(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111640907.0 (22)申请日 2021.12.2 9 (71)申请人 中国建设银行股份有限公司 地址 100033 北京市西城区金融大街25号 (72)发明人 陈鹏　李霞　苏培煌　吴盈艺　 (74)专利代理 机构 北京品源专利代理有限公司 11332 代理人 康欢欢 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 40/00(2012.01) G06K 9/62(2022.01) (54)发明名称 关联业务预测的方法、 装置、 电子设备及存 储介质 (57)摘要 本申请公开了一种关联业务预测的方法、 装 置、 电子设备及存储介质， 涉及数据处理技术领 域， 其中， 该方法包括： 获取加权系数矩阵， 所述 加权系数矩 阵为将肯德尔相关性矩 阵与斯皮尔 曼相关性矩 阵进行加权运算后生成的矩 阵所述 多维相依模型为采用VaR方法检验的模型； 对所 述加权系数矩 阵中的各金融产品的销售数据进 行监测， 并将监测到的触发预设销量条件的金融 产品作为目标金融产品； 从所述加权系数矩阵 中， 获取与所述目标金融产品的加权系数符合预 设条件的金融产品， 作为关联金融产品； 采用所 述多维相依模型对所述关联金融产品以及所述 目标金融产品进行销售预测。 从而充分挖掘出金 融产品之间的相关性， 及时提醒营销工作者加大 对关联金融产品推销力度。 权利要求书3页 说明书14页 附图3页 CN 114155048 A 2022.03.08 CN 114155048 A 1.一种关联业 务预测的方法， 其特 征在于， 所述方法包括： 获取加权系数矩阵， 所述加权系数矩阵为将肯德尔相关性矩阵与斯皮尔曼相关性矩阵 进行加权运算后生成的矩阵， 所述肯德尔相关性矩阵为采用预先训练的多维相依模型产生 的、 用于记录两两金融产品的肯德尔相关性系 数的矩阵， 所述斯皮尔曼相关性矩阵为采用 所述多维相依模型产生的、 用于记录两两金融产品的斯皮尔曼相关性系 数的矩阵； 所述多 维相依模型为采用风险价 值VaR方法检验的模型； 对所述加权系数矩阵中的各金融产品的销售数据进行监测， 并将监测到的触发预设销 量条件的金融产品作为目标 金融产品； 从所述加权系数矩阵中， 获取与 所述目标金融产品的加权系数符合预设条件的金融产 品， 作为关联 金融产品； 采用所述多维相依模型对所述关联金融产品以及所述目标金融产品进行销售预测， 所 述销售预测的结果用于 辅助相关人员判断是否加大对所述关联 金融产品的推销 力度。 2.根据权利要求1所述的方法， 其特 征在于， 所述多维相依模型采用如下 方式构建： 采集金融机构中各 金融产品在过去一段时间内的历史销售数据； 基于各金融产品的所述历史销售数据， 生成训练数据集以及测试 数据集； 采用所述训练数据集对预设的初始多维相依模型进行拟合； 采用所述测试 数据集以及所述VaR方法对拟合 好的多维相依模型进行假设检验。 3.根据权利要求2所述的方法， 其特征在于， 所述采用所述测试数据集以及所述VaR方 法对拟合 好的多维相依模型进行假设检验， 包括： 采用拟合好的多维相依模型产生各金融产品的销售数据 预测值， 并计算各金融产品的 销售数据预测值的总和， 作为所述金融机构的销售预测总和； 其中， 产生的所述销售数据预 测值的样本数量与所述测试 数据集中的样本数量相同； 计算所述测试 数据集中各样本的历史销售数据的总和， 作为测试集总和； 计算所述销售预测总和与所述测试集总和的差异， 并基于所述差异确定风险价 值值； 基于所述 风险价值值以及所述测试 数据集对拟合 好的多维相依模型进行假设检验。 4.根据权利要求3所述的方法， 其特征在于， 所述基于所述风险价值值以及所述测试数 据集对拟合 好的多维相依模型进行假设检验， 包括： 将t时刻的所述测试数据集中的观测数值与t时刻的所述风险价值值进行比较， 并根据 所述比较的结果确定t时刻的示 性数值； 根据一段时间观测到的所述示性数值， 以及， 观测数值大于同一时刻的风险价值值的 比例， 构建无 条件覆盖检验统计量 LRuc； 根据一段时间观测到的所述 示性数值的变化情况， 构建独立 性检验统计量 LRind； 根据所述 LRuc以及所述 LRind构建条件覆盖检验统计量 LRcc； 分别采用所述LRuc、 所述LRind及所述LRcc对所述多维相依模型进行检验， 且在所述 LRuc、 所述LRind及所述L Rcc对所述多维相依模 型的检验都通过时， 则判定对 所述多维相依 模型的检验通过。 5.根据权利要求2 ‑4任一项所述的方法， 在所述采用所述训练数据集对预设的初始多 维相依模型进行拟合之后， 还 包括： 在拟合过程中， 采用赤池信息准则AIC来选取最佳的模型， 作为拟合好的多维相依模权　利　要　求　书 1/3 页 2 CN 114155048 A 2型。 6.根据权利要求2 ‑4任一项所述的方法， 其特征在于， 所述基于各金融产品的所述历史 销售数据， 生成训练数据集以及测试 数据集， 包括： 对各金融产品的历史销售数据按照设定的单位 时间进行汇总， 得到各单位 时间的汇总 值； 针对各金融产品， 将所述金融产品的各单位 时间的汇总值组织成该金融产品的时间序 列数据； 将所有金融产品的时间序列数据组织成第一数据矩阵； 将所述第一数据矩阵转换成第二数据矩阵， 其中， 所述第二数据矩阵中的数值在[0,1] 之间； 将所述第二数据矩阵按照设定的划分比例划分成训练数据集以及测试 数据集。 7.根据权利要求1或2所述的方法， 其特征在于， 所述采用所述多维相依模型对所述关 联金融产品以及所述目标 金融产品进行销售预测， 包括： 基于预设预测次数， 在执行每一次预测时， 采用所述多维相依模型分别预测各关联金 融产品以及所述目标 金融产品在未来预设时间段内每天的销售数据预测值； 基于所述预测次数以及每次预测的销售数据 预测值， 分别计算各关联金融产品及所述 目标金融产品每天的销量预测平均值。 8.根据权利要求7 所述的方法， 其特 征在于， 还 包括： 获取所述金融机构的各金融产品的每天的销量预测平均值， 并计算各金融产品每天的 所述销量预测平均值的总和， 得到所述金融机构每天的销量预测总量。 9.根据权利要求8所述的方法， 其特 征在于， 所述方法还 包括： 若某个金融产品的所述销量预测平均值低于第一设定阈值， 或者， 所述销量预测总量 低于第二设定阈值， 则向相关管理经 营人员发出第一销量评估通知； 或者， 若某个金融产品的所述销量预测平均值高于第三设定阈值， 或者， 所述销量预测总量 高于第四设定阈值， 则向相关管理经 营人员发出第二销量评估通知。 10.根据权利要求1所述的方法， 其特征在于， 所述从所述加权系数矩阵中， 获取与 所述 目标金融产品的加权系数符合预设条件的金融产品， 作为关联 金融产品， 包括： 从所述加权系数矩阵中， 获取 所述目标 金融产品与其 他金融产品的目标加权系数； 将目标加权系数 大于预设系数阈值的金融产品作为关联 金融产品； 若不存在目标加权系数大于预设系数阈值的金融产品， 则将目标加权系数最大的前若 干个金融产品作为关联 金融产品。 11.一种关联业 务预测的装置， 其特 征在于， 所述装置包括： 加权系数矩阵获取模块， 用于获取加权系数矩阵， 所述加权系数矩阵为将肯德尔相关 性矩阵与斯皮尔曼相关性矩阵进 行加权运算后生成的矩阵， 所述肯德尔相关性矩阵为采用 预先训练的多维相依模型产生的、 用于记录两两金融产品的肯德尔相关性系 数的矩阵， 所 述斯皮尔曼相关性矩阵为采用所述多维相依模型产生的、 用于记录两两金融产品的斯皮尔 曼相关性系数的矩阵； 所述多维相依模型为采用风险价 值VaR方法检验的模型； 目标金融产品检测模块， 用于对所述加权系数矩阵中的各金融产品的销售数据进行监权　利　要　求　书 2/3 页 3 CN 114155048 A 3