CN109544348A - 资产证券筛选方法、设备及计算机可读存储介质 - Google Patents

Abstract

本发明公开了一种资产证券筛选方法，包括：当监测到资产证券筛选请求时，依据所述资产证券筛选请求中的模板识别码，确定目标筛选模板；依据所述目标筛选模板中的各筛选条件，对资产证券进行批量筛选，以获取第一资产证券池；对所述第一资产证券池中的各资产证券进行标准化处理，以获取目标资产证券池。本发明还公开了一种资产证券筛选设备及计算机可读存储介质。本发明能够提高资产证券的筛选效率和筛选准确率。

Description

资产证券筛选方法、设备及计算机可读存储介质

技术领域

本发明涉及资产证券的技术领域，尤其涉及一种资产证券筛选方法、设备及计算机可读存储介质。

背景技术

在国内金融分业监管的背景下，资产证券化分为四种模式：央行和银监会主管的金融机构信贷资产证券化、证监会主管的非金融企业专项资产证券化、交易商协会主管的非金融企业资产支持票据和保监会主管的保险资产管理公司项目资产支持计划。

目前，传统的资产证券筛选方法都是基于关系型数据库实现的，将基础资产信息存储在数据库中，操作人员输入筛选条件，系统通过对数据库做查询，从而筛选出对应的资产集合。然而，由于受关系型数据库性能的限制，在资产证券的数据量较大，且筛选逻辑比较复杂的情况下，需要耗费较多的筛选时间，筛选效率较低，同时，传统的筛选方法的过滤条件简单，通常为相对直观的基础信息，比如借据基本信息、贷款人基本信息等，无法有效的对资产证券进行筛选，筛选准确率较低。

