CN112395329A - 业务数据的处理方法、装置、设备及存储介质 - Google Patents
业务数据的处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112395329A CN112395329A CN202011284392.0A CN202011284392A CN112395329A CN 112395329 A CN112395329 A CN 112395329A CN 202011284392 A CN202011284392 A CN 202011284392A CN 112395329 A CN112395329 A CN 112395329A
- Authority
- CN
- China
- Prior art keywords
- data
- service
- time point
- point
- business
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims abstract description 108
- 238000011156 evaluation Methods 0.000 claims abstract description 67
- 238000012545 processing Methods 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000012549 training Methods 0.000 claims abstract description 16
- 230000007246 mechanism Effects 0.000 claims description 26
- 238000013468 resource allocation Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 17
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 8
- 239000000284 extract Substances 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000013507 mapping Methods 0.000 description 5
- 230000008520 organization Effects 0.000 description 5
- 102000003712 Complement factor B Human genes 0.000 description 1
- 108090000056 Complement factor B Proteins 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Probability & Statistics with Applications (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及大数据领域，提供一种业务数据的处理方法、装置、设备及存储介质，用于提高业务数据的处理准确性。业务数据的处理方法包括：调取业务数据以及业务数据的业务类型，提取业务数据中的日期信息，并根据日期信息生成点差动态状况数据和估值动态状况数据；通过点差动态状况数据和业务评级数据，对预置点差计算模型进行训练，得到多个点差计算因子；通过多个点差计算因子，确定业务数据基于到期日的零波动价差常量值；根据估值动态状况数据和业务评级数据，创建业务数据的估值因子；通过零波动价差常量值和估值因子，对业务数据进行投资收益估算，得到估算数据。此外，本发明还涉及区块链技术，业务数据可存储于区块链中。
Description
技术领域
本发明涉及数据分析领域，尤其涉及一种业务数据的处理方法、装置、设备及存储介质。
背景技术
随着物联网技术和计算机技术的飞速发展，在各领域中对于各项业务数据的前景估算成为各行业关注的内容。目前，对于各项业务数据的处理一般都是采用固定参数值来进行估算。
由于固定参数值无法灵活应对业务数据的动态变化，以及业务数据中多类型数据的转换和变化，因而，导致了业务数据的处理准确性较低。
发明内容
本发明提供一种业务数据的处理方法、装置、设备及存储介质，用于提高业务数据的处理准确性。
本发明第一方面提供了一种业务数据的处理方法，包括：
调取业务数据以及所述业务数据的业务类型，提取所述业务数据中的日期信息，并根据所述日期信息生成点差动态状况数据和估值动态状况数据；
获取所述业务类型的业务评级数据，并通过所述点差动态状况数据和所述业务评级数据，对预置点差计算模型进行训练，得到多个点差计算因子；
通过所述多个点差计算因子，确定所述业务数据基于到期日的零波动价差常量值；
根据所述估值动态状况数据和所述业务评级数据，创建所述业务数据的估值因子；
通过所述零波动价差常量值和所述估值因子，对所述业务数据进行投资收益估算，得到估算数据。
可选的，在本发明第一方面的第一种实现方式中，所述获取所述业务类型的业务评级数据，并通过所述点差动态状况数据和所述业务评级数据，对预置点差计算模型进行训练，得到多个点差计算因子，包括：
获取所述业务类型的业务评级数据，根据所述业务评级数据确定业务市场收益率数据，从所述点差动态状况数据中提取点差时点的金额数据流记录数据，并从所述日期信息中获取目标日期数据，所述目标日期数据包括点差时点、估值时点、计划的到期日和特定时点；
获取所述业务数据的业务金额利率数据和业务金额兑现天数、所述特定时点的业务成本数据、所述特定时点的业务金额收益数据、所述点差时点的业务收益数据以及零波动价差数据；
通过预置点差计算模型中的预置函数，对所述业务市场收益率数据、所述点差时点的金额数据流记录数据、所述目标日期数据、所述业务金额利率数据、所述业务金额兑现天数、所述特定时点的业务成本数据、所述特定时点的业务金额收益数据、所述点差时点的业务收益数据和所述零波动价差数据进行计算，得到多个点差计算因子，所述多个点差计算因子包括第一点差计算因子和第二点差计算因子，所述预置函数具体如下：
其中，所述fact1(t)表示所述第一点差计算因子，所述rate1(t)表示所述业务金额利率数据，所述count1表示所述点差时点的金额数据流记录数据，所述day1(t)表示业务金额兑现天数，所述rate2(t)表示所述业务市场收益率数据，所述zspread表示所述零波动价差数据，所述t表示所述点差时点或所述估值时点，所述Unit_T0表示所述第二点差计算因子，所述n表示所述计划的到期日，所述C(t)表示所述特定时点的业务成本数据，所述Interest(t)表示所述特定时点的业务金额收益数据，所述interest_T0表示所述点差时点的业务收益数据。
可选的，在本发明第一方面的第二种实现方式中，所述通过所述多个点差计算因子，确定所述业务数据基于到期日的零波动价差常量值，包括：
获取所述点差时点的业务成本数据和业务价值数据；通过预置常量公式，对所述点差时点的业务成本数据和业务价值数据以及所述多个点差计算因子进行计算，得到所述业务数据基于到期日的零波动价差常量值，所述预置常量公式如下：
其中，所述Cost_T0表示所述点差时点的业务成本数据，所述BV_T0表示所述点差时点的业务价值数据，所述f(zspread)表示所述零波动价差常量值，所述Unit_T0表示所述第二点差计算因子。
可选的，在本发明第一方面的第三种实现方式中，所述根据所述估值动态状况数据和所述业务评级数据，创建所述业务数据的估值因子，包括：
