点K时间点的利息和iX1可表示为以下公式:
(M0≤Cj<…<CN<K≤M1),其中,ZX1为本金和,r表示还款利率,Cj至CN表示前次结息时间点至预测时间点之间的每个还款时间点,即利率变动时间点,Dj至DN表示相应还款时间点的还款计划数额,rj至rN表示相应利率变动时间点的变动利率,M1为下一结息时间点。
举例来说,若当前时间点为2017年9月5日,预测时间点为2017年10月5日,S款债务的前次结息时间点为2017年6月30日,利率在每月30日分别降低0.05%,下一结息时间点为2017年12月30日,以及还款时间点为每月30日,则在预测时间点与前次结息时间点之间存在还款变动和利率变动,则S款债务为第四债务类型。步骤S306,根据单项本金和与单项利息和进行计算,生成待预测债务在预测时间点的单项负债预测数据。
根据计算出的单项本金和与单项利息和,可以得到待预测债务单项负债预测数据。比如说,将在预测时间点的单项本金和与在预测时间点的单项利息和进行求和,得到在预测时间点的单项负债预测数据。
上述实施例中,通过先计算本金和,再根据利息和与对应的预设模型计算利息和,从而得到单项负债预测数据。通过债务数据中的文本内容和对应的数值内容确定预测时间点与前次结息时间点之间是否有还款变动和/或利率变动,不但将待预测债务分为多种类型,还根据具体的预测时间点将债务类型分为多种情况,并通过相应的预设模型进行计算,提高了资产数据处理的精准度。
在一个实施例中,待预测债务为多个,通过上述各个实施例中的资产数据处理方法计算得到每个待预测债务的单项负债预测数据之后,还包括:根据计算出的每个待预测债务的单项负债预测数据进行计算,生成资产总负债预测数据,资产总负债预测数据为每个待预测债务的单项负债预测数据之和。
资产总负债预测数据是指所有待预测债务的负债预测数据,可通过将每个待预测债务的单项负债预测数据进行求和得到。
在一个实施例中,可以计算待预测债务在多个预测时间点的单项负债预测数据,根据计算出的待预测债务在多个预测时间点的单项负债预测数据,生成图形化界面。当待预测债务为多个时,还可以计算在多个预测时间点的资产总负债预测数据,生成图形化界面。其中,图形化界面包括但不限于横轴为时间点,纵轴为单项负债预测数据或资产总负债预测数据的散点图、直方图及折线图等。通过生成图形化界面更加形象的展示待预测债务在时间轴上的分布情况。
在一个实施例中,可根据该企业历史时间点的数据,比如历史年份相应时间点的债务情况、还款利率等,推测企业还未上报的还款计划。可构建预测模型,比如一元非线性回归模型:Y=a+b1×x1+b2×x2+…+bm×xm,Y为预测值,x为自变量的取a,b1,b2……bm为回归系数。比如可根据预测模型预测还款利率的变化。
在一个实施例中,如图4所示,提供了一种资产数据处理装置,该装置包括:债务数据读取模块402,用于读取数据库中的待预测债务的债务数据,债务数据中包含文本内容和对应的数值内容;债务类型确定模块404,用于对债务数据中的文本内容进行处理,确定待预测债务的债务类型;单项负债预测数据计算模块406,用于根据债务类型采用对应的预设模型对数值内容进行计算,生成待预测债务的单项负债预测数据。
在一个实施例中,债务类型确定模块404还用于提取文本内容中的文本关键词;将文本关键词与预设的债务类型关键词库中的债务类型关键词进行匹配;根据匹配的债务类型关键词确定相应待预测债务的债务类型。
在一个实施例中,单项负债预测数据计算模块406中还包括:本金和计算单元,用于根据数值内容,计算待预测债务在预测时间点的单项本金和;利息和计算单元,用于根据单项本金和与数值内容,采用对应的预设模型计算待预测债务在预测时间点的单项利息和;单项负债预测数据计算单元,用于根据单项本金和与单项利息和进行计算,生成待预测债务在预测时间点的单项负债预测数据。
在一个实施例中,债务数据中包含当前债务数额与在当前时间点至预测时间点之间每个还款时间点的还款计划数额,本金和计算单元还用于根据当前时间点至预测时间点之间每个还款时间点的还款计划数额进行计算,生成待预测债务在预测时间点的还款计划总额;根据当前债务数额与还款计划总额进行计算,生成待预测债务在预测时间点的单项本金和。
