[发明专利]参与者账户流动性预测方法及装置

说明书

本发明提供了一种参与者账户流动性预测方法及装置，参与者账户流动性预测方法包括：获取参与者账户的交易数据；利用所述交易数据以及预先建立的时间序列算法模型对所述参与者账户的流动性进行预测。本发明所提供的参与者账户流动性预测方法及装置，能够加强参与者账户流动性风险管理能力，更精准地预测参与者流动性情况。

技术领域

本发明涉及计算机技术领域，尤其是计算机技术在金融行业中应用，具体涉及一种参与者账户流动性预测方法及装置。

背景技术

现有支付系统中，为系统参与者(系统参与者指各类商业银行)提供了资金池等多种类的灵活的流动性管理机制，但是由于种种因素的限制，这些流动性管理机制并没有完全对参与者开放使用。参与者在支付系统开设的清算账户流动性主要用于参与者在大额支付系统、小额支付系统、网上跨行清算系统的业务清算使用。目前在系统运行中发现，参与者对其每日完成清算业务所需金额缺少精准的把握，造成了参与者清算账户部分流动性浪费，无法产生更高的经济效益。

发明内容

针对现有技术中的问题，本发明所提供的参与者账户流动性预测方法及装置，能够加强参与者账户流动性风险管理能力，更精准地预测参与者流动性情况。

为解决上述技术问题，本发明提供以下技术方案：

第一方面，本发明提供一种参与者账户流动性预测方法，包括：

获取参与者账户的交易数据；

利用所述交易数据以及预先建立的时间序列算法模型对所述参与者账户的流动性进行预测。

一实施例中，参与者账户流动性预测方法还包括：对所述交易数据进行预处理，包括：按照周期性将所述交易数据进行分类。

一实施例中，建立所述时间序列算法模型的步骤包括：

利用SARIMA算法、Prophet算法及/或LSTM算法，根据分类后的交易数据建立所述时间序列算法模型的初始模型；

利用网格搜索、贝叶斯优化方法确定所述初始模型的模型参数；

根据所述模型参数、所述初始模型以及所述分类后的交易数据建立所述时间序列算法模型。

一实施例中，所述按照周期性将所述交易数据进行分类包括：以预设时间粒度对所述交易数据进行加工。

一实施例中，所述对所述交易数据进行预处理还包括：

对零值数据、空值数据以及突变数据进行处理，以生成初始数据；

对所述初始数据进行平滑处理。

第二方面，本发明提供一种参与者账户流动性预测装置，该装置包括：

交易数据获取单元，用于获取参与者账户的交易数据；

流动性预测单元，用于利用所述交易数据以及预先建立的时间序列算法模型对所述参与者账户的流动性进行预测。

一实施例中，参与者账户流动性预测装置还包括：预处理单元，用于对所述交易数据进行预处理，预处理单元包括：

交易数据分类模块，用于按照周期性将所述交易数据进行分类；

初始数据生成模块，用于对零值数据、空值数据以及突变数据进行处理，以生成初始数据；

初始数据平滑模块，用于对所述初始数据进行平滑处理。

一实施例中，参与者账户流动性预测装置还包括：模型建立单元，用于建立所述时间序列算法模型；所述模型建立单元包括：

初始模型建立模块，用于利用SARIMA算法、Prophet算法及/或LSTM算法，根据分类后的交易数据建立所述时间序列算法模型的初始模型；