CN113344696A - 一种头寸预报评估方法、装置、设备及存储介质 - Google Patents
一种头寸预报评估方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113344696A CN113344696A CN202110719946.3A CN202110719946A CN113344696A CN 113344696 A CN113344696 A CN 113344696A CN 202110719946 A CN202110719946 A CN 202110719946A CN 113344696 A CN113344696 A CN 113344696A
- Authority
- CN
- China
- Prior art keywords
- actual occurrence
- forecast
- determining
- positions
- quality evaluation
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 31
- 238000013441 quality evaluation Methods 0.000 claims abstract description 136
- 230000002159 abnormal effect Effects 0.000 claims abstract description 63
- 238000000034 method Methods 0.000 claims description 74
- 238000012545 processing Methods 0.000 claims description 27
- 238000001514 detection method Methods 0.000 claims description 22
- 238000004891 communication Methods 0.000 claims description 9
- 238000001303 quality assessment method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 238000007781 pre-processing Methods 0.000 description 7
- 210000001061 forehead Anatomy 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
Abstract
本申请实施例公开了一种头寸预报评估方法,该方法包括:确定待评估对象在质量评估周期内的m个第一头寸实际发生额;其中,m为大于或等于1的整数;从m个所述第一头寸实际发生额中,确定处于异常状态的n个第二头寸实际发生额;其中,n为大于或等于0的整数;基于n个所述第二头寸实际发生额和m个所述第一头寸实际发生额,确定所述待评估对象在所述质量评估周期内对应的质量评估结果;其中,所述质量评估结果用于表示在所述质量评估周期内对所述待评估对象进行头寸预报的预报质量。本申请实施例还公开了一种头寸预报评估装置、设备和存储介质。
Description
技术领域
本申请涉及计算机分析技术领域,尤其涉及一种头寸预报评估方法、装置、设备及存储介质。
背景技术
随着计算机技术的飞速发展,越来越多的技术应用在金融领域,传统金融业正在逐步向金融科技(Fintech)转变,但由于金融行业的安全性和实时性要求,也对技术提出了更高的要求。目前商业银行系统在日常运营过程中,通常采用资金头寸管理的方式,来保证头寸合理水平以应对所有现金流出,又要防止头寸留存过高形成资金浪费。目前资金头寸管理过程中,头寸留存的金额主要是通过头寸预报的方式来实现的,而为了确定头寸预报的准确性,商业银行系统通常会选择在一段时间内例如一周或一个月内每一天的头寸预报进行评分,即通过计算头寸预报金额与实际头寸金额的差值与头寸预报金额之间的比值得到每天的预报参考偏离度,并确定预报参考偏离度对应的分数得到每天的头寸预报的评分,然后计算这段时间内的头寸预报的平均分,并将该平均分作为该段时间内头寸预报的质量评估值。
但是,目前对头寸预报进行质量评估时,只是简单地考虑了头寸预报金额与实际头寸金额之间的关系,而未充分考虑特殊场景下例如储户取款挤兑或者竞争对手恶意营销导致头寸在短时间内波动较大的情况,导致目前对头寸预报的质量评估实现过程较为单一,造成对头寸预报过程的质量评估不准确。
申请内容
为解决上述技术问题,本申请实施例期望提供一种头寸预报评估方法、装置、设备及存储介质,解决了目前对头寸预报的质量进行评估的实现过程较为单一的问题,实现了一种对头寸预报的质量进行评估的实现方法,丰富了对头寸预报的指令评估方法,提高了对头寸预报的质量进行评估的准确性。
本申请的技术方案是这样实现的:
第一方面,一种头寸预报评估方法,所述方法包括:
确定待评估对象在质量评估周期内的m个第一头寸实际发生额;其中,m为大于或等于1的整数;
从m个所述第一头寸实际发生额中,确定处于异常状态的n个第二头寸实际发生额;其中,n为大于或等于0的整数;
基于n个所述第二头寸实际发生额和m个所述第一头寸实际发生额,确定所述待评估对象在所述质量评估周期内对应的质量评估结果;其中,所述质量评估结果用于表示在所述质量评估周期内对所述待评估对象进行头寸预报的预报质量。
第二方面,一种头寸预报评估装置,其特征在于,所述装置包括:确定单元和处理单元;其中:
所述确定单元,用于确定待评估对象在质量评估周期内的m个第一头寸实际发生额;其中,m为大于或等于1的整数;
所述处理单元,用于从m个所述第一头寸实际发生额中,确定处于异常状态的n个第二头寸实际发生额;其中,n为大于或等于0的整数;
所述处理单元,还用于基于n个所述第二头寸实际发生额和m个所述第一头寸实际发生额,确定所述待评估对象在所述质量评估周期内对应的质量评估结果;其中,所述质量评估结果用于表示在所述质量评估周期内对所述待评估对象进行头寸预报的预报质量。
第三方面,一种头寸预报评估设备,所述设备包括:存储器、处理器和通信总线;其中:
所述存储器,用于存储可执行指令;
所述通信总线,用于实现所述处理器和所述存储器之间的通信连接;
所述处理器,用于执行所述存储器中存储的头寸预报评估程序,实现如上述任一项所述的头寸预报评估方法的步骤。
第四方面,一种存储介质,所述存储介质上存储有头寸预报评估程序,所述头寸预报评估程序被处理器执行时实现如上述任一项所述的头寸预报评估方法的步骤。
本申请实施例中,通过确定待评估对象在质量评估周期内的m个第一头寸实际发生额后,从m个第一头寸实际发生额中,确定处于异常状态的n个第二头寸实际发生额,并基于n个第二头寸实际发生额和m个第一头寸实际发生额,来确定待评估对象在质量评估周期内对应的质量评估结果,这样,对质量评估周期内待评估对象的m个第一头寸实际发生额中处于异常状态的n个第二头寸实际发生额和m个第一头寸实际发生额进行分析,来确定针对质量评估周期内待评估对象的质量评估结果,解决了目前对头寸预报的质量进行评估的实现过程较为单一的问题,实现了一种对头寸预报的质量进行评估的实现方法,丰富了对头寸预报的指令评估方法,提高了对头寸预报的质量进行评估的准确性。
附图说明
图1为本申请实施例提供的一种头寸预报评估方法的流程示意图;
图2为本申请实施例提供的另一种头寸预报评估方法的流程示意图;
图3为本申请实施例提供的又一种头寸预报评估方法的流程示意图;
图4为本申请实施例提供的一种头寸预报评估方法的实现流程示意图;
图5为本申请实施例提供的一种数据处理的流程示意图;
图6为本申请实施例提供的一种对头寸预报评分进行应用的流程示意图;
图7为本申请另一实施例提供的一种头寸预报评估方法的流程示意图;
图8为本申请另一实施例提供的另一种头寸预报评估方法的流程示意图;
图9为本申请实施例提供的一种头寸预报评估装置的结构示意图;
图10为本申请实施例提供的一种头寸预报评估设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
本申请的实施例提供一种头寸预报评估方法,参照图1所示,方法应用于头寸预报评估设备,该方法包括以下步骤:
步骤101、确定待评估对象在质量评估周期内的m个第一头寸实际发生额。
其中,m为大于或等于1的整数。
在本申请实施例中,待评估对象可以是商业银行系统中的任一需进行头寸预报的业务产品。质量评估周期是用于对待评估对象进行头寸预报的预报结果进行质量评估的周期,例如可以是一周、15天或者一个月等。第一头寸实际发生额为待评估对象实际交易过程中的实际产生的头寸。需说明的是,待评估对象在质量评估周期内的m个第一头寸实际发生额可以是其他预报设备在质量评估周期内对待评估对象的实际运行过程中的实际头寸进行采集得到的,其中,对待评估对象进行预报可以是每天多个固定时间进行多次采集。头寸预报评估设备通常为商业银行系统中的管理设备,例如可以是服务器。
步骤102、从m个第一头寸实际发生额中,确定处于异常状态的n个第二头寸实际发生额。
其中,n为大于或等于0的整数。
在本申请实施例中,对m个第一头寸实际发生额进行分析,从m个第一头寸实际发生额中确定明显存在异常即处于异常状态的n个第二头寸实际发生额。在一些应用场景下,m个第一头寸实际发生额中也可能不存在处于异常状态的第二头寸实际发生额,即n为零。
步骤103、基于n个第二头寸实际发生额和m个第一头寸实际发生额,确定待评估对象在质量评估周期内对应的质量评估结果。
其中,质量评估结果用于表示在质量评估周期内对待评估对象进行头寸预报的预报质量。
在本申请实施例中,对确定的n个第二头寸实际发生额和m个第一头寸实际发生额进行分析,确定在质量评估周期内用于评估对待评估对象进行头寸预报的预报质量的质量评估结果。得到的质量评估结果可以进行存储,以使下游数据使用方可以获取对应的质量评估结果,对质量评估结果进行进一步处理,例如可以是大屏展示、绩效评估和/或头寸管理等。
本申请实施例中,通过确定待评估对象在质量评估周期内的m个第一头寸实际发生额后,从m个第一头寸实际发生额中,确定处于异常状态的n个第二头寸实际发生额,并基于n个第二头寸实际发生额和m个第一头寸实际发生额,来确定待评估对象在质量评估周期内对应的质量评估结果,这样,对质量评估周期内待评估对象的m个第一头寸实际发生额中处于异常状态的n个第二头寸实际发生额和m个第一头寸实际发生额进行分析,来确定针对质量评估周期内待评估对象的质量评估结果,解决了目前对头寸预报的质量进行评估的实现过程较为单一的问题,实现了一种对头寸预报的质量进行评估的实现方法,丰富了对头寸预报的指令评估方法,提高了对头寸预报的质量进行评估的准确性。
基于前述实施例,本申请的实施例提供一种头寸预报评估方法,参照图2所示,该方法应用于头寸预报评估设备,该方法包括以下步骤:
步骤201、确定待评估对象在质量评估周期内的m个第一头寸实际发生额。
其中,m为大于或等于1的整数。
在本申请实施例中,以质量评估周期为一周,针对待评估对象为产品A为例进行说明,获取一周内对产品A进行头寸预报的同时采集得到的全部头寸实际发生额,即m个第一头寸实际发生额。
步骤202、采用p种异常值检测方法,检测m个第一头寸实际发生额中处于异常状态的头寸实际发生额,得到p组q个第三头寸实际发生额。
其中,p为大于或等于1的整数,q为大于或等于0的整数。
在本申请实施例中,确定P种异常值检测方法后,采用每一种异常值检测方法来对m个第一头寸实际发生额进行分析处理,得到P组q个第三头寸实际发生额,其中,每一组q个第三头寸实际发生额中的q值可以相同,也可以不同,每一组对应的q值具体由每一种异常值检测方法决定。示例性的,假设确定了2种异常值检测方法,包括方法1和方法2,对应的,采用方法1对产品A的m个第一头寸实际发生额进行分析处理,得到q1个第三头寸实际发生额,采用方法2对产品A的m个第一头寸实际发生额进行分析处理,得到q2个第三头寸实际发生额。
步骤203、确定p组q个第三头寸实际发生额中均包括的头寸实际发生额,得到n个第二头寸实际发生额。
其中,n小于或等于q,n为大于或等于0的整数。
在本申请实施例中,从p组q个第三头寸实际发生额中确定P组均包括的头寸实际发生额,得到n个第二头寸实际发生额。示例性的,假设q1个第三头寸实际发生额为4个第三头寸实际发生额c1、c2、c3和c4,q2个第三头寸实际发生额为6个第三头寸实际发生额c1、c3、c4、c6、c7和c8,因此,从4个第三头寸实际发生额c1、c2、c3和c4,与6个第三头寸实际发生额c1、c3、c4、c6、c7和c8中确定得到这两组第三头寸实际发生额中均包括的第三头寸实际发生额为c1、c3和c4,即产品A的n个第二头寸实际发生额为3个第二头寸实际发生额c1、c3和c4。
步骤204、基于n个第二头寸实际发生额和m个第一头寸实际发生额,确定待评估对象在质量评估周期内对应的质量评估结果。
其中,质量评估结果用于表示在质量评估周期内对待评估对象进行头寸预报的预报质量。
在本申请实施例中,对n个第二头寸实际发生额和m个第一头寸实际发生额进行预报质量分析,得到待评估对象在质量评估周期内对应的质量评估结果。示例性的,假设m个第一头寸实际发生额为10个第一头寸实际发生额c1、c2、c3、c4、c5、c6、c7、c8、c9和c10,这样,基于3个第二头寸实际发生额c1、c3和c4与10个第一头寸实际发生额c1、c2、c3、c4、c5、c6、c7、c8、c9和c10进行分析,可以确定得到产品A在该周内对应的质量评估结果。
基于前述实施例,在本申请其他实施例中,步骤204可以由步骤204a~204d来实现:
步骤204a、确定n与m的第一比值。
在本申请实施例中,第一比值=n/m。
步骤204b、获取m个第一头寸实际发生额对应的m个第一头寸预报样本数据。
在本申请实施例中,第一头寸预报样本数据为某一次对待评估对象进行头寸预报得到的头寸预报样本数据。需说明的是,待评估对象在质量评估周期内的m个第一头寸预报样本数据可以是其他预报设备在质量评估周期内对待评估对象进行预报得到的,也可以是头寸预报评估设备在质量评估周期内对待评估对象进行预报得到的。在进行头寸预测时,假设从当前周期到下一周期之间进行预测得到的头寸预报数据为第一头寸预报样本数据,而在实际运行过程中,当前周期到下一周期之间实际发生的头寸记为第一头寸预报样本数据对应的头寸实际发生额,即一个第一头寸预报样本数据对应一个第一头寸实际发生额。这样,针对m个第一头寸实际发生额,确定每一个第一头寸实际发生额对应的第一头寸预报样本数据,即可得到m个第一头寸预报样本数据。
示例性的,针对产品A的10个第一头寸实际发生额c1、c2、c3、c4、c5、c6、c7、c8、c9和c10,依次确定得到与c1对应的第一头寸预报样本数据d1、c2对应的第一头寸预报样本数据d2、c3对应的第一头寸预报样本数据d3、c4对应的第一头寸预报样本数据d4、c5对应的第一头寸预报样本数据d5、c6对应的第一头寸预报样本数据d6、c7对应的第一头寸预报样本数据d7、c8对应的第一头寸预报样本数据d8、c9对应的第一头寸预报样本数据d9和c10对应的第一头寸预报样本数据d10。
步骤204c、基于m个第一头寸实际发生额和m个第一头寸预报样本数据,确定m个参考偏离度。
在本申请实施例中,基于m个第一头寸实际发生额和m个第一头寸预报样本数据,计算每一第一头寸实际发生额与对应的第一头寸预报样本数据之间的偏离度,得到m个参考偏离度。示例性的,基于c1和c1对应的第一头寸预报样本数据d1,确定得到c1对应的参考偏离度;基于c2和c2对应的第一头寸预报样本数据d2,确定得到c2对应的参考偏离度;基于c3和c3对应的第一头寸预报样本数据d3,确定得到c3对应的参考偏离度,以此类推,直至基于c10和c10对应的第一头寸预报样本数据d10,确定得到c10对应的参考偏离度。
步骤204d、基于第一比值和m个参考偏离度,确定质量评估结果。
在本申请实施例中,基于m个参考偏离度和第一比值即n/m,来确定得到针对待评估对象的质量评估结果。
基于前述实施例,在本申请其他实施例中,步骤204c可以由以下步骤来实现:通过公式确定得到m个参考偏离度;其中,i=1,2……,m,Pactuali为m个第一头寸实际发生额中的第i个第一头寸实际发生额,Pprei为第i个第一头寸实际发生额对应的第一头寸预报样本数据,Di为第i个第一头寸实际发生额对应的参考偏离度。
基于前述实施例,在本申请其他实施例中,步骤204d可以由步骤a11~a15来实现:
步骤a11、从m个参考偏离度中,确定小于预设参考偏离度阈值的参考偏离度,得到x个目标偏离度。
其中,x为大于或等于0,且小于或等于m的整数。
在本申请实施例中,预设参考偏离度阈值为根据大量实验得到的一个经验值,可以根据实际情况来不断的进行校正。将m个参考偏离度中的每一参考偏离度与预设参考偏离度阈值进行大小比较,以从m个参考偏离度中,确定出小于预设参考偏离度阈值的参考偏离度为目标偏离度。在一些应用场景下,m个参考偏离度中的参考偏离度可以均大于预设参考偏离度阈值,即一个目标偏离度也没有。
步骤a12、确定与x个目标偏离度对应的x个第一预报评分值。
在本申请实施例中,确定与x个目标偏离度对应的x个第一预报评分值时,可以是根据偏离度与预报评分值之间的关系来确定得到的,偏离度与预报评分值之间的关系通常为根据大量实验或用户经验得到的一个经验关系。偏离度与预报评分值之间的关系可以是关于偏离度与预报评分值之间的算法公式,也可以是一个包括偏离度对应不同预报评分值的关系列表,具体可以由实际情况来确定,此处不做具体限定。
示例性的,假设有3个偏离度为偏离度1、偏离度2和偏离度3,对应的确定得到偏离度1对应的第一预报评分值为分值1,偏离度2对应的第一预报评分值为分值2,偏离度3对应的第一预报评分值为分值3。
步骤a13、从m个第一头寸实际发生额中,确定除n个第二头寸实际发生额外的y个第四头寸实际发生额。
其中,n与y的和值为m。
在本申请实施例中,从m个第一头寸实际发生额中,确定处于正常状态的第四头寸实际发生额,即将m个第一头寸实际发生额域中包括的n个第二头寸实际发生额除去,即可以得到处于正常状态的y个第四头寸实际发生额。
示例性的,针对产品A的10个第一头寸实际发生额c1、c2、c3、c4、c5、c6、c7、c8、c9和c10,由于确定了处于异常状态的3个第二头寸实际发生额c1、c3和c4,因此,可以确定产品A对应的处于正常状态的7个第四头寸实际发生额c2、c5、c6、c7、c8、c9和c10。
步骤a14、确定y个第四头寸实际发生额对应的y个第二预报评分值。
在本申请实施例中,确定y个第四头寸实际发生额对应的y个第二预报评分值的实现过程可以参照步骤a12中确定x个目标偏离度对应的x个第一预报评分值的实现过程,此处不再详细赘述。
其中,θ为第一比值,S1i为x个第一预报评分值中的第i个第一预报评分值,S2j为y个第二预报评分值中的第j个第二预报评分值。
这样,利用异常值检测算法将预报中的特殊场次即异常状态的头寸样本数据识别出来,再通过对这些特殊场次对应的偏离度对这些特殊场次的预报进行一定的过滤,来对其中预报合格场次的评分赋予较小的权重,使这部分的评分在最终的整体产品预报评分中占据较小的重要性,既兼顾了特殊情况下头寸预报的难度,也对特殊情况下头寸预报的准确性进行了有效度量。
基于前述实施例,参照图3所示,头寸预报评估设备执行步骤204之后,还用于执行步骤205:
步骤205、存储质量评估结果至待评估对象对应的消息队列中。
在本申请实施例中,将待评估对象在该待评估周期内对应的质量评估结果存储至消息队列中,以使下游数据用户可以从消息队列中获取质量评估结果,以进行后续分析应用。
基于前述实施例,本申请实施例提供一种头寸预报评估方法的应用实施例,头寸预报评估设备的具体实现流程可以参照图4所示,包括:
步骤301、获得各产品的头寸预报数据。
其中,各产品的头寸预报数据可以是从数据库中获取得到的。
步骤302、分组处理过程。
其中,按照产品维度对获得的各产品的头寸预报数据进行分组处理,得到分组后的各产品在各个质量评估周期内的头寸预报数据集,记为D={D1,D2,……,Dz}。其中,D1为产品D1对应的头寸预报数据集;D2为产品D2对应的头寸预报数据集;……,Dz为产品Dz对应的头寸预报数据集。其中,D1中又包括产品D1对应的多个不同质量评估周期内的头寸预报数据集。
步骤303、数据预处理过程。
其中,对分组处理后的各产品的头寸预报数据进行数据预处理,数据预处理的方式包括对缺失值的处理和/或数据中特殊字符替换等。这样,对D集合中的每一产品头寸预报数据集进行数据预处理后,即可得到每一产品每一待质量评估周期内包括的m个第一头寸实际发生额。
步骤304、异常值检测过程。
其中,对数据预处理后的各产品的头寸预报数据进行异常值检测,即对每一产品每一待质量评估周期内包括的m个第一头寸实际发生额进行异常值检测,得到每一产品每一待质量评估周期内包括的处于异常状态的第一头寸实际发生额和正常状态的第一头寸实际发生额。
步骤305、加权头寸预报评分过程。
其中,统计每一产品每一待质量评估周期内包括的处于异常状态的第一头寸实际发生额的场次和每一产品每一待质量评估周期内包括的全部第一头寸实际发生额的场次的比值θ;确定处于异常状态对应的第一头寸实际发生额与对应的第一头寸预报样本数据之间的偏离度;并判断处于异常状态对应的第一头寸实际发生额对应的偏离度与预设偏离度阈值之间的关系;得到小于预设偏离度阈值的处于异常状态对应的第一头寸实际发生额,并确定小于预设偏离度阈值的处于异常状态对应的x个第一头寸实际发生额对应的预报评分,以及确定处于正常状态的y个第一头寸实际发生额对应的预报评分;采用公式计算该某一产品某一待质量评估周期内的头寸预报汇总评分,其中,S1i为处于异常状态对应的第i个第一头寸实际发生额对应的预报评分,S2j为处于正常状态的第j个第一头寸实际发生额对应的预报评分。
步骤306、存入消息队列以供下游数据使用方使用。
其中,将计算得到的每一头寸预报汇总评分写入到消息队列(Message Queue,MQ)中,并对每一头寸预报汇总评分采用不同的标识信息例如group_id进行标识,这样,下游数据使用方可以使用不同的group_id订阅头寸预报汇总评分写入时的主题(topic),从而可以实现不同下游数据使用方接近实时地对头寸预报汇总评分进行进一步处理,例如大屏展示、绩效评估或头寸管理等。
其中,前述步骤301~303的具体实现过程可以参照图5所示,包括以下步骤:
步骤301a、开始。
步骤301b、使用结构化查询语言(Structured Query Language,SQL)读取数据并导出为文件。
其中,使用SQL从数据库中读取所需数据,主要包含以下数据:日期、头寸实际发生额,头寸预报金额即前述头寸预报样本数据,并将读取到的数据导出为例如文件类型为逗号分隔值文件格式(Comma-Separated Values,CSV)文件。
步骤301c、使用计算机编程语言(Python)对CSV文件进行分组处理。
其中,Python从CSV文件中读取数据为命名列方式组织的分布式数据集(DataFrame)。
步骤301d、使用Python对DataFrame进行数据预处理。
其中,Python对CSV文件进行分组处理和数据预处理的过程可以采用以下代码来实现:
这样,通过上述代码,最终输出得到的数据的格式如下表1所示:
表1产品明细头寸预报评分
其中,ds为日期,y为头寸实际发生额,y_hat为头寸预报样本数据,score为对应的头寸预报评分。
步骤301e、结束。
在前述步骤304中进行异常值检测时,提供的一种异常值检测方法的具体实现过程可以参照步骤b11~b14所示:
步骤b11、确定m个第一头寸实际发生额的平均值。
步骤b12、基于m个第一头寸实际发生额和平均值,确定m个第一头寸实际发生额的标准差。
步骤b13、分别确定第一预设数值与标准差的第一乘积,和第二预设数值与标准差的第二乘积。
其中,第一预设数值和第二预设数值均为经验值,第一预设数值可以为-3,第二预设数值可以为3。
步骤b14、从m个第一头寸实际发生额中,确定小于第一乘积或大于第二乘积的第一头寸实际发生额,得到处于异常状态的第一头寸实际发生额,可以记为V1。
在前述步骤304中进行异常值检测时,提供的另一种异常值检测方法的具体实现过程可以参照步骤c11~c13所示:
步骤c11、按照从小到大的排序顺序对m个第一头寸实际发生额进行排序,得到排序后的m个第一头寸实际发生额。
步骤c12、从排序后的m个第一头寸实际发生额中,确定位于第一预设比例位置处的第一头寸实际发生额和位于第二预设比例位置处的第一头寸实际发生额。
其中,第一预设比例和第二预设比例均为经验值。进一步的,第一预设比例可以为25%,第二预设比例可以为75%。
步骤c13、从m个第一头寸实际发生额中,确定小于第一预设比例位置处的第一头寸实际发生额或大于第二预设比例位置处的第一头寸实际发生额的第一头寸实际发生额,得到处于异常状态的第一头寸实际发生额,可以记为V2。
在前述步骤304中进行异常值检测时,提供的又一种异常值检测方法的具体实现过程可以参照步骤d11~d16所示:
步骤d11、从m个第一头寸实际发生额中,确定每一第一头寸实际发生额与其他m-1个第一头寸实际发生额之间的距离。
其中,确定每一第一头寸实际发生额与其他m-1个第一头寸实际发生额之间的距离方法可以采用各种距离算法来实现,此处不做具体限定。
步骤d12、从每一第一头寸实际发生额与其他m-1个第一头寸实际发生额之间的距离中,确定每一第一头寸实际发生额距离在K近邻距离范围内的第一头寸实际发生额,以及与每一第一头寸实际发生额距离对应的在K近邻距离范围内的第一头寸实际发生额的数量N(i)。其中,i=1,2,……,m,表示为m个第一头寸实际发生额中的第i个第一头寸实际发生额。
步骤d14、确定每一第一头寸实际发生额距离在K近邻距离范围内的第一头寸实际发生额的第一数值,并对每一第一头寸实际发生额距离在K近邻距离范围内的第一头寸实际发生额的第一数值进行均值计算,得到每一第一头寸实际发生额距离对应的第一均值。
示例性的,以m个第一头寸实际发生额中第i个第一头寸实际发生额为例进行说明,假设第i个第一头寸实际发生额对应的K近邻距离范围内的第一头寸实际发生额为m1、m2、m3、m4和mi,获取通过步骤d13对m1、m2、m3、m4和mi进行分析计算得到的第一数值,分别为m1、m2、m3、m4和mi,对m1、m2、m3、m4和mi进行平均值计算,得到的第i个第一头寸实际发生额对应的第一均值L(i)。
步骤d15、通过公式LOF(i)=L(i)/lrd(i)计算得到第i个第一头寸实际发生额的第二数值。
步骤d16、确定第二数值小于第三预设数值的n个第一头寸实际发生额为处于异常状态的第一头寸实际发生额,记为V3。
其中,第三预设数值为与m有关的经验值。
在前述步骤304中进行异常值检测时,提供的再一种异常值检测方法的具体实现过程可以参照步骤e11~e16所示:
步骤e11、从头寸实际发生额训练样本中,随机选择一个头寸实际发生额Value1。
步骤e12、从头寸实际发生额训练样本再次随机选择一个头寸实际发生额Value2,并判断Value2是否大于或等于Value1,若否,执行步骤e13,若是,执行步骤e14。
步骤e13、将Value2作为Value1的左子节点,然后执行步骤e12。
步骤e14、将Value2作为Value1的右子节点,然后执行步骤e12。
步骤e15、直至得到的二叉树的高度达到了限定高度时,结束操作,如此重复训练,得到目标二叉树。
步骤e16、采用目标二叉树对m个第一头寸实际发生额进行分类,确定得到处于异常状态的第一头寸实际发生额,记为V4。
这样,得到V1、V2、V3和V4之后,取四个异常值集合的交集V=V1∩V2∩V3∩V4作为最终的异常值,即可得到前述n个第二头寸实际发生额。
前述步骤306的具体实现流程图可以参照图6来实现,包括以下步骤:
步骤f11、确定得到头寸预报评分。
其中,头寸预报评分为前述质量评估结果。
步骤f12、写入到MQ。
步骤f13、下游数据处理方1获取标识1对应的topic;下游数据处理方2获取标识2对应的topic;下游数据处理方3获取标识3对应的topic。
其中,每一标识对应的topic与对应的头寸预报评分具有关联关系。
需要说明的是,本实施例中与其它实施例中相同步骤和相同内容的说明,可以参照其它实施例中的描述,此处不再赘述。
本申请实施例中,通过确定待评估对象在质量评估周期内的m个第一头寸实际发生额后,从m个第一头寸实际发生额中,确定处于异常状态的n个第二头寸实际发生额,并基于n个第二头寸实际发生额和m个第一头寸实际发生额,来确定待评估对象在质量评估周期内对应的质量评估结果,这样,对质量评估周期内待评估对象的m个第一头寸实际发生额中处于异常状态的n个第二头寸实际发生额和m个第一头寸实际发生额进行分析,来确定针对质量评估周期内待评估对象的质量评估结果,解决了目前对头寸预报的质量进行评估的实现过程较为单一的问题,实现了一种对头寸预报的质量进行评估的实现方法,丰富了对头寸预报的指令评估方法,提高了对头寸预报的质量进行评估的准确性。
本申请的实施例提供一种头寸预报评估方法,参照图7所示,该方法应用于头寸预报评估设备,该方法包括以下步骤:
步骤401、确定待评估对象在质量评估周期内的m个第一头寸实际发生额。
其中,m为大于或等于1的整数。
步骤402、采用p种异常值检测方法,检测m个第一头寸实际发生额中处于异常状态的头寸实际发生额,得到p组q个第三头寸实际发生额,
其中,p为大于或等于1的整数,q为大于或等于0的整数。
步骤403、确定p组q个第三头寸实际发生额中均包括的头寸实际发生额,得到n个第二头寸实际发生额。
其中,n小于或等于q,n为大于或等于0的整数。
步骤404、从m个第一头寸实际发生额中,确定除n个第二头寸实际发生额外的y个第四头寸实际发生额。
其中,n与y的和值为m。
步骤405、确定y个第四头寸实际发生额对应的y个第二预报评分值。
步骤406、确定y个第二预报评分值的平均值,得到质量评估结果。
在本申请实施例中,直接计算y个第二预报评分值的平均值,来得到待评估对象在该评估周期内的质量评估结果。其中,计算y个第二预报评分值的平均值的方式可以通过直接求和后求平均的方式来实现,也可以通过其他加权求平均值的方式来实现,具体可以根据实际应用场景来确定,此处不做具体限定。
基于前述实施例,在本申请其他实施例中,参照图8所示,头寸预报评估设备还用于执行步骤407:
步骤407、存储质量评估结果至待评估对象对应的消息队列中。
需要说明的是,本实施例中与其它实施例中相同步骤和相同内容的说明,可以参照其它实施例中的描述,此处不再赘述。
本申请实施例中,通过确定待评估对象在质量评估周期内的m个第一头寸实际发生额后,从m个第一头寸实际发生额中,确定处于异常状态的n个第二头寸实际发生额,并基于n个第二头寸实际发生额和m个第一头寸实际发生额,来确定待评估对象在质量评估周期内对应的质量评估结果,这样,对质量评估周期内待评估对象的m个第一头寸实际发生额中处于异常状态的n个第二头寸实际发生额和m个第一头寸实际发生额进行分析,来确定针对质量评估周期内待评估对象的质量评估结果,解决了目前对头寸预报的质量进行评估的实现过程较为单一的问题,实现了一种对头寸预报的质量进行评估的实现方法,丰富了对头寸预报的指令评估方法,提高了对头寸预报的质量进行评估的准确性。
基于前述实施例,本申请实施例提供一种头寸预报评估装置,参照图9所示,该头寸预报评估装置5可以包括:确定单元51和处理单元52;其中:
确定单元51,用于确定待评估对象在质量评估周期内的m个第一头寸实际发生额;其中,m为大于或等于1的整数;
处理单元52,用于从m个第一头寸实际发生额中,确定处于异常状态的n个第二头寸实际发生额;其中,n为大于或等于0的整数;
处理单元,还用于基于n个第二头寸实际发生额和m个第一头寸实际发生额,确定待评估对象在质量评估周期内对应的质量评估结果;其中,质量评估结果用于表示在质量评估周期内对待评估对象进行头寸预报的预报质量。
在本申请其他实施例中,处理单元52包括:检测模块和确定模块;其中:
检测模块,用于采用p种异常值检测方法,检测m个第一头寸实际发生额中处于异常状态的头寸实际发生额,得到p组q个第三头寸实际发生额;其中,p为大于或等于1的整数,q为大于或等于0的整数;
确定模块,用于确定p组q个第三头寸实际发生额中均包括的头寸实际发生额,得到n个第二头寸实际发生额;其中,n小于或等于q。
在本申请其他实施例中,处理单元52还包括:处理模块;处理模块具体用于实现以下步骤:
确定n与m的第一比值;
获取m个第一头寸实际发生额对应的m个第一头寸预报样本数据;
基于m个第一头寸实际发生额和m个第一头寸预报样本数据,确定m个参考偏离度;
基于第一比值和m个参考偏离度,确定质量评估结果。
在本申请其他实施例中,处理模块执行步骤基于m个第一头寸实际发生额和m个第一头寸预报样本数据,确定m个参考偏离度时,具体可以通过以下步骤来实现:
通过公式确定得到m个参考偏离度;其中,i=1,2……,m,Pactuali为m个第一头寸实际发生额中的第i个第一头寸实际发生额,Pprei为第i个第一头寸实际发生额对应的第一头寸预报样本数据,Di为第i个第一头寸实际发生额对应的参考偏离度。
在本申请其他实施例中,处理模块执行步骤基于第一比值和m个参考偏离度,确定质量评估结果时,具体可以由以下步骤来实现:
从m个参考偏离度中,确定小于预设参考偏离度阈值的参考偏离度,得到x个目标偏离度;其中,x为大于或等于0,且小于或等于m的整数;
确定与x个目标偏离度对应的x个第一预报评分值;
从m个第一头寸实际发生额中,确定除n个第二头寸实际发生额外的y个第四头寸实际发生额;其中,n与y的和值为m;
确定y个第四头寸实际发生额对应的y个第二预报评分值;
在本申请其他实施例中,p等于1时,处理模块还具体用于实现以下步骤:
从m个第一头寸实际发生额中,确定除n个第二头寸实际发生额外的y个第四头寸实际发生额;其中,n与y的和值为m;
确定y个第四头寸实际发生额对应的y个第二预报评分值;
确定y个第二预报评分值的平均值,得到质量评估结果。
在本申请其他实施例中,在处理单元52之后,装置还包括:存储模块;其中:
存储模块,用于存储质量评估结果至待评估对象对应的消息队列中。
需要说明的是,本实施例中单元与模块之间的信息交互过程,可以参照图1~3和图7~8对应的实施例提供的方法实现过程,此处不再赘述。
本申请实施例中,通过确定待评估对象在质量评估周期内的m个第一头寸实际发生额后,从m个第一头寸实际发生额中,确定处于异常状态的n个第二头寸实际发生额,并基于n个第二头寸实际发生额和m个第一头寸实际发生额,来确定待评估对象在质量评估周期内对应的质量评估结果,这样,对质量评估周期内待评估对象的m个第一头寸实际发生额中处于异常状态的n个第二头寸实际发生额和m个第一头寸实际发生额进行分析,来确定针对质量评估周期内待评估对象的质量评估结果,解决了目前对头寸预报的质量进行评估的实现过程较为单一的问题,实现了一种对头寸预报的质量进行评估的实现方法,丰富了对头寸预报的指令评估方法,提高了对头寸预报的质量进行评估的准确性。
基于前述实施例,本申请的实施例提供一种头寸预报评估设备,该头寸预报评估设备可以应用于图1~3和图7~8对应的实施例提供的头寸预报评估方法中,参照图10所示,该头寸预报评估设备6可以包括:处理器61、存储器62和通信总线63,其中:
存储器62,用于存储可执行指令;
通信总线63,用于实现处理器61和存储器62之间的通信连接;
处理器61,用于执行存储器62中存储的头寸预报评估程序,以实现以下步骤:
确定待评估对象在质量评估周期内的m个第一头寸实际发生额;其中,m为大于或等于1的整数;
从m个第一头寸实际发生额中,确定处于异常状态的n个第二头寸实际发生额;其中,n为大于或等于0的整数;
基于n个第二头寸实际发生额和m个第一头寸实际发生额,确定待评估对象在质量评估周期内对应的质量评估结果。
其中,质量评估结果用于表示在质量评估周期内对待评估对象进行头寸预报的预报质量。
在本申请其他实施例中,处理器61执行步骤从m个第一头寸实际发生额中,确定处于异常状态的n个第二头寸实际发生额时,可以通过以下步骤来实现:
采用p种异常值检测方法,检测m个第一头寸实际发生额中处于异常状态的头寸实际发生额,得到p组q个第三头寸实际发生额;其中,p为大于或等于1的整数,q为大于或等于0的整数;
确定p组q个第三头寸实际发生额中均包括的头寸实际发生额,得到n个第二头寸实际发生额;其中,n小于或等于q。
在本申请其他实施例中,处理器61执行步骤基于n个第二头寸实际发生额和m个第一头寸实际发生额,确定待评估对象在质量评估周期内对应的质量评估结果时,可以通过以下步骤来实现:
确定n与m的第一比值;
获取m个第一头寸实际发生额对应的m个第一头寸预报样本数据;
基于m个第一头寸实际发生额和m个第一头寸预报样本数据,确定m个参考偏离度;
基于第一比值和m个参考偏离度,确定质量评估结果。
在本申请其他实施例中,处理器61执行步骤基于m个第一头寸实际发生额和m个第一头寸预报样本数据,确定m个参考偏离度时,可以通过以下步骤来实现:
通过公式确定得到m个参考偏离度;其中,i=1,2……,m,Pactuali为m个第一头寸实际发生额中的第i个第一头寸实际发生额,Pprei为第i个第一头寸实际发生额对应的第一头寸预报样本数据,Di为第i个第一头寸实际发生额对应的参考偏离度。
在本申请其他实施例中,处理器61执行步骤基于第一比值和m个参考偏离度,确定质量评估结果时,可以通过以下步骤来实现:
从m个参考偏离度中,确定小于预设参考偏离度阈值的参考偏离度,得到x个目标偏离度;其中,x为大于或等于0,且小于或等于m的整数;
确定与x个目标偏离度对应的x个第一预报评分值;
从m个第一头寸实际发生额中,确定除n个第二头寸实际发生额外的y个第四头寸实际发生额;其中,n与y的和值为m;
确定y个第四头寸实际发生额对应的y个第二预报评分值;
在本申请其他实施例中,p等于1时,处理器61执行步骤基于n个第二头寸实际发生额和m个第一头寸实际发生额,确定待评估对象在质量评估周期内对应的质量评估结果时,可以通过以下步骤来实现:
从m个第一头寸实际发生额中,确定除n个第二头寸实际发生额外的y个第四头寸实际发生额;其中,n与y的和值为m;
确定y个第四头寸实际发生额对应的y个第二预报评分值;
确定y个第二预报评分值的平均值,得到质量评估结果。
在本申请其他实施例中,处理器61执行步骤基于n个第二头寸实际发生额和m个第一头寸实际发生额,确定待评估对象在质量评估周期内对应的质量评估结果之后,还用于执行以下步骤:
存储质量评估结果至待评估对象对应的消息队列中。
需要说明的是,本申请实施例中个或者多个程序可被一个或者多个处理器的步骤的解释说明,可以参照图1~3和图7~8对应的实施例提供的方法实现过程,此处不再赘述。
本申请实施例中,通过确定待评估对象在质量评估周期内的m个第一头寸实际发生额后,从m个第一头寸实际发生额中,确定处于异常状态的n个第二头寸实际发生额,并基于n个第二头寸实际发生额和m个第一头寸实际发生额,来确定待评估对象在质量评估周期内对应的质量评估结果,这样,对质量评估周期内待评估对象的m个第一头寸实际发生额中处于异常状态的n个第二头寸实际发生额和m个第一头寸实际发生额进行分析,来确定针对质量评估周期内待评估对象的质量评估结果,解决了目前对头寸预报的质量进行评估的实现过程较为单一的问题,实现了一种对头寸预报的质量进行评估的实现方法,丰富了对头寸预报的指令评估方法,提高了对头寸预报的质量进行评估的准确性。
基于前述实施例,本申请的实施例提供一种计算机可读存储介质,简称为存储介质,该计算机可读存储介质存储有一个或者多个程序,该一个或者多个程序可被一个或者多个处理器执行,以实现如图1~3和图7~8对应的实施例提供的头寸预报评估方法实现过程,此处不再赘述。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。
Claims (10)
1.一种头寸预报评估方法,其特征在于,所述方法包括:
确定待评估对象在质量评估周期内的m个第一头寸实际发生额;其中,m为大于或等于1的整数;
从m个所述第一头寸实际发生额中,确定处于异常状态的n个第二头寸实际发生额;其中,n为大于或等于0的整数;
基于n个所述第二头寸实际发生额和m个所述第一头寸实际发生额,确定所述待评估对象在所述质量评估周期内对应的质量评估结果;其中,所述质量评估结果用于表示在所述质量评估周期内对所述待评估对象进行头寸预报的预报质量。
2.根据权利要求1所述的方法,其特征在于,所述从m个所述第一头寸实际发生额中,确定处于异常状态的n个第二头寸实际发生额,包括:
采用p种异常值检测方法,检测m个所述第一头寸实际发生额中处于异常状态的头寸实际发生额,得到p组q个第三头寸实际发生额;其中,p为大于或等于1的整数,q为大于或等于0的整数;
确定p组q个所述第三头寸实际发生额中均包括的头寸实际发生额,得到n个所述第二头寸实际发生额;其中,n小于或等于q。
3.根据权利要求1至2任一项所述的方法,其特征在于,所述基于n个所述第二头寸实际发生额和m个所述第一头寸实际发生额,确定所述待评估对象在所述质量评估周期内对应的质量评估结果,包括:
确定n与m的第一比值;
获取m个所述第一头寸实际发生额对应的m个第一头寸预报样本数据;
基于m个所述第一头寸实际发生额和m个第一头寸预报样本数据,确定m个参考偏离度;
基于所述第一比值和m个所述参考偏离度,确定所述质量评估结果。
5.根据权利要求3所述的方法,其特征在于,所述基于所述第一比值和m个所述参考偏离度,确定所述质量评估结果,包括:
从m个所述参考偏离度中,确定小于预设参考偏离度阈值的参考偏离度,得到x个目标偏离度;其中,x为大于或等于0,且小于或等于m的整数;
确定与x个所述目标偏离度对应的x个第一预报评分值;
从m个所述第一头寸实际发生额中,确定除n个第二头寸实际发生额外的y个第四头寸实际发生额;其中,n与y的和值为m;
确定y个所述第四头寸实际发生额对应的y个第二预报评分值;
6.根据权利要求1至2任一项所述的方法,其特征在于,p等于1时,所述基于n个所述第二头寸实际发生额和m个所述第一头寸实际发生额,确定所述待评估对象在所述质量评估周期内对应的质量评估结果,包括:
从m个所述第一头寸实际发生额中,确定除n个第二头寸实际发生额外的y个第四头寸实际发生额;其中,n与y的和值为m;
确定y个所述第四头寸实际发生额对应的y个第二预报评分值;
确定y个所述第二预报评分值的平均值,得到所述质量评估结果。
7.根据权利要求1所述的方法,其特征在于,所述基于n个所述第二头寸实际发生额和m个所述第一头寸实际发生额,确定所述待评估对象在所述质量评估周期内对应的质量评估结果之后,所述方法还包括:
存储所述质量评估结果至所述待评估对象对应的消息队列中。
8.一种头寸预报评估装置,其特征在于,所述装置包括:确定单元和处理单元;其中:
所述确定单元,用于确定待评估对象在质量评估周期内的m个第一头寸实际发生额;其中,m为大于或等于1的整数;
所述处理单元,用于从m个所述第一头寸实际发生额中,确定处于异常状态的n个第二头寸实际发生额;其中,n为大于或等于0的整数;
所述处理单元,还用于基于n个所述第二头寸实际发生额和m个所述第一头寸实际发生额,确定所述待评估对象在所述质量评估周期内对应的质量评估结果;其中,所述质量评估结果用于表示在所述质量评估周期内对所述待评估对象进行头寸预报的预报质量。
9.一种头寸预报评估设备,其特征在于,所述设备包括:存储器、处理器和通信总线;其中:
所述存储器,用于存储可执行指令;
所述通信总线,用于实现所述处理器和所述存储器之间的通信连接;
所述处理器,用于执行所述存储器中存储的头寸预报评估程序,实现如权利要求1至7中任一项所述的头寸预报评估方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有头寸预报评估程序,所述头寸预报评估程序被处理器执行时实现如权利要求1至7中任一项所述的头寸预报评估方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110719946.3A CN113344696A (zh) | 2021-06-28 | 2021-06-28 | 一种头寸预报评估方法、装置、设备及存储介质 |
PCT/CN2021/140613 WO2023273231A1 (zh) | 2021-06-28 | 2021-12-22 | 一种头寸预报评估方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110719946.3A CN113344696A (zh) | 2021-06-28 | 2021-06-28 | 一种头寸预报评估方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113344696A true CN113344696A (zh) | 2021-09-03 |
Family
ID=77479165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110719946.3A Pending CN113344696A (zh) | 2021-06-28 | 2021-06-28 | 一种头寸预报评估方法、装置、设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113344696A (zh) |
WO (1) | WO2023273231A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023273231A1 (zh) * | 2021-06-28 | 2023-01-05 | 深圳前海微众银行股份有限公司 | 一种头寸预报评估方法、装置、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7006992B1 (en) * | 2000-04-06 | 2006-02-28 | Union State Bank | Risk assessment and management system |
CN108446972A (zh) * | 2018-02-07 | 2018-08-24 | 深圳市雁联计算系统有限公司 | 银行头寸监控方法、装置及资金头寸管理系统 |
CN109214710A (zh) * | 2018-10-12 | 2019-01-15 | 国网湖南省电力有限公司 | 基于三因子的雾霾数值预报结果的评价方法及系统 |
CN110310038A (zh) * | 2019-06-28 | 2019-10-08 | 深圳前海微众银行股份有限公司 | 模型或策略的评估方法、装置、设备及可读存储介质 |
CN110930449A (zh) * | 2019-11-27 | 2020-03-27 | 上海眼控科技股份有限公司 | 预测结果的评估方法、装置、计算机设备和存储介质 |
CN111010084A (zh) * | 2019-12-12 | 2020-04-14 | 山东中实易通集团有限公司 | 一种光伏电站智能监控分析平台及方法 |
CN111400155A (zh) * | 2020-03-13 | 2020-07-10 | 深圳前海微众银行股份有限公司 | 一种数据检测方法及装置 |
JP2020171217A (ja) * | 2019-04-09 | 2020-10-22 | 株式会社セラク | 収穫量予測方法、装置およびプログラム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113344696A (zh) * | 2021-06-28 | 2021-09-03 | 深圳前海微众银行股份有限公司 | 一种头寸预报评估方法、装置、设备及存储介质 |
-
2021
- 2021-06-28 CN CN202110719946.3A patent/CN113344696A/zh active Pending
- 2021-12-22 WO PCT/CN2021/140613 patent/WO2023273231A1/zh unknown
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7006992B1 (en) * | 2000-04-06 | 2006-02-28 | Union State Bank | Risk assessment and management system |
CN108446972A (zh) * | 2018-02-07 | 2018-08-24 | 深圳市雁联计算系统有限公司 | 银行头寸监控方法、装置及资金头寸管理系统 |
CN109214710A (zh) * | 2018-10-12 | 2019-01-15 | 国网湖南省电力有限公司 | 基于三因子的雾霾数值预报结果的评价方法及系统 |
JP2020171217A (ja) * | 2019-04-09 | 2020-10-22 | 株式会社セラク | 収穫量予測方法、装置およびプログラム |
CN110310038A (zh) * | 2019-06-28 | 2019-10-08 | 深圳前海微众银行股份有限公司 | 模型或策略的评估方法、装置、设备及可读存储介质 |
CN110930449A (zh) * | 2019-11-27 | 2020-03-27 | 上海眼控科技股份有限公司 | 预测结果的评估方法、装置、计算机设备和存储介质 |
CN111010084A (zh) * | 2019-12-12 | 2020-04-14 | 山东中实易通集团有限公司 | 一种光伏电站智能监控分析平台及方法 |
CN111400155A (zh) * | 2020-03-13 | 2020-07-10 | 深圳前海微众银行股份有限公司 | 一种数据检测方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023273231A1 (zh) * | 2021-06-28 | 2023-01-05 | 深圳前海微众银行股份有限公司 | 一种头寸预报评估方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2023273231A1 (zh) | 2023-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109284372A (zh) | 用户操作行为分析方法、电子装置及计算机可读存储介质 | |
CN108549973B (zh) | 识别模型构建及评估的方法、装置、存储介质及终端 | |
CN111401777A (zh) | 企业风险的评估方法、装置、终端设备及存储介质 | |
CN109191133B (zh) | 支付渠道的选择方法及终端设备 | |
CN112488507B (zh) | 一种基于聚类的专家分类画像方法、装置及存储介质 | |
CN113344696A (zh) | 一种头寸预报评估方法、装置、设备及存储介质 | |
CN113326434B (zh) | 一种信息推荐方法、设备及存储介质 | |
CN114398562B (zh) | 一种店铺数据管理方法、装置、设备及存储介质 | |
Ayuni et al. | Support Vector Machine (SVM) as Financial Distress Model Prediction in Property and Real Estate Companies | |
CN115860924A (zh) | 供应链金融信用风险预警方法及相关设备 | |
CN115829722A (zh) | 信用风险评分模型的训练方法及信用风险评分方法 | |
CN115860465A (zh) | 一种企业关联数据处理预警方法、系统及装置 | |
Mahalle et al. | Data Acquisition and Preparation | |
CN111612302A (zh) | 一种集团级数据管理方法和设备 | |
CN116542801B (zh) | 一种财务数据分析方法及系统 | |
CN112232960B (zh) | 交易应用系统监控方法及装置 | |
US11551296B2 (en) | System and method for analyzing data by identifying patterns | |
TWI769385B (zh) | 金融商品之潛在購買客群篩選方法及其系統 | |
CN110782342B (zh) | 基于二分类模型验证新渠道特征工程正确性的方法及装置 | |
CN114219267A (zh) | 一种金融同业客户的价值评价方法及装置 | |
Ma et al. | Credit Risk Assessment of Chinese Listed Companies Based on SVM Improved by Shuffled Frog Leaping Algorithm | |
KR20230130310A (ko) | 인공지능 모델 기반 금융시장 예측 정보 제공 방법 및 시스템 | |
CN115797046A (zh) | 一种基于信贷用户价值的免息券发放评估方法及系统 | |
CN112434882A (zh) | 一种基于时间序列预测的专家抽取需求预测方法及装置 | |
CN112559487A (zh) | 财务数据分析预警方法、装置、计算机设备和存储介质 |
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 |