[发明专利]一种解决多维数据匹配降低利损的方法

说明书

本发明公开了一种解决多维数据匹配降低利损的方法，根据白色型数据及灰色型数据的周期性及到期特征，对齐到当前操作日，在兼顾未来变量的基础之上，综合评测未匹配日及利损，把可能产生的利损作为分值，选分值低的作为最优匹配标的；通过调整匹配逻辑，将最难进行匹配的白色型数据进行优化匹配，另外相同周期无法完成匹配时通过查找更大周期的灰色型数据来寻找合适的灰色型数据，并且在合适的灰色型数据中通过评分机制来综合判断匹配的优略；本发明通过层层优化寻找全局最优解，相比于传统的直接抽取和匹配可以大大的提高白色型数据与灰色型数据匹配度，最大化的减少利损日产生，提高匹配效果。

技术领域

本发明涉及企业利损评估技术领域，具体为一种解决多维数据匹配降低利损的方法。

背景技术

假设有两种时空向量型数据，一种称为白色型数据记为，另一种称为灰色型数据，无论哪种数据都具有一个面值和一个长度值，每一个数据都会被实例化到时空中，时间单位为天，具体可以采用图形表示，如图1所示：图中数据A为一个面值为a，起始时间为t2，截止时间为t3的周期为t3-t2的一个时空向量；图中数据B为一个面值为b，起始时间为t1，截止时间为t4的周期为t4-t1的一个时空向量。

假设现存在大量的白色型数据和灰色型数据，其起止时间和面值各不相同，如图2所示；其相关术语解释如下：

（1）参考时间线：参考时间线是为了研究当前时空问题提出来的一条对照参考线，它表示在同一考照时间点上各数据的情况。

（2）未来向量：指还没有产生的或时空向量，可以通过人为的方式干预产生。

（3）利损标的：借款人通过手机app等其它渠道申请进行的借款需求就称之为借款标的，一般都需要具备以下属性：借款金额、起始时间、结束时间、借款人身份证号、姓名等。

（4）贴息：理财标的正常情况下应与借款标的同时开始同时结束，由于匹配借款标的周期较短，那么理财标的多出来的周期的利息便不再由借款标的支出，而由企业进行支出，直到理财标的到期，那么这种情况就称为贴息。

（5）智能投顾：是一种针对长周理财标的产品服务，是将一个长周期理财划分为几个短期理财产品的服务的叠加，提高产品的优化配置，目的也是为了使产品收益最大化，最大可能的减少无息日产生。

上述假设目的：需要将白色向量与灰色向量进行匹配，最大化的提高灰色向量的有效利用率；匹配的规则如下：（1）允许分拆灰色；（2）灰色数据起始时间要早于或等于白色数据起始时间，终止时间要晚于或等于白色数据截止时间；（3）匹配结束后，被分拆的若干灰色数据面值之和应等于白色数据面值。其中，在匹配过程中应尽量减少灰色数据的碎片化和尽量使用最小个数。基于此，具体匹配样例如下：

1、完全匹配：如图3所示。

2、组合后完全匹配：如图4所示。

3、匹配后有剩余：面值为15的数据在匹配后剩余5，如图5所示。

4、周期不同的匹配：面值为10，周期为t1到t3的数据，在匹配后，周期上存在剩余，如图6所示。

5、周期不同及组合后存在剩余的匹配：面值为15的数据匹配后，在面值及周期都存在剩余，如图7所示。