CN112967129A - 一种金融数据的测算方法、装置、计算机设备及存储介质 - Google Patents
一种金融数据的测算方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN112967129A CN112967129A CN202110252002.XA CN202110252002A CN112967129A CN 112967129 A CN112967129 A CN 112967129A CN 202110252002 A CN202110252002 A CN 202110252002A CN 112967129 A CN112967129 A CN 112967129A
- Authority
- CN
- China
- Prior art keywords
- data
- calculation
- measurement
- table set
- account
- 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
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
- 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
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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
- G06Q40/12—Accounting
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明实施例公开了一种金融数据的测算方法、装置、计算机设备及存储介质。该方法包括对基础账户数据进行加工处理得到测算基础数据表集;根据测算基础数据表集和所配置的测算参数得到测算中间数据表集;根据测算中间数据表集中的产品信息选择对应的目标算法模型,通过目标算法模型基于测算中间数据表集进行净利息收支测算。本发明实施例以最细粒度的基础账户数据测算净利息收支数据,便于进行各个维度数据的汇总聚集,满足完备性和准确性的需求;通过参数化的方式,降低了各内部虚拟功能模块与测算算法之间的耦合性,提高了净利息收支测算方法的灵活性和合理性,解决目前净利息测算方法不能满足银行年度计划预算编制的需求的问题。
Description
技术领域
本发明实施例涉及数据处理技术,尤其涉及一种金融数据的测算方法、装置、计算机设备及存储介质。
背景技术
大中型商业银行的年度计划预算(又称:综合经营计划),是商业银行对经营进行统筹规划,落实发展战略,实现经营计划管理的综合统一、协调平衡和资源配置的载体。长期以来,净利息收益是商业银行的很重要的一个利润来源。净利息收益是净利息收支与总生息资产平均余额的比率,因此,净利息收支测算是年度计划预算编制的主要组成部分,其准确与否将直接关系到对银行效益的判断和相关政策的制定。
基于数据的海量以及场景的复杂性,目前的预算管理方面的软件更多地是以手工和系统相结合、用较粗粒度的估算来做测算,这种方式会影响我国大型商业银行大数据量下的净利息收支测算的准确性,进而,不能满足银行年度计划预算编制的需求。
发明内容
本发明实施例提供一种金融数据的测算方法、装置、计算机设备及存储介质,可以提高测算的准确性,满足银行年度计划预算编制的需求。
第一方面,本发明实施例提供了一种金融数据的测算方法,包括:
对基础账户数据进行加工处理得到测算基础数据表集;
根据所述测算基础数据表集和所配置的测算参数得到测算中间数据表集;
根据所述测算中间数据表集中的产品信息选择对应的目标算法模型,通过所述目标算法模型基于所述测算中间数据表集进行净利息收支测算。
第二方面,本发明实施例还提供了一种金融数据的测算装置,该装置包括:
数据加工模块,用于对基础账户数据进行加工处理得到测算基础数据表集;
数据表集生成模块,用于根据所述测算基础数据表集和所配置的测算参数得到测算中间数据表集;
数据测算模块,用于根据所述测算中间数据表集中的产品信息选择对应的目标算法模型,通过所述目标算法模型基于所述测算中间数据表集进行净利息收支测算。
第三方面,本发明实施例还提供了一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储器,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本发明任意实施例所述的金融数据的测算方法。
第四方面,本发明实施例还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如本发明任意实施例所述的金融数据的测算方法。
本发明实施例提供一种金融数据的测算方法、装置、计算机设备及存储介质,通过对基础账户数据的加工处理得到测算基础数据表集,根据所述测算基础数据表集和所配置的测算参数得到测算中间数据表集,根据所述测算中间数据表集中的产品信息选择对应的目标算法模型,通过所述目标算法模型基于所述测算中间数据表集进行净利息收支测算。本发明实施例以最细粒度的基础账户数据测算净利息收支数据,便于进行各个维度数据的汇总聚集,满足完备性和准确性的需求;在以基础账户数据测算净利息收支数据的基础上结合参数化的方式,降低了各内部虚拟功能模块与测算算法之间的耦合性,提高了净利息收支测算方法的灵活性和合理性,解决目前净利息测算方法不能满足银行年度计划预算编制的需求的问题。
附图说明
图1为本发明实施例提供的一种金融数据的测算方法的流程图;
图2为本发明实施例提供的一种金融数据的测算方法中账户明细数据的备份框架图;
图3为本发明实施例提供的一种算法配置表的结构示意图;
图4为本发明实施例提供的另一种金融数据的测算方法的流程图;
图5为本发明实施例提供的一种数据加工处理的流程图;
图6为本发明实施例提供的一种净利息收支测算的流程图;
图7为本发明实施例提供的一种金融数据的测算装置的结构框图;
图8为本发明实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
为了便于理解,首先对本发明实施例中可能出现的术语进行说明。
净利息收支(Net interest income and expenditure)是指银行或其它金融机构资产的利息收入与负债的利息支出之间的差值。净利息收支反映银行在短期内(一般为1年以内)经营资产或负债的成果。
需要说明的是,对于一家大中型商业银行来说,净利息收支测算是一件非常不容易的事情。因为银行的产品种类繁多,从大类上就有存款、贷款、信用卡、债券、货币市场、准备金以及其它生息资产和非生息资产等。从细分来说,仅存款就可以根据存款期限分活期、定期,还可以根据币种分本币、外币,还可以根据存款主体分单位、个人,还可以根据存款类型分大额、通知、协定、转存、定活两便等等。不同产品利息的计算方法也不同,不仅要考虑分期计息、分段计息,还要考虑利率的调整、点差的调整等。从测算的全面性来说,不仅要测存量数据,而且还需要测增量数据。在测算数据粒度方面,要考虑是取明细数据还是打包数据进行测算,在测算时间上,要考虑测算区间的长度,是固定还是滚动等等。
净利息收益(Net Interest Margin)是指净利息收支与总生息资产平均余额的比率。净利息收益越高,反应银行获利能力越强。
大中型商业银行的年度计划预算(又称:综合经营计划),是商业银行对经营进行统筹规划,落实发展战略,实现经营计划管理的综合统一、协调平衡和资源配置的载体。长期以来,净利息收益是商业银行的很重要的一个利润来源。净利息收益是净利息收支与总生息资产平均余额的比率,因此,净利息收支测算是年度计划预算编制的主要组成部分,其准确与否直接关系到对银行效益的判断和相关政策的制定。
在市面上,虽然预算管理方面的软件产品不少,但几乎没有哪个成熟产品能够支持我国大型商业银行大数据量下的净利息收支测算。基于数据的海量以及场景的复杂性,更多地是以手工和系统相结合,用较粗粒度的估算来做净利息收支测算。
图1为本发明实施例提供的一种金融数据的测算方法的流程图,本实施例可适用于测算金融数据中的净利息收支数据的情况,该方法可以由金融数据的测算装置来执行,该装置可以由软件和/或硬件实现,并配置于计算机设备中。如图1所示,该方法包括:
步骤110、对基础账户数据进行加工处理得到测算基础数据表集。
需要说明的是,金融数据可以是银行或其它金融机构运营相关的数据。在本发明实施例中,金融数据可以是净利息收支数据(或简称为净利息收支)。
基础账户数据可以是银行或其它金融机构中与账户相关的数据。例如,基础账户数据可以是净利息测算所需的账户明细数据。具体地,基础账户数据可以包括存款、贷款、信用卡透支、债券、逾期非应计、货币市场以及其它生息和非生息资产负债数据等账户明细数据。这些账户明细数据来源自银行或其它金融机构对客相关的各交易系统。例如,银行对客相关的交易系统包括存款系统、贷款系统、信用卡系统、债券系统和金融市场系统等。本发明实施例中,按照设定周期备份上述账户明细数据到数据仓库。在数据仓库中以分布式数据库方式实现海量最细粒度的基础账户数据存储和计算。
在执行金融数据的测算方法时,可以直接从数据仓库中获取这些账户明细数据。图2为本发明实施例提供的一种金融数据的测算方法中账户明细数据的备份框架图。通过图2展示了银行对客相关的各交易系统210产生的账户明细数据被备份至数据仓库220,若处理器230需要执行净利息收支测算操作,则可以直接由数据仓库220中获取净利息收支测算所需的账户明细数据的场景。
可选地,在对基础账户数据进行加工处理得到测算基础数据表集之前,还包括:获取预先配置的静态参数,根据静态参数从数据仓库中获取测算所需的基础账户数据。其中,静态参数包括机构信息、指标定义、科目、产品信息、币种、校验规则、各种编码信息和各种对照关系。具体地,读取静态参数,基于静态参数包括的机构信息、指标定义、科目、产品信息、币种等净利息收支测算所需的参数,从数据仓库中读取对应的基础账户数据。
需要说明的是,静态参数可以是提前配置好用于净利息测算的数据。例如,可以预先写好静态参数的配置文件,在需要时,加载配置文件以获取静态参数。静态参数一般由用户在界面上手工方式进行维护。
本发明实施例中,测算基础数据表集是经加工处理后的净利息收支测算所需的账户数据表的集合。即测算基础数据表集由加工处理后的账户数据确定。
示例性地,在获取基础账户数据之后,可以采用下述方式对所获取的基础账户数据进行加工处理,得到加工处理后的账户数据。通过记载有加工处理后的账户数据的数据表构成测算基础数据表集。其中,对基础账户数据的加工处理包括:修正处理、总分校验处理、打包处理和增量数据拆分处理等。具体地,对基础账户数据进行修正处理、总分校验处理、打包处理和增量数据拆分处理,得到处理后的账户数据,通过处理后的账户数据构成测算基础数据表集。
步骤120、根据所述测算基础数据表集和所配置的测算参数得到测算中间数据表集。
其中,测算参数是参与净利息收支测算的参数。例如,测算参数包括静态参数、动态参数和测算运行参数。
动态参数是指按固定时间或特定事件触发而不断更新的参数。诸如利率、汇率、价格、机构撤并信息等等,这类参数的来源一般是由外部的数据仓库系统主动定时推送。
测算运行参数是由业务人员人工输入的参数。测算运行参数主要包括测算起止时间、对增量数据的模拟生成参数以及测算因子等等,测算运行参数决定了测算的精度和测算的效率。其中,测算起止时间决定了测算的开始时间和结束时间,对增量数据的模拟生成参数反映增量数据模拟生成粒度的粗细程度,测算因子反映对增长率预测的乐观程度。测算运行参数取决于测试人员的判断和要求,不同增量数据模拟生成粒度的粗细程度,不同测算因子中对增长率预测的乐观程度,以及对不同机构的增长要求等等都会导致每一次测算的结果不同。
示例性地,获取测算参数,根据所述测算参数确定所述测算基础数据表集中的单次测算所需的源数据,根据所述源数据生成测算中间数据表集。
步骤130、根据所述测算中间数据表集中的产品信息选择对应的目标算法模型,通过所述目标算法模型基于所述测算中间数据表集进行净利息收支测算。
其中,测算中间数据表集中的产品信息是测算中间数据表集的账户信息中与产品相关的信息。例如,产品信息可以包括产品类型信息等。账户数据是基础账户数据进过加工处理后得到的账户明细数据。由于基础账户数据是数据仓库中与静态参数相匹配的账户明细数据,静态参数包括产品信息,因此,基础账户数据中包含产品信息相关的数据。对基础账户数据进行加工处理后得到的账户数据也包含产品信息相关的数据。
算法模型基于测算净利息收支的计算规则确定,用于计算净利息收支。可以预先对各种产品的计算规则进行梳理,归纳为集中典型模式,再通过编程形成公共的基础算法函数库(包括多个基础算法函数),然后将每个产品的净利息的基础算法函数在算法配置表中进行配置。图3为本发明实施例提供的一种算法配置表的结构示意图。如图3所示,算法配置表中存储产品类型与测算算法的对应关系,且在算法配置表中配置的算法包括存贷款通用计算算法、协定存款计算算法、定活两便计算算法、未转存款计算算法、贷款还款方式计算算法、信用卡透支计算算法、非应计货款催收收回计算算法、贷款逾期计算算法及债券通用计算算法等。
其中,产品类型与测算算法的对应关系包括:
1、存贷款产品与存贷款通用计算算法对应,大多数存贷款产品都调用此算法进行利息计算。
2、单位协定存款产品与协定存款计算算法对应,即协定存款计算算法主要用于单位协定存款产品的利息计算。
3、定活两便的存款产品与定活两便计算算法对应,即定活两便计算算法主要用于定活两便的存款产品利息计算。
4、定期未自动转存产品与未转存款计算算法对应,即未转存款计算算法主要用于单位或个人定期未自动转存产品的利息计算。
5、贷款产品与贷款还款方式计算算法对应,即贷款还款方式计算算法主要用于个人住房贷款、消费贷款等产品的利息计算。
6、信用卡产品与信用卡透支计算算法对应,即信用卡投机计算算法主要用于信用卡产品的透支利息计算。
7、贷款产品还与贷款逾期计算算法对应,即贷款逾期计算算法主要用于贷款产品的逾期利息计算。
8、非应计贷款催收收回产品与非应计贷款催收收回计算算法对应,即非应计贷款催收收回计算算法主要用于非应计贷款催收收回利息计算。
9、债券产品与债券通用计算算法对应,即债券通用计算算法主要用于债券产品的利息计算。
示例性地,遍历所述测算中间数据表集中的账户数据,根据所述账户数据包括的产品类型信息确定各所述账户数据对应的产品类型;基于所述产品类型查询算法配置表,得到与所述产品类型对应的目标算法模型,其中,所述算法配置表中关联存储产品类型和算法模型;将所述测算中间数据表集中的账户数据传入所述目标算法模型,通过所述目标算法模型确定净利息收支测算结果。例如,遍历测算中间数据表集对应的账户数据得到待测算的账户明细数据所属的产品类型,由于算法配置表中存储的产品类型与测算算法的对应关系,可以通过查询算法配置表的方式得到产品对应的目标算法模型。进而,可以根据不同产品对应的测算算法基于账户明细数据计算资产的利息收入和负债的利息支出,通过计算利息收入和负债的利息支出之间的差值的方式测算净利息收支。
在大数据量的情况下,公共的基础算法函数库中的基础算法函数会被频繁调用,通常通过并行计算结合数据库表的分区、索引等技术提高算法执行效率。具体可以是基于集群架构执行净利息收支测算,即将净利息收支测算任务分配给服务器集群中的可用服务器,实现各服务器并行执行净利息收支测算任务。净利息收支测算过程可以包括:根据不同产品对应的测算算法基于测算中间数据表集中的账户明细数据计算资产的利息收入和负债的利息支出,通过计算利息收入和负债的利息支出之间的差值的方式测算净利息收支。可选地,在账户数据存储时通过数据库表的分区和索引技术提高数据获取效率,进而,在基础算法函数被频繁调用的情况下,能够简单高效的执行测算操作。
本实施例的技术方案,通过对基础账户数据的加工处理得到测算基础数据表集,根据所述测算基础数据表集和所配置的测算参数得到测算中间数据表集,根据所述测算中间数据表集中的产品信息选择对应的目标算法模型,通过所述目标算法模型基于所述测算中间数据表集进行净利息收支测算。本发明实施例以最细粒度的基础账户数据测算净利息收支数据,便于进行各个维度数据的汇总聚集,满足完备性和准确性的需求;在以基础账户数据测算净利息收支数据的基础上结合参数化的方式,降低了各内部虚拟功能模块与测算算法之间的耦合性,提高了净利息收支测算方法的灵活性和合理性,解决目前净利息测算方法不能满足银行年度计划预算编制的需求的问题。
图4为本发明实施例提供的另一种金融数据的测算方法的流程图,本实施例在上述技术方案的基础上,对所述对基础账户数据进行修正处理、总分校验处理、打包处理和增量数据拆分处理作进一步限定。所述对基础账户数据进行修正处理、总分校验处理、打包处理和增量数据拆分处理,包括:遍历账户数据基础表集,得到各个账户的基础账户数据;对所述基础账户数据中属性错误的异常账户数据进行修正,得到账户数据中间表集;基于总账的数据日科目数据对所述账户数据中间表集中相应科目产品的存量余额进行总分校验,根据总分校验结果调整所述账户数据中间表集;对调整后的账户数据中间表集对应的中间账户数据进行打包处理得到测算存量数据表集;根据所述测算存量数据表集模拟生成测算增量数据表集,将所述测算存量数据表集和测算增量数据表集作为测算基础数据表集。
如图4所示,该方法包括:
步骤410、获取预先配置的静态参数。
示例性地,在检测到净利息测算事件触发时,获取预先配置的静态参数。其中,触发净利息测算事件的条件可以是人为操作触发。例如,业务人员在界面上输入测算参数,并启动净利息收支测算功能模块,以触发净利息测算事件。响应于净利息测算事件,加载并读取静态参数对应的配置文件,得到静态参数。
或者,周期性的触发净利息测算事件等。如果是采用周期性触发的方式,则在净利息测算事件被触发后,还会提示业务人员输入测算参数。响应于净利息测算事件,加载并读取静态参数对应的配置文件,得到静态参数。
步骤420、根据所述静态参数从数据仓库中获取测算所需的基础账户数据。
步骤430、遍历账户数据基础表集,得到各个账户的基础账户数据。
示例性地,遍历账户数据基础表集得到账户数据基础表中记载的各个账户的基础账户数据。
步骤440、对所述基础账户数据中属性错误的异常账户数据进行修正,得到账户数据中间表集。
具体地,获取基础账户数据中的余额非零数据;基于异常判定规则对各余额非零数据的属性进行检查,确定包括错误属性的目标基础账户数据;根据修正策略对所述目标基础账户数据进行修正,得到账户数据中间表集。例如,获取基础账户数据中余额非零数据,检查余额非零数据中利率、余额、重定价、还款方式等属性是否存在错误。对于存在错误的余额非零数据按照修正策略进行修正。基于属性正确的余额非零数据以及修正后的余额非零数据生成账户数据中间表,将账户数据中间表的集合作为账户数据中间表集。账户数据中间表集包括所有修正后的余额非零数据和属性正确的余额非零数据。
其中,异常判定规则是判定账户明细数据的属性是否错误的规则。可以通过梳理出数据中所有的异常情况的方式制定异常判定规则。修正策略是对异常数据进行修正的规则。可以通过所梳理出的数据的所有异常情况制定对应的修正策略。
账户明细数据的错误属性是由历史上各种各样的原因形成的,银行的数据通常是海量数据,各家银行的数据中或多或少都存在属性错误的情况,这就需要在做测算加工之前将属性错误的数据找出并修正。例如,找出协定存款账号明细中不等于数据日对应人行基准利率的人民币协定存款明细数据,将利率修正为数据日对应人行协定存款基准利率。
由于基础账户数据可能包括余额为零的数据和余额非零数据。对于余额为零的数据,对净利息收支测算结果并不产生影响,因此不用对其进行加工处理。对于余额非零数据,可能存在利率、余额、期限、重定价、还款方式等属性的错误,在进行测算之前需要找出这些存在属性错误的数据并进行修正,确保打包前数据的准确性和完备性。
步骤450、基于总账的数据日科目数据对所述账户数据中间表集中相应科目产品的存量余额进行总分校验,根据总分校验结果调整所述账户数据中间表集。
其中,总账的数据日科目数据是数据日银行各产品的总账中各科目数据的余额。数据日可以理解为各个自然日。账户数据中间表集中科目产品的存量余额可以理解为账户数据中间表中各科目的明细产品存量余额。总分校验是采用总账的产品科目实际余额对相应科目的账户明细余额进行校验的操作。
具体地,基于所述账户数据中间表集计算各科目的产品存量余额,匹配所述产品存量余额和总账的数据日相应产品科目的实际余额;若存在余额差异,则根据所述实际余额与所述产品存量余额的差额在所述账户数据中间表集中新增虚拟账户数据。
示例性地,通过对账户数据中间表中的账户明细数据进行汇总计算出各产品科目的存量余额。获取总账数据日相应产品科目的实际余额,计算相同产品科目的存量余额与实际余额之间的余额差值。判断余额差值是否为零。若余额差值为零,则判定各产品科目的存量余额与总账数据日相应产品科目的实际余额相等,总分校验通过。若余额差值非零,则判定各产品科目的存量余额与总账数据日相应产品科目的实际余额存在余额差异,需要安装总账数据日相应科目的实际余额将账户明细中各产品科目的存量余额调平。一般采用在账户明细中设虚拟账户的方式将余额数据补平。例如,A产品科目的存量余额是80万,总账数据日相应产品科目的实际余额是100万,存在余额差值是20万。可以在账户数据中间表集中的账户明细中新增虚拟账户,该虚拟账户所属的产品科目是A产品科目,该虚拟账户的余额是20万,完成总分校验。
步骤460、对调整后的账户数据中间表集对应的中间账户数据进行打包处理得到测算存量数据表集。
其中,中间账户数据是经过总分校验之后的账户数据中间表集包括的账户明细数据。对中间账户数据进行打包处理是将账户属性一致性较高的数据进行打包的操作,以保证测算方法执行的时效性。
例如,在执行测算之前对调整后的账户数据中间表集包括的存量数据进行打包。打包主要适用于活期存款、定期存款、个人贷款、贴现等数据量较大且账户属性一致性较高的业务。
需要说明的是,本发明实施例可以根据时间紧急程度将打包方式分为快速模式和普通模式。快速模式与普通模式的区别在于是否忽略机构维度。可以理解的是,还可以根据从其它实际情况考虑将打包方式分为其它模式,并不限于上述列举的两种模式。
具体地,获取各调整后的账户数据中间表集对应的中间账户数据的产品类型信息;根据所述产品类型信息对所述中间账户数据进行分类,将属于同一类的所述中间账户数据压缩为一个数据包;根据所述数据包生成测算存量数据表集。假设在总行和一级分行进行净利息测算,且选择快速模式,则总行和一级分行运行测算均只按照大类产品打包,忽略机构维度。这样设计的好处在于满足了时间紧急情况下的净利息收支测算要求。
可选地,如果考虑机构维度,则数据打包可以包括如下步骤:获取各调整后的账户数据中间表集对应的中间账户数据的机构信息和产品类型信息;根据所述机构信息对所述中间账户数据进行分类;对属于同一机构的所述中间账户数据,根据所述机构的下一级单位的产品类型信息进行分类;将同一机构同一产品类型的中间账户数据压缩为一个数据包,根据所述数据包生成测算存量数据表集。例如,假设在总行和一级分行进行净利息测算,且选择普通模式,则总行运行净利息收支测算前,系统按一级分行的大类产品进行数据打包;一级分行层级运行净利息收支测算前,系统按以及分行下辖的二级分行的大类产品进行数据打包。本实施例在数据打包中考虑了机构维度,可以满足更细维度的打包要求,适用于非时间紧急的情况。
步骤470、根据所述测算存量数据表集模拟生成测算增量数据表集,将所述测算存量数据表集和测算增量数据表集作为测算基础数据表集。
具体地,拆分所述测算存量数据表集对应的各条存量数据生成增量数据;根据所述增量数据生成测算增量数据表集,将所述测算增量数据表集和所述测算存量数据表集作为测算基础数据表集。
进一步地,拆分所述测算存量数据表集对应的各条存量数据生成增量数据,包括:获取所述测算存量数据表集对应的各条存量数据的业务结构信息;根据预设增量规则基于所述业务结构信息模拟生成对应的增量数据。
由于净利息收支不仅要测算存量数据,还需要测算增量数据。而增量数据是未来的一个时间的数据,需要进行预测,也就是提前制定数据的增量规则,根据增量规则按照存量业务数据的结构信息(例如,余额、期限、重定价和币种等)模拟出一条新的数据记录,然后对该数据记录赋予利率属性,形成完整的增量数据,供净利息收支测算使用。
一个模拟存款增量的实施例包括:提取存量数据的业务结构,作为增量数据拆分的基础。假设机构细分到一级分行,产品到大类产品维度,合同期限按存贷款的基准利率的标准期限划分。以存量数据和它的业务结构为基础,基于增量规则按照机构、产品、期限等维度对存量数据进行向下层层分解,模拟生成增量测算基础数据。例如,当前个人存款是100万,测算因子是3个月增长5%,则预测3个月后的某天的个人存款能达到105万。增长了5万,根据业务结构是分行、支行、个人活期、个人定期、对公活期、对公定期,二年定期或五年定期综合确定对增量数据的模拟生成参数,根据存量数据、测算因子和模拟生成参数拆分105万的个人存款数据,得到增量数据。
图5为本发明实施例提供的一种数据加工处理的流程图。如图5所示,获取外部账户数据1到外部账户数据n的数据作为基础数据,根据基础数据得到账户数据基础表集。对账户数据基础表集中的数据进行检查与修正,得到账户数据中间表集。对于账户数据中间表集中的数据进行汇总计算,得到各类明细产品存量余额。获取外部科目数据,将上述存量余额与总账数据日相应产品科目的实际余额进行总分校验。根据校验结果调整账户数据中间表集,对调整后的账户数据中间表集中的数据进行打包,得到测算存量数据表集。获取增量生成规则,按照增量生成规则对测算存量数据表集进行增量数据拆分处理,得到测算增量数据表集。由测算存量数据表集和测算增量数据表集构成测算基础数据表集。需要说明的是,上述过程的关键点在于测算数据的粒度及数据信息的准确性。粒度越细,数据信息越准确,则测算结果也会越准确。正常情况下取最明细粒度的账户数据进行测算。
步骤480、根据所述测算基础数据表集和所配置的测算参数得到测算中间数据表集。
步骤490、根据所述测算中间数据表集中的产品信息选择对应的目标算法模型,通过所述目标算法模型基于所述测算中间数据表集进行净利息收支测算。
图6为本发明实施例提供的一种净利息收支测算的流程图。整个净利息收支测算过程相当复杂和繁琐,整个设计需要满足完备性、灵活性、海量数据、并行计算等多个方面的要求,本发明实施例所设计的整体流程机制如图6所示。在测算精细度方面,以最细的账户明细粒度为计算基础,可以方便进行各个维度的汇总聚集,满足完备性的需要;在灵活性方面,采用了大量的参数化定义和配置的方式,减少重复开发,降低了各内部模块和算法之间的耦合性;在大数据处理上,采用了面向数据仓库应用的分布式数据库,支持分布式数据存储和并行计算,满足了处理海量数据的时效性要求。
如图6所示,静态参数集预先配置于执行净利息收支测算的系统内,静态参数集中的静态参数很少变动。如果需要调整静态参数,用户可以在界面上通过手动方式进行操作。获取外部账户数据1到外部账户数据n的数据中与静态参数匹配的账户明细数据作为基础数据,根据基础数据得到账户数据基础表集。对账户数据基础表集中的数据进行检查与修正,得到账户数据中间表集。对于账户数据中间表集中的数据进行汇总计算,得到各类明细产品存量余额。获取外部科目数据,将上述存量余额与总账数据日相应产品科目的实际余额进行总分校验。根据校验结果调整账户数据中间表集,对调整后的账户数据中间表集中的数据进行打包,得到测算存量数据表集。获取增量生成规则,按照增量生成规则对测算存量数据表集进行增量数据拆分处理,得到测算增量数据表集。由测算存量数据表集和测算增量数据表集构成测算基础数据表集。获取外部动态参数,采用所获取的动态参数更新动态参数集。获取人工输入参数作为测算运行参数,基于测算运行参数得到测算参数集。基于测算基础数据表集、静态参数集、动态参数集和测算参数集生成单次测算源数据,基于单次测算源数据得到测算中间数据表集。在进行净利息收支测算时,根据测算中间数据表集对应的测算源数据的产品类型在算法配置表中找到对应的算法,再向算法传入相应的参数,即可完成测算。基于测算结果得到测算结果表集。根据测算结果表集中与报表相关的数据生成报表结果表集。确定测算过程中满足预设条件的日志信息作为测算跟踪表数据。其中,预设条件是根据测算跟踪要求人为配置的条件。根据测算跟踪表数据得到测算跟踪表集。在检测到前端用户的报表查看请求时,从报表结果表集中获取报表数据,并展示给前端用户。如果检测到测算过程查看请求时,从测算跟踪表集中获取测算跟踪表数据,并展示给前端用户。
本发明实施例提供的净利息收支测算流程机制可以满足大中型商业银行或金融机构众多产品的净利息收支测算的需求。该流程机制设计和定义了从初始数据到结果的所有重要步骤,描述了每个步骤的关键点,以此为基础,大中型银行和金融机构可以开发自己的净利息收支测算功能模块,也可以开发出通用的测算产品。该流程机制考虑了大中型银行或金融机构产品和数据的复杂性,也在每个环节都设计灵活配置的功能,且保留了扩展性,具有较强的适应性。该流程机制不依赖于具体的技术实现,在实际实现过程中可根据自身情况自由选择合适的技术平台和开发工具,并可根据自身业务和数据的复杂程度裁剪中间步骤或计算方法,具有很强的通用性。该流程机制不依赖于具体的会计准则、币种、语言等,也不依赖于具体的前端交易系统类别和数量,具有较好的独立性。该流程机制已在国内大型银行的系统内实现和部署使用,技术上用到JAVA、Perl、SQL、GP数据库、Oracle数据库、数据仓库等,已验证其正确性和可用性,具有良好的示范效果。
本实施例的技术方案,通过对基础账户数据进行修正处理、总分校验处理、打包处理和增量数据拆分处理得到测算基础数据表集,基于测算基础数据表、定义及配置的静态参数集、动态参数集和测算参数集生成单次测算源数据,基于单次测算源数据得到测算中间数据表集,分别基于测算中间数据表集中的不同产品数据从算法配置表中匹配对应的算法进行测算,得到净利息收支测算结果。本发明实施例以参数化的方式实现最大限度的灵活性,以分布式数据库实现海量最细粒度的基础数据存储和计算,以分库分平台的方式实现访问和计算的分离,从整体上有效实现了大中型商业银行海量数据下的净利息收支测算,满足了全行年度计划预算编制的需要。
图7为本发明实施例提供的一种金融数据的测算装置的结构框图,该装置可以执行本发明任意实施例所述的金融数据的测算方法,并通过执行上述测算方法解决目前净利息测算方法的准确性不能满足银行年度计划预算编制的需求的问题。该装置可以由软件和/或硬件实现,并被配置于计算机设备中。如图7所示,该装置包括:
数据加工模块710,用于对基础账户数据进行加工处理得到测算基础数据表集;
数据表集生成模块720,用于根据所述测算基础数据表集和所配置的测算参数得到测算中间数据表集;
数据测算模块730,用于根据所述测算中间数据表集中的产品信息选择对应的目标算法模型,通过所述目标算法模型基于所述测算中间数据表集进行净利息收支测算。
本发明实施例提供一种金融数据的测算装置,以最细粒度的基础账户数据测算净利息收支数据,便于进行各个维度数据的汇总聚集,满足完备性和准确性的需求;在以基础账户数据测算净利息收支数据的基础上结合参数化的方式,降低了各内部虚拟功能模块与测算算法之间的耦合性,提高了净利息收支测算方法的灵活性和合理性,解决目前净利息测算方法不能满足银行年度计划预算编制的需求的问题。
可选地,该装置还包括:
基础账户数据获取模块,用于在对基础账户数据进行加工处理得到测算基础数据表集之前,获取预先配置的静态参数,其中,静态参数包括机构信息、指标定义、科目、产品信息、币种、校验规则、编码信息和对照关系;
根据所述静态参数从数据仓库中获取测算所需的基础账户数据。
可选地,数据加工模块710具体用于:
对基础账户数据进行修正处理、总分校验处理、打包处理和增量数据拆分处理,得到处理后的账户数据,通过处理后的账户数据构成测算基础数据表集。
可选地,数据加工模块710包括:
表集遍历子模块,用于遍历账户数据基础表集,得到各个账户的基础账户数据;
数据修正子模块,用于对所述基础账户数据中属性错误的异常账户数据进行修正,得到账户数据中间表集;
总分校验子模块,用于基于总账的数据日科目数据对所述账户数据中间表集中相应科目产品的存量余额进行总分校验,根据总分校验结果调整所述账户数据中间表集;
数据打包子模块,用于对调整后的账户数据中间表集对应的中间账户数据进行打包处理得到测算存量数据表集;
增量数据生成子模块,用于根据所述测算存量数据表集模拟生成测算增量数据表集,将所述测算存量数据表集和测算增量数据表集作为测算基础数据表集。
可选地,数据修正子模块具体用于:
获取所述基础账户数据中的余额非零数据;
基于异常判定规则对各所述余额非零数据的属性进行检查,确定包括错误属性的目标基础账户数据;
根据修正策略对所述目标基础账户数据进行修正,得到账户数据中间表集。
可选地,总分校验子模块具体用于:
基于所述账户数据中间表集计算各科目的产品存量余额,匹配所述产品存量余额和总账的数据日相应产品科目的实际余额;
若存在余额差异,则根据所述实际余额与所述产品存量余额的差额在所述账户数据中间表集中新增虚拟账户数据。
可选地,数据打包子模块具体用于:
获取各调整后的账户数据中间表集对应的中间账户数据的产品类型信息;
根据所述机构的下一级单位的产品类型信息对所述中间账户数据进行分类,将属于同一类的所述中间账户数据压缩为一个数据包;
根据所述数据包生成测算存量数据表集。
可选地,数据打包子模块还具体用于:
获取各调整后的账户数据中间表集对应的中间账户数据的机构信息和产品类型信息;
根据所述机构信息对所述中间账户数据进行分类;
对属于同一机构的所述中间账户数据,根据所述机构的下一级单位的产品类型信息进行分类;
将同一机构同一产品类型的中间账户数据压缩为一个数据包,根据所述数据包生成测算存量数据表集。
可选地,增量数据生成子模块具体用于:
拆分所述测算存量数据表集对应的各条存量数据生成增量数据;
根据所述增量数据生成测算增量数据表集,将所述测算增量数据表集和所述测算存量数据表集作为测算基础数据表集。
可选地,增量数据生成子模块还具体用于:
获取所述测算存量数据表集对应的各条存量数据的业务结构信息;
根据预设增量规则基于所述业务结构信息模拟生成对应的增量数据。
可选地,数据表集生成模块720具体用于:
获取测算参数,其中,所述测算参数包括静态参数、动态参数和测算运行参数;
根据所述测算参数确定所述测算基础数据表集中的单次测算所需的源数据,根据所述源数据生成测算中间数据表集。
可选地,数据测算模块730具体用于:
遍历所述测算中间数据表集中的账户数据,根据所述账户数据包括的产品类型信息确定各所述账户数据对应的产品类型;
基于所述产品类型查询算法配置表,得到与所述产品类型对应的目标算法模型,其中,所述算法配置表中关联存储产品类型和算法模型;
将所述测算中间数据表集中的账户数据传入所述目标算法模型,通过所述目标算法模型确定净利息收支测算结果。
本发明实施例所提供的金融数据的测算装置可执行本发明任意实施例所提供的金融数据的测算方法,具备执行方法相应的功能模块和有益效果。
图8为本发明实施例提供的一种计算机设备的结构示意图。示例性的,计算机设备可以是服务器集群中的各台服务器。如图8所示,该计算机设备包括处理器80、存储器81、输入装置82和输出装置83;计算机设备中处理器80的数量可以是一个或多个,图8中以一个处理器80为例;计算机设备中的处理器80、存储器81、输入装置82和输出装置83可以通过总线或其他方式连接,图8中以通过总线连接为例。
存储器81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金融数据的测算方法对应的程序指令/模块(例如,数据加工模块710、数据表集生成模块720和数据测算模块730)。处理器80通过运行存储在存储器81中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述的金融数据的测算方法。
存储器81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81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81可进一步包括相对于处理器80远程设置的存储器,这些远程存储器可以通过网络连接至计算机设备。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82可用于接收输入的数字或字符信息,以及产生与计算机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83可包括显示屏等显示设备。
本发明实施例还提供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金融数据的测算方法,该方法包括:
对基础账户数据进行加工处理得到测算基础数据表集;
根据所述测算基础数据表集和所配置的测算参数得到测算中间数据表集;
根据所述测算中间数据表集中的产品信息选择对应的目标算法模型,通过所述目标算法模型基于所述测算中间数据表集进行净利息收支测算。
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金融数据的测算方法中的相关操作。
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,ROM)、随机存取存储器(RandomAccess Memory,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方法。
值得注意的是,上述金融数据的测算装置的实施例中,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 (15)
1.一种金融数据的测算方法,其特征在于,包括:
对基础账户数据进行加工处理得到测算基础数据表集;
根据所述测算基础数据表集和所配置的测算参数得到测算中间数据表集;
根据所述测算中间数据表集中的产品信息选择对应的目标算法模型,通过所述目标算法模型基于所述测算中间数据表集进行净利息收支测算。
2.根据权利要求1所述的方法,其特征在于,在对基础账户数据进行加工处理得到测算基础数据表集之前,还包括:
获取预先配置的静态参数,其中,静态参数包括机构信息、指标定义、科目、产品信息、币种、校验规则、编码信息和对照关系;
根据所述静态参数从数据仓库中获取测算所需的基础账户数据。
3.根据权利要求1所述的方法,其特征在于,所述对基础账户数据进行加工处理得到测算基础数据表集,包括:
对基础账户数据进行修正处理、总分校验处理、打包处理和增量数据拆分处理,得到处理后的账户数据,通过处理后的账户数据构成测算基础数据表集。
4.根据权利要求3所述的方法,其特征在于,所述对基础账户数据进行修正处理、总分校验处理、打包处理和增量数据拆分处理,包括:
遍历账户数据基础表集,得到各个账户的基础账户数据;
对所述基础账户数据中属性错误的异常账户数据进行修正,得到账户数据中间表集;
基于总账的数据日科目数据对所述账户数据中间表集中相应科目产品的存量余额进行总分校验,根据总分校验结果调整所述账户数据中间表集;
对调整后的账户数据中间表集对应的中间账户数据进行打包处理得到测算存量数据表集;
根据所述测算存量数据表集模拟生成测算增量数据表集,将所述测算存量数据表集和测算增量数据表集作为测算基础数据表集。
5.根据权利要求4所述的方法,其特征在于,所述对所述基础账户数据中属性错误的异常账户数据进行修正,得到账户数据中间表集,包括:
获取所述基础账户数据中的余额非零数据;
基于异常判定规则对各所述余额非零数据的属性进行检查,确定包括错误属性的目标基础账户数据;
根据修正策略对所述目标基础账户数据进行修正,得到账户数据中间表集。
6.根据权利要求4所述的方法,其特征在于,所述基于总账的数据日科目数据对所述账户数据中间表集中相应科目产品的存量余额进行总分校验,根据总分校验结果调整所述账户数据中间表集,包括:
基于所述账户数据中间表集计算各科目的产品存量余额,匹配所述产品存量余额和总账的数据日相应产品科目的实际余额;
若存在余额差异,则根据所述实际余额与所述产品存量余额的差额在所述账户数据中间表集中新增虚拟账户数据。
7.根据权利要求4所述的方法,其特征在于,所述对调整后的账户数据中间表集对应的中间账户数据进行打包处理得到测算存量数据表集,包括:
获取各调整后的账户数据中间表集对应的中间账户数据的产品类型信息;
根据所述产品类型信息对所述中间账户数据进行分类,将属于同一类的所述中间账户数据压缩为一个数据包;
根据所述数据包生成测算存量数据表集。
8.根据权利要求4所述的方法,其特征在于,所述对调整后的账户数据中间表集对应的中间账户数据进行打包处理得到测算存量数据表集,包括:
获取各调整后的账户数据中间表集对应的中间账户数据的机构信息和产品类型信息;
根据所述机构信息对所述中间账户数据进行分类;
对属于同一机构的所述中间账户数据,根据所述机构的下一级单位的产品类型信息进行分类;
将同一机构同一产品类型的中间账户数据压缩为一个数据包,根据所述数据包生成测算存量数据表集。
9.根据权利要求4所述的方法,其特征在于,所述根据所述测算存量数据表集模拟生成测算增量数据表集,将所述测算存量数据表集和测算增量数据表集作为测算基础数据表集,包括:
拆分所述测算存量数据表集对应的各条存量数据生成增量数据;
根据所述增量数据生成测算增量数据表集,将所述测算增量数据表集和所述测算存量数据表集作为测算基础数据表集。
10.根据权利要求9所述的方法,其特征在于,所述拆分所述测算存量数据表集对应的各条存量数据生成增量数据,包括:
获取所述测算存量数据表集对应的各条存量数据的业务结构信息;
根据预设增量规则基于所述业务结构信息模拟生成对应的增量数据。
11.根据权利要求1所述的方法,其特征在于,所述根据所述测算基础数据表集和所配置的测算参数得到测算中间数据表集,包括:
获取测算参数,其中,所述测算参数包括静态参数、动态参数和测算运行参数;
根据所述测算参数确定所述测算基础数据表集中的单次测算所需的源数据,根据所述源数据生成测算中间数据表集。
12.根据权利要求1所述的方法,其特征在于,所述根据所述测算中间数据表集中的产品信息选择对应的目标算法模型,通过所述目标算法模型基于所述测算中间数据表集进行净利息收支测算,包括:
遍历所述测算中间数据表集中的账户数据,根据所述账户数据包括的产品类型信息确定各所述账户数据对应的产品类型;
基于所述产品类型查询算法配置表,得到与所述产品类型对应的目标算法模型,其中,所述算法配置表中关联存储产品类型和算法模型;
将所述测算中间数据表集中的账户数据传入所述目标算法模型,通过所述目标算法模型确定净利息收支测算结果。
13.一种金融数据的测算装置,其特征在于,包括:
数据加工模块,用于对基础账户数据进行加工处理得到测算基础数据表集;
数据表集生成模块,用于根据所述测算基础数据表集和所配置的测算参数得到测算中间数据表集;
数据测算模块,用于根据所述测算中间数据表集中的产品信息选择对应的目标算法模型,通过所述目标算法模型基于所述测算中间数据表集进行净利息收支测算。
14.一种计算机设备,其特征在于,所述计算机设备包括:
一个或多个处理器;
存储器,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1-12中任一所述的金融数据的测算方法。
15.一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如权利要求1-12中任一所述的金融数据的测算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110252002.XA CN112967129A (zh) | 2021-03-08 | 2021-03-08 | 一种金融数据的测算方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110252002.XA CN112967129A (zh) | 2021-03-08 | 2021-03-08 | 一种金融数据的测算方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112967129A true CN112967129A (zh) | 2021-06-15 |
Family
ID=76277247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110252002.XA Pending CN112967129A (zh) | 2021-03-08 | 2021-03-08 | 一种金融数据的测算方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112967129A (zh) |
-
2021
- 2021-03-08 CN CN202110252002.XA patent/CN112967129A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6904411B2 (en) | Multi-processing financial transaction processing system | |
US8631040B2 (en) | Computer-implemented systems and methods for flexible definition of time intervals | |
US20060100957A1 (en) | Electronic data processing system and method of using an electronic data processing system for automatically determining a risk indicator value | |
US20050071266A1 (en) | Value and risk management system | |
US20130054486A1 (en) | Extended management system | |
US20090070182A1 (en) | Organization activity management system | |
US20130151423A1 (en) | Valuation of data | |
US20180357719A1 (en) | Multi-asset portfolio simulation (maps) | |
US10268996B1 (en) | Customized payment management | |
CN112700149A (zh) | 一种投资组合风险评估系统、方法及计算机设备 | |
US8386356B2 (en) | Method for calculation of time weighted returns for private equity | |
US8229822B2 (en) | Computer-implemented method for financial analysis | |
CN115619270A (zh) | 数据资产管理方法、装置、计算机设备、存储介质 | |
CN115237985A (zh) | 基于etl的投资风险指标分析平台 | |
CN112037013A (zh) | 人行征信变量衍生方法及装置 | |
CN112967129A (zh) | 一种金融数据的测算方法、装置、计算机设备及存储介质 | |
US9619769B2 (en) | Operational leading indicator (OLI) management using in-memory database | |
US8732046B1 (en) | Method and system for creating data for business rigor measurement and management of capacity, cost and risk | |
US20240005406A1 (en) | Computer-implemented method for evaluating an investment | |
Azlan | Corporate Governance and Its Determinants: A Study on GD Express Carrier Berhad | |
JP2000020603A (ja) | リスク算出方法および装置ならびにリスク算出プログラムを格納した記憶媒体 | |
JP6188849B2 (ja) | 金融機関経営支援システム及びプログラム | |
Westland et al. | Substantive Tests | |
Malinen et al. | COVID-19 impact on credit loss modelling | |
CN115984015A (zh) | 一种企业所得税的税务筹划方法及系统 |
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 |