[发明专利]资产变动预测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种资产变动预测方法、装置、计算机设备和存储介质，获取目标层用户在预设周期的时序资产数据，将目标层用户的时序资产数据输入至预设的时序预测模型中，得到目标层用户的资产变动预测结果；其中，目标层用户表示根据入网时间划分的同一群体的用户，时序预测模型为基于多个用户在不同周期内的资产数据的时序特征构建的。可以在预测用户的资产变动趋势时引入了时间数据因素，从而使得用户的资产变动预测结果更加准确。

技术领域

本申请涉及金融技术领域，特别是涉及一种资产变动预测方法、装置、计算机设备和存储介质。

背景技术

在金融零售业务场景中，金融零售客户的资产变动，往往是刚性需求驱动，与电商互联网等可通过兴趣推测激发需求不一样。电商、游戏与内容互联网通过浏览、访问、购买等行为特征可以较为直接地推测其品类或者产品偏好，购买预测。但金融客户的资产变动具备周期性规律，并且因客户所处的人生阶段、市场竞争关系等，会产生与过往不一样的资产波动规律。例如，客户收入或者购买理财等对资产进行转入，由于消费或投资需要进行资产转出，这些对资产余额都会产生正向或者负向的影响。

基于此，在银行业务的金融产品营销中，为了精确地对金融零售客户提供适配的产品或权益，可以结合客户的资产管理需求，对客户资产趋势行为预测，根据趋势情况提前做好圈客，完成资产保持类的营销活动，因此，预测客户的资产变动趋势，提高预测准确性，可以实现提升圈客准确性并提高转化概率的效果。

然而，相关技术中常用的对客户的资产变动进行识别的方法，导致在金融零售业务场景中，用户资产变动预测准确率较低。

发明内容

本申请实施例提供一种资产变动预测方法、装置、计算机设备和存储介质，可以提高用户资产变动的预测准确率。

第一方面，本申请实施例提供一种资产变动预测方法，该方法包括：

获取目标层用户在预设周期的时序资产数据；目标层用户表示根据入网时间划分的同一群体的用户；

将目标层用户的时序资产数据输入至预设的时序预测模型中，得到目标层用户的资产变动预测结果；时序预测模型为基于多个用户在不同周期内的资产数据的时序特征构建的。

在其中一个实施例中，上述时序预测模型包括周期分层模型和时序趋势预测模型；则上述将目标层用户的时序资产数据输入至预设的时序预测模型中，得到目标层用户的资产变动预测结果，包括：

将目标层用户的时序资产数据输入至周期分层模型中，通过周期分层模型确定目标层用户在预设周期内每个月的在网资产活跃次数，并基于在网资产活跃次数和时序资产数据进行周期检验，得到新的时序资产数据；

将新的时序资产数据输入至时序趋势预测模型中，通过时序趋势预测模型预测目标层用户的下一周期的资产变动趋势，得到目标层用户的资产变动预测结果。

在其中一个实施例中，上述通过周期分层模型确定目标层用户在预设周期内每个月的在网资产活跃次数，包括：

对时序资产数据进行配对处理，得到多个向上对和多个向下对；

根据多个向上对的总数量和多个向下对的总数量数之间的差值，确定时序资产数据对应在预设周期内每个月的趋势方向；趋势方向包括无趋势、向上趋势和向下趋势中任一种；

根据趋势方向和活跃次数的对应关系，确定目标层用户在预设周期内每个月的在网资产活跃次数；其中，无趋势和向上趋势对应的活跃次数均为1，向下趋势对应的活跃次数为0。

在其中一个实施例中，上述基于在网资产活跃次数和时序资产数据进行周期检验，得到新的时序资产数据，包括：