获取所述日期信息中的估值时点和到期日信息，提取所述估值动态状况数据中所述估值时点的金额数据流记录数据，并通过所述业务评级数据确定业务市场收益率数据；获取业务金额利率数据和零波动价差数据，并根据所述到期日信息和所述估值时点，确定业务金额兑现天数；通过预置公式，对所述估值时点的金额数据流记录数据、所述业务市场收益率数据、所述业务金额利率数据、和所述业务金额兑现天数进行计算，得到所述业务数据的估值因子，所述预置公式如下：
其中，所述fact2(t)表示所述业务数据的估值因子，所述day1(t)表示所述业务金额兑现天数，所述rate1(t)表示所述业务金额利率数据，所述rate2(t)表示所述业务市场收益率数据，所述zspread表示所述零波动价差数据，所述count2表示所述估值时点的金额数据流记录数据。
可选的，在本发明第一方面的第四种实现方式中，所述通过所述零波动价差常量值和所述估值因子，对所述业务数据进行投资收益估算，得到估算数据，包括：
从所述日期信息中获取特定时点、估值时点和计划的到期日，并从估值动态状况数据中获取所述特定时点的业务成本数据、所述特定时点的业务金额收益数据和所述估值时点的业务价值数据；通过第一预置估算公式，对所述特定时点的业务成本数据、所述特定时点的业务金额收益数据、所述估值时点的业务价值数据和所述估值因子进行计算，得到所述估值时点的业务单全价值数据，所述第一预置估算公式如下：
Dirty_T＝Unit_P×Position_T，其中，所述Dirty_T表示所述估算数据，所述Unit_P表示所述估值时点的业务单全价值数据，所述Position_T表示所述估值时点的业务数量。
可选的，在本发明第一方面的第五种实现方式中，所述通过所述零波动价差常量值和所述估值因子，对所述业务数据进行投资收益估算，得到估算数据之后，还包括：
根据所述估算数据确定所述业务数据的回报率占比，并根据所述回报率占比，对所述业务数据对应的项目或机构进行业务资源分配。
可选的，在本发明第一方面的第六种实现方式中，所述根据所述估算数据确定所述业务数据的回报率占比，并根据所述回报率占比，对所述业务数据对应的项目或机构进行业务资源分配，包括：
获取多个目标业务数据分别对应的目标回报率值，并根据所述估算数据计算所述业务数据的业务回报率值，所述目标业务数据用于指示与所述业务数据同估算的其他业务数据；根据所述目标回报率值和所述业务回报率值，计算所述业务数据的回报率占比，并判断所述回报率占比是否大于预设阈值；若所述回报率占比大于预设阈值，则根据所述回报率占比，对所述业务数据对应的项目或机构进行业务资源分配；若所述回报率占比小于或等于预设阈值，则根据预设的分配比例，对所述业务数据对应的项目或机构进行业务资源分配。
本发明第二方面提供了一种业务数据的处理装置，包括：
调取生成模块，用于调取业务数据以及所述业务数据的业务类型，提取所述业务数据中的日期信息，并根据所述日期信息生成点差动态状况数据和估值动态状况数据；
训练模块，用于获取所述业务类型的业务评级数据，并通过所述点差动态状况数据和所述业务评级数据，对预置点差计算模型进行训练，得到多个点差计算因子；
确定模块，用于通过所述多个点差计算因子，确定所述业务数据基于到期日的零波动价差常量值；
创建模块，用于根据所述估值动态状况数据和所述业务评级数据，创建所述业务数据的估值因子；
估算模块，用于通过所述零波动价差常量值和所述估值因子，对所述业务数据进行投资收益估算，得到估算数据。
可选的，在本发明第二方面的第一种实现方式中，所述训练模块具体用于：
获取所述业务类型的业务评级数据，根据所述业务评级数据确定业务市场收益率数据，从所述点差动态状况数据中提取点差时点的金额数据流记录数据，并从所述日期信息中获取目标日期数据，所述目标日期数据包括点差时点、估值时点、计划的到期日和特定时点；获取所述业务数据的业务金额利率数据和业务金额兑现天数、所述特定时点的业务成本数据、所述特定时点的业务金额收益数据、所述点差时点的业务收益数据以及零波动价差数据；通过预置点差计算模型中的预置函数，对所述业务市场收益率数据、所述点差时点的金额数据流记录数据、所述目标日期数据、所述业务金额利率数据、所述业务金额兑现天数、所述特定时点的业务成本数据、所述特定时点的业务金额收益数据、所述点差时点的业务收益数据和所述零波动价差数据进行计算，得到多个点差计算因子，所述多个点差计算因子包括第一点差计算因子和第二点差计算因子，所述预置函数具体如下：
其中，所述fact1(t)表示所述第一点差计算因子，所述rate1(t)表示所述业务金额利率数据，所述count1表示所述点差时点的金额数据流记录数据，所述day1(t)表示业务金额兑现天数，所述rate2(t)表示所述业务市场收益率数据，所述zspread表示所述零波动价差数据，所述t表示所述点差时点或所述估值时点，所述Unit_T0表示所述第二点差计算因子，所述n表示所述计划的到期日，所述C(t)表示所述特定时点的业务成本数据，所述Interest(t)表示所述特定时点的业务金额收益数据，所述interest_T0表示所述点差时点的业务收益数据。
可选的，在本发明第二方面的第二种实现方式中，所述确定模块具体用于：
获取所述点差时点的业务成本数据和业务价值数据；通过预置常量公式，对所述点差时点的业务成本数据和业务价值数据以及所述多个点差计算因子进行计算，得到所述业务数据基于到期日的零波动价差常量值，所述预置常量公式如下：
其中，所述Cost_T0表示所述点差时点的业务成本数据，所述BV_T0表示所述点差时点的业务价值数据，所述f(zspread)表示所述零波动价差常量值，所述Unit_T0表示所述第二点差计算因子。
可选的，在本发明第二方面的第三种实现方式中，所述创建模块具体用于：
获取所述日期信息中的估值时点和到期日信息，提取所述估值动态状况数据中所述估值时点的金额数据流记录数据，并通过所述业务评级数据确定业务市场收益率数据；
获取业务金额利率数据和零波动价差数据，并根据所述到期日信息和所述估值时点，确定业务金额兑现天数；通过预置公式，对所述估值时点的金额数据流记录数据、所述业务市场收益率数据、所述业务金额利率数据、和所述业务金额兑现天数进行计算，得到所述业务数据的估值因子，所述预置公式如下：
其中，所述fact2(t)表示所述业务数据的估值因子，所述day1(t)表示所述业务金额兑现天数，所述rate1(t)表示所述业务金额利率数据，所述rate2(t)表示所述业务市场收益率数据，所述zspread表示所述零波动价差数据，所述count2表示所述估值时点的金额数据流记录数据。
可选的，在本发明第二方面的第四种实现方式中，所述估算模块具体用于：
从所述日期信息中获取特定时点、估值时点和计划的到期日，并从估值动态状况数据中获取所述特定时点的业务成本数据、所述特定时点的业务金额收益数据和所述估值时点的业务价值数据；
通过第一预置估算公式，对所述特定时点的业务成本数据、所述特定时点的业务金额收益数据、所述估值时点的业务价值数据和所述估值因子进行计算，得到所述估值时点的业务单全价值数据，所述第一预置估算公式如下：
其中，所述Unit_P表示所述估值时点的业务单全价值数据，所述C(t)表示所述特定时点的业务成本数据，所述t表示所述估值时点，所述n表示所述计划的到期日，所述Interest(t)表示所述特定时点的业务金额收益数据，所述fact2(t)表示所述估值因子，所述BV_T1表示所述估值时点的业务价值数据；
根据所述零波动价差常量值确定所述估值时点的业务数量，通过第二预置估算公式，对所述估值时点的业务单全价值数据和所述估值时点的业务数量进行计算，得到估算数据，所述第二预置估算公式如下：
Dirty_T＝Unit_P×Position_T，
其中，所述Dirty_T表示所述估算数据，所述Unit_P表示所述估值时点的业务单全价值数据，所述Position_T表示所述估值时点的业务数量。
可选的，在本发明第二方面的第五种实现方式中，所述业务数据的处理装置，还包括：
分配模块，用于根据所述估算数据确定所述业务数据的回报率占比，并根据所述回报率占比，对所述业务数据对应的项目或机构进行业务资源分配。
可选的，在本发明第二方面的第六种实现方式中，所述分配模块具体用于：
获取多个目标业务数据分别对应的目标回报率值，并根据所述估算数据计算所述业务数据的业务回报率值，所述目标业务数据用于指示与所述业务数据同估算的其他业务数据；根据所述目标回报率值和所述业务回报率值，计算所述业务数据的回报率占比，并判断所述回报率占比是否大于预设阈值；若所述回报率占比大于预设阈值，则根据所述回报率占比，对所述业务数据对应的项目或机构进行业务资源分配；若所述回报率占比小于或等于预设阈值，则根据预设的分配比例，对所述业务数据对应的项目或机构进行业务资源分配。
本发明第三方面提供了一种业务数据的处理设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述业务数据的处理设备执行上述的业务数据的处理方法。
本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的业务数据的处理方法。
本发明提供的技术方案中，调取业务数据以及业务数据的业务类型，提取业务数据中的日期信息，并根据日期信息生成点差动态状况数据和估值动态状况数据；获取业务类型的业务评级数据，并通过点差动态状况数据和业务评级数据，对预置点差计算模型进行训练，得到多个点差计算因子；通过多个点差计算因子，确定业务数据基于到期日的零波动价差常量值；根据估值动态状况数据和业务评级数据，创建业务数据的估值因子；通过零波动价差常量值和估值因子，对业务数据进行投资收益估算，得到估算数据。本发明实施例中，通过点差动态状况数据和业务评级数据确定多个点差计算因子，通过多个点差计算因子确定零波动价差常量值，根据估值动态状况数据和业务评级数据创建估值因子，通过零波动价差常量值和估值因子，对业务数据进行投资收益估算，能够灵活应对业务数据的动态变化，以及业务数据中多类型数据的转换和变化，提高了业务数据的处理准确性。
附图说明
图1为本发明实施例中业务数据的处理方法的一个实施例示意图；
图2为本发明实施例中业务数据的处理方法的另一个实施例示意图；
图3为本发明实施例中业务数据的处理装置的一个实施例示意图；
图4为本发明实施例中业务数据的处理装置的另一个实施例示意图；
图5为本发明实施例中业务数据的处理设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种业务数据的处理方法、装置、设备及存储介质，提高了业务数据的处理准确性。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中业务数据的处理方法的一个实施例包括：
101、调取业务数据以及业务数据的业务类型，提取业务数据中的日期信息，并根据日期信息生成点差动态状况数据和估值动态状况数据。
可以理解的是，本发明的执行主体可以为业务数据的处理装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
其中，业务数据包括但不限于医疗数据、金融资产数据和车辆数据等，例如：医疗数据中的医疗器械金额数据、金融资产数据中的金融投融资数据和车辆数据中的车辆订单数据等。业务数据中的业务类型数据包括一个或一个以上，例如：业务数据仅为理财产品数据，业务数据也可包括医疗器械购买金额数据和理财产品数据。日期信息包括购买日期、持有期、计划的到期日和配置的估值日期等。
例如，以业务数据为理财产品数据，到期日信息为理财产品数据中各日期信息，点差动态状况数据为点差时点的现金流量表，估值动态状况数据为估值时点的现金流量表为例说明，服务器从预置数据库中提取理财产品数据，理财产品数据包括购买日期(2020.10.20)、持有期(2年)、赎回计划的到期日(2022.10.20)和11月份配置的估值日期(2020.11.25)……，从理财产品数据中提取购买日期(2020.10.20)、持有日期(2年)、赎回计划的到期日(2022.10.20)和11月份配置的估值日期(2020.11.25)……，从而得到日期信息，则将购买日期(2020.10.20，2020.11.20……)确定为点差时点，将配置的估值日期(2020.11.25，2020.12.25……)确定为估值时点，将2020.10.20、2020.11.20、2020.12.20、……2022.10.20的现金流数据填充至预置报表中，从而得到点差时点的现金流量表，将2020.11.25、2020.12.25……2022.9.25的现金流数据填充至预置报表中，从而得到估值时点的现金流量表。
102、获取业务类型的业务评级数据，并通过点差动态状况数据和业务评级数据，对预置点差计算模型进行训练，得到多个点差计算因子。
服务器从预置数据库中获取业务类型的机构内部评级数据和评级映射表，对评级映射表进行检索，得到与机构内部评级数据对应的业务评级数据，该业务评级数据为机构外部评级数据，将点差动态状况数据和业务评级数据输入至预置点差计算模型，由预置点差计算模型中的计算公式或计算函数对点差动态状况数据和业务评级数据进行计算，得到多个点差计算因子，该多个点差计算因子存在互相关联的关系，例如，通过点差计算因子A可得到点差计算因子B。
例如，以业务类型为企业债，业务评级数据为万得wind评级数据，点差动态状况数据为点差时点的现金流量表，点差计算因子为点差折现因子为例说明，服务器从预置数据库中获取企业债的机构内部评级数据(AA级)和评级映射表，该评级映射表为由服务器预先从万得平台中提取的万得wind评级数据，创建该提取的万得wind评级数据和各业务类型之间的对应关系，并根据该对应关系生成提取的万得wind评级数据和各业务类型之间的散列表而得，其中，万得wind评级数据包括各评级的净值数据，对评级映射表进行检索，得到与机构内部评级数据(AA级)对应的万得wind评级(A+)，根据A+和估值时点匹配对应的万得wind的净值数据，从而得到对应的万得wind评级数据(业务评级数据)，通过预置点差计算模型中的计算公式或计算函数，对点差时点的现金流量表据和万得wind评级数据进行计算，得到多个点差折现因子。
103、通过多个点差计算因子，确定业务数据基于到期日的零波动价差常量值。
服务器得到多个点差计算因子之后，获取点差时点的业务成本数据和业务价值数据，通过预置常量公式，对业务成本数据、业务价值数据和多个点差计算因子进行计算，得到业务数据基于到期日信息的零波动价差zspead常量。
104、根据估值动态状况数据和业务评级数据，创建业务数据的估值因子。
服务器得到估值动态状况数据和业务评级数据后，从日期信息中获取估值时点和到期日信息，从估值动态状况数据中提取估值时点的金额数据流记录数据，并通过现有的收益率计算公式，对业务评级数据进行计算，得到业务市场收益率，获取业务金额利率和到期日信息，并通过第一预置公式对到期日信息和估值时点进行计算，得到业务金额兑现天数，通过第二预置公式，对估值时点的金额数据流记录数据、业务金额兑现天数、业务评级数据确定业务市场收益率和业务金额利率进行计算，得到业务数据的估值因子。
105、通过零波动价差常量值和估值因子，对业务数据进行投资收益估算，得到估算数据。
服务器获取特定时点的业务收益数据、特定时点的业务金额收益数据和估值时点的业务价值数据，并通过预置业务数量计算公式对零波动价差常量值进行计算，得到估值时点的业务数量，通过多个预置估算公式，对特定时点的业务收益数据、特定时点的业务金额收益数据和估值时点的业务价值数据、估值时点的业务数量和估值因子进行计算，得到估算数据，该估算数据包括业务成本数据和业务收益数据，该业务收益是未来获取的公允变动，为对业务数据进行估算所关注的点。