因此，如何提高资产证券的筛选效率和筛选准确率是目前亟待解决的问题。

发明内容

本发明的主要目的在于提供一种资产证券筛选方法、设备及计算机可读存储介质，旨在提高资产证券的筛选效率和筛选准确率。

为实现上述目的，本发明提供一种资产证券筛选方法，所述资产证券筛选方法包括以下步骤：

当监测到资产证券筛选请求时，依据所述资产证券筛选请求中的模板识别码，确定目标筛选模板；

依据所述目标筛选模板中的各筛选条件，对资产证券进行批量筛选，以获取第一资产证券池；

对所述第一资产证券池中的各资产证券进行标准化处理，以获取目标资产证券池。

进一步地，依据所述目标筛选模板中的各筛选条件，对资产证券进行批量筛选，以获取第一资产证券池的步骤之后，还包括：

依据预设剔除规则，对所述第一资产证券池中的各资产证券执行资产证券剔除操作，以获取第二资产证券池；

将对所述第一资产证券池中的各资产证券进行标准化处理，以获取目标资产证券池的步骤替换为以下步骤：

对所述第二资产证券池中的各资产证券进行标准化处理，以获取目标资产证券池。

进一步地，对所述第一资产证券池中的各资产证券进行标准化处理，以获取目标资产证券池的步骤之后，还包括：

当监测到资产证券细筛请求时，依据所述资产证券细筛请求中的细筛条件，对所述目标资产证券池进行细筛处理。

进一步地，依据所述资产证券筛选请求中的模板识别码，确定目标筛选模板的步骤包括：

从所述资产证券请求中读取模板识别码，并将所述模板识别码对应的筛选模板确定为目标筛选模板。

进一步地，所述目标筛选模板包含的筛选条件为基本筛选条件、组合式筛选条件和计算式筛选条件中的一种或多种。

进一步地，依据所述目标筛选模板中的各筛选条件，对资产证券进行批量筛选，以获取第一资产证券池的步骤包括：

从所述目标筛选模板中读取各筛选条件，并判断所述各筛选条件中是否存在预设筛选条件；

若所述各筛选条件中存在预设筛选条件，则依据所述各筛选条件中除预设筛选条件之外的筛选条件，对资产证券进行批量筛选，以获取第三资产证券池；

将所述第三资产证券池中的各资产证券输入至预设模型中，并获取所述预设模型的输出结果；

依据预设模型的输出结果和预设筛选条件，对所述第三资产证券池中的各资产证券进行批量筛选，以获取第一资产证券池。

进一步地，所述依据预设模型的输出结果和预设筛选条件，对所述第三资产证券池中的各资产证券进行批量筛选，以获取第一资产证券池的步骤包括：

依据预设模型的输出结果，对所述第三资产证券池中的各资产证券执行对应的结果标注操作；

依据预设筛选条件，对经结果标注操作后的第三资产证券池中的各资产证券进行批量筛选，以获取第一资产证券池。

进一步地，所述当监测到资产证券筛选请求时，依据所述资产证券筛选请求中的模板识别码，确定目标筛选模板的步骤之前，还包括：

当监测到筛选模板创建请求时，依据预设筛选条件库和所述筛选模板创建请求中的筛选条件编号组，确定目标筛选条件组；

依据所述目标筛选条件组，创建对应的筛选模板，并存储所述筛选模板。

此外，为实现上述目的，本发明还提供一种资产证券筛选设备，所述资产证券筛选设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的资产证券筛选程序，所述资产证券筛选程序被所述处理器执行时实现如上所述的资产证券筛选方法的步骤。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有资产证券筛选程序，所述资产证券筛选程序被处理器执行时实现如上所述的资产证券筛选方法的步骤。

本发明提供一种资产证券筛选方法、设备及计算机可读存储介质，本发明当监测到资产证券筛选请求时，依据该资产证券筛选请求中的模板识别码，确定目标筛选模板，然后依据该筛选模块中的各筛选条件，对资产证券进行批量筛选，以获取符合条件的资产证券池，并对符合条件的资产证券池中的各资产证券进行标准化处理，以获取目标资产证券池，通过上述方式，可以通过筛选模板中的各筛选条件，准确的筛选出符合条件的资产证券，同时可以批量筛选资产证券，能够有效的提高资产证券的筛选效率和准确率。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图；

图2为本发明资产证券筛选方法第一实施例的流程示意图；

图3为本发明第二实施例中步骤S102的细化流程示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所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。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图。

如图1所示，该资产证券筛选设备可以包括：处理器1001，例如CPU，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选的用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的资产证券筛选设备结构并不构成对资产证券筛选设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及资产证券筛选程序。

在图1所示的资产证券筛选设备中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的资产证券筛选程序，并执行以下步骤：

当监测到资产证券筛选请求时，依据所述资产证券筛选请求中的模板识别码，确定目标筛选模板；

依据所述目标筛选模板中的各筛选条件，对资产证券进行批量筛选，以获取第一资产证券池；

对所述第一资产证券池中的各资产证券进行标准化处理，以获取目标资产证券池。

进一步地，处理器1001可以用于调用存储器1005中存储的资产证券筛选程序，还执行以下步骤：

依据预设剔除规则，对所述第一资产证券池中的各资产证券执行资产证券剔除操作，以获取第二资产证券池；

将对所述第一资产证券池中的各资产证券进行标准化处理，以获取目标资产证券池的步骤替换为以下步骤：

对所述第二资产证券池中的各资产证券进行标准化处理，以获取目标资产证券池。

进一步地，处理器1001可以用于调用存储器1005中存储的资产证券筛选程序，还执行以下步骤：

当监测到资产证券细筛请求时，依据所述资产证券细筛请求中的细筛条件，对所述目标资产证券池进行细筛处理。

进一步地，处理器1001可以用于调用存储器1005中存储的资产证券筛选程序，还执行以下步骤：

从所述资产证券请求中读取模板识别码，并将所述模板识别码对应的筛选模板确定为目标筛选模板。

进一步地，所述目标筛选模板包含的筛选条件为基本筛选条件、组合式筛选条件和计算式筛选条件中的一种或多种。

进一步地，处理器1001可以用于调用存储器1005中存储的资产证券筛选程序，还执行以下步骤：

从所述目标筛选模板中读取各筛选条件，并判断所述各筛选条件中是否存在预设筛选条件；

若所述各筛选条件中存在预设筛选条件，则依据所述各筛选条件中除预设筛选条件之外的筛选条件，对资产证券进行批量筛选，以获取第三资产证券池；

将所述第三资产证券池中的各资产证券输入至预设模型中，并获取所述预设模型的输出结果；

依据预设模型的输出结果和预设筛选条件，对所述第三资产证券池中的各资产证券进行批量筛选，以获取第一资产证券池。

进一步地，处理器1001可以用于调用存储器1005中存储的资产证券筛选程序，还执行以下步骤：

依据预设模型的输出结果，对所述第三资产证券池中的各资产证券执行对应的结果标注操作；

依据预设筛选条件，对经结果标注操作后的第三资产证券池中的各资产证券进行批量筛选，以获取第一资产证券池。

进一步地，处理器1001可以用于调用存储器1005中存储的资产证券筛选程序，还执行以下步骤：

当监测到筛选模板创建请求时，依据预设筛选条件库和所述筛选模板创建请求中的筛选条件编号组，确定目标筛选条件组；

依据所述目标筛选条件组，创建对应的筛选模板，并存储所述筛选模板。

本发明资产证券筛选设备的具体实施例与下述资产证券筛选方法的各具体实施例基本相同，在此不作赘述。

本发明提供一种资产证券筛选方法。

参照图2，图2为本发明资产证券筛选方法第一实施例的流程示意图。

步骤S101，当监测到资产证券筛选请求时，依据资产证券筛选请求中的模板识别码，确定目标筛选模板；

本实施例中，该资产证券筛选方法应用于资产证券筛选系统，该资产证券筛选系统包括资产证券筛选前端、大数据平台和资产证券筛选后端，其中，该资产证券筛选前端用于识别用户的操作，并触发对应的指令，且执行该指令，包括但不限于创建筛选模板和发起资产证券筛选请求，大数据平台用于对资产证券进行初筛，并将筛选结果传输至资产证券筛选后端；资产证券筛选后端用于对经初筛后得到的筛选结果进行标准化处理和细筛处理，即对经初筛后的资产证券进行标准化处理和细筛处理。资产证券包括但不限于借据和债券。

当监测到用户触发的资产证券筛选指令时，该资产证券筛选系统通过资产证券筛选前端显示筛选条件配置界面，并通过该筛选条件配置界面接收用户选择的各筛选条件，然后基于各筛选条件，创建对应的筛选模板，并当监测到筛选模板确认指令时，生成包含该筛选模板的模板识别码的资产证券筛选请求，且将该资产证券筛选请求传输至大数据平台。其中，用户还可以通过该筛选条件配置界面直接选择已创建的筛选模板，用户可在已创建筛选模板的基础上增加或删除筛选条件，相同地，在用户确认筛选模板之后，生成包含该筛选模板的模板识别码的资产证券筛选请求，并将该资产证券筛选请求传输至大数据平台。通过上述方式，可以提高筛选条件的配置便利性和灵活性。

需要说明的是，上述筛选条件为基本筛选条件、组合式筛选条件和计算式筛选条件中的一种或多种，该基本筛选条件为依据证券基本信息(包括但不限于利率和证券金额)和客户基本信息(包括但不限于年龄、地理位置、性别、学历)，例如，基本筛选条件为利率处于10％至15％和年龄处于22-35；组合式筛选条件包括但不限于利率组合筛选条件和产品组合筛选条件，例如，利率组合筛选条件为目标资产证券池中的资产证券的利率为A与利率为B的组合比例为2:3，产品组合筛选条件为目标资产证券池中的资产证券的产品为A与产品为B的组合比例为2:3；计算式筛选条件为需要对资产证券执行对应的计算操作之后，才能执行筛选操作的条件，包括但不限于存续池中单个省市未偿本金余额占比不超过x％、新入池资产加权平均年化综合费率不低于y％、资产笔数固定情况下，筛选出的目标资产证券的总金额最接近目标金额、满足正常兑付情况下，筛选出的目标资产证券的加权利率最低和在平均加权收益率固定情况下，筛选出的目标资产证券中各利率资产证券的比例满足设定比例。

资产证券筛选系统通过资产证券筛选前端将资产证券筛选请求传输至大数据平台之后，通过大数据据平台依据资产证券筛选请求中的模板识别码，确定目标筛选模板，具体地，从资产证券请求中读取模板识别码，并将模板识别码对应的筛选模板确定为目标筛选模板，即查询模板识别码与筛选模板的映射关系表，获取模板识别码对应的筛选模板，并将模板识别码对应的筛选模板确定为目标筛选模板。

进一步地，还可以提前创建筛选模板，具体为当监测到筛选模板创建请求时，资产证券筛选系统依据预设筛选条件库和该筛选模板创建请求中的筛选条件编号组，确定目标筛选条件组，然后依据该目标筛选条件组，创建对应的筛选模板，并存储该筛选模板。其中，通过资产证券筛选前端显示筛选模板创建页面，并通过该筛选模板创建页面接收用户选择的筛选条件，并获取对应的筛选条件编号，形成筛选条件编号组，然后当监测到筛选模板创建指令时，生成携带有该筛选条件编号组的筛选模板创建请求。

步骤S102，依据目标筛选模板中的各筛选条件，对资产证券进行批量筛选，以获取第一资产证券池；

本实施例中，通过大数据平台确定目标筛选模板之后，依据该目标筛选模板中的各筛选条件，对资产证券进行批量筛选，以获取第一资产证券池，即从该目标筛选模板中读取各筛选条件的筛选条件编号，并查询筛选条件编号与筛选条件的映射关系表，从预设筛选条件库中获取对应的各筛选条件，然后依据各筛选条件，对资产证券进行批量筛选，以获取第一资产证券池。其中，大数据平台中存储有各种形式的资产证券，为提高筛选效率，本实施例中，基于Hive(Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供sql查询功能)对资产证券进行存储和查询，由于Hive基于Hadoop的分布式计算和分布式存储，可以批量筛选资产证券。需要说明的是，通过实验的方式确定资产证券的存储和查询方式，以下给出Hive和Mysql在数据量和查询复杂度这两个因素下对查询耗时的实验数据，Hive和Mysql在数据量下对查询耗时的对比实验数据如下表所示：

数据量	Mysql查询耗时	Hive查询耗时
			1万	0.3秒	3秒
10万	2秒	3秒
			100万	20秒	10秒
1000万	120秒	50秒

Hive和Mysql在查询复杂度下对查询耗时的对比实验数据如下表所示：

基于上述实验数据可知，Hive和Mysql的查询耗时都随着数据量或者查询复杂度的增加而增加，且当数据量或者查询复杂度增加到一定的程度时，Hive的查询耗时比Mysql小，并且随着数据量和查询复杂度的不断增加，Hive在查询耗时上表现出来的性能优势越来越明显。

步骤S103，对第一资产证券池中的各资产证券进行标准化处理，以获取目标资产证券池。

本实施例中，资产证券筛选系统获取到第一资产证券池之后，对第一资产证券池中的各资产证券进行标准化处理，以获取目标资产证券池，即提取第一资产证券池中的各资产证券的公共字段信息，并将提取到的公共字段信息存储至数据库中。

进一步地，由于资产证券的批量筛选需要耗费一定的时间，且在对资产证券执行批量筛选后，并不会实时交易资产证券，第一资产证券池中可能存在不符合筛选条件的资产证券，导致第一资产证券不准确，为解决上述问题，资产证券筛选系统获取到第一资产证券池之后，依据预设剔除规则，对第一资产证券池中的各资产证券执行资产证券剔除操作，以获取第二资产证券池，然后对第二资产证券池进行标准化处理，以获取目标资产证券池。需要说明的是，上述预设剔除规则可由本领域技术人员基于实际情况进行设置，本实施例对此不作具体限定。对第一资产证券池执行资产证券剔除操作，可以进一步的提高资产证券的准确度。

进一步地，在获取到目标资产证券池之后，可对资产证券进行细筛处理，具体为当监测到资产证券细筛请求时，依据该资产证券细筛请求中的细筛条件，对目标资产证券池进行细筛处理。其中，细筛条件由Sql语句实现，可由本领域技术人员基于实际情况进行设置，本实施例对此不作具体限定。通过对目标资产证券池中的各资产证券池进行细筛处理，可以进一步地的提高资产证券的准确度。

本实施例中，本发明当监测到资产证券筛选请求时，依据该资产证券筛选请求中的模板识别码，确定目标筛选模板，然后依据该筛选模块中的各筛选条件，对资产证券进行批量筛选，以获取符合条件的资产证券池，并对符合条件的资产证券池中的各资产证券进行标准化处理，以获取目标资产证券池，通过上述方式，可以通过筛选模板中的各筛选条件，准确的筛选出符合条件的资产证券，同时可以批量筛选资产证券，能够有效的提高资产证券的筛选效率和准确率。

进一步地，参照图3，基于上述第一实施，提出了本发明资产证券筛选方法的第二实施例，与前述实施例的区别在于，步骤S102包括：

步骤S1021，从目标筛选模板中读取各筛选条件，并判断各筛选条件中是否存在预设筛选条件；

本实施例中，利用机器学习模型，对历史资产证券数据和客户基本信息进行挖掘和分析，预估出不同类别的资产证券，以及不同地区、行业和\或年龄的客户所产生的资产证券的回收率和\或违约率等，可将回收率和\或违约率作为筛选条件之一。当确定目标筛选模板之后，资产证券筛选系统从目标筛选模板中读取各筛选条件，并判断各筛选条件中是否存在预设筛选条件。其中，预设筛选条件可关于回收率和\或违约率的筛选条件，具体可由本领域技术人员基于实际情况进行设置。

步骤S1022，若各筛选条件中存在预设筛选条件，则依据各筛选条件中除预设筛选条件之外的筛选条件，对资产证券进行批量筛选，以获取第三资产证券池；

本实施例中，如果各筛选条件中存在预设筛选条件，则依据各筛选条件中除预设筛选条件之外的筛选条件，对资产证券进行批量筛选，以获取第三资产证券池，即在对资产证券进行批量筛选的过程中，不执行预设筛选条件对应的筛选操作。

步骤S1023，将第三资产证券池中的各资产证券输入至预设模型中，并获取预设模型的输出结果；

本实施例中，在获取到第三资产证券池之后，将第三资产证券池中的各资产证券输入至预设模型中，并获取预设模型的输出结果。其中，预设模型为关于预估资产证券的回收率和\或违约率的机器模型，且输出结果为第三资产证券池中各资产证券的回收率和\或违约率。需要说明的是，上述机器模型的具体实现方式可由本领域技术人员基于实际情况进行设置，本实施例对此不作具体限定。

步骤S1024，依据预设模型的输出结果和预设筛选条件，对第三资产证券池中的各资产证券进行筛选，以获取第一资产证券池。

本实施例中，在获取到预设模型的输出结果之后，依据预设模型的输出结果和预设筛选条件，对第三资产证券池中的各资产证券进行筛选，以获取第一资产证券池。具体地，依据预设模型的输出结果，对该第三资产证券池中的各资产证券执行对应的结果标注操作，并依据预设筛选条件，对经结果标注操作后的第三资产证券池中的各资产证券进行批量筛选，以获取第一资产证券池。

本实施例中，本发明利用机器学习算法对资产证券进行回收率和\或违约率预估，将回收率和\或违约率作为筛选条件之一，可以进一步的提高资产证券的筛选准确性。

此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有资产证券筛选程序，所述资产证券筛选程序被处理器执行时，执行以下步骤：

当监测到资产证券筛选请求时，依据所述资产证券筛选请求中的模板识别码，确定目标筛选模板；

依据所述目标筛选模板中的各筛选条件，对资产证券进行批量筛选，以获取第一资产证券池；

对所述第一资产证券池中的各资产证券进行标准化处理，以获取目标资产证券池。

进一步地，所述资产证券筛选程序被处理器执行时，还执行以下步骤：

依据预设剔除规则，对所述第一资产证券池中的各资产证券执行资产证券剔除操作，以获取第二资产证券池；

将对所述第一资产证券池中的各资产证券进行标准化处理，以获取目标资产证券池的步骤替换为以下步骤：

对所述第二资产证券池中的各资产证券进行标准化处理，以获取目标资产证券池。

进一步地，所述资产证券筛选程序被处理器执行时，还执行以下步骤：

当监测到资产证券细筛请求时，依据所述资产证券细筛请求中的细筛条件，对所述目标资产证券池进行细筛处理。

进一步地，所述资产证券筛选程序被处理器执行时，还执行以下步骤：

从所述资产证券请求中读取模板识别码，并将所述模板识别码对应的筛选模板确定为目标筛选模板。

进一步地，所述目标筛选模板包含的筛选条件为基本筛选条件、组合式筛选条件和计算式筛选条件中的一种或多种。

进一步地，所述资产证券筛选程序被处理器执行时，还执行以下步骤：

从所述目标筛选模板中读取各筛选条件，并判断所述各筛选条件中是否存在预设筛选条件；

若所述各筛选条件中存在预设筛选条件，则依据所述各筛选条件中除预设筛选条件之外的筛选条件，对资产证券进行批量筛选，以获取第三资产证券池；

将所述第三资产证券池中的各资产证券输入至预设模型中，并获取所述预设模型的输出结果；

依据预设模型的输出结果和预设筛选条件，对所述第三资产证券池中的各资产证券进行批量筛选，以获取第一资产证券池。

进一步地，所述资产证券筛选程序被处理器执行时，还执行以下步骤：

依据预设模型的输出结果，对所述第三资产证券池中的各资产证券执行对应的结果标注操作；

依据预设筛选条件，对经结果标注操作后的第三资产证券池中的各资产证券进行批量筛选，以获取第一资产证券池。

进一步地，所述资产证券筛选程序被处理器执行时，还执行以下步骤：

当监测到筛选模板创建请求时，依据预设筛选条件库和所述筛选模板创建请求中的筛选条件编号组，确定目标筛选条件组；

依据所述目标筛选条件组，创建对应的筛选模板，并存储所述筛选模板。

本发明计算机可读存储介质的具体实施例与上述资产证券筛选方法各实施例基本相同，在此不作赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种资产证券筛选方法，其特征在于，所述资产证券筛选方法包括以下步骤：

当监测到资产证券筛选请求时，依据所述资产证券筛选请求中的模板识别码，确定目标筛选模板；

依据所述目标筛选模板中的各筛选条件，对资产证券进行批量筛选，以获取第一资产证券池；

对所述第一资产证券池中的各资产证券进行标准化处理，以获取目标资产证券池。

2.如权利要求1所述的资产证券筛选方法，其特征在于，依据所述目标筛选模板中的各筛选条件，对资产证券进行批量筛选，以获取第一资产证券池的步骤之后，还包括：

依据预设剔除规则，对所述第一资产证券池中的各资产证券执行资产证券剔除操作，以获取第二资产证券池；

将对所述第一资产证券池中的各资产证券进行标准化处理，以获取目标资产证券池的步骤替换为以下步骤：

对所述第二资产证券池中的各资产证券进行标准化处理，以获取目标资产证券池。

3.如权利要求1所述的资产证券筛选方法，其特征在于，对所述第一资产证券池中的各资产证券进行标准化处理，以获取目标资产证券池的步骤之后，还包括：

当监测到资产证券细筛请求时，依据所述资产证券细筛请求中的细筛条件，对所述目标资产证券池进行细筛处理。

4.如权利要求1所述的资产证券筛选方法，其特征在于，依据所述资产证券筛选请求中的模板识别码，确定目标筛选模板的步骤包括：

从所述资产证券请求中读取模板识别码，并将所述模板识别码对应的筛选模板确定为目标筛选模板。

5.如权利要求1所述的资产证券筛选方法，其特征在于，所述目标筛选模板包含的筛选条件为基本筛选条件、组合式筛选条件和计算式筛选条件中的一种或多种。

6.如权利要求1-5中任一项所述的资产证券筛选方法，其特征在于，依据所述目标筛选模板中的各筛选条件，对资产证券进行批量筛选，以获取第一资产证券池的步骤包括：

从所述目标筛选模板中读取各筛选条件，并判断所述各筛选条件中是否存在预设筛选条件；

若所述各筛选条件中存在预设筛选条件，则依据所述各筛选条件中除预设筛选条件之外的筛选条件，对资产证券进行批量筛选，以获取第三资产证券池；

将所述第三资产证券池中的各资产证券输入至预设模型中，并获取所述预设模型的输出结果；

依据预设模型的输出结果和预设筛选条件，对所述第三资产证券池中的各资产证券进行批量筛选，以获取第一资产证券池。

7.如权利要求6所述的资产证券筛选方法，其特征在于，所述依据预设模型的输出结果和预设筛选条件，对所述第三资产证券池中的各资产证券进行批量筛选，以获取第一资产证券池的步骤包括：

依据预设模型的输出结果，对所述第三资产证券池中的各资产证券执行对应的结果标注操作；

依据预设筛选条件，对经结果标注操作后的第三资产证券池中的各资产证券进行批量筛选，以获取第一资产证券池。

8.如权利要求1-5中任一项所述的资产证券筛选方法，其特征在于，所述当监测到资产证券筛选请求时，依据所述资产证券筛选请求中的模板识别码，确定目标筛选模板的步骤之前，还包括：

当监测到筛选模板创建请求时，依据预设筛选条件库和所述筛选模板创建请求中的筛选条件编号组，确定目标筛选条件组；

依据所述目标筛选条件组，创建对应的筛选模板，并存储所述筛选模板。

9.一种资产证券筛选设备，其特征在于，所述资产证券筛选设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的资产证券筛选程序，所述资产证券筛选程序被所述处理器执行时实现如权利要求1至8中任一项所述的资产证券筛选方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有资产证券筛选程序，所述资产证券筛选程序被处理器执行时实现如权利要求1至8中任一项所述的资产证券筛选方法的步骤。