处理金融数据的方法和设备的制造方法
【技术领域】
[0001] 本发明实施例涉及数据处理技术领域，并且更具体地，涉及处理金融数据的方法 和设备。
【背景技术】
[0002] 银行或者其他金融机构经常需要分析对用户的资产进行评估。通常情况下，用户 的信息可以包括个人属性信息，例如年龄、性别、职业等。用户的信息还可以包括金融交易 数据，例如转账、收入、支出、贷款等。
[0003] 现有评估资产的方法是使用人工规则对用户的资产多少进行评估。例如，对于某 一用户，可以统计该用户过去3个月内的最大存款、过去3个月内最大单笔转入金额和过去 3个月的平均待发工资，根据上述数据估算出该用户当前可能的金融资产。
[0004] 使用人工规则估算金融资产考虑的因素过于简单，精度比较差，不能适用不同用 户的特点。当外界环境因素和用户的自身状况发生变化时不易调整计算规则。此外，人工 规则仅能够评估用户当前可能的资产总额，无法对该用户未来一段时间内的资产总额进行 预测。
【发明内容】
[0005] 本发明实施例提供处理金融数据的方法和设备，能够提高评估用户金融资产的准 确率和效率，并且能够预测该用户在未来的金融资产。
[0006] 第一方面，本发明实施例提供一种处理金融数据的方法，该方法包括：根据第一用 户集合中的用户的金融行为数据，从该第一用户集合中确定目标用户集合；确定该目标用 户集合中的每一个用户的金融行为数据和第一时刻的最大净资产数据；使用该目标用户集 合中的所有用户的金融行为数据和该第一时刻的最大净资产数据训练第一随机森林模型， 以便使用该第一随机森林模型确定该第一用户集合中的任一个用户在该第一时刻之后的 任一时刻的最大净资产数据。
[0007] 结合第一方面，在第一种可能的实现方式中，该金融行为数据包括以下一种或多 种：银行卡交易记录、信用卡交易记录、理财产品交易记录、不动产估值、贷款数据。
[0008] 结合第一方面或第一种可能的实现方式，在第二种可能的实现方式中，该根据该 第一用户集合中的用户的金融行为数据，确定该目标用户集合中的用户，包括：根据该第 一用户集合中的用户的金融行为数据，从该第一用户集合中选择出用户组成该目标用户集 合，其中该目标用户集合中的用户为以下任一种用户或者同时属于以下多种用户中的至少 两种用户：活跃用户、稳定用户以及月供用户，其中该活跃用户为在第一时间段内平均转入 资金高于第一门限的用户，在第二时间段内转出资金至不属于该第一用户集合所属的机构 的同名账户的次数低于第二门限的用户为该稳定用户，该月供用户为有不动产月供贷款的 用户。
[0009] 结合第二种可能的实现方式，在第三种可能的实现方式中，该最大净资产数据为 该第一时刻至第二时刻内按第一时间粒度统计的最大资产总值与月供贷款的差值，其中该 最大资产总值为该第一时刻至该第二时刻内按该第一时间粒度统计的最大资金数值和不 动产估值，该第二时刻在该第一时刻之前。
[0010] 结合第一方面或上述任一种可能的实现方式，在第四种可能的实现方式中，该方 法还包括：使用该第一随机森林模型确定该第一用户集合中的任一个用户在该第一时刻之 后的任一时刻的金融资产。
[0011] 结合第一方面或上述任一种可能的实现方式，在第五种可能的实现方式中，该方 法还包括：从该目标用户集合中确定更新用户，其中该更新用户在第三时刻的最大净资产 数据与该更新用户在该第一时刻的最大净资产数据不同，该第一时刻在该第三时刻之前； 从该第一随机森林模型中确定对应于该更新用户的决策树并从该第一随机森林模型中删 除对应于该更新用户的决策树；使用该更新用户的金融行为数据和该第三时刻的最大净资 产数据作训练第二随机森林模型；根据该第一随机森林模型和该第二随机森林模型，确定 更新随机森林模型，以便使用该更新随机森林模型确定该第一用户集合中的任一个用户在 该第三时刻之后的任一时刻的最大净资产数据。
[0012] 第二方面，本发明实施例提供一种设备，该设备包括：第一确定单元，用于根据第 一用户集合中的用户的金融行为数据，从该第一用户集合中确定目标用户集合；第二确定 单元，用于确定该目标用户集合中的每一个用户的金融行为数据和第一时刻的最大净资产 数据；第三确定单元，用于使用该第二确定单元确定的该目标用户集合中所有用户的金融 行为数据和该第一时刻的最大净资产数据训练第一随机森林模型，以便使用该第一随机森 林模型确定该第一用户集合中的任一个用户在该第一时刻之后的任一时刻的最大净资产 数据。
[0013] 结合第二方面，在第一种可能的实现方式中，该第一确定单元，具体用于根据该第 一用户集合中的用户的金融行为数据，从该第一用户集合中选择出用户组成该目标用户集 合，其中该目标用户集合中的用户为一下任一种或者同时属于以下多种用户中的至少两种 用户：活跃用户、稳定用户以及月供用户，其中该活跃用户为在第一时间段内平均转入资 金高于第一门限的用户，在第二时间段内转出资金至不属于该第一用户集合所属的机构的 同名账户的次数低于第二门限的用户为该稳定用户，该月供用户为有不动产月供贷款的用 户。
[0014] 结合第二方面或第一种可能的实现方式，在第二种可能的实现方式中，该设备还 包括：第四确定单元，用于使用该第一随机森林模型确定该第一用户集合中的任一个用户 在该第一时刻之后的任一时刻的金融资产。
[0015] 结合第二方面或上述任一种可能的实现方式，在第三种可能的实现方式中，该设 备还包括：第五确定单元，用于从该目标用户集合中确定更新用户，其中该更新用户在第三 时刻的最大净资产数据与该更新用户在该第一时刻的最大净资产数据不同，该第一时刻在 该第三时刻之前；该第三确定单元，还用于从该第一随机森林模型中确定对应于该更新用 户的决策树并从该第一随机森林模型中删除对应于该更新用户的决策树；该第三确定单 元，还用于使用该更新用户的金融行为数据和该第三时刻的最大净资产数据训练第二随机 森林模型；该第三确定单元，还用于根据该第一随机森林模型和该第二随机森林模型，确定 更新随机森林模型，以便使用该更新随机森林模型确定该第一用户集合中的任一个用户在 该第三时刻之后的任一时刻的最大净资产数据。
[0016] 上述技术方案确定出的第一随机森林模型可以用于预测用户在未来一段时间的 金融资产，而不是仅估算用户当前的金融资产。该第一随机森林模型是基于不同的训练样 本确定的。因此，该第一随机森林模型可以适用于具有不同特点的用户来估算金融资产。这 样可以提1?估算金融资广的效率并且具有较1?的准确率。
【附图说明】
[0017] 为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使 用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于 本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他 的附图。
[0018] 图1是根据本发明实施例提供的处理金融数据的方法的示意性流程图。
[0019] 图2是根据本发明提供的处理金融数据的方法的示意性流程图。
[0020] 图3是根据本发明实施例提供的设备的结构框图。
[0021] 图4是根据本发明实施例提供的设备的结构框图。
【具体实施方式】
[0022] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明 中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施 例，都应属于本发明保护的范围。
[0023] 图1是根据本发明实施例提供的处理金融数据的方法的示意性流程图。
[0024] 101，根据第一用户集合中的用户的金融行为数据，从该第一用户集合中确定目标 用户集合。
[0025] 102,确定该目标用户集合中的每一个用户的金融行为数据和第一时刻的最大净 资产数据。
[0026] 103,使用该目标数据集合中所有用户的金融行为数据和该第一时刻的最大净资 产数据训练第一随机森林模型，以便使用该第一随机森林模型确定该第一用户集合中的任 一个用户在该第一时刻之后的任一时刻的最大净资产数据。
[0027] 图1所示的方法能够通过选定合适的训练样本训练用于确定用户资产的第一随 机森林模型。这样，可以使用该第一随机森林模型预测用户的金融资产，而不是仅估算用户 当前的金融资产。该第一随机森林模型是基于不同的训练样本确定的。因此，该第一随机 森林模型可以适用于具有不同特点的用户来估算金融资产。这样可以提高估算金融资产的 效率并且具有较高的准确率。
[0028] 具体的，该第一用