CN110910241B - 现金流评估方法、装置、服务器设备及存储介质 - Google Patents
现金流评估方法、装置、服务器设备及存储介质 Download PDFInfo
- Publication number
- CN110910241B CN110910241B CN201911194168.XA CN201911194168A CN110910241B CN 110910241 B CN110910241 B CN 110910241B CN 201911194168 A CN201911194168 A CN 201911194168A CN 110910241 B CN110910241 B CN 110910241B
- Authority
- CN
- China
- Prior art keywords
- cash flow
- feature vector
- result
- data
- null
- 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.)
- Active
Links
Images
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- 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"
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
本发明实施例公开了一种现金流评估方法、装置、服务器设备及存储介质,该方法包括:从银行信息管理系统中获取目标客户的现金流数据;对所述现金流数据进行特征提取以得到客户的特征向量;将所述特征向量输入已训练的预测模型中以得到目标客户的现金流评估结果。解决了现有商业银行无法保证能够为每个客户提供优质高水平的服务的问题。
Description
技术领域
本发明实施例涉及资产评估领域,尤其涉及一种现金流评估方法、装置、服务器设备及存储介质。
背景技术
个人客户现金流管理是指基于个人客户在商业银行业务范围内发生的诸如存入资金、购买投资理财产品等交易行为产生的数据,预测客户未来现金流的情况,并有针对性的给出科学合理的资金规划建议,旨在满足客户日常资金需求的基础上,提高客户的资金使用率及收益率。
现有商业银行的个人客户现金流管理主要依靠银行客户经理的个人金融知识和过往经验的水平不同,由于每个银行客户经理的个人金融知识和过往经验不同,因此他们每个人的客户现金流管理服务水平参差不齐,这就无法保证可以为每个客户提供优质高水平的服务。
发明内容
本发明实施例提供了一种现金流评估方法、装置、服务器设备及存储介质,以解决现有商业银行无法保证能够为每个客户提供优质高水平的服务的问题。
第一方面,本发明实施例提供了一种现金流评估方法,包括:
从银行信息管理系统中获取目标客户的现金流数据;
对所述现金流数据进行特征提取以得到客户的特征向量;
将所述特征向量输入已训练的预测模型中以得到目标客户的现金流评估结果。
进一步,所述现金流数据至少包括时间信息数据、类别信息数据和数值信息数据。
进一步,所述对所述现金流数据进行特征提取以得到客户的特征向量,包括:
对所述现金流数据中的时间信息数据、类别信息数据和数值信息数据分别进行特征提取以得到对应的时间特征向量、类别特征向量和数值特征向量;
根据所述时间特征向量、类别特征向量和数值特征向量确定用户的特征向量。
进一步,对所述现金流数据中的时间信息数据进行特征提取以得到对应的时间特征向量包括:
对所述时间信息数据进行第一空值处理以得到第一空值结果;
对所述第一空值结果进行时间切分处理以生成对应不同时间段的切分结果;
对目标时间段所对应的切分结果进行第一特征缩放处理以生成第一缩放结果;
对所述第一缩放结果内的部分数据进行第一独热编码处理以生成时间特征向量。
进一步,对所述现金流数据中的类别信息数据进行特征提取以得到对应的类别特征向量包括:
对所述类别信息数据进行第二空值处理以生成第二空值结果;
对所述第二空值结果进行第二独热编码处理以生成类别特征向量。
进一步,所述对所述现金流数据中的数值信息数据进行特征提取以得到数值特征向量包括:
对所述数值信息数据进行第三空值处理以生成第三空值结果;
对所述第三空值结果进行离群值处理以得到离群值结果;
对所述离群值结果进行第三特征缩放以得到第三缩放结果;
对所述第三缩放结果中的部分数据进行类别编码以得到数值特征向量。
进一步,所述根据所述时间特征向量、类别特征向量和数值特征向量确定用户的特征向量,包括:
对所述时间特征向量、类别特征向量和数值特征向量进行正则化处理得到客户的特征向量。
第二方面,本发明实施例还提供了一种现金流评估装置,包括:
获取模块,用于从银行信息管理系统中获取目标客户的现金流数据;
特征提取模块,用于对所述现金流数据进行特征提取以得到客户的特征向量;
输出模块,用于将所述特征向量输入已训练的预测模型中以得到目标客户的现金流评估结果。
第三方面,本发明实施例还提供了一种服务器设备,所述服务器设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面所述的现金流评估方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面所述的现金流评估方法。