在一个实施例中,利息和计算单元还用于,当待预测债务为第一债务类型时,则根据单项本金和与数值内容,通过预设的第一预设模型计算待预测债务在预测时间点的单项利息和,数值内容中包含还款利率及前次结息时间点;当待预测债务为第二债务类型时,则根据单项本金和与数值内容,通过预设的第二预设模型计算待预测债务在预测时间点的单项利息和,数值内容中包含还款利率、前次结息时间点至预测时间点之间的每个还款时间点及相应的还款计划数额;当待预测债务为第三债务类型时,则根据单项本金和与数值内容,通过预设的第三预设模型计算待预测债务在预测时间点的单项利息和,数值内容中包含还款利率、前次结息时间点至预测时间点之间的每个利率变动时间点及相应的变动利率;当待预测债务为第四债务类型时,根据单项本金和与数值内容,通过预设的第四预设模型计算待预测债务在预测时间点的单项利息和,数值内容中包含还款利率、前次结息时间点至预测时间点之间的每个还款时间点及相应的还款计划数额、及前次结息时间点至预测时间点之间的每个利率变动时间点及相应的变动利率。
在一个实施例中,待预测债务为多个,资产数据处理装置还包括,资产总负债预测数据生成模块,用于根据计算出的每个待预测债务的单项负债预测数据进行计算,生成资产总负债预测数据,资产总负债预测数据为每个待预测债务的单项负债预测数据之和。
在一个实施例中,资产总负债预测数据生成模块还用于根据计算出的待预测债务在多个预测时间点的单项负债预测数据,生成图形化界面。
上述的资产数据处理装置可以实现为一种计算机程序的形式,计算机程序可在如图5所示的计算机设备上运行。
上述资产数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备的存储器中,也可以以软件形式存储于计算机设备的存储器中,以便于处理器调用执行以上各个模块对应的操作。该处理器可以为中央处理单元(CPU)、微处理器、单片机等。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:读取数据库中的待预测债务的债务数据,债务数据中包含文本内容和对应的数值内容;对债务数据中的文本内容进行处理,确定待预测债务的债务类型;根据债务类型采用对应的预设模型对数值内容进行计算,生成待预测债务的单项负债预测数据。
在一个实施例中,该程序被处理器执行时,所实现的对债务数据中的文本内容进行处理,确定待预测债务的债务类型的步骤,包括:提取文本内容中的文本关键词;将文本关键词与预设的债务类型关键词库中的债务类型关键词进行匹配;根据匹配的债务类型关键词确定相应待预测债务的债务类型。
在一个实施例中,该程序被处理器执行时,所实现的根据债务类型采用对应的预设模型对数值内容进行计算,生成待预测债务的单项负债预测数据的步骤,包括:根据数值内容,计算待预测债务在预测时间点的单项本金和;根据单项本金和与数值内容,采用对应的预设模型计算待预测债务在预测时间点的单项利息和;根据单项本金和与单项利息和进行计算,生成待预测债务在预测时间点的单项负债预测数据。
在一个实施例中,数值内容中包含当前债务数额与在当前时间点至预测时间点之间每个还款时间点的还款计划数额,该程序被处理器执行时,所实现的根据数值内容,计算待预测债务在预测时间点的单项本金和的步骤,包括:根据当前时间点至预测时间点之间每个还款时间点的还款计划数额进行计算,生成待预测债务在预测时间点的还款计划总额;根据当前债务数额与还款计划总额进行计算,生成待预测债务在预测时间点的单项本金和。
在一个实施例中,该程序被处理器执行时,所实现的根据单项本金和与数值内容,采用对应的预设模型计算待预测债务在预测时间点的单项利息和的步骤,包括:当待预测债务为第一债务类型时,则根据单项本金和与数值内容,通过预设的第一预设模型计算待预测债务在预测时间点的单项利息和,数值内容中包含还款利率及前次结息时间点;当待预测债务为第二债务类型时,则根据单项本金和与数值内容,通过预设的第二预设模型计算待预测债务在预测时间点的单项利息和,数值内容中包含还款利率、前次结息时间点至预测时间点之间的每个还款时间点及相应的还款计划数额;当待预测债务为第三债务类型时,则根据单项本金和与数值内容,通过预设的第三预设模型计算待预测债务在预测时间点的单项利息和,数值内容中包含还款利率、前次结息时间点至预测时间点之间的每个利率变动时间点及相应的变动利率;当待预测债务为第四债务类型时,根据单项本金和与数值内容,通过预设的第四预设模型计算待预测债务在预测时间点的单项利息和,数值内容中包含还款利率、前次结息时间点至预测时间点之间的每个还款时间点及相应的还款计划数额、及前次结息时间点至预测时间点之间的每个利率变动时间点及相应的变动利率。
