资产包的处理方法及装置、存储介质和电子设备与流程

本技术涉及人工智能，具体而言，涉及一种资产包的处理方法及装置、存储介质和电子设备。

背景技术：

1、相关技术中，不良资产包的回款预测大多基于经验，从而会导致预估回款有一定的偏差。而且，在取得证券化资产池后，预测基础资产现金流前，相关技术中有一种是分析影响资产池现金回收的早偿因素。若债务人提前偿还了所有应付款义务，会导致资产池未来回收现金流低于预期，优先级受益人本金的分配速度加快，缩短其本金回收期，增加优先级受益人的再投资风险，其结果也会影响资产的估值。

2、故相关技术存在以下缺点：早偿概率的预测因干扰因素多，主观权重占比高，且资产包的回款预测往往依靠经验判断，缺乏数据支撑，从而会存在预测结果准确性低的情况。因此，相关技术中根据人工经验预测不良资产包中债务人的欠款可回收金额，会导致预测欠款可回收金额的准确性较低，进而会影响处理不良资产包的效果的问题。

3、针对相关技术中根据人工经验预测不良资产包中债务人的欠款可回收金额，导致预测欠款可回收金额的准确性较低，进而影响处理不良资产包的效果的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本技术的主要目的在于提供一种资产包的处理方法及装置、存储介质和电子设备，以解决相关技术中根据人工经验预测不良资产包中债务人的欠款可回收金额，导致预测欠款可回收金额的准确性较低，进而影响处理不良资产包的效果的问题。

2、为了实现上述目的，根据本技术的一个方面，提供了一种资产包的处理方法。该方法包括：获取每个目标对象的目标数据集合，其中，每个目标对象为资产包中向目标金融机构借款的对象，所述目标数据集合中至少包括：每个目标对象的属性数据、每个目标对象的资产数据和每个目标对象的借款数据；将每个目标对象的目标数据集合输入回款预测模型进行预测处理，输出预测的每个目标对象的还款金额；依据所述预测的每个目标对象的还款金额，对所述资产包进行处理。

3、进一步地，所述回款预测模型中至少包括还款意愿模型和还款能力模型，将每个目标对象的目标数据集合输入回款预测模型进行预测处理，输出预测的每个目标对象的还款金额包括：将每个目标对象的属性数据输入所述还款意愿模型进行处理，输出每个目标对象对应的第一比例值，其中，所述第一比例值用于表示每个目标对象的还款意愿情况；将每个目标对象的资产数据和借款数据输入所述还款能力模型进行处理，输出每个目标对象对应的第二比例值，其中，所述第二比例值用于表示每个目标对象的还款能力情况；基于每个目标对象对应的第一比例值和每个目标对象对应的第二比例值，得到预测的每个目标对象的还款金额。

4、进一步地，基于每个目标对象对应的第一比例值和每个目标对象对应的第二比例值，得到预测的每个目标对象的还款金额包括：基于每个目标对象对应的第一比例值和每个目标对象对应的第二比例值，计算得到每个目标对象对应的第三比例值，其中，所述第三比例值用于表示每个目标对象的还款情况；基于每个目标对象对应的第三比例值和每个目标对象的借款金额，得到预测的每个目标对象的还款金额。

5、进一步地，所述还款意愿模型为基于第一多边形构建的模型，将每个目标对象的属性数据输入所述还款意愿模型进行处理，输出每个目标对象对应的第一比例值包括：依据所述第一多边形和每个目标对象的属性数据，确定每个目标对象对应的第二多边形；分别计算所述第一多边形的面积和每个目标对象对应的第二多边形的面积；基于所述第一多边形的面积和每个目标对象对应的第二多边形的面积，得到每个目标对象对应的第一比例值。

6、进一步地，所述还款能力模型为基于第三多边形构建的模型，将每个目标对象的资产数据和借款数据输入所述还款能力模型进行处理，输出每个目标对象对应的第二比例值包括：依据所述第三多边形、每个目标对象的资产数据和借款数据，确定每个目标对象对应的第四多边形；分别计算所述第三多边形的面积和每个目标对象对应的第四多边形的面积；基于所述第三多边形的面积和每个目标对象对应的第四多边形的面积，得到每个目标对象对应的第二比例值。

7、进一步地，依据所述预测的每个目标对象的还款金额，对所述资产包进行处理包括：对所述预测的每个目标对象的还款金额进行汇总处理，得到所述资产包对应的可回收金额；基于所述资产包对应的可回收金额，对所述资产包进行处理。

8、进一步地，基于所述资产包对应的可回收金额，对所述资产包进行处理包括：利用资产证券化的方式，基于所述资产包对应的可回收金额，将所述资产包转变为证券；将所述证券转让至除所述目标金融机构之外的金融机构。

9、为了实现上述目的，根据本技术的另一方面，提供了一种资产包的处理装置。该装置包括：第一获取单元，用于获取每个目标对象的目标数据集合，其中，每个目标对象为资产包中向目标金融机构借款的对象，所述目标数据集合中至少包括：每个目标对象的属性数据、每个目标对象的资产数据和每个目标对象的借款数据；第一输入单元，用于将每个目标对象的目标数据集合输入回款预测模型进行预测处理，输出预测的每个目标对象的还款金额；第一处理单元，用于依据所述预测的每个目标对象的还款金额，对所述资产包进行处理。

10、进一步地，所述回款预测模型中至少包括还款意愿模型和还款能力模型，所述第一输入单元包括：第一处理模块，用于将每个目标对象的属性数据输入所述还款意愿模型进行处理，输出每个目标对象对应的第一比例值，其中，所述第一比例值用于表示每个目标对象的还款意愿情况；第二处理模块，用于将每个目标对象的资产数据和借款数据输入所述还款能力模型进行处理，输出每个目标对象对应的第二比例值，其中，所述第二比例值用于表示每个目标对象的还款能力情况；第一确定模块，用于基于每个目标对象对应的第一比例值和每个目标对象对应的第二比例值，得到预测的每个目标对象的还款金额。

11、进一步地，所述第一确定模块包括：第一计算子模块，用于基于每个目标对象对应的第一比例值和每个目标对象对应的第二比例值，计算得到每个目标对象对应的第三比例值，其中，所述第三比例值用于表示每个目标对象的还款情况；第一确定子模块，用于基于每个目标对象对应的第三比例值和每个目标对象的借款金额，得到预测的每个目标对象的还款金额。

12、进一步地，所述还款意愿模型为基于第一多边形构建的模型，所述第一处理模块包括：第二确定子模块，用于依据所述第一多边形和每个目标对象的属性数据，确定每个目标对象对应的第二多边形；第二计算子模块，用于分别计算所述第一多边形的面积和每个目标对象对应的第二多边形的面积；第三确定子模块，用于基于所述第一多边形的面积和每个目标对象对应的第二多边形的面积，得到每个目标对象对应的第一比例值。

13、进一步地，所述还款能力模型为基于第三多边形构建的模型，所述第二处理模块包括：第四确定子模块，用于依据所述第三多边形、每个目标对象的资产数据和借款数据，确定每个目标对象对应的第四多边形；第三计算子模块，用于分别计算所述第三多边形的面积和每个目标对象对应的第四多边形的面积；第五确定子模块，用于基于所述第三多边形的面积和每个目标对象对应的第四多边形的面积，得到每个目标对象对应的第二比例值。

14、进一步地，所述第一处理单元包括：第三处理模块，用于对所述预测的每个目标对象的还款金额进行汇总处理，得到所述资产包对应的可回收金额；第四处理模块，用于基于所述资产包对应的可回收金额，对所述资产包进行处理。

15、进一步地，所述第四处理模块包括：第一转换子模块，用于利用资产证券化的方式，基于所述资产包对应的可回收金额，将所述资产包转变为证券；第一转让子模块，用于将所述证券转让至除所述目标金融机构之外的金融机构。

16、为了实现上述目的，根据本技术的另一方面，提供了一种计算机可读存储介质，所述存储介质存储程序，其中，所述程序执行上述的任意一项所述的资产包的处理方法。

17、为了实现上述目的，根据本技术的另一方面，提供了一种电子设备，所述电子设备包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述的任意一项所述的资产包的处理方法。

18、通过本技术，采用以下步骤：获取每个目标对象的目标数据集合，其中，每个目标对象为资产包中向目标金融机构借款的对象，目标数据集合中至少包括：每个目标对象的属性数据、每个目标对象的资产数据和每个目标对象的借款数据；将每个目标对象的目标数据集合输入回款预测模型进行预测处理，输出预测的每个目标对象的还款金额；依据预测的每个目标对象的还款金额，对资产包进行处理，解决了相关技术中根据人工经验预测不良资产包中债务人的欠款可回收金额，导致预测欠款可回收金额的准确性较低，进而影响处理不良资产包的效果的问题。通过将每个目标对象的目标数据集合输入回款预测模型进行预测处理，输出预测的每个目标对象的还款金额，并依据预测的每个目标对象的还款金额，对资产包进行处理，从而可以提升预测不良资产包中债务人的欠款可回收金额的准确性，进而提升了处理不良资产包的效果。