[发明专利]一种银行大额存款业务处理方法及装置

说明书

本发明提供了一种银行大额存款业务处理方法及装置，利用主成分分析法从大额存款历史数据的多个特征中提取出影响大额存款利率的特征，作为大额存款特征。从大额存款历史数据中提取每个预设特征对应的特征值以及大额存款利率，得到大额存款利率预测模型的训练样本集和测试样本集，利用该训练样本集和测试样本集对预设神经网络模型进行训练和验证，得到大额存款利率预测模型。通过将客户的大额存款特征值输入到大额存款利率预测模型，可以得到与大额存款历史利率标准一致的、准确的大额存款利率预测值，系统可以直接根据该大额存款利率预测值为客户办理大额存款业务，提高了大额存款业务处理效率，提升了客户体验。

技术领域

本发明涉及数据处理技术领域，更具体的，涉及一种银行大额存款业务处理方法及装置。

背景技术

银行由于揽储困难，针对大额存款一般都会制定优惠政策，与普通存款不同的是，大额存款的利率不是固定的，如存款金额不同、存款期限、客户信用等因素都会影响大额存款利率。

在实际大额存款业务办理过程中，银行工作人员一般根据经验给客户提供一个与客户存款信息相对应的大额存款利率，客户基于该大额存款利率再进一步与银行工作人员商定最终大额存款利率。

由于银行工作人员提供给客户的大额存款利率依赖银行工作人员的经验，与大额存款历史利率标准很可能不一致，导致提供给客户的大额存款利率准确性较低。客户很可能并不认可该大额存款利率，可能会与银行工作人员反复商讨，无法快速达成一致，从而成功办理大额存款业务，导致目前大额存款业务处理效率低下。

发明内容

有鉴于此，本发明提供了一种银行大额存款业务处理方法及装置，根据大额存款利率预测模型为客户提供与其大额存款特征值相对应的大额存款利率预测值，不需要与客户商定，提高了大额存款业务的处理效率。

为了实现上述发明目的，本发明提供的具体技术方案如下：

一种银行大额存款业务处理方法，包括：

获取客户的大额存款特征值，所述大额存款特征值所对应的每个预设特征为预先根据主成分分析法从大额存款历史数据的多个特征中提取出来的影响大额存款利率的特征；

将所述大额存款特征值输入到大额存款利率预测模型中进行处理，得到大额存款利率预测值，所述大额存款利率预测模型为预先利用训练样本集对预设神经网络模型进行训练，并利用测试样本集对训练后的预设神经网络模型进行验证后得到的，所述训练样本集和所述测试样本集是通过从大额存款历史数据中提取每个所述预设特征对应的特征值以及大额存款利率后得到的；

根据所述大额存款利率预测值为客户办理大额存款业务。

可选的，所述方法还包括：

对预先存储的大额存款历史数据进行预处理；

对预处理后的大额存款历史数据进行标准化处理，生成特征矩阵；

计算所述特征矩阵中特征件的相关系数，生成特征间的相关系数矩阵；

依据所述相关系数矩阵计算每个主成分的特征值与特征向量；

计算每个所述主成分的贡献率，并按贡献率由高到低对所述主成分进行排序，将前N个所述主成分确定为影响大额存款利率的预设特征，N为大于1的正整数。

可选的，所述预设特征包括存款金额、存款期限、资产信息、信用情况、投资信息和基准利率。

可选的，所述方法还包括：

从预先存储的每条大额存款历史数据中提取与每个所述预设特征对应的特征值以及大额存款利率，得到多个样本数据；

将多个样本数据按照预设比例划分为所述训练样本集和所述测试样本集；