本申请实施例公开了一种债券产品的推荐方法、装置、计算机设备及存储介质，本方案获取当前时刻之前的一段历史时间段内客户对待推荐债券的债券售卖数据；根据债券售卖数据，分别确定不同统计时段内待推荐债券在多个售卖维度下的售卖参数；对不同统计时段内的售卖参数进行融合，得到客户的售卖意愿参考参数；通过神经网络模型对售卖意愿参考参数进行特征提取，得到客户售卖待推荐债券的交易特征；通过神经网络模型进行待推荐债券的售卖概率预测，得到当前时刻之后的一段未来时间段内的售卖概率；若售卖概率大于预设概率阈值，则为客户分配待推荐债券的售卖对接人，从而减少了债券交易过程中所花费的时间成本以及人力成本。券交易过程中所花费的时间成本以及人力成本。券交易过程中所花费的时间成本以及人力成本。
【技术实现步骤摘要】
一种债券产品的推荐方法、装置、计算机设备及存储介质
[0001]本申请涉及金融
，具体涉及一种债券产品的推荐方法、装置、计算机设备及存储介质。
技术介绍
[0002]随着社会的发展，银行间债券市场逐渐称为中国债券市场的主体，在该市场中商业银行等金融机构为主要参与者。目前业内在银行债券市场中通常采用双边谈判的成交模式，即由客户经理与持有债券的卖方客户进行沟通，以了解其目前所持有债券的具体情况，以及了解其所持有的债券的卖出意愿，并进而在明确其存在卖出意愿时客户经理再基于该债券的具体情况找到当前有购买需求的买方客户进行推荐，从而通过客户经理的点对点沟通，来达成债券的交易。
[0003]但由于卖方客户有时存在较多债券，倘若客户经理针对每一债券分别与卖方客户进行沟通，无疑会在债券交易过程中花费巨大时间成本以及人力成本。
技术实现思路
[0004]本申请实施例提供一种债券产品的推荐方法、装置、计算机设备及存储介质，可以减少债券交易过程中所花费的时间成本以及人力成本。
[0005]本申请实施例提供了一种债券产品的推荐方法，包括：
[0006]获取当前时刻之前的一段历史时间段内客户对待推荐债券的债券售卖数据；
[0007]根据上述债券售卖数据，分别确定不同统计时段内待推荐债券在多个售卖维度下的售卖参数，其中，不同统计时段均包括上述历史时间段的结束时刻，且距离上述结束时刻的时长不同；
[0008]对不同统计时段内的售卖参数进行融合，得到上述客户的售卖意愿参考参数；
[0009]通过神经网络模型对上述售卖意愿参考参数进行特征提取，得到上述客户售卖上述待推荐债券的交易特征；
[0010]通过上述神经网络模型基于上述客户售卖上述待推荐债券的交易特征，进行上述待推荐债券的售卖概率预测，得到上述当前时刻之后的一段未来时间段内的售卖概率；
[0011]若上述售卖概率大于预设概率阈值，则为上述客户分配上述待推荐债券的售卖对接人。
[0012]相应的，本申请实施例还提供了一种债券产品的推荐装置，包括：
[0013]数据获取模块，用于获取当前时刻之前的一段历史时间段内客户对待推荐债券的债券售卖数据；
[0014]参数确定模块，用于根据上述债券售卖数据，分别确定不同统计时段内待推荐债券在多个售卖维度下的售卖参数，其中，不同统计时段均包括上述历史时间段的结束时刻，且距离上述结束时刻的时长不同；
[0015]参数融合模块，用于对不同统计时段内的售卖参数进行融合，得到上述客户的售
卖意愿参考参数；
[0016]特征提取模块，用于通过神经网络模型对上述售卖意愿参考参数进行特征提取，得到上述客户售卖上述待推荐债券的交易特征；
[0017]预测模块，用于通过上述神经网络模型基于上述客户售卖上述待推荐债券的交易特征，进行上述待推荐债券的售卖概率预测，得到上述当前时刻之后的一段未来时间段内的售卖概率；
[0018]分配模块，用于若上述售卖概率大于预设概率阈值，则为上述客户分配上述待推荐债券的售卖对接人。
[0019]在一些实施例中，上述债券产品的推荐装置还包括状态确定模块和模型构建模块；
[0020]上述数据获取模块，还用于获取第一预设时刻之前的一段历史时间段内第一历史客户对第一历史债券的第一债券售卖历史数据；
[0021]上述状态确定模块，用于基于上述第一历史客户和上述第一历史债券，确定上述第一预设时刻之后的一段未来时间段内上述第一历史客户售卖上述第一历史债券的第一售卖状态；
[0022]上述模型构建模块，用于根据上述第一债券售卖历史数据和上述第一售卖状态构建神经网络模型，并对上述神经网络模型进行训练。
[0023]在一些实施例中，上述债券产品的推荐装置还包括评估模块；
[0024]上述数据获取模块，还用于获取第二预设时刻之前的一段历史时间段内第二历史客户对第二历史债券的第二债券售卖历史数据；
[0025]上述状态确定模块，还用于基于上述第二历史客户和上述第二历史债券，确定上述第二预设时刻之后的一段未来时间段内上述第二历史客户售卖上述第二历史债券的第二售卖状态；
[0026]上述预测模块，还用于通过上述神经网络模型基于上述第二债券交易数据，进行上述第二历史债券的售卖概率预测，得到上述第二预设时刻之后的一段未来时间段内的历史售卖概率；
[0027]上述评估模块，用于根据上述历史售卖概率和上述第二售卖状态对上述神经网络模型进行评估，得到评估结果。
[0028]在一些实施例中，上述债券产品的推荐装置还包括参数调整模块；
[0029]上述数据获取模块，还用于若上述评估结果不符合预设标准，则继续根据第三预设时刻获取第三预设时刻对应的第三债券售卖历史数据和第三售卖状态；
[0030]上述参数调整模块，用于根据上述第三债券交易数据和上述第三售卖状态对上述神经网络模型进行参数调整。
[0031]在一些实施例中，上述债券产品的推荐装置还包括处理模块；
[0032]上述处理模块，用于对上述第一债券售卖历史数据中的上述第一历史债券的第一发行代码进行归一化处理，得到上述第一历史债券的第一标识信息；
[0033]相应地，上述状态确定模块可以包括债券确定单元、处理单元和状态确定单元；
[0034]上述债券确定单元，用于确定上述第一预设时刻之后的一段未来时间段内上述第一历史客户卖出的各个债券；
[0035]上述处理单元，用于对上述第一历史客户卖出的每个债券的发行代码进行归一化处理，得到各个上述债券的第二标识信息；
[0036]上述状态确定单元，用于若各个上述债券的第二标识信息中存在与上述第一标识信息一致的标识信息，则将上述第一售卖状态确定为卖出状态。
[0037]在一些实施例中，上述处理模块还包括删除单元；
[0038]上述删除单元，用于若上述第一发行代码中存在标识发行场所的代码，则将上述第一发行代码中的上述标识发行场所的代码删除；
[0039]上述删除单元，还用于若上述第一发行代码中存在标识发行次数的代码，则将上述第一发行代码中的上述标识发行次数的代码删除；
[0040]上述删除单元，还用于若上述第一发行代码中存在标识增量的代码，则将上述第一发行代码中的上述标识增量的代码删除。
[0041]在一些实施例中，上述债券产品的推荐装置还包括类型获取模块和债券确定模块；
[0042]上述类型获取模块，用于若上述售卖概率小于或等于上述概率阈值，则获取上述待推荐债券的债券类型；
[0043]上述债券确定模块，用于根据上述债券类型确定上述客户所持有的债券中与上述债券类型一致的相似债券；
[0044]上述预测模块，还用于对上述客户所持有的除上述相似债券之外的债券进行售卖概率预测。
[0045]相应的，本申请实施例还提供了一种计算机设备，包括存储器，处理器及存储在储存器上并可在处理器上本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种债券产品的推荐方法，其特征在于，所述方法包括：获取当前时刻之前的一段历史时间段内客户对待推荐债券的债券售卖数据；根据所述债券售卖数据，分别确定不同统计时段内待推荐债券在多个售卖维度下的售卖参数，其中，不同统计时段均包括所述历史时间段的结束时刻，且距离所述结束时刻的时长不同；对不同统计时段内的售卖参数进行融合，得到所述客户的售卖意愿参考参数；通过神经网络模型对所述售卖意愿参考参数进行特征提取，得到所述客户售卖所述待推荐债券的交易特征；通过所述神经网络模型基于所述客户售卖所述待推荐债券的交易特征，进行所述待推荐债券的售卖概率预测，得到所述当前时刻之后的一段未来时间段内的售卖概率；若所述售卖概率大于预设概率阈值，则为所述客户分配所述待推荐债券的售卖对接人。2.根据权利要求1所述的方法，其特征在于，在通过神经网络模型对所述售卖意愿参考参数进行特征提取之前，还包括：获取第一预设时刻之前的一段历史时间段内第一历史客户对第一历史债券的第一债券售卖历史数据；基于所述第一历史客户和所述第一历史债券，确定所述第一预设时刻之后的一段未来时间段内所述第一历史客户售卖所述第一历史债券的第一售卖状态；根据所述第一债券售卖历史数据和所述第一售卖状态构建神经网络模型，并对所述神经网络模型进行训练。3.根据权利要求2所述的方法，其特征在于，在根据所述第一债券售卖历史数据和所述第一售卖状态构建神经网络模型之后，还包括：获取第二预设时刻之前的一段历史时间段内第二历史客户对第二历史债券的第二债券售卖历史数据；基于所述第二历史客户和所述第二历史债券，确定所述第二预设时刻之后的一段未来时间段内所述第二历史客户售卖所述第二历史债券的第二售卖状态；通过所述神经网络模型基于所述第二债券交易数据，进行所述第二历史债券的售卖概率预测，得到所述第二预设时刻之后的一段未来时间段内的历史售卖概率；根据所述历史售卖概率和所述第二售卖状态对所述神经网络模型进行评估，得到评估结果。4.根据权利要求3所述的方法，其特征在于，在得到评估结果之后，还包括：若所述评估结果不符合预设标准，则继续根据第三预设时刻获取第三预设时刻对应的第三债券售卖历史数据和第三售卖状态；根据所述第三债券交易数据和所述第三售卖状态对所述神经网络模型进行参数调整。5.根据权利要求2所述的方法，其特征在于，在获取第一预设时刻之前的一段历史时间段内第一历史客户对第一历史债券的第一债券售卖历史数据之后，还包括：对所述第一债券售卖历史数据中的所述第一历史债券的第一发行代码进行归一化处理，得到所述第一历史债券的第一标识信息；相应地，所述基于所述第一历史客户和所述第一...
【专利技术属性】
技术研发人员：李青锋，钟敬，黄国南，周奕希，
申请(专利权)人：平安银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。