本发明实施例中，通过点差动态状况数据和业务评级数据确定多个点差计算因子，通过多个点差计算因子确定零波动价差常量值，根据估值动态状况数据和业务评级数据创建估值因子，通过零波动价差常量值和估值因子，对业务数据进行投资收益估算，能够灵活应对业务数据的动态变化，以及业务数据中多类型数据的转换和变化，提高了业务数据的处理准确性。
请参阅图2，本发明实施例中业务数据的处理方法的另一个实施例包括：
201、调取业务数据以及业务数据的业务类型，提取业务数据中的日期信息，并根据日期信息生成点差动态状况数据和估值动态状况数据。
步骤201的执行过程与上述步骤101的执行过程类似，在此不再赘述。
202、获取业务类型的业务评级数据，并通过点差动态状况数据和业务评级数据，对预置点差计算模型进行训练，得到多个点差计算因子。
具体地，服务器获取业务类型的业务评级数据，根据业务评级数据确定业务市场收益率数据，从点差动态状况数据中提取点差时点的金额数据流记录数据，并从日期信息中获取目标日期数据，目标日期数据包括点差时点、估值时点、计划的到期日和特定时点；获取业务数据的业务金额利率数据和业务金额兑现天数，特定时点的业务成本数据、特定时点的业务金额收益数据、点差时点的业务收益数据以及零波动价差数据；通过预置点差计算模型中的预置函数，对业务市场收益率数据、点差时点的金额数据流记录数据、目标日期数据、特定时点的业务金额利率数据、业务金额兑现天数、特定时点的业务成本数据和业务金额收益数据、点差时点的业务收益数据和零波动价差数据进行计算，得到多个点差计算因子，多个点差计算因子包括第一点差计算因子和第二点差计算因子，预置函数具体如下：
其中，fact1(t)表示第一点差计算因子，rate1(t)表示业务金额利率数据，count1表示点差时点的金额数据流记录数据，day1(t)表示业务金额兑现天数，rate2(t)表示业务市场收益率数据，zspread表示零波动价差数据，t表示点差时点或估值时点，Unit_T0表示第二点差计算因子，n表示计划的到期日，C(t)表示特定时点的业务成本数据，Interest(t)表示特定时点的业务金额收益数据，interest_T0表示点差时点的业务收益数据。
例如，以业务类型为企业债、业务评级数据为万得wind评级数据、业务市场收益率为理财产品市场利率、点差动态状况数据为点差时点的现金流量表、估值动态状况数据为估值时点的现金流量表、业务金额兑现天数为理财产品折现天数、金额数据流记录数据为现金流记录数、特定时点的业务金额收益数据为特定时点的利息、业务金额利率数据为理财产品折现利率、业务收益数据为理财产品利息、第一点差计算因子为折现因子、第二点差计算因子为点差时点的单券净价和业务成本数据为理财产品成本为例说明，服务器企业债的万得wind评级数据(A+，A+的wind净值数据)，通过现有的收益率计算公式，对A+的wind净值数据和折现天数进行计算，得到理财产品市场利率，理财产品折现利率为3％，理财产品折现天数为30，现金流记录数为10001，理财产品市场利率为2％，零波动价差数据为0.01，理财产品成本为10000，特定时点的利息为150，点差时点的利息为100，n为1，则折现因子
点差时点的单券净价
本实施例中的数据仅为举例说明。
203、通过多个点差计算因子，确定业务数据基于到期日的零波动价差常量值。
具体地，服务器获取点差时点的业务成本数据和业务价值数据；通过预置常量公式，对点差时点的业务成本数据和业务价值数据以及多个点差计算因子进行计算，得到业务数据基于到期日的零波动价差常量值，预置常量公式如下：
其中，Cost_T0表示点差时点的业务成本数据，BV_T0表示点差时点的业务价值数据，f(zspread)表示零波动价差常量值，Unit_T0表示第二点差计算因子。
例如，以点差时点的业务成本数据为理财产品的投资成本数据，点差时点的业务价值数据为理财产品的单券票面价值数据，多个点差计算因子中的第二点差计算因子为点差时点的单券净价为例说明，理财产品的投资成本数据为10000元，理财产品的单券票面价值数据为1000元，点差时点的单券净价100元，则可得10000/1000＝f(zspread)*100/1000＝100*100/1000，从而得到f(zspread)＝100，本实施例中的数据仅为举例说明。
204、根据估值动态状况数据和业务评级数据，创建业务数据的估值因子。
具体地，服务器获取日期信息中的估值时点和到期日信息，提取估值动态状况数据中估值时点的金额数据流记录数据，并通过业务评级数据确定业务市场收益率数据；获取业务金额利率数据和零波动价差数据，并根据到期日信息和估值时点，确定业务金额兑现天数；通过预置公式，对估值时点的金额数据流记录数据、业务市场收益率数据、业务金额利率数据、和业务金额兑现天数进行计算，得到业务数据的估值因子，预置公式如下：
其中，fact2(t)表示业务数据的估值因子，day1(t)表示业务金额兑现天数，rate1(t)表示业务金额利率数据，rate2(t)表示业务市场收益率数据，zspread表示零波动价差数据，count2表示估值时点的金额数据流记录数据。
其中，可通过以下公式对到期日信息和估值时点进行计算，得到业务金额兑现天数：
Date(t)表示到期天数，t表示到期日信息，Date_T1表示估值天数，T1表示估值时点。
例如，以业务数据的估值因子为理财产品的估值时点的折现因子，业务金额兑现天数为折现天数，业务金额利率数据为折现利率，业务市场收益率数据为理财产品的市场利率，估值时点的金额数据流记录数据为估值时点的现金流记录数据为例说明，折现天数为30天，折现利率为0.35％，理财产品的市场利率为0.25％，零波动价差数据为0.005，估值时点的现金流记录数据为10020元，则理财产品的估值时点的折现因子
本实施例中的数据仅为举例说明。
205、通过零波动价差常量值和估值因子，对业务数据进行投资收益估算，得到估算数据。
具体地，服务器从日期信息中获取特定时点、估值时点和计划的到期日，并从估值动态状况数据中获取特定时点的业务成本数据、特定时点的业务金额收益数据和估值时点的业务价值数据；通过第一预置估算公式，对特定时点的业务成本数据、特定时点的业务金额收益数据、估值时点的业务价值数据和估值因子进行计算，得到估值时点的业务单全价值数据，第一预置估算公式如下：
其中，Unit_P表示估值时点的业务单全价值数据，C(t)表示特定时点的业务成本数据，t表示估值时点，n表示计划的到期日，Interest(t)表示特定时点的业务金额收益数据，fact2(t)表示估值因子，BV_T1表示估值时点的业务价值数据；根据零波动价差常量值确定估值时点的业务数量，通过第二预置估算公式，对估值时点的业务单全价值数据和估值时点的业务数量进行计算，得到估算数据，第二预置估算公式如下：Dirty_T＝Unit_P×Position_T，其中，Dirty_T表示估算数据，Unit_P表示估值时点的业务单全价值数据，Position_T表示估值时点的业务数量。
例如，以业务为理财产品，业务单全价值数据为估值时点的单券全价，特定时点的业务收益为特定时点的投资成本数据，特定时点的业务金额收益数据为特定时点的折现利息，估值时点的业务价值数据为估值时点的单券票面价值数据，估值时点的业务数量为估值时点的持仓数为例说明，特定时点的投资成本数据为10000元，特定时点的折现利息为50元，n为1，估值因子为0.999，估值时点的单券票面价值数据为1000元，估值时点的持仓数为15，则估值时点的业务单全价值数据为
估算数据为Dirty_T＝1003.995×15＝15059.925。
206、根据估算数据确定业务数据的回报率占比，并根据回报率占比，对业务数据对应的项目或机构进行业务资源分配。
