CN113256407A - 风险预测方法、装置、电子设备及存储介质 - Google Patents
风险预测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113256407A CN113256407A CN202110705252.4A CN202110705252A CN113256407A CN 113256407 A CN113256407 A CN 113256407A CN 202110705252 A CN202110705252 A CN 202110705252A CN 113256407 A CN113256407 A CN 113256407A
- Authority
- CN
- China
- Prior art keywords
- risk prediction
- measuring
- calculation
- measurement
- calculating
- 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
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
- G06Q40/03—Credit; Loans; Processing thereof
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及大数据技术领域,提供一种风险预测方法、装置、电子设备及存储介质,所述方法包括:响应于下载指令加载基准数据至基准测算指标模板中,得到目标测算指标模板;读取测算条件至前端页面,及调用预设参数的阈值接口将目标资产分类类型对应的多个预设参数的阈值填充至前端页面;将待测算数据写入目标测算指标模板中,测算出多个测算指标的风险预测值,并写入对应的预设的风险预测结果模板中然后导出,得到目标风险预测结果。本发明通过将待测算数据写入目标测算指标模板中进行测算,测算过程中无需为每个测算指标重新配置逻辑运算公式,缩短了测算时长,提高了风险预测效率及准确率。
Description
技术领域
本发明涉及大数据技术领域,具体涉及一种风险预测方法、装置、电子设备及存储介质。
背景技术
目前监管要求针对每笔投资,需要对用户的偿付能力进行风险预测,然而,每次进行风险预测,需要将待测试原始数据保存在Excel表中,然后通过对Excel表进行风险测算公式配置。
然而,由于每次进行风险测算都需要重新创建Excel表,并进行风险测算公式配置,Excel表中通常存在大量的计算公式,且部分公式间建立有复杂的关联关系,需要花费大量时间去进行公式配置,且公式配置过程容易出错,导致风险预测效率和准确率低下。
因此,有必要提出一种可以快速准确的进行风险预测的方法。
发明内容
鉴于以上内容,有必要提出一种风险预测方法、装置、电子设备及存储介质,通过将待测算数据写入目标测算指标模板中进行测算,测算过程中无需为每个测算指标重新配置逻辑运算公式,缩短了测算时长,提高了风险预测效率及准确率。
本发明的第一方面提供一种风险预测结果计算方法,所述方法包括:
响应于偿付能力的风险预测请求,获取目标资产分类类型、测算条件、待测算数据、风险预测的基准数据和基准测算指标模板;
当侦测到前端页面的下载指令时,响应于所述下载指令加载所述基准数据至所述基准测算指标模板中,并进行下载,得到目标测算指标模板,其中,所述基准测算指标模板的每个测算指标的单元格关联有对应的逻辑运算公式;
当侦测到所述前端页面选中所述目标资产分类类型时,读取所述测算条件至所述前端页面,及调用预设参数的阈值接口将所述目标资产分类类型对应的多个预设参数的阈值填充至所述前端页面;
在监听到所述前端页面触发进行测算操作时,将所述待测算数据写入所述目标测算指标模板中进行测算,测算出多个测算指标的风险预测值;
将所述多个测算指标的风险预测值写入所述目标资产分类类型对应的预设的风险预测结果模板中,导出目标风险预测结果。
可选地,所述响应于所述下载指令加载所述基准数据至所述基准测算指标模板中包括:
响应于所述下载指令调用下载接口,接收后台服务器返回的基准数据和基准测算指标模板,其中,所述基准数据包含有每个测算指标的基准值;
初始化所述基准数据,获取所述基准测算指标模板对应的多个第一运算参数;
解析所述基准测算指标模板,以获取每个测算指标单元格的第一位置信息及对应的逻辑运算公式;
从所述多个第一运算参数中读取每个测算指标单元格的逻辑运算公式对应的多个第二运算参数,并将所述每个测算指标的基准值与对应的多个第二运算参数及逻辑运算公式进行关联;
根据每个测算指标单元格的第一位置信息,将关联后的每个测算指标的基准值加载至所述基准测算指标模板中。
可选地,所述将所述待测算数据写入所述目标测算指标模板中进行测算,测算出多个测算指标的风险预测值包括:
解析所述目标测算指标模板,以获取每个测算指标单元格的第二位置信息及逻辑运算公式;
按照预设的转换规则将所述待测算数据转换为多个第三运算参数;
从所述多个第三运算参数中读取每个测算指标单元格的逻辑运算公式对应的多个第四运算参数,并将所述多个第四运算参数、所述测算条件及所述多个预设参数的阈值映射到对应测算指标的逻辑运算公式中,测算出每个测算指标的风险预测值。
可选地,所述响应于偿付能力的风险预测请求,获取目标资产分类类型、测算条件、待测算数据、风险预测的基准数据和基准测算指标模板包括:
解析所述偿付能力的风险预测请求,获取目标资产分类类型、测算条件和待测算数据;
根据所述目标资产分类类型确定数据仓库接口及基准测算指标模板;
从所述数据仓库接口接入资产树,并根据所述测算条件从所述资产树中提取风险预测的基准数据。
可选地,所述调用预设参数的阈值接口将所述目标资产分类类型对应的多个预设参数的阈值填充至所述前端页面包括:
根据所述测算条件从后台服务器中匹配出所述目标资产分类类型对应的多个预设参数的阈值及每个预设参数的位置坐标,根据所述每个预设参数的位置坐标将所述多个预设参数的阈值填充至所述前端页面。
可选地,所述将所述多个测算指标的风险预测值写入所述目标资产分类类型对应的预设的风险预测结果模板中,导出目标风险预测结果包括:
解析所述预设的风险预测结果模板,确定每个测算指标的位置坐标;
根据多个测算指标的位置坐标,将所述多个测算指标风险预测值写入所述预设的风险预测结果模板中,导出目标风险预测结果。
可选地,所述方法还包括:
