资产筛选方法、装置、存储介质及处理器与流程

本申请涉及计算机，具体涉及一种资产筛选方法、一种资产筛选装置、一种机器可读存储介质及一种处理器。

背景技术：

1、目前资产保全业务的经营管理平台已经建立个人贷款(简称个贷)债权的转让功能模块。其中个贷债权转让的主要流程包括组建资产池、初选拟转让资产、入包资产复核确认、资产估值、尽职调查、资产发布(挂牌登记)、过渡期资产管理、资产交割(账务处理)、责任认定和追究等环节，通过系统全流程完成个贷债权转让的处置工作。

2、现有技术方案为在个贷债权转让流程中的初选拟转让资产步骤只能对资产进行正向粗筛，从贷款维度进行筛选，无法达到精细化的筛选(组包)需求。并且由于筛选条件存在许多约束条件为非线性，介于非线性的求解远比线性的求解困难很多，这是当前资产反向筛选组包的一个难点。

技术实现思路

1、本申请实施例的目的是提供一种资产筛选方法、一种资产筛选装置、一种机器可读存储介质及一种处理器。

2、为了实现上述目的，本申请第一方面提供一种资产筛选方法，包括：

3、响应于逆向筛选条件输入指令，确定逆向筛选条件；所述逆向筛选条件包括非线性约束条件；

4、获取多笔个人贷款的特征数据，以及每笔所述个人贷款的特征数据对应的标签；所述标签用于表征所述个人贷款是否进入资产池；

5、构建目标函数，以使筛选出的多笔个人贷款达到数额最大化；

6、通过核函数和主成分分析法将所述非线性约束条件转换成线性约束条件；

7、确定满足所述线性约束条件并使所述目标函数达到数额最大化的个人贷款的特征数据。

8、在本申请实施例中，所述通过核函数和主成分分析法将所述非线性约束条件转换成线性约束条件，包括：

9、通过核函数将所有个人贷款的特征数据，以及每笔所述个人贷款的特征数据对应的标签构成的多个样本点映射到目标维度特征空间；所述目标维度特征空间的维度数大于3；

10、在所述目标维度特征空间中通过超平面对所述多个样本点进行分类，以将所述非线性约束条件转换成线性约束条件。

11、在本申请实施例中，所述超平面通过以下公式表示：

12、

13、其中，wj表示超平面的一组向量，xi表示个人贷款的特征数据，φ(xi)表示将个人贷款的特征数据映射到目标维度特征空间后的数据，α表示权重系数，i、j、m分别表示个人贷款的特征数据的维度数。

14、在本申请实施例中，所述核函数包括线性核函数、多项式核函数以及高斯径向基函数中的任意一种。

15、在本申请实施例中，所述非线性约束条件通过以下公式表示：

16、r1≤∑i(xi*第i笔个人贷款的进入不良时的贷款余额*第i笔个人贷款的征信评分/剩余期限/个人平均月收入)≤r2；

17、其中，xi表示个人贷款的特征数据，r1和r2分别为第一下限和第一上限。

18、在本申请实施例中，所述非线性约束条件通过以下公式表示：

19、re1≤∑j(x回收率j*区域为分行区域的第j笔资产的进入不良时的贷款余额)/∑i(xi*第i笔个人贷款的资产余额)≤re2；

20、其中，xi表示个人贷款的特征数据，re1和re2分别为第二下限和第二上限，x回收率j表示第j笔个人贷款的回收率。

21、本申请第二方面提供一种资产筛选装置，所述资产筛选装置包括：

22、筛选条件确定模块，用于响应于逆向筛选条件输入指令，确定逆向筛选条件；所述逆向筛选条件包括非线性约束条件；

23、数据获取模块，用于获取多笔个人贷款的特征数据，以及每笔所述个人贷款的特征数据对应的标签；所述标签用于表征所述个人贷款是否进入资产池；

24、目标函数构建模块，用于构建目标函数，以使筛选出的多笔个人贷款达到数额最大化；

25、转换模块，用于通过核函数和主成分分析法将所述非线性约束条件转换成线性约束条件；

26、求解模块，用于确定满足所述线性约束条件并使所述目标函数达到数额最大化的个人贷款的特征数据。

27、在本申请实施例中，所述通过核函数和主成分分析法将所述非线性约束条件转换成线性约束条件，包括：

28、通过核函数将所有个人贷款的特征数据，以及每笔所述个人贷款的特征数据对应的标签构成的多个样本点映射到目标维度特征空间；所述目标维度特征空间的维度数大于3；

29、在所述目标维度特征空间中通过超平面对所述多个样本点进行分类，以将所述非线性约束条件转换成线性约束条件。

30、在本申请实施例中，所述超平面通过以下公式表示：

31、

32、其中，wj表示超平面的一组向量，xi表示个人贷款的特征数据，φ(xi)表示将个人贷款的特征数据映射到目标维度特征空间后的数据，α表示权重系数，i、j、m分别表示个人贷款的特征数据的维度数。

33、在本申请实施例中，所述核函数包括线性核函数、多项式核函数以及高斯径向基函数中的任意一种。

34、在本申请实施例中，所述非线性约束条件通过以下公式表示：

35、r1≤∑i(xi*第i笔个人贷款的进入不良时的贷款余额*第i笔个人贷款的征信评分/剩余期限/个人平均月收入)≤r2；

36、其中，xi表示个人贷款的特征数据，r1和r2分别为第一下限和第一上限。

37、在本申请实施例中，所述非线性约束条件通过以下公式表示：

38、re1≤∑j(x回收率j*区域为分行区域的第j笔资产的进入不良时的贷款余额)/∑i(xi*第i笔个人贷款的资产余额)≤re2；

39、其中，xi表示个人贷款的特征数据，re1和re2分别为第二下限和第二上限，x回收率j表示第j笔个人贷款的回收率。

40、本申请第三方面提供一种处理器，被配置成执行上述的资产筛选方法。

41、本申请第四方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得所述处理器被配置成执行上述的资产筛选方法。

42、本申请第五方面提供一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现根据上述的资产筛选方法。

43、通过上述技术方案，相比现有的初选拟转让资产步骤只能对资产进行正向粗筛，从贷款维度进行筛选。本申请基于个人贷款的特征数据和对应的标签进行资产筛选，满足精细化的筛选的需求。并且在处理个人贷款筛选的非线性约束条件时，本申请通过核函数和主成分分析法将所述非线性约束条件转换成线性约束条件，再确定满足所述线性约束条件并使所述目标函数达到数额最大化的个人贷款的特征数据，从而实现求解得到最优的个人贷款的特征数据，解决当前资产反向筛选组包的困难的问题。

44、本申请实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。

技术特征：

1.一种资产筛选方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述通过核函数和主成分分析法将所述非线性约束条件转换成线性约束条件，包括：

3.根据权利要求2所述的方法，其特征在于，所述超平面通过以下公式表示：

4.根据权利要求2所述的方法，其特征在于，所述核函数包括线性核函数、多项式核函数以及高斯径向基函数中的任意一种。

5.根据权利要求1所述的方法，其特征在于，所述非线性约束条件通过以下公式表示：

6.根据权利要求1所述的方法，其特征在于，所述非线性约束条件通过以下公式表示：

7.一种资产筛选装置，其特征在于，所述资产筛选装置包括：

8.根据权利要求7所述的装置，其特征在于，所述通过核函数和主成分分析法将所述非线性约束条件转换成线性约束条件，包括：

9.根据权利要求8所述的装置，其特征在于，所述超平面通过以下公式表示：

10.根据权利要求8所述的装置，其特征在于，所述核函数包括线性核函数、多项式核函数以及高斯径向基函数中的任意一种。

11.根据权利要求7所述的装置，其特征在于，所述非线性约束条件通过以下公式表示：

12.根据权利要求7所述的装置，其特征在于，所述非线性约束条件通过以下公式表示：

13.一种处理器，其特征在于，被配置成执行根据权利要求1至6中任意一项所述的资产筛选方法。

14.一种机器可读存储介质，该机器可读存储介质上存储有指令，其特征在于，该指令在被处理器执行时使得所述处理器被配置成执行根据权利要求1至6中任一项所述的资产筛选方法。

15.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序在被处理器执行时实现根据权利要求1至6中任一项所述的资产筛选方法。

技术总结本申请提供一种资产筛选方法、装置、存储介质及处理器，涉及计算机技术领域。其中方法包括：响应于逆向筛选条件输入指令，确定逆向筛选条件；获取多笔个人贷款的特征数据，以及每笔个人贷款的特征数据对应的标签；构建目标函数；通过核函数和主成分分析法将非线性约束条件转换成线性约束条件；确定满足线性约束条件并使目标函数达到数额最大化的个人贷款的特征数据。本申请基于个人贷款的特征数据和对应的标签进行资产筛选，满足精细化的筛选的需求。通过核函数和主成分分析法将非线性约束条件转换成线性约束条件，再确定满足线性约束条件并使目标函数达到数额最大化的个人贷款的特征数据，解决资产反向筛选组包的困难的问题。技术研发人员：傅莉莉,朱富荣,林宜领,庄佳和,林旺江,刘晓捷受保护的技术使用者：中国建设银行股份有限公司技术研发日：技术公布日：2024/9/9