[发明专利]数据处理方法和数据处理装置

说明书

本申请提供了一种数据处理方法和数据处理装置，有利于提高授信的交易效率，减轻运营成本，进而及时准确地反应市场风险。该方法包括：获取待预测时间段的用户合约数据、用户授信数据以及用户交易数据，该用户合约数据包括至少一个用户中每个用户的理财合约信息、基金合约信息、保险合约信息、外汇合约信息或债券合约信息中的至少一个，该用户授信数据包括上述每个用户在待预测时间段的授信额度，上述用户交易数据包括上述每个用户的业务交易特性；将上述用户合约数据、上述用户授信数据以及上述用户交易数据输入至机器学习模型，获得上述每个用户在未来时间段的预测授信额度。

技术领域

本申请涉及计算机领域，尤其涉及一种数据处理方法和数据处理装置。

背景技术

目前银行等金融企业，外汇买卖与结售汇的特点：经办人员多、营销产品多、数据信息多。外汇买卖与结售汇经办人员作为参与操作，与授信金额数据的准确性、营销渠道相互间存在多对多的错综复杂的关系。为确保发送剩余授信额度的准确性，结售汇或外汇买卖等业务发生后，目前银行等金融企业可以通过交易系统将用户累计信用额度和剩余授信额度发至信贷管理系统，该信贷管理系统能够从多个维度对特定区域和特定机构用户进行授信、用信控制，有效提升了银行信贷风险预警水平，为信贷在线监控工作提供了有力的技术支撑平台。

但是随着银行用户量的持续增加，交易数量和额度也逐渐递增，上述信贷管理系统存在运营成本高，授信用时长，进而导致不能够及时准确地反应市场风险的问题。

发明内容

本申请提供一种数据处理方法和数据处理装置，有利于提高授信的交易效率，减轻运营成本，进而及时准确地反应市场风险。

第一方面，提供了一种数据处理方法，包括：获取待预测时间段的用户合约数据、用户授信数据以及用户交易数据，上述用户合约数据包括至少一个用户中每个用户的理财合约信息、基金合约信息、保险合约信息、外汇合约信息或债券合约信息中的至少一个，上述用户授信数据包括上述每个用户在上述待预测时间段的授信额度，上述用户交易数据包括上述每个用户的业务交易特性，上述业务交易特性包括交易的时间特征、上述交易的频次特征、上述交易的金额特征或上述交易的产品类型特征中的至少一个；将上述用户合约数据、上述用户授信数据以及上述用户交易数据输入至机器学习模型，获得上述每个用户在未来时间段的预测授信额度，上述机器学习模型是基于第一历史时间段的用户合约数据、用户授信数据、用户交易数据以及所述第一历史时间段的用户的未来实际授信额度训练得到的。

在本申请实施例中，数据处理设备可以通过将用户数据输入到机器学习模型中，获得预测授信金额，有效降低授信运营成本和授信用时，进而提高反应市场风险的及时性和准确性，此外上述预测授信额度可以直接分配至银行的各分支机构，以供相关人员使用，大量节省人工挑选成本，提高授信效率，进而有效提高资产证券化发行效率。

结合第一方面，在第一方面的某种实现方式中，上述业务交易特性包括下列至少一个：动账交易特性、出入金交易特性、查询交易特性、股票交易特性或外汇交易特性。

结合第一方面，在第一方面的某种实现方式中，上述用户授信数据还包括下列至少一个：上述待预测时间段内所述每个用户的授信额度之和、上述待预测时间段内上述每个用户的授信额度的平均值、上述待预测时间段内上述每个用户的授信额度的最大值、或上述待预测时间段内上述每个用户的授信额度的最小值。

结合第一方面，在第一方面的某种实现方式中，在上述获取待预测时间段的用户合约数据、用户授信数据以及用户交易数据之前，上述方法还包括：确定上述机器学习模型的目标准确率；上述获取待预测时间段的用户合约数据、用户授信数据以及用户交易数据，包括：在上述目标准确率大于或者等于阈值的情况下，获取上述待预测时间段的用户合约数据、用户授信数据以及用户交易数据。