CN113657894A - 一种外汇报价处理方法、装置及电子设备 - Google Patents

Abstract

本发明公开了一种外汇报价处理方法、装置及电子设备，该方法包括：通过历史交易信息中客户在多个维度的信息作为训练样本，并通过训练样本对待训练的因客定价模型进行训练，能到具备通过客户在多个维度的信息输出客户的报价浮动范围的能力的因客定价模型，进而通过因客定价模型确定客户的报价浮动范围，再通过客户选购的币种的报价，确定客户的报价。由此，可以根据客户在多个维度的信息输出针对客户自身的报价浮动范围，一方面实现了自动化的报价，提高了外汇报价的效率，另一方面，实现了对不同客户进行针对性报价的目的，提升了报价的准确度和参考价值。

Description

一种外汇报价处理方法、装置及电子设备

技术领域

本发明涉及外汇处理领域，尤其涉及一种外汇报价处理方法、装置及电子设备。

背景技术

给客户进行外汇报价时，需要结合当天的报价，但是外汇业务中每天的报价变动比较大，金融机构的下属机构(银行的分行)无法及时掌握价格的变动，需要逐级的向上级部门询价，然后再基于各下属机构的优惠利率和客户要求计算出最终的报价，该种方式非常费时费力，并且，也很可能会错过营销客户的最佳时机。

为了解决该问题，现有技术中提出了自动计算报价的方法，但是该方法无法针对每个客户给出针对性的报价。

发明内容

有鉴于此，本发明实施例公开了一种外汇报价处理方法、装置及电子设备，一方面实现了自动报价，另一方面还能够为用户提供针对性的报价。

有鉴于此，本发明实施例公开了一种外汇报价处理方法的流程示意图，包括：

响应于报价指令，获取客户在多个维度的信息；所述多个维度至少包括：贡献度、资金量、币种、期限、信用等级；

将客户在多个维度的信息输入到预先训练的因客定价模型中，得到针对客户的报价浮动范围；

所述因客定价模型是将从客户的历史交易信息中获取的多个维度的信息作为训练样本，以待训练的因客定价模型输出的报价浮动范围趋近于标准的报价浮动范围为目的对待训练的因客定价模型进行训练后得到的；

基于客户的报价浮动范围和选购币种的报价，确定客户的报价。

可选的，还包括：

获取多个报价源提供的外汇报价数据；所述多个报价源提供的外汇报价数据用于确定外汇的报价；

通过对多个报价源提供的外汇报价数据进行分析，检测是否存在异常的外汇报价数据；

在存在异常外汇报价数据的情况下，查验异常类型，并根据异常类型确定处理策略。

可选的，还包括：

确定影响报价源质量的多个影响因素的数据；

基于多个影响因素的数据，确定每个报价源的权重；

依据各个报价源的权重，确定目标报价源；所述目标报价源提供的报价数据用于确定外汇的报价。

可选的，还包括：

获取客户的多个预设参数的信息；

所述多个预设参数至少包括：客户所在地域、信用等级、资金链、币种，购买日期、客户的资金情况；

将客户的多个预设参数的信息输入到预设的智能学习模型中，得到针对所述客户的外汇购买建议；

所述智能学习模型是通过从客户历史交易信息中获取的多个预设参数的信息对待训练的智能学习模型进行训练后得到的。

可选的，所述外汇购买建议至少包括：客户购买外汇的币种、配比、时间段、和购买地域。

可选的，还包括：

计算当前外汇的利润；

基于所述当前外汇的利润和预设的预期的利润值的关系，确定下一步营销策略。

可选的，还包括：

响应于用户端发送的指令，获取登录所述用户端用户的权限；

基于登录所述用户端用户的权限为用户端发送数据。

本发明实施例公开了一种外汇报价处理装置，包括：

第一获取单元，用于响应于报价指令，获取客户在多个维度的信息；所述多个维度至少包括：贡献度、资金量、币种、期限、信用等级；

报价浮动范围确定单元，用于将客户在多个维度的信息输入到预先训练的因客定价模型中，得到针对客户的报价浮动范围；

所述因客定价模型是将从客户的历史交易信息中获取的多个维度的信息作为训练样本，以待训练的因客定价模型输出的报价浮动范围趋近于标准的报价浮动范围为目的对待训练的因客定价模型进行训练后得到的；

客户报价确定单元，用于基于客户的报价浮动范围和选购币种的报价，确定客户的报价。

可选的，还包括：

第二获取单元，用于获取多个报价源提供的外汇报价数据；所述多个报价源提供的外汇报价数据用于确定外汇的报价；

异常检测单元，用于通过对多个报价源提供的外汇报价数据进行分析，检测是否存在异常的外汇报价数据；

处理策略确定单元，用于在存在异常外汇报价数据的情况下，查验异常类型，并根据异常类型确定处理策略。

本发明实施例公开了一种电子设备，包括：

存储器和处理器；

所述存储器用于存储程序，所述处理器用于执行所述存储器存储的程序时执行上述所述的外汇报价处理方法。

本发明实施例公开了一种外汇报价处理方法、装置及电子设备，该方法包括：通过历史交易信息中客户在多个维度的信息作为训练样本，并通过训练样本对待训练的因客定价模型进行训练，能到具备通过客户在多个维度的信息输出客户的报价浮动范围的能力的因客定价模型，进而通过因客定价模型确定客户的报价浮动范围，再通过客户选购的币种的报价，确定客户的报价。由此，可以根据客户在多个维度的信息输出针对客户自身的报价浮动范围，一方面实现了自动化的报价，提高了外汇报价的效率，另一方面，实现了对不同客户进行针对性报价的目的，提升了报价的准确度和参考价值。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1示出了本发明实施例公开了一种外汇报价处理方法的实施例1的流程示意图；

图2示出了本发明实施例提供的一种外汇报价的处理方法的实施例2的示意图；

图3示出了本发明实施例提供的一种外汇报价处理方法的实施例3的流程示意图；

图4示出了本发明实施例提供的一种外汇报价处理装置的结构示意图；

图5示出了本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

有鉴于此，参考图1，示出了本发明实施例公开了一种外汇报价处理方法的实施例1的流程示意图，在本实施例中，该方法包括：

S101：响应于报价指令，获取客户在多个维度的信息；所述多个维度至少包括：贡献度、资金量、币种、资金持有期限、信用等级；

贡献度表示客户对营销响应的程度，响应程度越高表示贡献度越高、响应程度越低表示贡献度越低，例如，客户响应程度可以基于客户对营销响应的次数确定，客户对营销的响应表示，当金融机构向客户推销某个商品的情况下，客户购买的情况，若客户购买则表示客户有响应，客户未购买则表示客户未响应。资金量表示客户的资金持有量，其中，可以为在某个金融机构的资金持有量。币种为外汇的种类，资金持有期限表示客户账户中资金超过预设阈值保持的时间。

S102：将客户在多个维度的信息输入到预先训练的因客定价模型中，得到针对客户的报价浮动范围；

其中，所述因客定价模型是将从客户的历史交易信息中获取的多个维度的信息作为训练样本，以待训练的因客定价模型输出的报价浮动范围趋近于标准的报价浮动范围为目的对待训练的因客定价模型进行训练后得到的。

本实施例中，从客户的历史交易信息中获取客户在多个维度的信息，例如包括贡献度、资金量、币种、资金持有期限、信用等级等，并以客户在多个维度的信息作为训练样本对待训练的因客定价模型进行训练，优选的，训练过程包括：

获取客户的历史交易数据；

从客户的历史交易数据中获取客户在多个维度的信息，并作为训练样本；所述客户在多个维度的信息至少包括：贡献度、资金量、币种、资金持有期限、信用等级；

确定训练样本的标准报价浮动范围；

将所述训练样本输入到待训练的因客定价模型中，并以输出的报价浮动范围趋近于标准的报价浮动范围为目的对待训练的因客定价模型进行训练。

其中，标准报价浮动范围可以是客户历史交易实际的报价浮动范围，也可以是对客户历史交易实际的报文范围修正后得到的结果。

其中，因客定价模型可以是任何一种机器学习模型或者神经网络模型，本实施例中不进行限定，因客定价模型训练后，具备通过客户在多个维度的信息输出客户的报价浮动范围的能力，并且，可以得到针对客户本身的报价浮动范围。

除此外，该因客定价输出的结果会发送终端上进行显示，其中，该终端为表征金融机构的工作人员身份的终端。

进一步的，不同客户类型对购买外汇的需求可能不同，那么购买的外汇量和外汇种类也会不同，为了得到每个客户更加准确的报价，因客定价模型也可以按照客户的类型进行训练，即训练样本的标准报价浮动范围进行确定时，按照客户的不同类型进行确定。或者客户在多个维度的信息还可以包括：客户类型。

举例说明：客户类型可以通过客户在金融机构的等级划分，等级的确定主要和客户在金融机构的资金持有量，或者在金融机构的资金流动的金额有关。

S103：基于客户的报价浮动范围和选购币种的报价，确定客户的报价。

本实施例中，每个币种的报价可以通过报价源提供的报价确定，为了得到更加准确的报价，通过多个报价源提供的报价，确定最终的报价，例如可以从多个报价源提供的报价中选取出最优的报价，或者从多个报价源提供的报价的平均值作为最终的报价。

其中，用户的报价是通过报价的浮动范围对选购币种的报价进行调整后得到的。

本实施例中，通过历史交易信息中客户在多个维度的信息作为训练样本，并通过训练样本对待训练的因客定价模型进行训练，能到具备通过客户在多个维度的信息输出客户的报价浮动范围的能力的因客定价模型，进而通过因客定价模型确定客户的报价浮动范围，再通过客户选购的币种的报价，确定客户的报价。由此，可以根据客户在多个维度的信息输出针对客户自身的报价浮动范围，一方面实现了自动化的报价，提高了外汇报价的效率，另一方面，实现了对不同客户进行针对性报价的目的，提升了报价的准确度和参考价值。

进一步的，为了规避风险，还为不同用户设置了权限，用户可以查看与权限相匹配的内容，具体的，还包括：

响应于用户端发送的指令，获取登录所述用户端用户的权限；

基于登录所述用户端用户的权限为用户端发送数据。

通过上述介绍可知，外汇报价会依赖于报价源，若报价源异常的话，也会影响最终的报价，为了得到更加更加准确的报价，需要对报价源的异常情况进行监控，参考图2，示出了本发明实施例提供的一种外汇报价的处理方法的实施例2的示意图，包括：

S201：获取多个报价源提供的外汇报价数据；所述多个报价源提供的外汇报价数据用于确定外汇的报价；

S202：通过对多个报价源提供的外汇报价数据进行分析，检测是否存在异常的外汇报价数据；

S203：在存在异常外汇报价数据的情况下，查验异常类型，并根据异常类型确定处理策略。

其中，异常情况一：异常报价数据的产生，有可能是网络等外界因素造成的，使得接收到的外汇报价数据异常，该种情况造成的异常，处理策略可以为：更换备用报价源。

异常情况二：异常报价数据的产生，有可能是报价源本身造成的，该种情况下，处理策略为:发送预警提醒，并由人工参与分析异常问题。

其中，上述两种异常情况，可以通过多种方式确定，优选的，包括：

计算每个报价源提供的报价数据之间的差值；

针对任意一个报价源，该报价源提供的报价数据与其它报价源提供的报价数据的差值均大于第一预设的阈值，则表示为异常情况二；

若该报价源提供的报价数据与其它报价源提供的报价数据的差值均大于第二预设的阈值，则表示为异常情况二。

本实施例中，提供报价数据的报价源可以包括多个，但是，报价源提供的报价数据的质量不同，为了得到更加准确的外汇报价，本实施例中可以选取质量较好的报价源提供的报价数据用于确定外汇的报价，具体的，还包括：

确定影响报价源质量的多个影响因素的数据；

基于多个影响因素的数据，确定每个报价源的权重；

依据各个报价源的权重，确定目标报价源；所述目标报价源提供的报价数据用于确定外汇的报价。

其中，影响报价源质量的多个影响因素至少可以包括：报价源的信用、报价源的等级、异常情况发生的频率和市场对报价源的评价。

本实施例中，可以按照报价源的权重的大小对报价源进行排序，并将排名在前N个的报价源作为目标报价源。

本实施例中，通过对报价源进行异常监控，确保了外汇的报价的准确性，进而提升了为用户提供的报价的准确性。

进一步的，为了给用户提供更加人性化的服务，还可以为用户提供外汇购买的建议，参考图3，示出了本发明实施例提供的一种外汇报价处理方法的实施例3的流程示意图，包括：

S301：获取客户的多个预设参数的信息；所述多个预设参数至少包括：客户所在地域、信用等级、资金链、币种、购买日期、客户资金情况；

S302：将客户的多个预设参数的信息输入到预设的智能学习模型中，得到针对所述客户的外汇购买建议。

所述智能学习模型是通过从客户历史交易中获取的多个预设参数的信息和客户的购买建议对待训练的智能学习模型进行训练后得到的。

本实施例中，在对智能学习模型进行训练时，可以将从客户历史交易中获取的多个预设参数信息作为训练样本，以客户的购买建议作为标签，其中，客户的外汇购买建议可以是可以历史交易的实际购买情况，也可以是对实际情况进行调整后得到的。

其中，智能学习模型可以是任何一个机器学习模型，或者多个机器学习模型的组合，或者为任何一种卷积神经网络模型，本实施例中不进行限定。

其中，外汇购买建议至少包括：客户购买外汇的币种、配比、时间段、和购买地域。

本实施例中，通过智能学习模型为用户提供了外汇的购买建议，从而为用户提供了更加人性化的服务。

为了进一步的，保障外汇的利润，需要基于当前的利润情况，调整营销策略，具体的，还包括：

计算当前外汇的利润；

基于所述当前外汇的利润和预期的利润值的关系，确定下一步营销策略。

本实施例中，预先设置了不同营销策略与不同外汇的利润和预期的利润之的关系，例如，若当前外汇的利润小于预期的利润值，则可以通过调整用户的报价，例如可以降低用户的报价，以促进成交率。

参考图4，示出了本发明实施例提供的一种外汇报价处理装置的结构示意图，在本实施例中，该装置包括：

第一获取单元401，用于响应于报价指令，获取客户在多个维度的信息；所述多个维度至少包括：贡献度、资金量、币种、期限、信用等级；

报价浮动范围确定单元402，用于将客户在多个维度的信息输入到预先训练的因客定价模型中，得到针对客户的报价浮动范围；

所述因客定价模型是将从客户的历史交易信息中获取的多个维度的信息作为训练样本，以待训练的因客定价模型输出的报价浮动范围趋近于标准的报价浮动范围为目的对待训练的因客定价模型进行训练后得到的；

客户报价确定单元403，用于基于客户的报价浮动范围和选购币种的报价，确定客户的报价。

可选的，还包括：

第二获取单元，用于获取多个报价源提供的外汇报价数据；所述多个报价源提供的外汇报价数据用于确定外汇的报价；

异常检测单元，用于通过对多个报价源提供的外汇报价数据进行分析，检测是否存在异常的外汇报价数据；

处理策略确定单元，用于在存在异常外汇报价数据的情况下，查验异常类型，并根据异常类型确定处理策略。

可选的，还包括：目标报价源筛选单元，用于

确定影响报价源质量的多个影响因素的数据；

基于多个影响因素的数据，确定每个报价源的权重；

依据各个报价源的权重，确定目标报价源；所述目标报价源提供的报价数据用于确定外汇的报价。

可选的，还包括：外汇购买建议获取单元，用于

获取客户的多个预设参数的信息；

所述多个预设参数至少包括：客户所在地域、信用等级、资金链、币种，购买日期、客户的资金情况；

将客户的多个预设参数的信息输入到预设的智能学习模型中，得到针对所述客户的外汇购买建议；

所述智能学习模型是通过从客户历史交易信息中获取的多个预设参数的信息对待训练的智能学习模型进行训练后得到的。

可选的，所述外汇购买建议至少包括：客户购买外汇的币种、配比、时间段、和购买地域。

可选的，还包括：

计算单元，用于计算当前外汇的利润；

营销策略确定单元，用于基于所述当前外汇的利润和预设的预期的利润值的关系，确定下一步营销策略。

可选的，还包括：

权限获取单元，用于响应于用户端发送的指令，获取登录所述用户端用户的权限；

发送单元，用于基于登录所述用户端用户的权限为用户端发送数据。

本实施例的装置，通过历史交易信息中客户在多个维度的信息作为训练样本，并通过训练样本对待训练的因客定价模型进行训练，能到具备通过客户在多个维度的信息输出客户的报价浮动范围的能力的因客定价模型，进而通过因客定价模型确定客户的报价浮动范围，再通过客户选购的币种的报价，确定客户的报价。由此，可以根据客户在多个维度的信息输出针对客户自身的报价浮动范围，一方面实现了自动化的报价，提高了外汇报价的效率，另一方面，实现了对不同客户进行针对性报价的目的，提升了报价的准确度和参考价值。

参考图5，示出了本发明实施例提供的一种电子设备的结构示意图，在本实施例中，该电子设备包括：

存储器501和处理器502；

所述存储器用于存储程序，所述处理器用于执行所述存储器存储的程序时执行下述所述的外汇报价处理方法：

响应于报价指令，获取客户在多个维度的信息；所述多个维度至少包括：贡献度、资金量、币种、期限、信用等级；

将客户在多个维度的信息输入到预先训练的因客定价模型中，得到针对客户的报价浮动范围；

所述因客定价模型是将从客户的历史交易信息中获取的多个维度的信息作为训练样本，以待训练的因客定价模型输出的报价浮动范围趋近于标准的报价浮动范围为目的对待训练的因客定价模型进行训练后得到的；

基于客户的报价浮动范围和选购币种的报价，确定客户的报价。

可选的，还包括：

获取多个报价源提供的外汇报价数据；所述多个报价源提供的外汇报价数据用于确定外汇的报价；

通过对多个报价源提供的外汇报价数据进行分析，检测是否存在异常的外汇报价数据；

在存在异常外汇报价数据的情况下，查验异常类型，并根据异常类型确定处理策略。

可选的，还包括：

确定影响报价源质量的多个影响因素的数据；

基于多个影响因素的数据，确定每个报价源的权重；

依据各个报价源的权重，确定目标报价源；所述目标报价源提供的报价数据用于确定外汇的报价。

可选的，还包括：

获取客户的多个预设参数的信息；

所述多个预设参数至少包括：客户所在地域、信用等级、资金链、币种，购买日期、客户的资金情况；

将客户的多个预设参数的信息输入到预设的智能学习模型中，得到针对所述客户的外汇购买建议；

所述智能学习模型是通过从客户历史交易信息中获取的多个预设参数的信息对待训练的智能学习模型进行训练后得到的。

可选的，所述外汇购买建议至少包括：客户购买外汇的币种、配比、时间段、和购买地域。

可选的，还包括：

计算当前外汇的利润；

基于所述当前外汇的利润和预设的预期的利润值的关系，确定下一步营销策略。

可选的，还包括：

响应于用户端发送的指令，获取登录所述用户端用户的权限；

基于登录所述用户端用户的权限为用户端发送数据。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种外汇报价处理方法，其特征在于，包括：

响应于报价指令，获取客户在多个维度的信息；所述多个维度至少包括：贡献度、资金量、币种、期限、信用等级；

将客户在多个维度的信息输入到预先训练的因客定价模型中，得到针对客户的报价浮动范围；

所述因客定价模型是将从客户的历史交易信息中获取的多个维度的信息作为训练样本，以待训练的因客定价模型输出的报价浮动范围趋近于标准的报价浮动范围为目的对待训练的因客定价模型进行训练后得到的；

基于客户的报价浮动范围和选购币种的报价，确定客户的报价。

2.根据权利要求1所述的方法，其特征在于，还包括：

获取多个报价源提供的外汇报价数据；所述多个报价源提供的外汇报价数据用于确定外汇的报价；

通过对多个报价源提供的外汇报价数据进行分析，检测是否存在异常的外汇报价数据；

在存在异常外汇报价数据的情况下，查验异常类型，并根据异常类型确定处理策略。

3.根据权利要求2所述的方法，其特征在于，还包括：

确定影响报价源质量的多个影响因素的数据；

基于多个影响因素的数据，确定每个报价源的权重；

依据各个报价源的权重，确定目标报价源；所述目标报价源提供的报价数据用于确定外汇的报价。

4.根据权利要求1所述的方法，其特征在于，还包括：

获取客户的多个预设参数的信息；

所述多个预设参数至少包括：客户所在地域、信用等级、资金链、币种，购买日期、客户的资金情况；

将客户的多个预设参数的信息输入到预设的智能学习模型中，得到针对所述客户的外汇购买建议；

所述智能学习模型是通过从客户历史交易信息中获取的多个预设参数的信息对待训练的智能学习模型进行训练后得到的。

5.根据权利要求4所述的方法，其特征在于，所述外汇购买建议至少包括：客户购买外汇的币种、配比、时间段、和购买地域。

6.根据权利要求1所述的方法，其特征在于，还包括：

计算当前外汇的利润；

基于所述当前外汇的利润和预设的预期的利润值的关系，确定下一步营销策略。

7.根据权利要求1所述的方法，其特征在于，还包括：

响应于用户端发送的指令，获取登录所述用户端用户的权限；

基于登录所述用户端用户的权限为用户端发送数据。

8.一种外汇报价处理装置，其特征在于，包括：

第一获取单元，用于响应于报价指令，获取客户在多个维度的信息；所述多个维度至少包括：贡献度、资金量、币种、期限、信用等级；

报价浮动范围确定单元，用于将客户在多个维度的信息输入到预先训练的因客定价模型中，得到针对客户的报价浮动范围；

所述因客定价模型是将从客户的历史交易信息中获取的多个维度的信息作为训练样本，以待训练的因客定价模型输出的报价浮动范围趋近于标准的报价浮动范围为目的对待训练的因客定价模型进行训练后得到的；

客户报价确定单元，用于基于客户的报价浮动范围和选购币种的报价，确定客户的报价。

9.根据权利要求8所述的装置，其特征在于，还包括：

第二获取单元，用于获取多个报价源提供的外汇报价数据；所述多个报价源提供的外汇报价数据用于确定外汇的报价；

异常检测单元，用于通过对多个报价源提供的外汇报价数据进行分析，检测是否存在异常的外汇报价数据；

处理策略确定单元，用于在存在异常外汇报价数据的情况下，查验异常类型，并根据异常类型确定处理策略。

10.一种电子设备，其特征在于，包括：

存储器和处理器；

所述存储器用于存储程序，所述处理器用于执行所述存储器存储的程序时执行上述权利要求1-7中任意一项所述的外汇报价处理方法。

Images