将所述目标风险预测结果转换为展示风险预测结果的展示页面,包括:获取所述目标资产分类类型对应的预设的风险预测结果的展示页面;解析所述预设的风险预测结果的展示页面,得到目标页面布局;按照所述目标页面布局对所述目标风险预测结果进行转换,得到展示风险预测结果的展示页面;
返回所述展示页面至所述前端页面展示风险预测结果。
本发明的第二方面提供一种风险预测结果计算装置,所述装置包括:
获取模块,用于响应于偿付能力的风险预测请求,获取目标资产分类类型、测算条件、待测算数据、风险预测的基准数据和基准测算指标模板;
加载模块,用于当侦测到前端页面的下载指令时,响应于所述下载指令加载所述基准数据至所述基准测算指标模板中,并进行下载,得到目标测算指标模板,其中,所述基准测算指标模板的每个测算指标的单元格关联有对应的逻辑运算公式;
读取模块,用于当侦测到所述前端页面选中所述目标资产分类类型时,读取所述测算条件至所述前端页面,及调用预设参数的阈值接口将所述目标资产分类类型对应的多个预设参数的阈值填充至所述前端页面;
测算模块,用于在监听到所述前端页面触发进行测算操作时,将所述待测算数据写入所述目标测算指标模板中进行测算,测算出多个测算指标的风险预测值;
写入模块,用于将所述多个测算指标的风险预测值写入所述目标资产分类类型对应的预设的风险预测结果模板中,导出目标风险预测结果。
本发明的第三方面提供一种电子设备,所述电子设备包括处理器和存储器,所述处理器用于执行所述存储器中存储的计算机程序时实现所述的风险预测结果计算方法。
本发明的第四方面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计算机程序,所述计算机程序被处理器执行时实现所述的风险预测结果计算方法。
综上所述,本发明所述的风险预测结果计算方法、装置、电子设备及存储介质,一方面,响应于所述下载指令加载所述基准数据至所述基准测算指标模板中,并进行下载,得到目标测算指标模板,将加载所述基准数据至所述基准测算指标模板中,当下一次需要进行相同资产分类类型的风险预测时,无需重新输入基准数据,基准数据一次导入后可供后续多次使用,无需每次测算后核对基准数据是否正确,提高了风险预测效率及准确率;另一方面,将所述待测算数据写入所述目标测算指标模板中进行测算,测算出多个测算指标的风险预测值,由于每个测算指标对应的有逻辑运算公式,将每个测算指标对应的多个第四运算参数、测算条件及多个预设参数的阈值映射到对应测算指标的逻辑运算公式中,进行测算,测算过程中无需为每个测算指标重新配置逻辑运算公式,缩短了测算时长,提高了风险预测效率及准确率;最后,读取所述测算条件至所述前端页面,及调用预设参数的阈值接口将所述目标资产分类类型对应的多个预设参数的阈值填充至所述前端页面,通过服务器直接读取所述测算条件至所述前端页面,及调用预设参数的阈值接口将多个预设参数的阈值填充至所述前端页面,确保后续进行风险预测过程中参数的准确性,进而提高风险预测结果的准确率。
附图说明
图1是本发明实施例一提供的风险预测方法的流程图。
图2是本发明实施例二提供的风险预测装置的结构图。
图3是本发明实施例三提供的电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施例对本发明进行详细描述。需要说明的是,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
实施例一
图1是本发明实施例一提供的风险预测方法的流程图。
在本实施例中,所述风险预测方法可以应用于电子设备中,对于需要进行风险预测的电子设备,可以直接在电子设备上集成本发明的方法所提供的风险预测的功能,或者以软件开发工具包(Software Development Kit,SDK)的形式运行在电子设备中。
如图1所示,所述风险预测方法具体包括以下步骤,根据不同的需求,该流程图中步骤的顺序可以改变,某些可以省略。
S11,响应于偿付能力的风险预测请求,获取目标资产分类类型、测算条件、待测算数据、风险预测的基准数据和基准测算指标模板。
本实施例中,用户在进行偿付能力的风险预测时,通过客户端发起偿付能力的风险预测请求至服务端,具体地,所述客户端可以是智能手机、IPAD或者其他智能设备,所述服务端可以为风险预测子系统,在进行偿付能力的风险预测过程中,如所述客户端可以向风险预测子系统发送风险预测请求,所述风险预测子系统用于接收所述客户端发送的风险预测请求,并响应于所述风险预测请求,获取目标资产分类类型、测算条件、待测算数据、风险预测的基准数据和基准测算指标模板,并上传至后台服务器中。
在一个可选的实施例中,所述响应于偿付能力的风险预测请求,获取目标资产分类类型、测算条件、待测算数据、风险预测的基准数据和基准测算指标模板包括:
解析所述偿付能力的风险预测请求,获取目标资产分类类型、测算条件和待测算数据;
根据所述目标资产分类类型确定数据仓库接口及基准测算指标模板;
从所述数据仓库接口接入资产树,并根据所述测算条件从所述资产树中提取风险预测的基准数据。
本实施例中,所述风险预测的基准数据包含有每个测算指标的基准值、资产分类与风险因子关系表、市场风险相关系数矩阵、信用风险相关系数和最低资本相关系数矩阵等相关数据。
本实施例中,不同的目标资产分类类型对应不同的基准测算指标模板,故根据所述目标资产分类类型,获取对应的基准测算指标模板,针对所述基准测算指标模板中的测算指标进行测算,具有针对性的测算,减少其他数据干扰,提高了风险预测效率。
本实施例中,每个目标资产分类类型对应一个数据仓库接口,通过调用所述数据仓库接口可以接入所述目标资产分类类型对应的资产树,根据测算条件从对应的资产树中提取风险预测的基准数据,确保了提取到的风险预测的基准数据的准确性。
S12,当侦测到前端页面的下载指令时,响应于所述下载指令加载所述基准数据至所述基准测算指标模板中,并进行下载,得到目标测算指标模板,其中,所述基准测算指标模板的每个测算指标的单元格关联有对应的逻辑运算公式。
本实施例中,偿付能力的风险预测是基于基准数据预测得到的,所述基准测算指标模板可以为EXCEL文件,可以预先将基准数据加载至EXCEL文件的对应位置中,其中,EXCEL文件的每个测算指标的单元格关联有对应的逻辑运算公式,通过每个测算指标的单元格关联的逻辑运算公式可以测算出每个测算指标的风险预测值。
在一个可选的实施例中,所述响应于所述下载指令加载所述基准数据至所述基准测算指标模板中包括:
响应于所述下载指令调用下载接口,接收后台服务器返回的基准数据和基准测算指标模板,其中,所述基准数据包含有每个测算指标的基准值;
初始化所述基准数据,获取所述基准测算指标模板对应的多个第一运算参数;
解析所述基准测算指标模板,以获取每个测算指标单元格的第一位置信息及对应的逻辑运算公式;
从所述多个第一运算参数中读取每个测算指标单元格的逻辑运算公式对应的多个第二运算参数,并将所述每个测算指标的基准值与对应的多个第二运算参数及逻辑运算公式进行关联;
根据每个测算指标单元格的第一位置信息,将关联后的每个测算指标的基准值加载至所述基准测算指标模板中。
本实施例中,所述多个第一运算参数用以表征所述基准测算指标模板中的多个测算指标的逻辑运算公式中使用的参数,将每个测算指标的基准值与对应的多个第二运算参数及逻辑运算公式进行关联,便于后续针对待测算数据进行测算指标的风险预测,由于每个测算指标的基准值与对应的多个第二运算参数及逻辑运算公式存在关联关系,避免了后续进行风险预测过程中出现数据混乱的现象,提高了风险预测结果的准确率。
本实施例中,将加载所述基准数据至所述基准测算指标模板中,当下一次需要进行相同资产分类类型的风险预测时,无需重新输入基准数据,基准数据一次导入后可供后续多次使用,无需每次测算后核对基准数据是否正确,提高了风险预测效率及准确率。
S13,当侦测到所述前端页面选中所述目标资产分类类型时,读取所述测算条件至所述前端页面,及调用预设参数的阈值接口将所述目标资产分类类型对应的多个预设参数的阈值填充至所述前端页面。
本实施例中,所述预设参数的阈值可以为根据历史数据通过机器计算得到的,也可以为根据业务预测经验值计算得到的,所述预设参数的阈值影响后续测算指标的风险预测值,若预设参数的阈值偏差较大,可能会导致风险预测值准确率低的问题。
本实施例中,所述预设参数可以包括:资产分类、风险大类、风险因子及SARMRA得分。
在一个可选的实施例中,所述调用预设参数的阈值接口将所述目标资产分类类型对应的多个预设参数的阈值填充至所述前端页面包括:
根据所述测算条件从后台服务器中匹配出所述目标资产分类类型对应的多个预设参数的阈值及每个预设参数的位置坐标,根据所述每个预设参数的位置坐标将所述多个预设参数的阈值填充至所述前端页面。
本实施例中,通过服务器直接读取所述测算条件至所述前端页面,及调用预设参数的阈值接口将多个预设参数的阈值填充至所述前端页面,确保后续进行风险预测过程中参数的准确性,进而提高风险预测结果的准确率。
S14,在监听到所述前端页面触发进行测算操作时,将所述待测算数据写入所述目标测算指标模板中进行测算,测算出多个测算指标的风险预测值。
本实施例中,将所述待测算数据写入所述目标测算指标模板中进行测算,无需重新输入基准数据,并且所述目标测算指标模板可以重复使用,当下一次需要进行相同资产分类类型的风险预测时,可以直接使用所述目标测算指标模板,提高了风险预测效率及准确率。
在一个可选的实施例中,所述将所述待测算数据写入所述目标测算指标模板中进行测算,测算出多个测算指标的风险预测值包括:
解析所述目标测算指标模板,以获取每个测算指标单元格的第二位置信息及逻辑运算公式;
按照预设的转换规则将所述待测算数据转换为多个第三运算参数;
从所述多个第三运算参数中读取每个测算指标单元格的逻辑运算公式对应的多个第四运算参数,并将所述多个第四运算参数、所述测算条件及所述多个预设参数的阈值映射到对应测算指标的逻辑运算公式中,测算出每个测算指标的风险预测值。
本实施例中,由于每个测算指标对应的有逻辑运算公式,将每个测算指标对应的多个第四运算参数、测算条件及多个预设参数的阈值映射到对应测算指标的逻辑运算公式中,进行测算,测算过程中无需为每个测算指标重新配置逻辑运算公式,缩短了测算时长,提高了风险预测效率及准确率。
S15,将所述多个测算指标的风险预测值写入所述目标资产分类类型对应的预设的风险预测结果模板中,导出目标风险预测结果。
本实施例中,每个资产分类类型对应一个预设的风险预测结果模板,具体地,所述风险预测结果模板为EXCEL模板,将所述多个测算指标的风险预测值写入所述EXCEL模板对应的位置,得到目标风险预测结果。
在一个可选的实施例中,所述将所述多个测算指标的风险预测值写入所述目标资产分类类型对应的预设的风险预测结果模板中,导出目标风险预测结果包括:
解析所述预设的风险预测结果模板,确定每个测算指标的位置坐标;
根据多个测算指标的位置坐标,将所述多个测算指标风险预测值写入所述预设的风险预测结果模板中,导出目标风险预测结果。
本实施例中,为了便于进行风险预测结果的管理,将将所述多个测算指标风险预测值写入所述预设的风险预测结果模板中。
进一步地,所述方法还包括:
将所述目标风险预测结果转换为展示风险预测结果的展示页面,返回所述展示页面至所述前端页面展示风险预测结果。
本实施例中,为了便于风险预测结果的校验,在将所述目标风险预测结果转换为展示风险预测结果的展示页面的过程中,所述展示页面的页面布局与所述目标风险预测结果的页面布局保持一致,便于后续进行测试结果校验。
在一个可选的实施例中,所述将所述目标风险预测结果转换为展示风险预测结果的展示页面包括:
获取所述目标资产分类类型对应的预设的风险预测结果的展示页面;
解析所述预设的风险预测结果的展示页面,得到目标页面布局;
按照所述目标页面布局对所述目标风险预测结果进行转换,得到展示风险预测结果的展示页面。
进一步地,所述方法还包括:
当侦测到所述前端页面的导出操作被触发时,导出最终风险预测结果,并校验所述最终风险预测结果;
当所述最终风险预测结果通过校验时,将所述最终风险预测结果存储至本地缓存中;或者
当所述最终风险预测结果未通过校验时,执行所述将所述目标风险预测结果转换为展示风险预测结果的展示页面。
进一步地,所述方法还包括:
当侦测到所述前端页面的保存操作被触发时,保存所述最终风险预测结果,并校验所述最终风险预测结果;
当所述最终风险预测结果通过校验时,将所述最终风险预测结果存储至本地缓存中;或者
当所述最终风险预测结果未通过校验时,执行所述将所述目标风险预测结果转换为展示风险预测结果的展示页面。
进一步地,所述校验所述最终风险预测结果包括:
获取目标风险预测结果;
将所述最终风险预测结果中的每个测算指标的风险预测值与所述目标风险预测结果中的对应测算指标的风险预测值进行匹配;
当所述最终风险预测结果中的每个测算指标的风险预测值与所述目标风险预测结果中的对应测算指标的风险预测值相匹配时,确定所述最终风险预测结果通过校验;或者
当所述最终风险预测结果中的每个测算指标的风险预测值与所述目标风险预测结果中的对应测算指标的风险预测值不匹配时,确定所述最终风险预测结果未通过校验。
本实施例中,通过将所述最终风险预测结果中的每个测算指标的风险预测值与所述目标风险预测结果中的对应测算指标的风险预测值进行匹配,验证所述最终风险预测结果在转换为展示页面过程中是否出现错误,根据验证结果确定是否保存所述最终风险预测结果,确保了存储至本地缓存中的最终风险预测结果的准确率,此外,将最终风险预测结果存在至本地缓存中,便于后续对风险预测结果进行追溯。
综上所述,本实施例所述的风险预测方法,一方面,响应于所述下载指令加载所述基准数据至所述基准测算指标模板中,并进行下载,得到目标测算指标模板,将加载所述基准数据至所述基准测算指标模板中,当下一次需要进行相同资产分类类型的风险预测时,无需重新输入基准数据,基准数据一次导入后可供后续多次使用,无需每次测算后核对基准数据是否正确,提高了风险预测效率及准确率;另一方面,将所述待测算数据写入所述目标测算指标模板中进行测算,测算出多个测算指标的风险预测值,由于每个测算指标对应的有逻辑运算公式,将每个测算指标对应的多个第四运算参数、测算条件及多个预设参数的阈值映射到对应测算指标的逻辑运算公式中,进行测算,测算过程中无需为每个测算指标重新配置逻辑运算公式,缩短了测算时长,提高了风险预测效率及准确率;最后,读取所述测算条件至所述前端页面,及调用预设参数的阈值接口将所述目标资产分类类型对应的多个预设参数的阈值填充至所述前端页面,通过服务器直接读取所述测算条件至所述前端页面,及调用预设参数的阈值接口将多个预设参数的阈值填充至所述前端页面,确保后续进行风险预测过程中参数的准确性,进而提高风险预测结果的准确率。
实施例二
图2是本发明实施例二提供的风险预测装置的结构图。
在一些实施例中,所述风险预测装置20可以包括多个由程序代码段所组成的功能模块。所述风险预测装置20中的各个程序段的程序代码可以存储于电子设备的存储器中,并由所述至少一个处理器所执行,以执行(详见图1描述)风险预测的功能。
本实施例中,所述风险预测装置20根据其所执行的功能,可以被划分为多个功能模块。所述功能模块可以包括:获取模块201、加载模块202、读取模块203、测算模块204、写入模块205、转换模块206及校验模块207。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段,其存储在存储器中。在本实施例中,关于各模块的功能将在后续的实施例中详述。
获取模块201,用于响应于偿付能力的风险预测请求,获取目标资产分类类型、测算条件、待测算数据、风险预测的基准数据和基准测算指标模板。
本实施例中,用户在进行偿付能力的风险预测时,通过客户端发起偿付能力的风险预测请求至服务端,具体地,所述客户端可以是智能手机、IPAD或者其他智能设备,所述服务端可以为风险预测子系统,在进行偿付能力的风险预测过程中,如所述客户端可以向风险预测子系统发送风险预测请求,所述风险预测子系统用于接收所述客户端发送的风险预测请求,并响应于所述风险预测请求,获取目标资产分类类型、测算条件、待测算数据、风险预测的基准数据和基准测算指标模板,并上传至后台服务器中。
在一个可选的实施例中,所述获取模块201响应于偿付能力的风险预测请求,获取目标资产分类类型、测算条件、待测算数据、风险预测的基准数据和基准测算指标模板包括:
解析所述偿付能力的风险预测请求,获取目标资产分类类型、测算条件和待测算数据;
根据所述目标资产分类类型确定数据仓库接口及基准测算指标模板;
从所述数据仓库接口接入资产树,并根据所述测算条件从所述资产树中提取风险预测的基准数据。
本实施例中,所述风险预测的基准数据包含有每个测算指标的基准值、资产分类与风险因子关系表、市场风险相关系数矩阵、信用风险相关系数和最低资本相关系数矩阵等相关数据。
本实施例中,不同的目标资产分类类型对应不同的基准测算指标模板,故根据所述目标资产分类类型,获取对应的基准测算指标模板,针对所述基准测算指标模板中的测算指标进行测算,具有针对性的测算,减少其他数据干扰,提高了风险预测效率。
本实施例中,每个目标资产分类类型对应一个数据仓库接口,通过调用所述数据仓库接口可以接入所述目标资产分类类型对应的资产树,根据测算条件从对应的资产树中提取风险预测的基准数据,确保了提取到的风险预测的基准数据的准确性。
加载模块202,用于当侦测到前端页面的下载指令时,响应于所述下载指令加载所述基准数据至所述基准测算指标模板中,并进行下载,得到目标测算指标模板,其中,所述基准测算指标模板的每个测算指标的单元格关联有对应的逻辑运算公式。
本实施例中,偿付能力的风险预测是基于基准数据预测得到的,所述基准测算指标模板可以为EXCEL文件,可以预先将基准数据加载至EXCEL文件的对应位置中,其中,EXCEL文件的每个测算指标的单元格关联有对应的逻辑运算公式,通过每个测算指标的单元格关联的逻辑运算公式可以测算出每个测算指标的风险预测值。
在一个可选的实施例中,所述加载模块202响应于所述下载指令加载所述基准数据至所述基准测算指标模板中包括:
响应于所述下载指令调用下载接口,接收后台服务器返回的基准数据和基准测算指标模板,其中,所述基准数据包含有每个测算指标的基准值;
初始化所述基准数据,获取所述基准测算指标模板对应的多个第一运算参数;
解析所述基准测算指标模板,以获取每个测算指标单元格的第一位置信息及对应的逻辑运算公式;
从所述多个第一运算参数中读取每个测算指标单元格的逻辑运算公式对应的多个第二运算参数,并将所述每个测算指标的基准值与对应的多个第二运算参数及逻辑运算公式进行关联;
根据每个测算指标单元格的第一位置信息,将关联后的每个测算指标的基准值加载至所述基准测算指标模板中。
本实施例中,所述多个第一运算参数用以表征所述基准测算指标模板中的多个测算指标的逻辑运算公式中使用的参数,将每个测算指标的基准值与对应的多个第二运算参数及逻辑运算公式进行关联,便于后续针对待测算数据进行测算指标的风险预测,由于每个测算指标的基准值与对应的多个第二运算参数及逻辑运算公式存在关联关系,避免了后续进行风险预测过程中出现数据混乱的现象,提高了风险预测结果的准确率。
本实施例中,将加载所述基准数据至所述基准测算指标模板中,当下一次需要进行相同资产分类类型的风险预测时,无需重新输入基准数据,基准数据一次导入后可供后续多次使用,无需每次测算后核对基准数据是否正确,提高了风险预测效率及准确率。
读取模块203,用于当侦测到所述前端页面选中所述目标资产分类类型时,读取所述测算条件至所述前端页面,及调用预设参数的阈值接口将所述目标资产分类类型对应的多个预设参数的阈值填充至所述前端页面。
本实施例中,所述预设参数的阈值可以为根据历史数据通过机器计算得到的,也可以为根据业务预测经验值计算得到的,所述预设参数的阈值影响后续测算指标的风险预测值,若预设参数的阈值偏差较大,可能会导致风险预测值准确率低的问题。
本实施例中,所述预设参数可以包括:资产分类、风险大类、风险因子及SARMRA得分。
在一个可选的实施例中,所述读取模块203调用预设参数的阈值接口将所述目标资产分类类型对应的多个预设参数的阈值填充至所述前端页面包括:
根据所述测算条件从后台服务器中匹配出所述目标资产分类类型对应的多个预设参数的阈值及每个预设参数的位置坐标,根据所述每个预设参数的位置坐标将所述多个预设参数的阈值填充至所述前端页面。
本实施例中,通过服务器直接读取所述测算条件至所述前端页面,及调用预设参数的阈值接口将多个预设参数的阈值填充至所述前端页面,确保后续进行风险预测过程中参数的准确性,进而提高风险预测结果的准确率。
测算模块204,用于在监听到所述前端页面触发进行测算操作时,将所述待测算数据写入所述目标测算指标模板中进行测算,测算出多个测算指标的风险预测值。
本实施例中,将所述待测算数据写入所述目标测算指标模板中进行测算,无需重新输入基准数据,并且所述目标测算指标模板可以重复使用,当下一次需要进行相同资产分类类型的风险预测时,可以直接使用所述目标测算指标模板,提高了风险预测效率及准确率。
在一个可选的实施例中,所述测算模块204将所述待测算数据写入所述目标测算指标模板中进行测算,测算出多个测算指标的风险预测值包括:
解析所述目标测算指标模板,以获取每个测算指标单元格的第二位置信息及逻辑运算公式;
按照预设的转换规则将所述待测算数据转换为多个第三运算参数;
从所述多个第三运算参数中读取每个测算指标单元格的逻辑运算公式对应的多个第四运算参数,并将所述多个第四运算参数、所述测算条件及所述多个预设参数的阈值映射到对应测算指标的逻辑运算公式中,测算出每个测算指标的风险预测值。
本实施例中,由于每个测算指标对应的有逻辑运算公式,将每个测算指标对应的多个第四运算参数、测算条件及多个预设参数的阈值映射到对应测算指标的逻辑运算公式中,进行测算,测算过程中无需为每个测算指标重新配置逻辑运算公式,缩短了测算时长,提高了风险预测效率及准确率。
写入模块205,用于将所述多个测算指标的风险预测值写入所述目标资产分类类型对应的预设的风险预测结果模板中,导出目标风险预测结果。
本实施例中,每个资产分类类型对应一个预设的风险预测结果模板,具体地,所述风险预测结果模板为EXCEL模板,将所述多个测算指标的风险预测值写入所述EXCEL模板对应的位置,得到目标风险预测结果。
在一个可选的实施例中,所述写入模块205将所述多个测算指标的风险预测值写入所述目标资产分类类型对应的预设的风险预测结果模板中,导出目标风险预测结果包括:
解析所述预设的风险预测结果模板,确定每个测算指标的位置坐标;
根据多个测算指标的位置坐标,将所述多个测算指标风险预测值写入所述预设的风险预测结果模板中,导出目标风险预测结果。
本实施例中,为了便于进行风险预测结果的管理,将将所述多个测算指标风险预测值写入所述预设的风险预测结果模板中。
进一步地,转换模块206,用于将所述目标风险预测结果转换为展示风险预测结果的展示页面,返回所述展示页面至所述前端页面展示风险预测结果。
本实施例中,为了便于风险预测结果的校验,在将所述目标风险预测结果转换为展示风险预测结果的展示页面的过程中,所述展示页面的页面布局与所述目标风险预测结果的页面布局保持一致,便于后续进行测试结果校验。
在一个可选的实施例中,所述转换模块206将所述目标风险预测结果转换为展示风险预测结果的展示页面包括:
获取所述目标资产分类类型对应的预设的风险预测结果的展示页面;
解析所述预设的风险预测结果的展示页面,得到目标页面布局;
按照所述目标页面布局对所述目标风险预测结果进行转换,得到展示风险预测结果的展示页面。
进一步地,校验模块207,用于当侦测到所述前端页面的导出操作被触发时,导出最终风险预测结果,并校验所述最终风险预测结果;当所述最终风险预测结果通过校验时,将所述最终风险预测结果存储至本地缓存中;或者,当所述最终风险预测结果未通过校验时,执行所述将所述目标风险预测结果转换为展示风险预测结果的展示页面。
进一步地,所述校验模块207,还用于当侦测到所述前端页面的保存操作被触发时,保存所述最终风险预测结果,并校验所述最终风险预测结果;当所述最终风险预测结果通过校验时,将所述最终风险预测结果存储至本地缓存中;或者,当所述最终风险预测结果未通过校验时,执行所述将所述目标风险预测结果转换为展示风险预测结果的展示页面。
进一步地,所述校验模块207校验所述最终风险预测结果包括:
获取目标风险预测结果;
将所述最终风险预测结果中的每个测算指标的风险预测值与所述目标风险预测结果中的对应测算指标的风险预测值进行匹配;
当所述最终风险预测结果中的每个测算指标的风险预测值与所述目标风险预测结果中的对应测算指标的风险预测值相匹配时,确定所述最终风险预测结果通过校验;或者
当所述最终风险预测结果中的每个测算指标的风险预测值与所述目标风险预测结果中的对应测算指标的风险预测值不匹配时,确定所述最终风险预测结果未通过校验。
本实施例中,通过将所述最终风险预测结果中的每个测算指标的风险预测值与所述目标风险预测结果中的对应测算指标的风险预测值进行匹配,验证所述最终风险预测结果在转换为展示页面过程中是否出现错误,根据验证结果确定是否保存所述最终风险预测结果,确保了存储至本地缓存中的最终风险预测结果的准确率,此外,将最终风险预测结果存在至本地缓存中,便于后续对风险预测结果进行追溯。
综上所述,本实施例所述的风险预测装置,一方面,响应于所述下载指令加载所述基准数据至所述基准测算指标模板中,并进行下载,得到目标测算指标模板,将加载所述基准数据至所述基准测算指标模板中,当下一次需要进行相同资产分类类型的风险预测时,无需重新输入基准数据,基准数据一次导入后可供后续多次使用,无需每次测算后核对基准数据是否正确,提高了风险预测效率及准确率;另一方面,将所述待测算数据写入所述目标测算指标模板中进行测算,测算出多个测算指标的风险预测值,由于每个测算指标对应的有逻辑运算公式,将每个测算指标对应的多个第四运算参数、测算条件及多个预设参数的阈值映射到对应测算指标的逻辑运算公式中,进行测算,测算过程中无需为每个测算指标重新配置逻辑运算公式,缩短了测算时长,提高了风险预测效率及准确率;最后,读取所述测算条件至所述前端页面,及调用预设参数的阈值接口将所述目标资产分类类型对应的多个预设参数的阈值填充至所述前端页面,通过服务器直接读取所述测算条件至所述前端页面,及调用预设参数的阈值接口将多个预设参数的阈值填充至所述前端页面,确保后续进行风险预测过程中参数的准确性,进而提高风险预测结果的准确率。
实施例三
参阅图3所示,为本发明实施例三提供的电子设备的结构示意图。在本发明较佳实施例中,所述电子设备3包括存储器31、至少一个处理器32、至少一条通信总线33及收发器34。
本领域技术人员应该了解,图3示出的电子设备的结构并不构成本发明实施例的限定,既可以是总线型结构,也可以是星形结构,所述电子设备3还可以包括比图示更多或更少的其他硬件或者软件,或者不同的部件布置。
在一些实施例中,所述电子设备3是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的电子设备,其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。所述电子设备3还可包括客户设备,所述客户设备包括但不限于任何一种可与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、数码相机等。
需要说明的是,所述电子设备3仅为举例,其他现有的或今后可能出现的电子产品如可适应于本发明,也应包含在本发明的保护范围以内,并以引用方式包含于此。
在一些实施例中,所述存储器31用于存储程序代码和各种数据,例如安装在所述电子设备3中的风险预测装置20,并在电子设备3的运行过程中实现高速、自动地完成程序或数据的存取。所述存储器31包括只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
在一些实施例中,所述至少一个处理器32可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述至少一个处理器32是所述电子设备3的控制核心(Control Unit),利用各种接口和线路连接整个电子设备3的各个部件,通过运行或执行存储在所述存储器31内的程序或者模块,以及调用存储在所述存储器31内的数据,以执行电子设备3的各种功能和处理数据。
在一些实施例中,所述至少一条通信总线33被设置为实现所述存储器31以及所述至少一个处理器32等之间的连接通信。
尽管未示出,所述电子设备3还可以包括给各个部件供电的电源(比如电池),可选的,电源可以通过电源管理装置与所述至少一个处理器32逻辑相连,从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备3还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
上述以软件功能模块的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能模块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,电子设备,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分。
在进一步的实施例中,结合图2,所述至少一个处理器32可执行所述电子设备3的操作装置以及安装的各类应用程序(如所述的风险预测装置20)、程序代码等,例如,上述的各个模块。
所述存储器31中存储有程序代码,且所述至少一个处理器32可调用所述存储器31中存储的程序代码以执行相关的功能。例如,图2中所述的各个模块是存储在所述存储器31中的程序代码,并由所述至少一个处理器32所执行,从而实现所述各个模块的功能以达到风险预测的目的。
示例性的,所述程序代码可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器31中,并由所述处理器32执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段,该指令段用于描述所述程序代码在所述电子设备3中的执行过程。例如,所述程序代码可以被分割成获取模块201、加载模块202、读取模块203、测算模块204、写入模块205、转换模块206及校验模块207。
在本发明的一个实施例中,所述存储器31存储多个指令,所述多个指令被所述至少一个处理器32所执行以实现风险预测的功能。
具体地,所述至少一个处理器32对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,既可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或,单数不排除复数。本发明中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种风险预测方法,其特征在于,所述方法包括:
响应于偿付能力的风险预测请求,获取目标资产分类类型、测算条件、待测算数据、风险预测的基准数据和基准测算指标模板;
当侦测到前端页面的下载指令时,响应于所述下载指令加载所述基准数据至所述基准测算指标模板中,并进行下载,得到目标测算指标模板,其中,所述基准测算指标模板的每个测算指标的单元格关联有对应的逻辑运算公式;
当侦测到所述前端页面选中所述目标资产分类类型时,读取所述测算条件至所述前端页面,及调用预设参数的阈值接口将所述目标资产分类类型对应的多个预设参数的阈值填充至所述前端页面;
在监听到所述前端页面触发进行测算操作时,将所述待测算数据写入所述目标测算指标模板中进行测算,测算出多个测算指标的风险预测值;
将所述多个测算指标的风险预测值写入所述目标资产分类类型对应的预设的风险预测结果模板中,导出目标风险预测结果。
2.如权利要求1所述的风险预测方法,其特征在于,所述响应于所述下载指令加载所述基准数据至所述基准测算指标模板中包括:
响应于所述下载指令调用下载接口,接收后台服务器返回的基准数据和基准测算指标模板,其中,所述基准数据包含有每个测算指标的基准值;
初始化所述基准数据,获取所述基准测算指标模板对应的多个第一运算参数;
解析所述基准测算指标模板,以获取每个测算指标单元格的第一位置信息及对应的逻辑运算公式;
从所述多个第一运算参数中读取每个测算指标单元格的逻辑运算公式对应的多个第二运算参数,并将所述每个测算指标的基准值与对应的多个第二运算参数及逻辑运算公式进行关联;
根据每个测算指标单元格的第一位置信息,将关联后的每个测算指标的基准值加载至所述基准测算指标模板中。
3.如权利要求1所述的风险预测方法,其特征在于,所述将所述待测算数据写入所述目标测算指标模板中进行测算,测算出多个测算指标的风险预测值包括:
解析所述目标测算指标模板,以获取每个测算指标单元格的第二位置信息及逻辑运算公式;
按照预设的转换规则将所述待测算数据转换为多个第三运算参数;
从所述多个第三运算参数中读取每个测算指标单元格的逻辑运算公式对应的多个第四运算参数,并将所述多个第四运算参数、所述测算条件及所述多个预设参数的阈值映射到对应测算指标的逻辑运算公式中,测算出每个测算指标的风险预测值。
4.如权利要求1所述的风险预测方法,其特征在于,所述响应于偿付能力的风险预测请求,获取目标资产分类类型、测算条件、待测算数据、风险预测的基准数据和基准测算指标模板包括:
解析所述偿付能力的风险预测请求,获取目标资产分类类型、测算条件和待测算数据;
根据所述目标资产分类类型确定数据仓库接口及基准测算指标模板;
从所述数据仓库接口接入资产树,并根据所述测算条件从所述资产树中提取风险预测的基准数据。
5.如权利要求1所述的风险预测方法,其特征在于,所述调用预设参数的阈值接口将所述目标资产分类类型对应的多个预设参数的阈值填充至所述前端页面包括:
根据所述测算条件从后台服务器中匹配出所述目标资产分类类型对应的多个预设参数的阈值及每个预设参数的位置坐标,根据所述每个预设参数的位置坐标将所述多个预设参数的阈值填充至所述前端页面。
6.如权利要求1所述的风险预测方法,其特征在于,所述将所述多个测算指标的风险预测值写入所述目标资产分类类型对应的预设的风险预测结果模板中,导出目标风险预测结果包括:
解析所述预设的风险预测结果模板,确定每个测算指标的位置坐标;
根据多个测算指标的位置坐标,将所述多个测算指标风险预测值写入所述预设的风险预测结果模板中,导出目标风险预测结果。
7.如权利要求1至6中任意一项所述的风险预测方法,其特征在于,所述方法还包括:
将所述目标风险预测结果转换为展示风险预测结果的展示页面,包括:获取所述目标资产分类类型对应的预设的风险预测结果的展示页面;解析所述预设的风险预测结果的展示页面,得到目标页面布局;按照所述目标页面布局对所述目标风险预测结果进行转换,得到展示风险预测结果的展示页面;
返回所述展示页面至所述前端页面展示风险预测结果。
8.一种风险预测装置,其特征在于,所述装置包括:
获取模块,用于响应于偿付能力的风险预测请求,获取目标资产分类类型、测算条件、待测算数据、风险预测的基准数据和基准测算指标模板;
加载模块,用于当侦测到前端页面的下载指令时,响应于所述下载指令加载所述基准数据至所述基准测算指标模板中,并进行下载,得到目标测算指标模板,其中,所述基准测算指标模板的每个测算指标的单元格关联有对应的逻辑运算公式;
读取模块,用于当侦测到所述前端页面选中所述目标资产分类类型时,读取所述测算条件至所述前端页面,及调用预设参数的阈值接口将所述目标资产分类类型对应的多个预设参数的阈值填充至所述前端页面;
测算模块,用于在监听到所述前端页面触发进行测算操作时,将所述待测算数据写入所述目标测算指标模板中进行测算,测算出多个测算指标的风险预测值;
写入模块,用于将所述多个测算指标的风险预测值写入所述目标资产分类类型对应的预设的风险预测结果模板中,导出目标风险预测结果。
9.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述处理器用于执行所述存储器中存储的计算机程序时实现如权利要求1至7中任意一项所述的风险预测方法。
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计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的风险预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110705252.4A CN113256407B (zh) | 2021-06-24 | 2021-06-24 | 风险预测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110705252.4A CN113256407B (zh) | 2021-06-24 | 2021-06-24 | 风险预测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113256407A true CN113256407A (zh) | 2021-08-13 |
CN113256407B CN113256407B (zh) | 2022-06-24 |
Family
ID=77189498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110705252.4A Active CN113256407B (zh) | 2021-06-24 | 2021-06-24 | 风险预测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113256407B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116437006A (zh) * | 2023-06-14 | 2023-07-14 | 深圳市英迈通信技术有限公司 | 一种用于手机投屏的信息安全管理系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160005111A1 (en) * | 2014-07-07 | 2016-01-07 | Wipro Limited | System and method for complying with solvency regulations |
CN107632973A (zh) * | 2017-09-26 | 2018-01-26 | 郑州云海信息技术有限公司 | 资产的录入方法和装置 |
CN108829653A (zh) * | 2018-05-04 | 2018-11-16 | 山东中创软件工程股份有限公司 | 一种报表的生成方法、装置、设备及介质 |
CN108959618A (zh) * | 2018-07-18 | 2018-12-07 | 北京欣欣苹果网络科技有限公司 | 互联网信息收集及处理方法和装置 |
CN110458712A (zh) * | 2019-07-05 | 2019-11-15 | 中国平安财产保险股份有限公司 | 偿付能力的压力测试方法、装置、设备及存储介质 |
CN111476457A (zh) * | 2020-03-05 | 2020-07-31 | 安徽经邦软件技术有限公司 | 一种财务指标的计算方法 |
CN111625586A (zh) * | 2020-05-27 | 2020-09-04 | 北京思特奇信息技术股份有限公司 | 一种通用业务数据的导入方法和系统 |
-
2021
- 2021-06-24 CN CN202110705252.4A patent/CN113256407B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160005111A1 (en) * | 2014-07-07 | 2016-01-07 | Wipro Limited | System and method for complying with solvency regulations |
CN107632973A (zh) * | 2017-09-26 | 2018-01-26 | 郑州云海信息技术有限公司 | 资产的录入方法和装置 |
CN108829653A (zh) * | 2018-05-04 | 2018-11-16 | 山东中创软件工程股份有限公司 | 一种报表的生成方法、装置、设备及介质 |
CN108959618A (zh) * | 2018-07-18 | 2018-12-07 | 北京欣欣苹果网络科技有限公司 | 互联网信息收集及处理方法和装置 |
CN110458712A (zh) * | 2019-07-05 | 2019-11-15 | 中国平安财产保险股份有限公司 | 偿付能力的压力测试方法、装置、设备及存储介质 |
CN111476457A (zh) * | 2020-03-05 | 2020-07-31 | 安徽经邦软件技术有限公司 | 一种财务指标的计算方法 |
CN111625586A (zh) * | 2020-05-27 | 2020-09-04 | 北京思特奇信息技术股份有限公司 | 一种通用业务数据的导入方法和系统 |
Non-Patent Citations (1)
Title |
---|
刘东辉 等: "浮式生产储油装置项目经济评价软件研究", 《中国石油和化工标准与质量》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116437006A (zh) * | 2023-06-14 | 2023-07-14 | 深圳市英迈通信技术有限公司 | 一种用于手机投屏的信息安全管理系统及方法 |
CN116437006B (zh) * | 2023-06-14 | 2023-09-08 | 深圳市英迈通信技术有限公司 | 一种用于手机投屏的信息安全管理系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113256407B (zh) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103246602A (zh) | 代码覆盖率确定方法及系统、代码覆盖检测方法及系统 | |
US20200065127A1 (en) | Virtualized resource monitoring system | |
CN112926296A (zh) | 数据校验方法、装置、电子设备及存储介质 | |
CN115330136A (zh) | 产品质量管理系统、方法及相关设备 | |
CN113256407B (zh) | 风险预测方法、装置、电子设备及存储介质 | |
CN111754123A (zh) | 数据监控方法、装置、计算机设备及存储介质 | |
CN111694844A (zh) | 基于配置算法的企业运行数据分析方法、装置及电子设备 | |
CN113256108A (zh) | 人力资源分配方法、装置、电子设备及存储介质 | |
CN108921459B (zh) | 指标生成方法、装置、计算机设备和存储介质 | |
CN103235847A (zh) | 基于矩阵转换的模型动态调配方法 | |
CN115248782B (zh) | 一种自动化测试方法、装置及计算机设备 | |
CN114741260A (zh) | 接口兼容性检测方法、装置、电子设备及存储介质 | |
CN114896164A (zh) | 接口优化方法、装置、电子设备及存储介质 | |
CN114490590A (zh) | 数据仓库质量评价方法、装置、电子设备及存储介质 | |
CN113282282B (zh) | 业务需求表单发布方法、装置、电子设备及存储介质 | |
CN111752786A (zh) | 压力测试过程中的数据存储方法、汇总方法、设备及介质 | |
CN113419916B (zh) | 风控检查程序不间断运行方法、装置、设备及存储介质 | |
CN112905687A (zh) | 数据转换方法、装置、电子设备及存储介质 | |
CN114692382B (zh) | 核电仿真模型开发数据的管理方法、装置及计算机设备 | |
CN111414398A (zh) | 数据分析模型确定方法、装置及存储介质 | |
CN112836924B (zh) | 一种资源分配审计的方法、装置、电子设备及存储介质 | |
CN116843192A (zh) | 一种营销策略评估方法及装置 | |
CN117950968A (zh) | 一种供应链自主可控度评估方法、装置、服务器及介质 | |
CN112579046A (zh) | 用户故事分析方法、装置、电子设备及存储介质 | |
CN116955189A (zh) | 一种用户界面自动化测试方法、装置、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |