CN115062067B - 一种信托资金投向自动匹配分析的实现方法及系统 - Google Patents

Abstract

本发明提供了一种信托资金投向自动匹配分析的实现方法及系统，其方法包括：步骤1：基于信托管理平台，标记每笔资金信息来源的第一属性以及每笔资产投向的第二属性；步骤2：基于预设匹配算法，将第一属性与第二属性进行匹配，并判断是否完全匹配，若未完全匹配，则进行二次匹配，直至执行步骤3；若完全匹配，则执行步骤3；步骤3：自动监测与匹配结果相关的资金资产动态，并触发资金、资产标记与匹配事件，触发自动匹配；步骤4：对自动匹配结果进行分析，并将分析结果进行数据推送。可以有效的减少人工参与对资金用途的识别与标记，实现资金与资产的自动匹配，可以实现对资金使用效率、投资偏好等的分析，且便于实现信托行业的监管报送。

Description

一种信托资金投向自动匹配分析的实现方法及系统

技术领域

本发明涉及自动匹配技术领域，特别涉及一种信托资金投向自动匹配分析的实现方法及系统。

背景技术

信托计划是为了满足监管报送要求，需要将每一笔资金的投向进行上报。但是由于信托计划资金端和投资端的灵活性，匹配两者的关系就成为了难点。

目前，信托业主流办法都是通过人工对资金与资产投向(融资或投资)进行匹配，但信托业务的特点就是投向灵活、周期长且可循环投资，稍复杂些的信托计划会耗费大量人力去完成匹配工作，且实际效果不佳，本发明基于信托计划开展的现状，依托于信托管理系统，在核心资金模型上增加对应资产的匹配关系，解决困扰信托行业监管报送的一个难题。

因此，本发明提出一种信托资金投向自动匹配分析的实现方法及系统。

发明内容

本发明提供一种信托资金投向自动匹配分析的实现方法及系统，用以解决上述提出的技术问题。

本发明提供一种信托资金投向自动匹配分析的实现方法，包括：

步骤1：基于信托管理平台，标记每笔资金信息来源的第一属性以及每笔资产投向的第二属性；

步骤2：基于预设匹配算法，将所述第一属性与第二属性进行匹配，并判断是否完全匹配，若未完全匹配，则进行二次匹配，直至执行步骤3；

若完全匹配，则执行步骤3；

步骤3：自动监测与匹配结果相关的资金资产动态，并触发资金、资产标记与匹配事件，触发自动匹配；

步骤4：对自动匹配结果进行分析，并将分析结果进行数据推送。

优选的，基于预设匹配算法，将所述第一属性与第二属性进行匹配的过程中，还包括：

获取用户信息，并创建对应用户的信托计划；

创建信托计划收益权；

基于所述信托计划收益权，确定执行放款流程，并进行放款识别，生成放款事件；

基于所述信托计划收益权，获取所述用户的资金信息，同时，基于所述执行放款流程，获取所述用户的资产投向；

确定所述资金信息、资产投向与所述放款事件进行匹配，并判断是否存在信息遗失事件，若存在，进行信息补录，并基于补录后的信息重新进行匹配；

若不存在，根据匹配结果，进行资金额度的扣减。

优选的，自动监测与匹配结果相关的资金资产动态的过程中，还包括：

监测用户的回款信息，并进行回款识别；

基于识别结果，构建回款事件，并进行回款计算，当计算结果为全部回款时，更新所述用户的资产状态，并获取新的资产信息；

否则，根据所述用户的当下资产信息对所述用户的资金进行溯源，实现资金额度的释放。

优选的，基于预设匹配算法，将所述第一属性与第二属性进行匹配之前，还包括：

获取所述预设匹配算法包含的所有第一匹配属性，并按照所述信托资产投向类型，向每个第一匹配属性设置优先级以及属性权重；

同时，按照所述信托资产投向的投向维度，从维度-匹配数据库中，获取匹配指标，并按照所述匹配指标，确定第一匹配精度；

确定与所述匹配指标相关的第二匹配属性，并从向所有第一匹配属性设置的优先级以及属性权重中，筛选与所述第二匹配属性一致的优先级以及属性权重，进而对所述第一匹配精度进行调整，得到第二匹配精度；

按照所述第二匹配精度对所述预设匹配算法进行精度合格验证，并捕捉验证次数；

当所述验证次数小于预设次数时，判定所述预设匹配算法的精度合格，并按照所述预设匹配算法进行后续第一属性与第二属性的匹配；

否则，获取最后一次验证结果与对应验证标准结果的差异信息；

基于差异分析模型，对所述差异信息进行分析，确定需要执行的操作；

当所述需要执行的操作与优化匹配精度有关时，获取每次执行验证过程所对应的第一结果，分别对相邻的第一结果的收缩差距进行判断，构建差距序列；

获取所述差距序列中的最小序列、集中序列以及最大序列，同时，还获取所述最小序列的第一位置、集中序列的第二位置以及最大序列的第三位置；

根据所述最小序列、集中序列、最大序列以及第一位置、第二位置、第三位置，得到对所述预设匹配算法的验证增加范围；

从所述验证增加范围内筛选最佳验证增加次数，向所述预设匹配算法进行验证总次数的累加，完成对所述预设匹配算法的匹配精度的优化；

当所述需要执行的操作与模型异常有关时，获取异常序列，并将所述异常序列转化为异常参数；

按照所述异常参数，从模型修复数据库中，匹配得到对应的修复方案，完成对所述预设匹配算法的异常修正；

其中，对所述预设匹配算法的每次验证都是对本身算法精度的一次优化。

优选的，基于预设匹配算法，将所述第一属性与第二属性进行匹配，包括：

基于所述预设匹配算法，确定匹配次数以及每次匹配过程对应的匹配逻辑；

对匹配次数以及匹配逻辑进行判断，并确定是否满足指定阈值；

若满足，判定可匹配成功；

若不满足，则需要进行二次匹配。

优选的，从所述验证增加范围内筛选最佳验证增加次数，向所述预设匹配算法进行验证总次数的累加，包括：

记录所述验证增加范围中每个验证增加次数对应的验证过程组合；

对所述验证过程组合进行验证指数的计算以及验证损耗的计算；

其中，η表示对应验证过程组合的验证指数；t_i表示第i个验证过程的验证时间；T_zong表示基于验证过程组合的总标准验证时间；

表示上一验证过程y_i-1与下一验证过程y_i+1对当下验证过程y_i的影响函数，且取值范围为[0，0.5]；n1表示对应验证过程组合的验证过程个数；

其中，Y表示对应验证过程组合的验证损耗；

表示第i个验证过程的损耗因子；/>

表示第i个验证过程的过程权重；

基于所述验证指数以及验证损耗，筛选满足验证标准的验证次数；

当筛选结果为一个时，将对应的筛选次数作为最佳验证次数，并向所述预设匹配算法进行验证总次数的累加；

当筛选结果不为一个时，对筛选的验证过程组合进行验证流畅度确定；

根据确定结果，筛选最大流畅度所对应的验证过程组合对应的次数，作为最佳验证次数，并向所述预设匹配算法进行验证总次数的累加。

优选的，当筛选结果不为一个时，对筛选的验证过程组合进行验证流畅度确定，包括：

确定所述筛选的验证过程组合中每个验证过程的卡顿现象；

基于所述卡顿现象，计算对应的流畅度Y1：

其中，n2表示对应的所述筛选的验证过程组合中的验证过程个数；n3表示第j1个验证过程中存在的卡顿指标个数；R_j1,j2表示第j1个验证过程中第j2个卡顿指标的卡顿值；R_j1,max表示第j1个验证过程中的最大卡顿值；R_j1,ave表示第j1个验证过程中的平均卡顿值；ΔR′表示基于所述筛选的验证过程组合的历史卡顿补充因子，且取值范围为[0，0.2]；

表示对第j1个验证过程的卡顿调节因子。

优选的，自动监测与匹配结果相关的资金资产动态，并触发资金、资产标记与匹配事件，触发自动匹配，包括：

自动监测与匹配结果相关的资金资产动态，并基于历史设定规则，设定所述资金资产动态中的每个子动态的当下风险以及当下权重；

基于每个当下风险以及当下权重，确定对应子动态的第一触发条件；

基于每个子动态的动态监管过程，确定对应子动态的第二触发条件，同时，基于每个子动态基于所述资金资产动态的动态占比以及对应子动态的动态监测类型，确定对应子动态的第三触发条件；

获取每个子动态的子特征，对所述资金资产动态进行特征划分，获得对应的特征动态；

基于所述第一触发条件、第二触发条件、第三触发条件以及特征动态进行组合分析，对初始触发事件进行调整，得到第一触发事件；

获取每个子动态对应的资金资产走向流程；

根据所述第一触发事件，判断对应的事件触发类型，并从类型数据库中，映射与所述事件触发类型一致的触发因子；

基于所述资金资产走向流程以及触发因子，对所述第一触发事件进行分析，获取得到第二触发事件；

分别获取对每个子动态进行监测的监听器的第一运行时间，同时，获取每个子动态的第二运行时间；

确定所述第一运行时间与第二运行时间的差值；

当所述差值绝对值为0时，将所述第二触发事件作为资金、资产标记与匹配事件，并触发自动匹配；

当所述差值绝对值不为0时，判定所述监听器所监听的部分是否为主要运行部分，若是，将所述第二触发事件作为资金、资产标记与匹配事件，并触发自动匹配；

若判定所述监听器所监听的部分不为主要运行部分，则重新获取所述资金资产动态所涉及到的资金属性以及资产属性，并对所述第二触发事件进行调整，得到第三触发事件，并作为资金、资产标记与匹配事件，触发自动匹配。

本发明提供一种信托资产投向自动匹配分析的实现系统，包括：

属性标记模块，用于基于信托管理平台，标记每笔资金信息来源的第一属性以及每笔资产投向的第二属性；

属性匹配模块，用于基于预设匹配算法，将所述第一属性与第二属性进行匹配，并判断是否完全匹配，若未完全匹配，则进行二次匹配；

若完全匹配，触发自动匹配模块工作；

所述自动匹配模块，用于自动监测与匹配结果相关的资金资产动态，并触发资金、资产标记与匹配事件，触发自动匹配；

结果分析模块，用于对自动匹配结果进行分析，并将分析结果进行数据推送。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种信托资金投向自动匹配分析的实现方法的流程图；

图2为本发明实施例中资金资产匹配流程图；

图3为本发明实施例中回款自动匹配流程图；

图4为本发明实施例中一种信托资金投向自动匹配分析的实系统法的结构图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例1：

本发明提供一种信托资金投向自动匹配分析的实现方法，如图1所示，包括：

步骤1：基于信托管理平台，标记每笔资金信息来源的第一属性以及每笔资产投向的第二属性；

步骤2：基于预设匹配算法，将所述第一属性与第二属性进行匹配，并判断是否完全匹配，若未完全匹配，则进行二次匹配，直至执行步骤3；

若完全匹配，则执行步骤3；

步骤3：自动监测与匹配结果相关的资金资产动态，并触发资金、资产标记与匹配事件，触发自动匹配；

步骤4：对自动匹配结果进行分析，并将分析结果进行数据推送。

该实施例中，进行属性标记主要是为了更好的对应的资金以及资产投向进行很好的区分，且后续按照预设匹配算法，将资金与资产的属性进行匹配是为了对用户的资金使用以及资产投向进行很好分析。

该实施例中，资金、资产标记与匹配事件，是为了获取与标记结果一致的匹配事件，进而再次自动匹配，方便对资金使用效率以及资产投向对应的回款资金等进行分析，也可方便实现信托监管报送。

该实施例中，数据推送可以是回款时间、回款金额等。

该实施例中，第一属性与来源有关，比如是从某个账户转来的，属于何种类型的资金。第二属性与投向类型有关，比如，基金、理财等。

该实施例中，信托管理平台是包含若干信息在内的，比如：信托计划信息：如托管账户，上报信息等；

信托计划资金信息：记录资金及其属性，包含资金基本信息，如：投资人基本信息(渠道、类型等)、资金基本信息(金额、期限、预期收益率)、诉求信息(风险偏好、预期收益、行业要求/限制、期限、流动性要求等)；

信托计划资产信息：通常资产包含两大类业务：融资业务(融资人信息)、投资业务(产品信息)，此模块记录资产的相关信息，如融资人基本信息、融资业务基本信息(行业、资金用途、风险评级等)、产品信息(风险评级、预期收益率、期限、流动性条款等)；

信托计划资金信息：信托计划各个主要账户的资金流水进出信息；涉及资金的流程、业务信息。

该实施例中，步骤2中的匹配是进行属性的初次匹配，因为存在很多笔资金以及很多笔资产投向，所以初步确定的资产和资金的一个匹配，比如产品信息与诉求信息的一个匹配。

步骤3中的自动匹配是在基于步骤2已经匹配好的基础上，来确定该匹配结果中的资金与资产的一个匹配，在产品信息与诉求信息的匹配的基础上，进一步确定该匹配结果中某些指标的匹配，来分析最后的效益等的一个情况。

上述技术方案的有益效果是：通过智能匹配，可以有效的减少人工参与对资金用途的识别与标记，实现资金与资产的自动匹配，且通过自动监测资金资产动态，可以实现对资金使用效率、投资偏好等的分析，且便于实现信托行业的监管报送。

实施例2：

基于实施例1的基础上，基于预设匹配算法，将所述第一属性与第二属性进行匹配的过程中，还包括：

获取用户信息，并创建对应用户的信托计划；

创建信托计划收益权；

基于所述信托计划收益权，确定执行放款流程，并进行放款识别，生成放款事件；

基于所述信托计划收益权，获取所述用户的资金信息，同时，基于所述执行放款流程，获取所述用户的资产投向；

确定所述资金信息、资产投向与所述放款事件进行匹配，并判断是否存在信息遗失事件，若存在，进行信息补录，并基于补录后的信息重新进行匹配；

若不存在，根据匹配结果，进行资金额度的扣减。

该实施例中，如图2所示，为资金资产的匹配流程图。

针对资金资产的匹配，是由新的资产信息触发，通过自动匹配算法实现资金与资产信息的自动匹配。主要通过资金的属性：金额、期限、预期收益率、分级信息、风险偏好、流动性要求、行业等与资产的属性：类型、风险/信用评级、期限、收益率等进行自动匹配。

上述技术方案的有益效果是：通过创建信托计划收益权，便于获取放款事件，且通过将资金信息、资产投向与放款事件的匹配，进行信息遗失事件的判断，进而保证信息的完整性，可以有效的确定用户所对应的资金扣减额度。

实施例3：

基于实施例的基础上，自动监测与匹配结果相关的资金资产动态的过程中，还包括：

监测用户的回款信息，并进行回款识别；

基于识别结果，构建回款事件，并进行回款计算，当计算结果为全部回款时，更新所述用户的资产状态，并获取新的资产信息；

否则，根据所述用户的当下资产信息对所述用户的资金进行溯源，实现资金额度的释放。

该实施例中，如图3所示，为回款自动匹配流程图。

该实施例中，回款自动匹配是由新的资产回款信息触发，模块还可以针对回款信息进行初始资金溯源。通过对账户流水的监控，识别出融资/投资回款。

上述技术方案的有益效果是：通过回款识别等，可以有效的识别出融资/投资回款情况，方便资金资产的自动监测。

实施例4：

基于实施例1的基础上，基于预设匹配算法，将所述第一属性与第二属性进行匹配之前，还包括：

获取所述预设匹配算法包含的所有第一匹配属性，并按照所述信托资产投向类型，向每个第一匹配属性设置优先级以及属性权重；

同时，按照所述信托资产投向的投向维度，从维度-匹配数据库中，获取匹配指标，并按照所述匹配指标，确定第一匹配精度；

确定与所述匹配指标相关的第二匹配属性，并从向所有第一匹配属性设置的优先级以及属性权重中，筛选与所述第二匹配属性一致的优先级以及属性权重，进而对所述第一匹配精度进行调整，得到第二匹配精度；

按照所述第二匹配精度对所述预设匹配算法进行精度合格验证，并捕捉验证次数；

当所述验证次数小于预设次数时，判定所述预设匹配算法的精度合格，并按照所述预设匹配算法进行后续第一属性与第二属性的匹配；

否则，获取最后一次验证结果与对应验证标准结果的差异信息；

基于差异分析模型，对所述差异信息进行分析，确定需要执行的操作；

当所述需要执行的操作与优化匹配精度有关时，获取每次执行验证过程所对应的第一结果，分别对相邻的第一结果的收缩差距进行判断，构建差距序列；

获取所述差距序列中的最小序列、集中序列以及最大序列，同时，还获取所述最小序列的第一位置、集中序列的第二位置以及最大序列的第三位置；

根据所述最小序列、集中序列、最大序列以及第一位置、第二位置、第三位置，得到对所述预设匹配算法的验证增加范围；

从所述验证增加范围内筛选最佳验证增加次数，向所述预设匹配算法进行验证总次数的累加，完成对所述预设匹配算法的匹配精度的优化；

当所述需要执行的操作与模型异常有关时，获取异常序列，并将所述异常序列转化为异常参数；

按照所述异常参数，从模型修复数据库中，匹配得到对应的修复方案，完成对所述预设匹配算法的异常修正；

其中，对所述预设匹配算法的每次验证都是对本身算法精度的一次优化。

该实施例中，比如预设匹配算法中是包括20种匹配属性的，且分别按照不同的信托资产投向类型，可以对20种匹配属性分别设置优先级以及权重，而投向维度指的是信托资产投向所包含的投向指标，进而可以从维度匹配数据库中得到对应的匹配指标，且匹配指标是包含在20种匹配属性中的，因此，可以获取匹配指标的优先级以及权重。

该实施例中，第一匹配精度，主要是按照初步的投向维度以及匹配指标，来确定的精度。

该实施例中，第二匹配精度，是按照设置的优先级以及权重，对第一匹配精度进行调整得到的。

该实施例中，对算法进行合格精度验证，主要指的是对算法验证的次数是否小于预设次数，如果在小于预设次数内验证的结果满足验证标准时，则可以视为精度验证合格，且每次验证，都是按照预先设置好的验证程度进行验证的。

该实施例中，比如，需要在3次验证中，验证得到该模型的精度是满足0.1的，此时，就可以视为该模型精度合格。

该实施例中，否则，就获取差异信息，也就是验证结果(验证日志)与标准结果(标准日志)之间的差异，进而可以分析需要执行的操作与哪种方式有关。

该实施例中，当需要执行的操作与优化匹配精度有关时，获取每次验证的第一结果，由于每次验证都相当于是给预设匹配算法进行一次优化，因此，算法是越来越优化的，且对应的精度应该是越来越满足标准的。

该实施例中，获取最大序列、最小序列以及集中序列是为了确定最大程度的优化、最小程度的优化以及常规程度的优化，且通过确定位置，是为了更好对当时优化的验证过程进行确定，方便后续进行验证过程的重新组合。

该实施例中，验证增加次数范围是指的由不同的验证过程进行组合后得到的，且通过的组合，对应的验证增加次数可以是不一样的。

该实施例中，从所述验证增加范围中筛选最佳验证增加次数进行验证从次数累加，实现优化。

该实施例中，模型修复数据库中包括各种异常参数组合起来的修复方案，可以实现对模型的有效修复。

上述技术方案的有益效果是：通过从预设匹配算法以及投向维度两方面来确定对应的指标的优先级以及属性权重，可以对预设匹配模块的精度进行合理确定，且通过进行精度合格验证，可以有效的对预设匹配算法进行优化，其中，通过将验证结果与标准结果进行比较，来确定与执行的操作的相关情况，并分别进行不同处理，实现对模型的优化或者修正，保证模型的精度以及匹配的高效性，提高资金与资产的匹配效率。

实施例5：

基于实施例1的基础上，基于预设匹配算法，将所述第一属性与第二属性进行匹配，包括：

基于所述预设匹配算法，确定匹配次数以及每次匹配过程对应的匹配逻辑；

对匹配次数以及匹配逻辑进行判断，并确定是否满足指定阈值；

若满足，判定可匹配成功；

若不满足，则需要进行二次匹配。

上述技术方案的有益效果是：通过基于预设匹配算法，确定匹配次数以及匹配逻辑，可以对匹配成功进行很好的判断，提高资金与资产的匹配效率。

实施例6：

基于实施例4的基础上，从所述验证增加范围内筛选最佳验证增加次数，向所述预设匹配算法进行验证总次数的累加，包括：

记录所述验证增加范围中每个验证增加次数对应的验证过程组合；

对所述验证过程组合进行验证指数的计算以及验证损耗的计算；

其中，η表示对应验证过程组合的验证指数；t_i表示第i个验证过程的验证时间；T_zong表示基于验证过程组合的总标准验证时间；

表示上一验证过程y_i-1与下一验证过程y_i+1对当下验证过程y_i的影响函数，且取值范围为[0，0.5]；n1表示对应验证过程组合的验证过程个数；

其中，Y表示对应验证过程组合的验证损耗；

表示第i个验证过程的损耗因子；

表示第i个验证过程的过程权重；

基于所述验证指数以及验证损耗，筛选满足验证标准的验证次数；

当筛选结果为一个时，将对应的筛选次数作为最佳验证次数，并向所述预设匹配算法进行验证总次数的累加；

当筛选结果不为一个时，对筛选的验证过程组合进行验证流畅度确定；

根据确定结果，筛选最大流畅度所对应的验证过程组合对应的次数，作为最佳验证次数，并向所述预设匹配算法进行验证总次数的累加。

上述技术方案的有益效果是：通过进行验证指数以及验证损耗的计算，可以有效的筛选得到最佳的验证过程组合，进而方便后续对模型持续的优化，间接提高资金与资产的匹配效率。

实施例7：

基于实施例6的基础上，当筛选结果不为一个时，对筛选的验证过程组合进行验证流畅度确定，包括：

确定所述筛选的验证过程组合中每个验证过程的卡顿现象；

基于所述卡顿现象，计算对应的流畅度Y1：

其中，n2表示对应的所述筛选的验证过程组合中的验证过程个数；n3表示第j1个验证过程中存在的卡顿指标个数；R_j1,j2表示第j1个验证过程中第j2个卡顿指标的卡顿值；R_j1,max表示第j1个验证过程中的最大卡顿值；R_j1,ave表示第j1个验证过程中的平均卡顿值；ΔR′表示基于所述筛选的验证过程组合的历史卡顿补充因子，且取值范围为[0，0.2]；

表示对第j1个验证过程的卡顿调节因子。

上述技术方案的有益效果是：通过按照流畅度，筛选最佳的验证组合过程，可以最大程度上节省验证资源，保证资产与资金的匹配效率。

实施例8：

基于实施例1的基础上，自动监测与匹配结果相关的资金资产动态，并触发资金、资产标记与匹配事件，触发自动匹配，包括：

自动监测与匹配结果相关的资金资产动态，并基于历史设定规则，设定所述资金资产动态中的每个子动态的当下风险以及当下权重；

基于每个当下风险以及当下权重，确定对应子动态的第一触发条件；

基于每个子动态的动态监管过程，确定对应子动态的第二触发条件，同时，基于每个子动态基于所述资金资产动态的动态占比以及对应子动态的动态监测类型，确定对应子动态的第三触发条件；

获取每个子动态的子特征，对所述资金资产动态进行特征划分，获得对应的特征动态；

基于所述第一触发条件、第二触发条件、第三触发条件以及特征动态进行组合分析，对初始触发事件进行调整，得到第一触发事件；

获取每个子动态对应的资金资产走向流程；

根据所述第一触发事件，判断对应的事件触发类型，并从类型数据库中，映射与所述事件触发类型一致的触发因子；

基于所述资金资产走向流程以及触发因子，对所述第一触发事件进行分析，获取得到第二触发事件；

分别获取对每个子动态进行监测的监听器的第一运行时间，同时，获取每个子动态的第二运行时间；

确定所述第一运行时间与第二运行时间的差值；

当所述差值绝对值为0时，将所述第二触发事件作为资金、资产标记与匹配事件，并触发自动匹配；

当所述差值绝对值不为0时，判定所述监听器所监听的部分是否为主要运行部分，若是，将所述第二触发事件作为资金、资产标记与匹配事件，并触发自动匹配；

若判定所述监听器所监听的部分不为主要运行部分，则重新获取所述资金资产动态所涉及到的资金属性以及资产属性，并对所述第二触发事件进行调整，得到第三触发事件，并作为资金、资产标记与匹配事件，触发自动匹配。

该实施例中，资金属性与金额、期限、预期收益率、分级信息、风险偏好、流动性要求、行业等有关，资产属性与类型、风险/信用评级、期限、收益率等有关。

该实施例中，通过按照属性，对触发事件进行调整，可以保证属性匹配的合理性。

该实施例中，在进行自动监测以及事件匹配的过程中，需要建立自动触发事件，且事件建立的过程包括：对当下子动态的分析，以此来获取三个触发条件，以及对资金资产动态的特征划分，以此得到不同类特征的一个动态结果，进而得到触发事件。

该实施例中，历史设定规则是预先设定好的，因为在对资金资产的动态监测过程中，不同的资金资产所对应的风险以权重是不一样的，因此，通过历史设定规则，比如是按照金额、投向类型、可靠度等来确定的风险以及权重。

该实施例中，第一触发条件是基于当下权重以及当下风险确定的，且每个子动态都对应一个触发条件。

第二触发条件是在自动监测的过程中来捕捉到对该子动态的动态监管过程，可以视为监管日志，最后得到的第二触发条件。

第三触发条件是指的每个子动态基于资金资产动态的一个动态占比以及监测类型确定的，可以是动态过程时间线的一个占比，比如，资金资产动态对应的为一个小时的动态时间线，该子动态对应的是10分钟的一个动态时间线，就会得到动态占比，也就是时间占比，动态监测类型指的是对该子动态的监测类型，比如是股票监测类型、基金监测类型、回款监测类型、放款监测类型等。

该实施例中，动态子特征指的是对该子动态进行监测过程中，存在的动态特征，比如：该子动态指的是基金动态，就需要对收益、涨幅等进行确定，来获取特征，对资金资产动态进行特征划分主要是为了进行特征分类，来得到同类特征所对应的动态。

该实施例中，初始触发事件指的是按照所述资金资产动态初次匹配的触发事件，但是为了保证事件的贴合性，来结合不同的触发条件以及特征动态，对初始触发事件进行调整，且初始触发事件与属性有关。

该实施例中，第一触发事件的事件触发类型，可以与匹配流程相关，不同的触发类型，对应的匹配流程不同，所以后续在进行自动匹配的时候，是按照该匹配流程实现的。

该实施例中，触发因子，指的是该触发类型所对应的常规辅助条件，比如，是对匹配流程中某个步骤的一个调整等。

该实施例中，资金资产走向流程指的是资金资产的来源以及去处。

该实施例中，通过对监听器的运行时间进行确定以及比较，可以得到该监测器在对子动态进行监听的过程中是否处于主要监听过程，保证自动监测的真实性与可靠性。

上述技术方案的有益效果是：对当下子动态的分析，以此来获取三个触发条件，以及对资金资产动态的特征划分，以此得到不同类特征的一个动态结果，进而得到触发事件，是为了保证事件的贴合性，来结合不同的触发条件以及特征动态，对初始触发事件进行调整，通过对监听器的运行时间进行确定以及比较，可以得到该监测器在对子动态进行监听的过程中是否处于主要监听过程，保证自动监测的真实性与可靠性，保证后续自动匹配的准确性，提高资金与资产的匹配效率。

实施例9：

本发明提供一种信托资产投向自动匹配分析的实现系统，如图4所示，包括：

属性标记模块，用于基于信托管理平台，标记每笔资金信息来源的第一属性以及每笔资产投向的第二属性；

属性匹配模块，用于基于预设匹配算法，将所述第一属性与第二属性进行匹配，并判断是否完全匹配，若未完全匹配，则进行二次匹配；

若完全匹配，触发自动匹配模块工作；

所述自动匹配模块，用于自动监测与匹配结果相关的资金资产动态，并触发资金、资产标记与匹配事件，触发自动匹配；

结果分析模块，用于对自动匹配结果进行分析，并将分析结果进行数据推送。

上述技术方案的有益效果是：通过智能匹配，可以有效的减少人工参与对资金用途的识别与标记，实现资金与资产的自动匹配，且通过自动监测资金资产动态，可以实现对资金使用效率、投资偏好等的分析，且便于实现信托行业的监管报送。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种信托资金投向自动匹配分析的实现方法，其特征在于，包括：

步骤1：基于信托管理平台，标记每笔资金信息来源的第一属性以及每笔资产投向的第二属性；

步骤2：基于预设匹配算法，将所述第一属性与第二属性进行匹配，并判断是否完全匹配，若未完全匹配，则进行二次匹配，直至执行步骤3；

若完全匹配，则执行步骤3；

步骤3：自动监测与匹配结果相关的资金资产动态，并触发资金、资产标记与匹配事件，触发自动匹配；

步骤4：对自动匹配结果进行分析，并将分析结果进行数据推送；

其中，自动监测与匹配结果相关的资金资产动态，并触发资金、资产标记与匹配事件，触发自动匹配，包括：

自动监测与匹配结果相关的资金资产动态，并基于历史设定规则，设定所述资金资产动态中的每个子动态的当下风险以及当下权重；

基于每个当下风险以及当下权重，确定对应子动态的第一触发条件；

基于每个子动态的动态监管过程，确定对应子动态的第二触发条件，同时，基于每个子动态基于所述资金资产动态的动态占比以及对应子动态的动态监测类型，确定对应子动态的第三触发条件；

获取每个子动态的子特征，对所述资金资产动态进行特征划分，获得对应的特征动态；

基于所述第一触发条件、第二触发条件、第三触发条件以及特征动态进行组合分析，对初始触发事件进行调整，得到第一触发事件；

获取每个子动态对应的资金资产走向流程；

根据所述第一触发事件，判断对应的事件触发类型，并从类型数据库中，映射与所述事件触发类型一致的触发因子；

基于所述资金资产走向流程以及触发因子，对所述第一触发事件进行分析，获取得到第二触发事件；

分别获取对每个子动态进行监测的监听器的第一运行时间，同时，获取每个子动态的第二运行时间；

确定所述第一运行时间与第二运行时间的差值；

当所述差值绝对值为0时，将所述第二触发事件作为资金、资产标记与匹配事件，并触发自动匹配；

当所述差值绝对值不为0时，判定所述监听器所监听的部分是否为主要运行部分，若是，将所述第二触发事件作为资金、资产标记与匹配事件，并触发自动匹配；

若判定所述监听器所监听的部分不为主要运行部分，则重新获取所述资金资产动态所涉及到的资金属性以及资产属性，并对所述第二触发事件进行调整，得到第三触发事件，并作为资金、资产标记与匹配事件，触发自动匹配。

2.如权利要求1所述的信托资金投向自动匹配分析的实现方法，其特征在于，基于预设匹配算法，将所述第一属性与第二属性进行匹配的过程中，还包括：

获取用户信息，并创建对应用户的信托计划；

创建信托计划收益权；

基于所述信托计划收益权，确定执行放款流程，并进行放款识别，生成放款事件；

基于所述信托计划收益权，获取所述用户的资金信息，同时，基于所述执行放款流程，获取所述用户的资产投向；

确定所述资金信息、资产投向与所述放款事件进行匹配，并判断是否存在信息遗失事件，若存在，进行信息补录，并基于补录后的信息重新进行匹配；

若不存在，根据匹配结果，进行资金额度的扣减。

3.如权利要求1所述的信托资金投向自动匹配分析的实现方法，其特征在于，自动监测与匹配结果相关的资金资产动态的过程中，还包括：

监测用户的回款信息，并进行回款识别；

基于识别结果，构建回款事件，并进行回款计算，当计算结果为全部回款时，更新所述用户的资产状态，并获取新的资产信息；

否则，根据所述用户的当下资产信息对所述用户的资金进行溯源，实现资金额度的释放。

4.如权利要求1所述的信托资金投向自动匹配分析的实现方法，其特征在于，基于预设匹配算法，将所述第一属性与第二属性进行匹配之前，还包括：

获取所述预设匹配算法包含的所有第一匹配属性，并按照信托资金投向类型，向每个第一匹配属性设置优先级以及属性权重；

同时，按照所述信托资金投向的投向维度，从维度-匹配数据库中，获取匹配指标，并按照所述匹配指标，确定第一匹配精度；

确定与所述匹配指标相关的第二匹配属性，并从向所有第一匹配属性设置的优先级以及属性权重中，筛选与所述第二匹配属性一致的优先级以及属性权重，进而对所述第一匹配精度进行调整，得到第二匹配精度；

按照所述第二匹配精度对所述预设匹配算法进行精度合格验证，并捕捉验证次数；

当所述验证次数小于预设次数时，判定所述预设匹配算法的精度合格，并按照所述预设匹配算法进行后续第一属性与第二属性的匹配；

否则，获取最后一次验证结果与对应验证标准结果的差异信息；

基于差异分析模型，对所述差异信息进行分析，确定需要执行的操作；

当所述需要执行的操作与优化匹配精度有关时，获取每次执行验证过程所对应的第一结果，分别对相邻的第一结果的收缩差距进行判断，构建差距序列；

获取所述差距序列中的最小序列、集中序列以及最大序列，同时，还获取所述最小序列的第一位置、集中序列的第二位置以及最大序列的第三位置；

根据所述最小序列、集中序列、最大序列以及第一位置、第二位置、第三位置，得到对所述预设匹配算法的验证增加范围；

从所述验证增加范围内筛选最佳验证增加次数，向所述预设匹配算法进行验证总次数的累加，完成对所述预设匹配算法的匹配精度的优化；

当所述需要执行的操作与模型异常有关时，获取异常序列，并将所述异常序列转化为异常参数；

按照所述异常参数，从模型修复数据库中，匹配得到对应的修复方案，完成对所述预设匹配算法的异常修正；

其中，对所述预设匹配算法的每次验证都是对本身算法精度的一次优化。

5.如权利要求1所述的信托资金投向自动匹配分析的实现方法，其特征在于，基于预设匹配算法，将所述第一属性与第二属性进行匹配，包括：

基于所述预设匹配算法，确定匹配次数以及每次匹配过程对应的匹配逻辑；

对匹配次数以及匹配逻辑进行判断，并确定是否满足指定阈值；

若满足，判定可匹配成功；

若不满足，则需要进行二次匹配。

6.如权利要求4所述的信托资金投向自动匹配分析的实现方法，其特征在于，从所述验证增加范围内筛选最佳验证增加次数，向所述预设匹配算法进行验证总次数的累加，包括：

记录所述验证增加范围中每个验证增加次数对应的验证过程组合；

对所述验证过程组合进行验证指数的计算以及验证损耗的计算；

其中，η表示对应验证过程组合的验证指数；t_i表示第i个验证过程的验证时间；T_zong表示基于验证过程组合的总标准验证时间；

表示上一验证过程y_i-1与下一验证过程y_i+1对当下验证过程y_i的影响函数，且取值范围为[0，0.5]；n1表示对应验证过程组合的验证过程个数；

其中，Y表示对应验证过程组合的验证损耗；

表示第i个验证过程的损耗因子；/>

表示第i个验证过程的过程权重；

基于所述验证指数以及验证损耗，筛选满足验证标准的验证次数；

当筛选结果为一个时，将对应的筛选次数作为最佳验证次数，并向所述预设匹配算法进行验证总次数的累加；

当筛选结果不为一个时，对筛选的验证过程组合进行验证流畅度确定；

根据确定结果，筛选最大流畅度所对应的验证过程组合对应的次数，作为最佳验证次数，并向所述预设匹配算法进行验证总次数的累加。

7.如权利要求6所述的信托资金投向自动匹配分析的实现方法，其特征在于，当筛选结果不为一个时，对筛选的验证过程组合进行验证流畅度确定，包括：

确定所述筛选的验证过程组合中每个验证过程的卡顿现象；

基于所述卡顿现象，计算对应的流畅度Y1：

其中，n2表示对应的所述筛选的验证过程组合中的验证过程个数；n3表示第j1个验证过程中存在的卡顿指标个数；R_j1,j2表示第j1个验证过程中第j2个卡顿指标的卡顿值；R_j1,max表示第j1个验证过程中的最大卡顿值；R_j1,ave表示第j1个验证过程中的平均卡顿值；ΔR′表示基于所述筛选的验证过程组合的历史卡顿补充因子，且取值范围为[0，0.2]；

表示对第j1个验证过程的卡顿调节因子。

8.一种信托资金投向自动匹配分析的实现系统，其特征在于，包括：

属性标记模块，用于基于信托管理平台，标记每笔资金信息来源的第一属性以及每笔资产投向的第二属性；

属性匹配模块，用于基于预设匹配算法，将所述第一属性与第二属性进行匹配，并判断是否完全匹配，若未完全匹配，则进行二次匹配；

若完全匹配，触发自动匹配模块工作；

所述自动匹配模块，用于自动监测与匹配结果相关的资金资产动态，并触发资金、资产标记与匹配事件，触发自动匹配；

结果分析模块，用于对自动匹配结果进行分析，并将分析结果进行数据推送；

其中，所述自动匹配模块，用于：

自动监测与匹配结果相关的资金资产动态，并基于历史设定规则，设定所述资金资产动态中的每个子动态的当下风险以及当下权重；

基于每个当下风险以及当下权重，确定对应子动态的第一触发条件；

基于每个子动态的动态监管过程，确定对应子动态的第二触发条件，同时，基于每个子动态基于所述资金资产动态的动态占比以及对应子动态的动态监测类型，确定对应子动态的第三触发条件；

获取每个子动态的子特征，对所述资金资产动态进行特征划分，获得对应的特征动态；

基于所述第一触发条件、第二触发条件、第三触发条件以及特征动态进行组合分析，对初始触发事件进行调整，得到第一触发事件；

获取每个子动态对应的资金资产走向流程；

根据所述第一触发事件，判断对应的事件触发类型，并从类型数据库中，映射与所述事件触发类型一致的触发因子；

基于所述资金资产走向流程以及触发因子，对所述第一触发事件进行分析，获取得到第二触发事件；

分别获取对每个子动态进行监测的监听器的第一运行时间，同时，获取每个子动态的第二运行时间；

确定所述第一运行时间与第二运行时间的差值；

当所述差值绝对值为0时，将所述第二触发事件作为资金、资产标记与匹配事件，并触发自动匹配；

当所述差值绝对值不为0时，判定所述监听器所监听的部分是否为主要运行部分，若是，将所述第二触发事件作为资金、资产标记与匹配事件，并触发自动匹配；

若判定所述监听器所监听的部分不为主要运行部分，则重新获取所述资金资产动态所涉及到的资金属性以及资产属性，并对所述第二触发事件进行调整，得到第三触发事件，并作为资金、资产标记与匹配事件，触发自动匹配。

Images