本发明实施例提供的现金流评估方法的技术方案,包括:从银行信息管理系统中获取目标客户的现金流数据;对现金流数据进行特征提取以得到客户的特征向量;将特征向量输入已训练的预测模型中以得到客户的现金流评估结果。将已训练的预测模型应用于客户现金流数据的分析,可以直接得到该客户的现金流评估结果,该现金流评估结果可为银行客户经理提供服务指导,以提高部分银行客户经理的服务水平。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图做一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的现金流评估方法的流程图;
图2是本发明实施例二提供的现金流评估装置的结构框图;
图3是本发明实施例三提供的服务器设备的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下将参照本发明实施例中的附图,通过实施方式清楚、完整地描述本发明的技术方案,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
图1是本发明实施例一提供的现金流评估方法的流程图。本实施例的技术方案适用于通过已训练的预设模型自动评估客户现金流的情况。该方法可以由本发明实施例提供的现金流评估装置来执行,该装置可以采用软件和/或硬件的方式实现,并配置在服务器设备中应用。该方法具体包括如下步骤:
S101、从银行信息管理系统中获取目标客户的现金流数据;
其中,银行信息管理系统包括银行核心处理系统、信用卡交易系统和客户信息系统等。银行核心处理系统用于银行的存款、贷款等业务;信用卡交易系统用于信用卡交易;客户信息系统用于存储客户信息。
每日日终,银行核心处理系统和信用卡交易系统会将每日的增量交易数据推送到目标数据仓库;客户信息系统会将每日的客户信息增量数据推送到目标数据仓库。可以理解的是,银行管理系统所包含的各个系统均会在设置的截止时间将每日的增量数据推送到目标数据库,从而将客户各方面的信息汇总至目标数据库以形成客户的现金流数据,比如,存款交易流水、贷记卡交易流水、客户基本信息、客户持有合约信息、客户产品持仓份额信息和产品详细信息等。
可以理解的是,各系统在向目标数据库发送各自的现金流数据时,均以各自设定的数据格式发送,比如定长格式、固定分隔等。
其中,目标数据库优选为GreenPlum数据库,而且各系统可以直接将各自的现金流数据发送至该数据库,也可以将各自的现金流数据先发送至中转数据库,然后由中转数据库发送至该数据库。
S102、对现金流数据进行特征提取以得到客户的特征向量;
客户的现金流数据汇总到目标数据库之后,再由该目标数据库将所接收的现金流数据发送至数据处理平台,比如Hadoop,数据处理平台接收到客户的现金流数据之后,将现金流数据进行分类,并至少分成时间信息数据、类别信息数据和数值信息数据。然后对分类后的现金流数据进行特征提取以得到客户的特征向量。具体地,数据处理平台对现金流数据中的时间信息数据、类别信息数据和数值信息数据分别进行特征提取以得到对应的时间特征向量、类别特征向量和数值特征向量;然后根据时间特征向量、类别特征向量和数值特征向量确定用户的特征向量。
对于现金流数据中的时间信息数据。本实施例优选先对时间信息数据进行第一空值处理以得到第一空值结果;对第一空值结果进行时间切分处理以生成对应不同时间段的切分结果;对目标时间段所对应的切分结果进行第一特征缩放处理以生成第一缩放结果;对第一缩放结果内的部分数据进行第一独热编码处理以生成时间特征向量。其中,第一空值处理为根据不同字段属性填充缺省值,切分处理是将第一空值结果按照设定的时间间隔进行切分。
对于现金流数据中的类别信息数据,本实施例优选先对类别信息数据进行第二空值处理以生成第二空值结果;对第二空值结果进行第二独热编码处理以生成类别特征向量。其中,第二空值处理是对部分字段填充缺省值,部分字段根据数据分布填充。
对于现金流数据中的数值信息数据,本实施例优选先对数值信息数据进行第三空值处理以生成第三空值结果;对第三空值结果进行离群值处理以得到离群值结果;对离群值结果进行第三特征缩放以得到第三缩放结果;对第三缩放结果中的部分数据进行类别编码以得到数值特征向量。其中,第三空值处理是根据不同字段属性填充缺省值或填充0。离群值处理是根据不同字段属性用均值或众数替换,或者直接丢弃。
时间特征向量、类别特征向量和数值特征向量得到之后,对他们进行正则化处理以得到客户的特征向量。
S103、将特征向量输入已训练的预测模型中以得到目标客户的现金流评估结果。
数据平台在得到客户的特征向量之后,将特征向量输入已训练的预测模型中以得到目标客户的现金流评估结果。其中,现金流评估结果包括但不限于客户的收入水平、消费水平、偿债能力、应急能力、资金覆盖率,以及为客户制定的资金规划建议。
其中,预测模型优选为随机森林回归模型。预测模型在使用之前需要先对其进行训练。为此本实施例先采集大量的样本,然后将所采集的样本随机分成训练样本和测试样本,然后通过将训练样本输入预测模型对其进行训练以生成已训练的预测模型。生成已训练的预测模型之后,通过测试样本对已训练的预测模型进行测试,测试过程中基于网格搜索法在多次迭代中对已训练的预测模型进行参数调整,从而使该已训练的预测模型具有较高的准确率、较小的泛化误差和较高的鲁棒性。
其中,数据平台在调用预测模型对特征向量进行分析或者调用已训练的预测模型对特征向量进行分析时,均调用SPARK分布式计算框架,以提高特性向量的分析速度。
本发明实施例提供的现金流评估方法的技术方案,包括:从银行信息管理系统中获取目标客户的现金流数据;对现金流数据进行特征提取以得到客户的特征向量;将特征向量输入已训练的预测模型中以得到客户的现金流评估结果。将已训练的预测模型应用于客户现金流数据的分析,可以直接得到该客户的现金流评估结果,该现金流评估结果可为银行客户经理提供服务指导,以提高部分银行客户经理的服务水平。
实施例二
图2是本发明实施例二提供的现金流评估装置的结构框图。该装置用于执行上述任意实施例所提供的现金流评估方法,该装置可选为软件或硬件实现。
该装置包括:
获取模块11,用于从银行信息管理系统中获取目标客户的现金流数据;
特征提取模块12,用于对现金流数据进行特征提取以得到客户的特征向量;
输出模块13,用于将特征向量输入已训练的预测模型中以得到目标客户的现金流评估结果。
可选地,特征提取模块12包括:
提取单元,用于对现金流数据中的时间信息数据、类别信息数据和数值信息数据分别进行特征提取以得到对应的时间特征向量、类别特征向量和数值特征向量;
特征向量确定单元,用于根据时间特征向量、类别特征向量和数值特征向量确定用户的特征向量。
可选地,提取单元具体可用于对时间信息数据进行第一空值处理以得到第一空值结果;对第一空值结果进行时间切分处理以生成对应不同时间段的切分结果;对目标时间段所对应的切分结果进行第一特征缩放处理以生成第一缩放结果;对第一缩放结果内的部分数据进行第一独热编码处理以生成时间特征向量。
可选地,提取单元具体可用于对类别信息数据进行第二空值处理以生成第二空值结果;对第二空值结果进行第二独热编码处理以生成类别特征向量。
可选地,提取单元具体可用于对数值信息数据进行第三空值处理以生成第三空值结果;对第三空值结果进行离群值处理以得到离群值结果;对离群值结果进行第三特征缩放以得到第三缩放结果;对第三缩放结果中的部分数据进行类别编码以得到数值特征向量。
特征向量确定单元具体可用于对时间特征向量、类别特征向量和数值特征向量进行正则化处理得到客户的特征向量。
本发明实施例提供的现金流评估装置的技术方案,通过获取模块从银行信息管理系统中获取目标客户的现金流数据;通过特征提取模块对现金流数据进行特征提取以得到客户的特征向量;通过输出模块将特征向量输入已训练的预测模型中以得到目标客户的现金流评估结果。将已训练的预测模型应用于客户现金流数据的分析,可以直接得到该客户的现金流评估结果,该现金流评估结果可为银行客户经理提供服务指导,以提高部分银行客户经理的服务水平。
本发明实施例所提供的现金流评估装置可执行本发明任意实施例所提供的现金流评估方法,具备执行方法相应的功能模块和有益效果。
实施例三
图3为本发明实施例三提供的服务器设备的结构示意图,如图3所示,该设备包括处理器201、存储器202、输入装置203以及输出装置204;设备中处理器201的数量可以是一个或多个,图3中以一个处理器201为例;设备中的处理器201、存储器202、输入装置203以及输出装置204可以通过总线或其他方式连接,图3中以通过总线连接为例。
存储器202作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的现金流评估方法对应的程序指令/模块(例如,获取模块11、特征提取模块12以及输出模块13)。处理器201通过运行存储在存储器202中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的现金流评估方法。
存储器202可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器202可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器202可进一步包括相对于处理器201 远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置203可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。
输出装置204可包括显示屏等显示设备,例如,用户终端的显示屏。
实施例四
本发明实施例四还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种现金流评估方法,该方法包括:
从银行信息管理系统中获取目标客户的现金流数据;
对所述现金流数据进行特征提取以得到客户的特征向量;
将所述特征向量输入已训练的预测模型中以得到目标客户的现金流评估结果。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的现金流评估方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,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,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器 (Read-Only Memory,简称ROM)、随机存取存储器(RandomAccess Memory,简称RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的现金流评估方法。
值得注意的是,上述现金流评估装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (7)
1.一种现金流评估方法,其特征在于,包括:
从银行信息管理系统中获取目标客户的现金流数据;
对所述现金流数据进行特征提取以得到客户的特征向量,包括:对所述现金流数据中的时间信息数据、类别信息数据和数值信息数据分别进行特征提取以得到对应的时间特征向量、类别特征向量和数值特征向量;根据所述时间特征向量、所述类别特征向量和所述数值特征向量确定用户的特征向量,其中,时间特征向量确定方法包括:对所述时间信息数据进行第一空值处理以得到第一空值结果;对所述第一空值结果进行时间切分处理以生成对应不同时间段的切分结果;对目标时间段所对应的切分结果进行第一特征缩放处理以生成第一缩放结果;对所述第一缩放结果内的部分数据进行第一独热编码处理以生成时间特征向量;
将所述特征向量输入已训练的预测模型中以得到目标客户的现金流评估结果。
2.根据权利要求1所述的方法,其特征在于,对所述现金流数据中的类别信息数据进行特征提取以得到对应的类别特征向量包括:
对所述类别信息数据进行第二空值处理以生成第二空值结果;
对所述第二空值结果进行第二独热编码处理以生成类别特征向量。
3.根据权利要求2所述的方法,其特征在于,所述对所述现金流数据中的数值信息数据进行特征提取以得到数值特征向量包括:
对所述数值信息数据进行第三空值处理以生成第三空值结果;
对所述第三空值结果进行离群值处理以得到离群值结果;
对所述离群值结果进行第三特征缩放以得到第三缩放结果;
对所述第三缩放结果中的部分数据进行类别编码以得到数值特征向量。
4.根据权利要求3所述的方法,其特征在于,所述根据所述时间特征向量、类别特征向量和数值特征向量确定用户的特征向量,包括:
对所述时间特征向量、类别特征向量和数值特征向量进行正则化处理得到客户的特征向量。
5.一种现金流评估装置,其特征在于,包括:
获取模块,用于从银行信息管理系统中获取目标客户的现金流数据;
特征提取模块,用于对所述现金流数据进行特征提取以得到客户的特征向量,包括:对所述现金流数据中的时间信息数据、类别信息数据和数值信息数据分别进行特征提取以得到对应的时间特征向量、类别特征向量和数值特征向量;根据所述时间特征向量、所述类别特征向量和所述数值特征向量确定用户的特征向量,其中,时间特征向量确定方法包括:对所述时间信息数据进行第一空值处理以得到第一空值结果;对所述第一空值结果进行时间切分处理以生成对应不同时间段的切分结果;对目标时间段所对应的切分结果进行第一特征缩放处理以生成第一缩放结果;对所述第一缩放结果内的部分数据进行第一独热编码处理以生成时间特征向量;
输出模块,用于将所述特征向量输入已训练的预测模型中以得到目标客户的现金流评估结果。
6.一种服务器设备,其特征在于,所述服务器设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-4中任一所述的现金流评估方法。
7.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-4中任一所述的现金流评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911194168.XA CN110910241B (zh) | 2019-11-28 | 2019-11-28 | 现金流评估方法、装置、服务器设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911194168.XA CN110910241B (zh) | 2019-11-28 | 2019-11-28 | 现金流评估方法、装置、服务器设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110910241A CN110910241A (zh) | 2020-03-24 |
CN110910241B true CN110910241B (zh) | 2023-01-17 |
Family
ID=69820373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911194168.XA Active CN110910241B (zh) | 2019-11-28 | 2019-11-28 | 现金流评估方法、装置、服务器设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110910241B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111784521B (zh) * | 2020-06-29 | 2023-08-15 | 中国工商银行股份有限公司 | 基于现金流测试的数据处理方法、装置、设备及系统 |
CN115293910A (zh) * | 2022-08-04 | 2022-11-04 | 杭州衡泰技术股份有限公司 | 基于金融大数据的企业现金流智能评级系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109961368A (zh) * | 2019-03-18 | 2019-07-02 | 京东数字科技控股有限公司 | 基于机器学习的数据处理方法及装置 |
CN109978230A (zh) * | 2019-02-15 | 2019-07-05 | 杭州博钊科技有限公司 | 一种基于深度卷积神经网络的电力销售金额智能预测方法 |
CN110264251A (zh) * | 2019-05-31 | 2019-09-20 | 杭州博钊科技有限公司 | 表征现金流的数据组织形式与基于多任务学习的预测方法 |
-
2019
- 2019-11-28 CN CN201911194168.XA patent/CN110910241B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109978230A (zh) * | 2019-02-15 | 2019-07-05 | 杭州博钊科技有限公司 | 一种基于深度卷积神经网络的电力销售金额智能预测方法 |
CN109961368A (zh) * | 2019-03-18 | 2019-07-02 | 京东数字科技控股有限公司 | 基于机器学习的数据处理方法及装置 |
CN110264251A (zh) * | 2019-05-31 | 2019-09-20 | 杭州博钊科技有限公司 | 表征现金流的数据组织形式与基于多任务学习的预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110910241A (zh) | 2020-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110400022B (zh) | 自助柜员机现金用量预测方法及装置 | |
CN110400021B (zh) | 银行网点现金用量预测方法及装置 | |
US20190272553A1 (en) | Predictive Modeling with Entity Representations Computed from Neural Network Models Simultaneously Trained on Multiple Tasks | |
KR102009309B1 (ko) | 금융상품 관리자동화 시스템 및 관리자동화 방법 | |
US20150371244A1 (en) | Forecasting information technology workload demand | |
WO2020073727A1 (zh) | 风险预测方法、装置、计算机设备和存储介质 | |
CN112037038B (zh) | 银行信贷风险预测方法及装置 | |
CN110910241B (zh) | 现金流评估方法、装置、服务器设备及存储介质 | |
CN111932020A (zh) | 客户流失预测方法和装置 | |
CN112348321A (zh) | 风险用户的识别方法、装置及电子设备 | |
CN113159934A (zh) | 一种网点客流量的预测方法、系统、电子设备及存储介质 | |
CN112598443A (zh) | 一种基于深度学习的线上渠道业务数据处理方法及系统 | |
CN114493686A (zh) | 一种运营内容生成推送方法及装置 | |
CN114723554B (zh) | 异常账户识别方法及装置 | |
CN111209105A (zh) | 扩容处理方法、装置、设备及可读存储介质 | |
CN114581130A (zh) | 基于客户画像的银行网点派号方法及装置、存储介质 | |
CN113128739B (zh) | 用户触达时间的预测方法、预测模型训练方法及相关装置 | |
CN114429367A (zh) | 异常检测方法、装置、计算机设备和存储介质 | |
CN110852854B (zh) | 一种量化收益模型的生成方法和风险控制策略的评价方法 | |
CN116450950A (zh) | 产品组合推荐方法、装置、设备及介质 | |
CN117273890A (zh) | 基于交易码的业务预测方法、装置、存储介质及电子设备 | |
CN111754262A (zh) | 一种定价确定方法、装置、设备和存储介质 | |
CN117057899A (zh) | 信用风险评估方法、装置和设备 | |
CN117911194A (zh) | 一种基于大数据的智慧水务管理方法及系统 | |
CN117313008A (zh) | 异常节点的确定方法、装置、存储介质及电子装置 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220930 Address after: 25 Financial Street, Xicheng District, Beijing 100033 Applicant after: CHINA CONSTRUCTION BANK Corp. Address before: 25 Financial Street, Xicheng District, Beijing 100033 Applicant before: CHINA CONSTRUCTION BANK Corp. Applicant before: Jianxin Financial Science and Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |