[发明专利]银行流动性预测方法及装置

说明书

本发明提供了银行流动性预测方法及装置，方法包括：获取银行应用服务系统的历史业务数据和历史流动性数据；根据历史业务数据和历史流动性数据对预先建立的机器学习模型进行训练；利用训练后的机器学习模型进行银行流动性预测。通过对银行流动性业务数据进行特征值提取并进行机器学习训练，实现对银行流动性进行预测，支持银行充分利用剩余流动性，并利用预测的银行流动性及时提供流动性风险预警。

技术领域

本发明涉及数据处理技术，具体的讲是一种银行流动性预测方法及装置。

背景技术

各个国家和地区对于银行系统的流动性有着严格的要求，对于出现流动性风险的银行会进行相应处罚，严重的可能会导致银行停业。因此，银行需要对流动性进行全面管理，以及时应对流动性不足导致监管处罚，同时也需要能够对未来资金情况进行预测。

现有技术中，银行对于流动性管理普遍通过业务报表进行统计，时效性不高，同时无法准确对未来流动性进行预测，无法完成对银行流动性的充分利用。

发明内容

为了对银行流动性进行，支持银行充分利用剩余流动性，本发明实施例提供了一种银行流动性预测方法，方法包括：

获取银行应用服务系统的历史业务数据和历史流动性数据；

根据所述历史业务数据和历史流动性数据对预先建立的机器学习模型进行训练；

利用训练后的机器学习模型进行银行流动性预测。

本发明实施例中，所述的获取银行应用服务系统的历史业务数据和历史流动性数据包括：

获取银行应用服务系统历史业务数据和历史流动性数据；

对所述的银行应用服务系统的历史业务数据进行业务数据筛选、缺失数据的处理以及异常数据剔除，确定银行业务特征数据。

本发明实施例中，所述的根据所述历史业务数据和历史流动性数据对预先建立的机器学习模型进行训练包括：

将预设数量的历史业务数据和历史流动性数据作为训练样本对预先建立的机器学习模型进行初始训练；

将另一预设数量的历史业务数据和历史流动性数据作为检验样本对初始训练后的机器学习模型进行优化生成训练后的机器学习模型。

本发明实施例中，所述的利用训练后的机器学习模型进行银行流动性预测包括：

利用训练后的机器学习模型进行银行流动性预测对待预测的银行应用服务系统的银行业务数据进行流动性预测，生成银行流动性预测数据；

根据预设的流动性预警规则和生成的银行流动性预测数据，对银行流动性进行预警。

本发明实施例中，所述银行应用服务系统的历史业务数据包括：存款系统业务数据、贷款系统业务数据以及清算系统业务数据；

所述银行业务特征数据包括：业务产品信息、存款贷款业务信息、汇款业务信息。

同时，本发明还提供一种银行流动性预测装置，包括：

数据获取模块，用于获取银行应用服务系统的历史业务数据和历史流动性数据；

机器学习模块，用于根据所述历史业务数据和历史流动性数据对预先建立的机器学习模型进行训练；

流动性预测模块，用于利用训练后的机器学习模型进行银行流动性预测。

本发明实施例中，所述的数据获取模块包括：

数据获取单元，用于获取银行应用服务系统历史业务数据和历史流动性数据；