具体地，服务器获取多个目标业务数据分别对应的目标回报率值，并根据估算数据计算业务数据的业务回报率值，目标业务数据用于指示与业务数据同估算的其他业务数据；根据目标回报率值和业务回报率值，计算业务数据的回报率占比，并判断回报率占比是否大于预设阈值；若回报率占比大于预设阈值，则根据回报率占比，对业务数据对应的项目或机构进行业务资源分配；若回报率占比小于或等于预设阈值，则根据预设的分配比例，对业务数据对应的项目或机构进行业务资源分配。
例如，多个目标业务数据分别对应的目标回报率值分别为C1、D1和E1，服务器获取业务数据的总投资金额数据，估算数据中的收益数据以及待分配总资源，计算收益数据与总共投资金额数据，得到业务回报率值F1，计算F1/(C1+D1+E1+F1)，得到业务数据的回报率占比G，判断G是否大于预设阈值，若是，则将待分配总资源中G的资源量，分配该业务数据对应的项目或机构；若否，则获取预设的分配比例，并获取分配比例中业务数据对应的分配比，将待分配总资源中分配比的资源量，分配该业务数据对应的项目或机构。
其中，多个目标业务数据可用于指示业务类型与业务数据的业务类型不相同，也可用于指示业务类型与业务数据的业务类型相同，例如：多个目标业务数据分别为医疗器械金额数据、保险订单数据和车辆订单数据，业务数据为金融投融资数据；多个目标业务数据分别为债券型理财产品数据、信托型理财产品数据和挂钩型理财产品数据，业务数据为合格的境内机构投资者QDII型理财产品数据。
当业务数据为多个项目的业务数据时，对业务数据对应的项目进行业务资源分配，当业务数据为多个机构的业务数据时，对业务数据对应的机构进行业务资源分配，其中，业务资源分配所分配的业务资源可包括人力资源、物力资源和财力资源。
服务器在对业务数据对应的项目或机构进行业务资源分配后，生成业务资源分配信息，并将该业务资源分配信息发送至审核端，由审核端对该业务资源分配信息进行审核确认，以提高业务资源分配信息的准确性。
通过对根据估算数据确定业务数据的回报率占比，并根据回报率占比，对业务数据对应的项目或机构进行业务资源分配，实现了对估算数据的灵活运用，在保证估算数据的准确性的基础上，保证了业务资源分配的自动化和可靠性。
本发明实施例中，不仅能够灵活应对业务数据的动态变化，以及业务数据中多类型数据的转换和变化，提高了业务数据的处理准确性，还能够通过根据回报率占比对业务数据对应的项目或机构进行业务资源分配，实现了对估算数据的灵活运用，在保证估算数据的准确性的基础上，保证了业务资源分配的自动化和可靠性。
上面对本发明实施例中业务数据的处理方法进行了描述，下面对本发明实施例中业务数据的处理装置进行描述，请参阅图3，本发明实施例中业务数据的处理装置一个实施例包括：
调取生成模块301，用于调取业务数据以及业务数据的业务类型，提取业务数据中的日期信息，并根据日期信息生成点差动态状况数据和估值动态状况数据；
训练模块302，用于获取业务类型的业务评级数据，并通过点差动态状况数据和业务评级数据，对预置点差计算模型进行训练，得到多个点差计算因子；
确定模块303，用于通过多个点差计算因子，确定业务数据基于到期日的零波动价差常量值；
创建模块304，用于根据估值动态状况数据和业务评级数据，创建业务数据的估值因子；
估算模块305，用于通过零波动价差常量值和估值因子，对业务数据进行投资收益估算，得到估算数据。
上述业务数据的处理装置中各个模块的功能实现与上述业务数据的处理方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。
本发明实施例中，通过点差动态状况数据和业务评级数据确定多个点差计算因子，通过多个点差计算因子确定零波动价差常量值，根据估值动态状况数据和业务评级数据创建估值因子，通过零波动价差常量值和估值因子，对业务数据进行投资收益估算，能够灵活应对业务数据的动态变化，以及业务数据中多类型数据的转换和变化，提高了业务数据的处理准确性。
请参阅图4，本发明实施例中业务数据的处理装置的另一个实施例包括：
调取生成模块301，用于调取业务数据以及业务数据的业务类型，提取业务数据中的日期信息，并根据日期信息生成点差动态状况数据和估值动态状况数据；
训练模块302，用于获取业务类型的业务评级数据，并通过点差动态状况数据和业务评级数据，对预置点差计算模型进行训练，得到多个点差计算因子；
确定模块303，用于通过多个点差计算因子，确定业务数据基于到期日的零波动价差常量值；
创建模块304，用于根据估值动态状况数据和业务评级数据，创建业务数据的估值因子；
估算模块305，用于通过零波动价差常量值和估值因子，对业务数据进行投资收益估算，得到估算数据；
分配模块306，用于根据估算数据确定业务数据的回报率占比，并根据回报率占比，对业务数据对应的项目或机构进行业务资源分配。
可选的，训练模块302还可以具体用于：
获取业务类型的业务评级数据，根据业务评级数据确定业务市场收益率数据，从点差动态状况数据中提取点差时点的金额数据流记录数据，并从日期信息中获取目标日期数据，目标日期数据包括点差时点、估值时点、计划的到期日和特定时点；获取业务数据的业务金额利率数据和业务金额兑现天数、特定时点的业务成本数据、特定时点的业务金额收益数据、点差时点的业务收益数据以及零波动价差数据；通过预置点差计算模型中的预置函数，对业务市场收益率数据、点差时点的金额数据流记录数据、目标日期数据、业务金额利率数据、业务金额兑现天数、特定时点的业务成本数据、特定时点的业务金额收益数据、点差时点的业务收益数据和零波动价差数据进行计算，得到多个点差计算因子，多个点差计算因子包括第一点差计算因子和第二点差计算因子，预置函数具体如下：
其中，fact1(t)表示第一点差计算因子，rate1(t)表示业务金额利率数据，count1表示点差时点的金额数据流记录数据，day1(t)表示业务金额兑现天数，rate2(t)表示业务市场收益率数据，zspread表示零波动价差数据，t表示点差时点或估值时点，Unit_T0表示第二点差计算因子，n表示计划的到期日，C(t)表示特定时点的业务成本数据，Interest(t)表示特定时点的业务金额收益数据，interest_T0表示点差时点的业务收益数据。
可选的，确定模块303还可以具体用于：
获取点差时点的业务成本数据和业务价值数据；通过预置常量公式，对点差时点的业务成本数据和业务价值数据以及多个点差计算因子进行计算，得到业务数据基于到期日的零波动价差常量值，预置常量公式如下：
可选的，创建模块304还可以具体用于：
获取日期信息中的估值时点和到期日信息，提取估值动态状况数据中估值时点的金额数据流记录数据，并通过业务评级数据确定业务市场收益率数据；获取业务金额利率数据和零波动价差数据，并根据到期日信息和估值时点，确定业务金额兑现天数；通过预置公式，对估值时点的金额数据流记录数据、业务市场收益率数据、业务金额利率数据、和业务金额兑现天数进行计算，得到业务数据的估值因子，预置公式如下：
可选的，估算模块305还可以具体用于：
从日期信息中获取特定时点、估值时点和计划的到期日，并从估值动态状况数据中获取特定时点的业务成本数据、特定时点的业务金额收益数据和估值时点的业务价值数据；通过第一预置估算公式，对特定时点的业务成本数据、特定时点的业务金额收益数据、估值时点的业务价值数据和估值因子进行计算，得到估值时点的业务单全价值数据，第一预置估算公式如下：
其中，Unit_P表示估值时点的业务单全价值数据，C(t)表示特定时点的业务成本数据，t表示估值时点，n表示计划的到期日，Interest(t)表示特定时点的业务金额收益数据，fact2(t)表示估值因子，BV_T1表示估值时点的业务价值数据；
根据零波动价差常量值确定估值时点的业务数量，通过第二预置估算公式，对估值时点的业务单全价值数据和估值时点的业务数量进行计算，得到估算数据，第二预置估算公式如下：
Dirty_T＝Unit_P×Position_T，
其中，Dirty_T表示估算数据，Unit_P表示估值时点的业务单全价值数据，Position_T表示估值时点的业务数量。
可选的，分配模块306还可以具体用于：
获取多个目标业务数据分别对应的目标回报率值，并根据估算数据计算业务数据的业务回报率值，目标业务数据用于指示与业务数据同估算的其他业务数据；根据目标回报率值和业务回报率值，计算业务数据的回报率占比，并判断回报率占比是否大于预设阈值；若回报率占比大于预设阈值，则根据回报率占比，对业务数据对应的项目或机构进行业务资源分配；若回报率占比小于或等于预设阈值，则根据预设的分配比例，对业务数据对应的项目或机构进行业务资源分配。
上述业务数据的处理装置中各模块和各单元的功能实现与上述业务数据的处理方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。
本发明实施例中，不仅能够灵活应对业务数据的动态变化，以及业务数据中多类型数据的转换和变化，提高了业务数据的处理准确性，还能够通过根据回报率占比对业务数据对应的项目或机构进行业务资源分配，实现了对估算数据的灵活运用，在保证估算数据的准确性的基础上，保证了业务资源分配的自动化和可靠性。
上面图3和图4从模块化功能实体的角度对本发明实施例中的业务数据的处理装置进行详细描述，下面从硬件处理的角度对本发明实施例中业务数据的处理设备进行详细描述。
图5是本发明实施例提供的一种业务数据的处理设备的结构示意图，该业务数据的处理设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)510(例如，一个或一个以上处理器)和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对业务数据的处理设备500中的一系列指令操作。更进一步地，处理器510可以设置为与存储介质530通信，在业务数据的处理设备500上执行存储介质530中的一系列指令操作。
业务数据的处理设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图5示出的业务数据的处理设备结构并不构成对业务数据的处理设备的限定，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。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，计算机可读存储介质中存储有指令，当指令在计算机上运行时，使得计算机执行业务数据的处理方法的步骤。
进一步地，计算机可读存储介质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等；存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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一个存储介质中，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方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种业务数据的处理方法，其特征在于，所述业务数据的处理方法包括：
调取业务数据以及所述业务数据的业务类型，提取所述业务数据中的日期信息，并根据所述日期信息生成点差动态状况数据和估值动态状况数据；
获取所述业务类型的业务评级数据，并通过所述点差动态状况数据和所述业务评级数据，对预置点差计算模型进行训练，得到多个点差计算因子；
通过所述多个点差计算因子，确定所述业务数据基于到期日的零波动价差常量值；
根据所述估值动态状况数据和所述业务评级数据，创建所述业务数据的估值因子；
通过所述零波动价差常量值和所述估值因子，对所述业务数据进行投资收益估算，得到估算数据。
2.根据权利要求1所述的业务数据的处理方法，其特征在于，所述获取所述业务类型的业务评级数据，并通过所述点差动态状况数据和所述业务评级数据，对预置点差计算模型进行训练，得到多个点差计算因子，包括：
获取所述业务类型的业务评级数据，根据所述业务评级数据确定业务市场收益率数据，从所述点差动态状况数据中提取点差时点的金额数据流记录数据，并从所述日期信息中获取目标日期数据，所述目标日期数据包括点差时点、估值时点、计划的到期日和特定时点；
获取所述业务数据的业务金额利率数据和业务金额兑现天数、所述特定时点的业务成本数据、所述特定时点的业务金额收益数据、所述点差时点的业务收益数据以及零波动价差数据；
通过预置点差计算模型中的预置函数，对所述业务市场收益率数据、所述点差时点的金额数据流记录数据、所述目标日期数据、所述业务金额利率数据、所述业务金额兑现天数、所述特定时点的业务成本数据、所述特定时点的业务金额收益数据、所述点差时点的业务收益数据和所述零波动价差数据进行计算，得到多个点差计算因子，所述多个点差计算因子包括第一点差计算因子和第二点差计算因子，所述预置函数具体如下：
其中，所述fact1(t)表示所述第一点差计算因子，所述rate1(t)表示所述业务金额利率数据，所述count1表示所述点差时点的金额数据流记录数据，所述day1(t)表示业务金额兑现天数，所述rate2(t)表示所述业务市场收益率数据，所述zspread表示所述零波动价差数据，所述t表示所述点差时点或所述估值时点，所述Unit_T0表示所述第二点差计算因子，所述n表示所述计划的到期日，所述C(t)表示所述特定时点的业务成本数据，所述Interest(t)表示所述特定时点的业务金额收益数据，所述interest_T0表示所述点差时点的业务收益数据。
3.根据权利要求2所述的业务数据的处理方法，其特征在于，所述通过所述多个点差计算因子，确定所述业务数据基于到期日的零波动价差常量值，包括：
获取所述点差时点的业务成本数据和业务价值数据；
通过预置常量公式，对所述点差时点的业务成本数据和业务价值数据以及所述多个点差计算因子进行计算，得到所述业务数据基于到期日的零波动价差常量值，所述预置常量公式如下：
其中，所述Cost_T0表示所述点差时点的业务成本数据，所述BV_T0表示所述点差时点的业务价值数据，所述f(zspread)表示所述零波动价差常量值，所述Unit_T0表示所述第二点差计算因子。
4.根据权利要求1所述的业务数据的处理方法，其特征在于，所述根据所述估值动态状况数据和所述业务评级数据，创建所述业务数据的估值因子，包括：
获取所述日期信息中的估值时点和到期日信息，提取所述估值动态状况数据中所述估值时点的金额数据流记录数据，并通过所述业务评级数据确定业务市场收益率数据；
获取业务金额利率数据和零波动价差数据，并根据所述到期日信息和所述估值时点，确定业务金额兑现天数；
通过预置公式，对所述估值时点的金额数据流记录数据、所述业务市场收益率数据、所述业务金额利率数据、和所述业务金额兑现天数进行计算，得到所述业务数据的估值因子，所述预置公式如下：
其中，所述fact2(t)表示所述业务数据的估值因子，所述day1(t)表示所述业务金额兑现天数，所述rate1(t)表示所述业务金额利率数据，所述rate2(t)表示所述业务市场收益率数据，所述zspread表示所述零波动价差数据，所述count2表示所述估值时点的金额数据流记录数据。
5.根据权利要求1所述的业务数据的处理方法，其特征在于，所述通过所述零波动价差常量值和所述估值因子，对所述业务数据进行投资收益估算，得到估算数据，包括：
从所述日期信息中获取特定时点、估值时点和计划的到期日，并从估值动态状况数据中获取所述特定时点的业务成本数据、所述特定时点的业务金额收益数据和所述估值时点的业务价值数据；
通过第一预置估算公式，对所述特定时点的业务成本数据、所述特定时点的业务金额收益数据、所述估值时点的业务价值数据和所述估值因子进行计算，得到所述估值时点的业务单全价值数据，所述第一预置估算公式如下：
其中，所述Unit_P表示所述估值时点的业务单全价值数据，所述C(t)表示所述特定时点的业务成本数据，所述t表示所述估值时点，所述n表示所述计划的到期日，所述Interest(t)表示所述特定时点的业务金额收益数据，所述fact2(t)表示所述估值因子，所述BV_T1表示所述估值时点的业务价值数据；
根据所述零波动价差常量值确定所述估值时点的业务数量，通过第二预置估算公式，对所述估值时点的业务单全价值数据和所述估值时点的业务数量进行计算，得到估算数据，所述第二预置估算公式如下：
Dirty_T＝Unit_P×Position_T，
其中，所述Dirty_T表示所述估算数据，所述Unit_P表示所述估值时点的业务单全价值数据，所述Position_T表示所述估值时点的业务数量。
6.根据权利要求1-5中任一项所述的业务数据的处理方法，其特征在于，所述通过所述零波动价差常量值和所述估值因子，对所述业务数据进行投资收益估算，得到估算数据之后，还包括：
根据所述估算数据确定所述业务数据的回报率占比，并根据所述回报率占比，对所述业务数据对应的项目或机构进行业务资源分配。
7.根据权利要求6所述的业务数据的处理方法，其特征在于，所述根据所述估算数据确定所述业务数据的回报率占比，并根据所述回报率占比，对所述业务数据对应的项目或机构进行业务资源分配，包括：
获取多个目标业务数据分别对应的目标回报率值，并根据所述估算数据计算所述业务数据的业务回报率值，所述目标业务数据用于指示与所述业务数据同估算的其他业务数据；
根据所述目标回报率值和所述业务回报率值，计算所述业务数据的回报率占比，并判断所述回报率占比是否大于预设阈值；
若所述回报率占比大于预设阈值，则根据所述回报率占比，对所述业务数据对应的项目或机构进行业务资源分配；
若所述回报率占比小于或等于预设阈值，则根据预设的分配比例，对所述业务数据对应的项目或机构进行业务资源分配。
8.一种业务数据的处理装置，其特征在于，所述业务数据的处理装置包括：
调取生成模块，用于调取业务数据以及所述业务数据的业务类型，提取所述业务数据中的日期信息，并根据所述日期信息生成点差动态状况数据和估值动态状况数据；
训练模块，用于获取所述业务类型的业务评级数据，并通过所述点差动态状况数据和所述业务评级数据，对预置点差计算模型进行训练，得到多个点差计算因子；
确定模块，用于通过所述多个点差计算因子，确定所述业务数据基于到期日的零波动价差常量值；
创建模块，用于根据所述估值动态状况数据和所述业务评级数据，创建所述业务数据的估值因子；
估算模块，用于通过所述零波动价差常量值和所述估值因子，对所述业务数据进行投资收益估算，得到估算数据。
9.一种业务数据的处理设备，其特征在于，所述业务数据的处理设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述业务数据的处理设备执行如权利要求1-7中任意一项所述的业务数据的处理方法。
10.一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指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述业务数据的处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011284392.0A CN112395329B (zh) | 2020-11-17 | 2020-11-17 | 业务数据的处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011284392.0A CN112395329B (zh) | 2020-11-17 | 2020-11-17 | 业务数据的处理方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112395329A true CN112395329A (zh) | 2021-02-23 |
| CN112395329B CN112395329B (zh) | 2024-10-01 |
Family
ID=74600498
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011284392.0A Active CN112395329B (zh) | 2020-11-17 | 2020-11-17 | 业务数据的处理方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112395329B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113568947A (zh) * | 2021-07-21 | 2021-10-29 | 众安在线财产保险股份有限公司 | 数据处理方法、系统以及计算机存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060287917A1 (en) * | 2005-06-21 | 2006-12-21 | Graham John F Sr | Credit/Debit Card System and Method with Use Incentives |
| CN105809547A (zh) * | 2016-03-07 | 2016-07-27 | 浙江爱贷金融服务外包股份有限公司 | 一种提供综合理财服务系统和方法 |
| CN108681833A (zh) * | 2018-06-25 | 2018-10-19 | 平安科技（深圳）有限公司 | 理财产品评分方法、系统、计算机设备和存储介质 |
| CN109740792A (zh) * | 2018-11-29 | 2019-05-10 | 深圳市元征科技股份有限公司 | 数据预测方法、系统、终端及计算机存储介质 |
| CN109934381A (zh) * | 2019-01-24 | 2019-06-25 | 平安科技（深圳）有限公司 | 基金实时估值方法、装置、计算机设备及存储介质 |
| CN110852892A (zh) * | 2019-11-18 | 2020-02-28 | 中国银行股份有限公司 | 一种理财产品信息的处理方法及系统 |
| US10705796B1 (en) * | 2017-04-27 | 2020-07-07 | Intuit Inc. | Methods, systems, and computer program product for implementing real-time or near real-time classification of digital data |
| CN111738852A (zh) * | 2020-06-19 | 2020-10-02 | 中国工商银行股份有限公司 | 业务数据处理方法、装置和服务器 |
-
2020
- 2020-11-17 CN CN202011284392.0A patent/CN112395329B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060287917A1 (en) * | 2005-06-21 | 2006-12-21 | Graham John F Sr | Credit/Debit Card System and Method with Use Incentives |