在一个实施例中,待预测债务为多个,该程序被处理器执行时,在所实现的根据债务类型采用对应的预设模型对数值内容进行计算,生成待预测债务的单项负债预测数据的步骤之后,还包括:根据计算出的每个待预测债务的单项负债预测数据进行计算,生成资产总负债预测数据,资产总负债预测数据为每个待预测债务的单项负债预测数据之和。
在一个实施例中,预测时间点为多个,该程序被处理器执行时,在所实现的根据单项本金和与单项利息和进行计算,生成待预测债务在预测时间点的单项负债预测数据的步骤之后,还包括:根据计算出的待预测债务在多个预测时间点的单项负债预测数据,生成图形化界面。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器在执行程序时实现以下步骤:读取数据库中的待预测债务的债务数据,债务数据中包含文本内容和对应的数值内容;对债务数据中的文本内容进行处理,确定待预测债务的债务类型;根据债务类型采用对应的预设模型对数值内容进行计算,生成待预测债务的单项负债预测数据。
在一个实施例中,上述处理器执行程序时,所实现的对债务数据中的文本内容进行处理,确定待预测债务的债务类型的步骤,包括:提取文本内容中的文本关键词;将文本关键词与预设的债务类型关键词库中的债务类型关键词进行匹配;根据匹配的债务类型关键词确定相应待预测债务的债务类型。
在一个实施例中,上述处理器执行程序时,所实现的根据债务类型采用对应的预设模型对数值内容进行计算,生成待预测债务的单项负债预测数据的步骤,包括:根据数值内容,计算待预测债务在预测时间点的单项本金和;根据单项本金和与数值内容,采用对应的预设模型计算待预测债务在预测时间点的单项利息和;根据单项本金和与单项利息和进行计算,生成待预测债务在预测时间点的单项负债预测数据。
在一个实施例中,数值内容中包含当前债务数额与在当前时间点至预测时间点之间每个还款时间点的还款计划数额,该程序被处理器执行时,所实现的根据数值内容,计算待预测债务在预测时间点的单项本金和的步骤,包括:根据当前时间点至预测时间点之间每个还款时间点的还款计划数额进行计算,生成待预测债务在预测时间点的还款计划总额;根据当前债务数额与还款计划总额进行计算,生成待预测债务在预测时间点的单项本金和。
在一个实施例中,上述处理器执行程序时,所实现的根据单项本金和与数值内容,采用对应的预设模型计算待预测债务在预测时间点的单项利息和的步骤,包括:当待预测债务为第一债务类型时,则根据单项本金和与数值内容,通过预设的第一预设模型计算待预测债务在预测时间点的单项利息和,数值内容中包含还款利率及前次结息时间点;当待预测债务为第二债务类型时,则根据单项本金和与数值内容,通过预设的第二预设模型计算待预测债务在预测时间点的单项利息和,数值内容中包含还款利率、前次结息时间点至预测时间点之间的每个还款时间点及相应的还款计划数额;当待预测债务为第三债务类型时,则根据单项本金和与数值内容,通过预设的第三预设模型计算待预测债务在预测时间点的单项利息和,数值内容中包含还款利率、前次结息时间点至预测时间点之间的每个利率变动时间点及相应的变动利率;当待预测债务为第四债务类型时,根据单项本金和与数值内容,通过预设的第四预设模型计算待预测债务在预测时间点的单项利息和,数值内容中包含还款利率、前次结息时间点至预测时间点之间的每个还款时间点及相应的还款计划数额、及前次结息时间点至预测时间点之间的每个利率变动时间点及相应的变动利率。
在一个实施例中,待预测债务为多个,上述处理器执行程序时,在所实现的根据债务类型采用对应的预设模型对数值内容进行计算,生成待预测债务的单项负债预测数据的步骤之后,还包括:根据计算出的每个待预测债务的单项负债预测数据进行计算,生成资产总负债预测数据,资产总负债预测数据为每个待预测债务的单项负债预测数据之和。
在一个实施例中,预测时间点为多个,上述处理器执行程序时,在所实现的根据单项本金和与单项利息和进行计算,生成待预测债务在预测时间点的单项负债预测数据的步骤之后,还包括:根据计算出的待预测债务在多个预测时间点的单项负债预测数据,生成图形化界面。
图5为一个实施例中计算机设备的内部结构示意图。该计算机设备可应用于图1的应用环境中的服务器102。该计算机设备包括通过系统总线连接的处理器、非易失性存储介质、内存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力,支撑整个计算机设备的运行。计算机设备的非易失性存储介质存储有操作系统、数据库和计算机程序。该数据库中存储有用于实现以上各个实施例所提供的一种资产数据处理方法相关的数据,比如可存储有待预测债务的债务数据。该计算机程序可被处理器所执行,以用于实现以上各个实施例所提供的一种资产数据处理方法。计算机设备中的内存储器为非易失性存储介质中的操作系统、数据库和计算机程序提供高速缓存的运行环境。网络接口可以是以太网卡或无线网卡等,用于与外部的终端或服务器进行通信,比如可与图1的应用环境中的终端104进行通信,服务器102可将生成的待预测债务的单项负债预测数据发送至终端104。
本领域技术人员可以理解,图5中示出的计算机设备的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。比如,该图中的服务器还可包括显示屏等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种资产数据处理方法,包括:
读取数据库中的待预测债务的债务数据,所述债务数据中包含文本内容和对应的数值内容;
对所述债务数据中的文本内容进行处理,确定所述待预测债务的债务类型;
根据所述债务类型采用对应的预设模型对所述数值内容进行计算,生成所述待预测债务的单项负债预测数据。
2.根据权利要求1所述的方法,其特征在于,所述对所述债务数据中的文本内容进行处理,确定所述待预测债务的债务类型,包括:
提取所述文本内容中的文本关键词;
将所述文本关键词与预设的债务类型关键词库中的债务类型关键词进行匹配;
根据匹配的债务类型关键词确定相应待预测债务的债务类型。
3.根据权利要求1所述的方法,其特征在于,所述根据所述债务类型采用对应的预设模型对所述数值内容进行计算,生成所述待预测债务的单项负债预测数据,包括:
根据所述数值内容,计算所述待预测债务在预测时间点的单项本金和;
根据所述单项本金和与所述数值内容,采用对应的预设模型计算所述待预测债务在所述预测时间点的单项利息和;
根据所述单项本金和与所述单项利息和进行计算,生成所述待预测债务在所述预测时间点的单项负债预测数据。
4.根据权利要求3所述的方法,其特征在于,所述数值内容中包含当前债务数额与在当前时间点至预测时间点之间每个还款时间点的还款计划数额;
所述根据所述数值内容,计算所述待预测债务在预测时间点的单项本金和,包括:
根据所述当前时间点至预测时间点之间每个还款时间点的还款计划数额进行计算,生成所述待预测债务在预测时间点的还款计划总额;
根据所述当前债务数额与所述还款计划总额进行计算,生成所述待预测债务在所述预测时间点的单项本金和。
5.根据权利要求3所述的方法,其特征在于,所述根据所述单项本金和与所述数值内容,采用对应的预设模型计算所述待预测债务在所述预测时间点的单项利息和,包括:
当待预测债务为第一债务类型时,则根据所述单项本金和与所述数值内容,通过预设的第一预设模型计算所述待预测债务在所述预测时间点的单项利息和,所述数值内容中包含还款利率及前次结息时间点;
当待预测债务为第二债务类型时,则根据所述单项本金和与所述数值内容,通过预设的第二预设模型计算所述待预测债务在所述预测时间点的单项利息和,所述数值内容中包含还款利率、前次结息时间点至预测时间点之间的每个还款时间点及相应的还款计划数额;
当待预测债务为第三债务类型时,则根据所述单项本金和与所述数值内容,通过预设的第三预设模型计算所述待预测债务在所述预测时间点的单项利息和,所述数值内容中包含还款利率、前次结息时间点至预测时间点之间的每个利率变动时间点及相应的变动利率;
当待预测债务为第四债务类型时,根据所述单项本金和与所述数值内容,通过预设的第四预设模型计算所述待预测债务在所述预测时间点的单项利息和,所述数值内容中包含还款利率、前次结息时间点至预测时间点之间的每个还款时间点及相应的还款计划数额、及前次结息时间点至预测时间点之间的每个利率变动时间点及相应的变动利率。
6.根据权利要求1至5中任一项所述的方法,其特征在于,所述待预测债务为多个,在所述根据所述债务类型采用对应的预设模型对所述数值内容进行计算,生成所述待预测债务的单项负债预测数据之后,还包括:
根据计算出的每个待预测债务的单项负债预测数据进行计算,生成资产总负债预测数据,所述资产总负债预测数据为所述每个待预测债务的单项负债预测数据之和。
7.根据权利要求3至5中任一项所述的方法,其特征在于,所述预测时间点为多个,在所述根据所述单项本金和与所述单项利息和进行计算,生成所述待预测债务在所述预测时间点的单项负债预测数据之后,还包括:
根据计算出的所述待预测债务在多个预测时间点的单项负债预测数据,生成图形化界面。
8.一种资产数据处理装置,所述装置包括:
债务数据读取模块,用于读取数据库中的待预测债务的债务数据,所述债务数据中包含文本内容和对应的数值内容;
债务类型确定模块,用于对所述债务数据中的文本内容进行处理,确定所述待预测债务的债务类型;
单项负债预测数据计算模块,用于根据所述债务类型采用对应的预设模型对所述数值内容进行计算,生成所述待预测债务的单项负债预测数据。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711260351.6A CN108256667A (zh) | 2017-12-04 | 2017-12-04 | 资产数据处理方法、装置、存储介质和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711260351.6A CN108256667A (zh) | 2017-12-04 | 2017-12-04 | 资产数据处理方法、装置、存储介质和计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108256667A true CN108256667A (zh) | 2018-07-06 |
Family
ID=62722258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711260351.6A Pending CN108256667A (zh) | 2017-12-04 | 2017-12-04 | 资产数据处理方法、装置、存储介质和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108256667A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109242672A (zh) * | 2018-09-29 | 2019-01-18 | 北京京东金融科技控股有限公司 | 贷款的还款信息预测方法、装置以及计算机可读存储介质 |
CN110347974A (zh) * | 2019-05-30 | 2019-10-18 | 重庆金融资产交易所有限责任公司 | 数据处理方法、装置、计算机设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101140683A (zh) * | 2007-10-23 | 2008-03-12 | 中国工商银行股份有限公司 | 一种用于实现提前还款的约转账户处理系统和方法 |
CN105719013A (zh) * | 2016-01-15 | 2016-06-29 | 中国南方电网有限责任公司电网技术研究中心 | 测算企业资产负债的方法和系统 |
CN106952156A (zh) * | 2017-03-08 | 2017-07-14 | 中国银行股份有限公司 | 一种分期还款计划的生成方法及装置 |
-
2017
- 2017-12-04 CN CN201711260351.6A patent/CN108256667A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101140683A (zh) * | 2007-10-23 | 2008-03-12 | 中国工商银行股份有限公司 | 一种用于实现提前还款的约转账户处理系统和方法 |
CN105719013A (zh) * | 2016-01-15 | 2016-06-29 | 中国南方电网有限责任公司电网技术研究中心 | 测算企业资产负债的方法和系统 |
CN106952156A (zh) * | 2017-03-08 | 2017-07-14 | 中国银行股份有限公司 | 一种分期还款计划的生成方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109242672A (zh) * | 2018-09-29 | 2019-01-18 | 北京京东金融科技控股有限公司 | 贷款的还款信息预测方法、装置以及计算机可读存储介质 |
CN110347974A (zh) * | 2019-05-30 | 2019-10-18 | 重庆金融资产交易所有限责任公司 | 数据处理方法、装置、计算机设备和存储介质 |
CN110347974B (zh) * | 2019-05-30 | 2023-06-23 | 深圳市鼎为通信有限公司 | 数据处理方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Aguiar et al. | Take the short route: Equilibrium default and debt maturity | |
US8706599B1 (en) | System and method of generating investment criteria for an investment vehicle that includes a pool of escrow deposits from a plurality of merger and acquisition transactions | |
Khandani et al. | Systemic risk and the refinancing ratchet effect | |
KR101948933B1 (ko) | 동적 지분 증서 설정 및 실행을 위한 컴퓨터 기반의 방법 및 장치 | |
Bijak et al. | Modelling LGD for unsecured retail loans using Bayesian methods | |
WO2014081481A1 (en) | Loan analysis and management systems | |
CN111383091A (zh) | 一种资产证券化定价方法和装置 | |
Gehricke et al. | Modeling vxx | |
Pu et al. | Breakeven determination of loan limits for reverse mortgages under information asymmetry | |
Ogden | An analysis of yield curve notes | |
Breeden et al. | Multihorizon discrete time survival models | |
Sarkar | Illiquidity risk, project characteristics, and the optimal maturity of corporate debt | |
Rasmussen et al. | Mortgage loan portfolio optimization using multi-stage stochastic programming | |
US8019677B1 (en) | Convertible home-equity based financial product | |
CN110288466A (zh) | 一种基于夏普比率的信贷策略评估和选择方法 | |
Mokhova et al. | Liquidity, probability of bankruptcy and the corporate life cycle: the evidence from Czech Republic | |
CN108256667A (zh) | 资产数据处理方法、装置、存储介质和计算机设备 | |
KR20200068069A (ko) | 기계 학습 기반의 채무불이행 예측 장치 및 방법 | |
Wu et al. | Reducing residential mortgage default: Should policy act before or after home purchases? | |
CN114846500A (zh) | 从动态生成的电子数据库中执行选择的系统 | |
JP6771513B2 (ja) | 債務不履行確率を算出する装置、方法及びそのためのプログラム | |
CN116091242A (zh) | 推荐产品组合生成方法及装置、电子设备和存储介质 | |
Wang et al. | Evaluating corporate bonds with complicated liability structures and bond provisions | |
Peng et al. | Relative growth rate optimization under behavioral criterion | |
CN112926892A (zh) | 一种资金匹配方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180706 |