[发明专利]银行自助设备的现金管理方法及装置

权利要求书

1.一种银行自助设备的现金管理方法，其特征在于，所述方法包括：

获取第一预设时间范围内的待预测银行自助设备的历史交易数据、历史客户构成数据和历史外部环境数据，所述历史交易数据包括所述待预测银行自助设备的历史存款金额和历史取款金额；

将所述历史交易数据、历史客户构成数据和历史外部环境数据输入至预先建立的现金需求预测模型进行预测，输出现金需求预测值，所述现金需求预测值包括预测轧差、时点流出最大预测值和时点流入最大预测值；

将所述历史交易数据输入至预先建立的现金库存预测模型进行预测，输出预测现金库存；

基于所述历史存款金额和所述历史取款金额判断所述待预测银行自助设备的类型，所述待预测银行自助设备的类型包括投放设备或者回笼设备；

针对不同类型的待预测银行自助设备，基于所述预测现金库存和所述现金需求预测值确定所述待预测银行自助设备对应的清机计划报告。

2.根据权利要求1所述的方法，其特征在于，还包括：

利用预先建立的监测模型实时监测所述现金需求预测模型，得到所述现金需求预测模型的平均误差；

当所述现金需求预测模型的平均误差满足预设阈值条件时，对所述现金需求预测模型进行重训练，所述阈值条件为当已完成预测的银行自助设备连续X天内存在Y天的交易量的平均误差超过阈值Z元时设置标志位1，X和Y为正整数，Z为正实数，X大于等于Y；

利用预先建立的监测模型实时监测所述现金库存预测模型，得到所述现金库存预测模型的预测占比，所述预测占比为所述已完成预测的银行自助设备的实际现金库存与预测现金库存的比值；

当所述现金库存预测模型的预测占比处于预设比例条件时，对所述现金库存预测模型进行重训练，所述比例条件为所述预测占比在不同的预设比例范围下的天数占比。

3.根据权利要求2所述的方法，其特征在于，所述利用预先建立的监测模型实时监测所述现金需求预测模型，得到所述现金需求预测模型的平均误差，包括：

获取特定数量的已完成预测的银行自助设备在第二设定时间范围内的历史轧差、所述预测轧差和所述预测轧差的条数，计算所述现金需求预测模型的轧差的平均误差；

获取特定数量的所述已完成预测的银行自助设备在第二设定时间范围内的历史时点流出最大值、所述时点流出最大预测值和所述时点流出最大预测值的条数，计算所述现金需求预测模型的时点流出最大值的平均误差；

获取特定数量的所述已完成预测的银行自助设备在第二设定时间范围内的历史时点流入最大值、所述时点流入最大预测值和所述时点流入最大预测值的条数，计算所述现金需求预测模型的时点流入最大值的平均误差。

4.根据权利要求2所述的方法，其特征在于，所述利用预先建立的监测模型实时监测所述现金库存预测模型，得到所述现金库存预测模型的预测占比，包括：

获取各个所述已完成预测的银行自助设备每个设定时间范围内的实际现金库存和所述预测现金库存，计算所述现金库存预测模型的预测占比。

5.根据权利要求1所述的方法，其特征在于，所述预先建立现金需求预测模型的过程，包括：

获取各个已完成预测的银行自助设备的样本数据，所述样本数据包括历史现金需求数据、历史客户构成数据和历史外部环境数据，所述历史外部环境数据至少包括节假日数据、天气数据和衍生数据；

对各个所述样本数据进行降维处理，得到各个降维后的样本数据；

将各个所述降维后的样本数据分别输入至机器学习算法XGBoost进行预测，得到各个所述降维后的样本数据对应的现金需求预测值；

针对每一所述降维后的样本数据，获取所述降维后的样本数据对应的现金需求预测值和现金需求实际值，得到各个所述降维后的样本数据分别对应的比值结果；

基于各个所述降维后的样本数据分别对应的比值结果和惩罚权重系数调整方案，判断是否已优化各个所述降维后的样本数据对应的现金需求预测值；

若是，确认现金需求预测模型的优化系数，并对所述机器学习算法XGBoost进行更新，得到更新后的机器学习算法XGBoost；

基于所述降维后的样本数据、所述更新后的机器学习算法XGBoost和所述惩罚权重系数调整方案，生成所述现金需求预测模型。