| CN105809547A (zh) * | 2016-03-07 | 2016-07-27 | 浙江爱贷金融服务外包股份有限公司 | 一种提供综合理财服务系统和方法 |
| US10705796B1 (en) * | 2017-04-27 | 2020-07-07 | Intuit Inc. | Methods, systems, and computer program product for implementing real-time or near real-time classification of digital data |
| CN108681833A (zh) * | 2018-06-25 | 2018-10-19 | 平安科技（深圳）有限公司 | 理财产品评分方法、系统、计算机设备和存储介质 |
| CN109740792A (zh) * | 2018-11-29 | 2019-05-10 | 深圳市元征科技股份有限公司 | 数据预测方法、系统、终端及计算机存储介质 |
| CN109934381A (zh) * | 2019-01-24 | 2019-06-25 | 平安科技（深圳）有限公司 | 基金实时估值方法、装置、计算机设备及存储介质 |
| CN110852892A (zh) * | 2019-11-18 | 2020-02-28 | 中国银行股份有限公司 | 一种理财产品信息的处理方法及系统 |
| CN111738852A (zh) * | 2020-06-19 | 2020-10-02 | 中国工商银行股份有限公司 | 业务数据处理方法、装置和服务器 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113568947A (zh) * | 2021-07-21 | 2021-10-29 | 众安在线财产保险股份有限公司 | 数据处理方法、系统以及计算机存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112395329B (zh) | 2024-10-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110415119B (zh) | 模型训练、票据交易预测方法、装置、存储介质及设备 | |
| Andersen et al. | Heterogeneous information arrivals and return volatility dynamics: Uncovering the long‐run in high frequency returns | |
| Boulding et al. | Environment, market share, and market power | |
| US8131639B2 (en) | Method and apparatus for estimating the spend capacity of consumers | |
| US8065227B1 (en) | Method and system for producing custom behavior scores for use in credit decisioning | |
| EP1279124A1 (en) | Methods and systems for providing transaction data | |
| JP2002236800A (ja) | 金融取引に関する取引情報を集約する装置、その方法、該装置を実行するプログラムを格納した記録媒体、該方法を実行するためのプログラムを記憶した記録媒体 | |
| JP2004528657A5 (zh) | ||
| US20140344143A1 (en) | System and method for managing related accounts | |
| McLaughlin et al. | A large scale study of the ethereum arbitrage ecosystem | |
| US8326712B2 (en) | Method and system for technology consumption management | |
| CN112395329A (zh) | 业务数据的处理方法、装置、设备及存储介质 | |
| CN109886800A (zh) | 电子装置、非标债权资产估值方法和计算机可读存储介质 | |
| JP4921572B2 (ja) | 債券特性算出システムおよびスプレッド変化率算出システム | |
| CN112580320A (zh) | 业务数据的制证方法、装置、设备及存储介质 | |
| CN116823471A (zh) | 交易策略回测方法、装置、电子设备及存储介质 | |
| US8732054B1 (en) | Systems and methods for validating a model | |
| Harrison et al. | Technology review: adapting financial measures: making a business case for software process improvement | |
| Fergus et al. | Spatial variation in construction loan pricing at commercial banks | |
| CN112116477B (zh) | 投资交易数据处理方法及装置 | |
| KR102253857B1 (ko) | 증권 대차율 변동 지표를 생성하기 위한 방법과 시스템 | |
| JP2018101300A (ja) | 情報処理装置 | |
| JP4384795B2 (ja) | 債券特性算出システム | |
| Treapăt et al. | Artificial Systems and Models for Risk Covering Operations | |
| CN115082238A (zh) | 虚拟资源增长量的确定方法和装置、存储介质、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 |
Effective date of registration: 20240902 Address after: Room 4388, Building 7, No. 1197 Bin'an Road, Changhe Street, Binjiang District, Hangzhou City, Zhejiang Province 310000 Applicant after: Zhejiang Hongfu Digital Technology Co.,Ltd. Country or region after: China Address before: Room 201, building a, No.1 Qianwan 1st Road, Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong Province (settled in Shenzhen Qianhai business secretary Co., Ltd.) Applicant before: PING AN PUHUI ENTERPRISE MANAGEMENT Co.,Ltd. Country or region before: China |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |