[发明专利]一种解决多维数据匹配降低利损的方法

权利要求书

1.一种解决多维数据匹配降低利损的方法，其特征在于，包括以下步骤：

S1：根据匹配规则：白色数据周期须在理财周期范围之内，建立贴息公式；其中，T 表示利损总额；表示当期灰色数据日利损率；表示当期灰色数据周期天数；表示当期灰色型数据匹配白色型数据天数；表示所有参与到本次匹配的灰色型数目；表示当期灰色型数据未匹配面值；

S2：对于周期越长的白色型数据进行最先匹配，若长周期的灰色型数据被用于匹配短周期的白色型数据，后期必然导致产生较大规模的长周期白色型数据剩余，无法完成匹配，产生更多的利损；

S3：将所剩周期越长的白色型数据进行越早的匹配，如果匹配不上会产生较大周期的利损，因此，日期上应按照从远到近的顺序进行匹配；

S4：最优匹配应为相同额度、相同起始时间、相同结束时间的白色型数据与灰色型数据进行匹配；

S5：当前周期查找过程中，会找到一些可以与借款标的进行匹配的灰色型数据，那么就需要把这些灰色型数据记录下来，进行打分，打分的规则应遵循如下规则：；其中，Z 类值为true或者false，表示是否使用未来变量；值为0.5，使用未来变量的常量系数；为除去未来变量之后，真实确定下来的利损日；表示匹配面值；表示未被匹配的灰色型数据本金；表示未被匹配的灰色型数据的常量系数，固定值为0.000001，可根据实际情况调整；

S6：当当前周期的灰色型数据不能满足时，查找更大周期灰色型数据满足要求，因为较大周期在匹配完当前白色型数据后，剩余的空间相对于小周期的在匹配完成后剩余的时间空间会更大，可用于使用未来变量的产品组合也更多，通过优化未来灰色型数据，减少利损日的产生。

2.如权利要求1所述的一种解决多维数据匹配降低利损的方法，其特征在于，S1中根据公式，与为定值，最大化增大，减少才能使T 值最小，为使T贴近全局最小，让每一次匹配产生的利损值接近全局最小即可。

3.如权利要求1所述的一种解决多维数据匹配降低利损的方法，其特征在于，S5中打分规则还可定义为：S=0.5(是否使用未来变量)+灰色型数据匹配部分利损+0.000001（未匹配部分的灰色型数据面值），在取最优解时，使用最低分值的匹配结果；其中，第一部分使用0.5(是否使用未来变量) 是为了尽量避免使用未来变量的灰色型数据；第二部分为使用本灰色型数据后产生的贴息，是计算分值的主要部分；第三部分是为尽量避免造成较大程度上的碎片化。

4.如权利要求1所述的一种解决多维数据匹配降低利损的方法，其特征在于，S4中具体匹配过程如下：

S401：首先查找与白色型数据具有相同起始和结束时间的灰色型数据，如果存在则进行直接匹配，对于未匹配的其他白色型数据，则可以再针对该部分发起一轮新的匹配流程；

S402：查找大于当前白色型数据的更大周期并且可以覆盖当前白色型数据的灰色型数据，按照周期从大到小，面值的从小到大进行排列；

S403：如果面值小于当前白色型数据的面值，则对该白色型数据进行部分匹配；

S404：继续为该白色型数据剩余面值部分寻找合适的灰色型数据；

S405：如果新找到的灰色型数据仍小于该白色型数据剩余部分，则进行再匹配；

S406：如果新找到的灰色型数据大于该白色型数据的剩余部分，则采用打分机制对符合要求的灰色型数据进行选择；

S407：将所有可以匹配的规则按照分值从低到高进行排列，取分值最低的作为最佳匹配方案。