一种金融产品管理方法、装置及电子设备

技术领域

本申请涉及数据挖掘领域，具体是一种金融产品管理方法、装置及电子设备。

背景技术

随着金融市场的纵深发展，金融产品日趋复杂多样，交叉联系不断加深。如何客观的对现有产品进行分析和评价，如何确立产品分级和适当性匹配机制，如何利用和管理丰富的产品结构，打造优质产品库，均是重要课题。目前金融产品存在相似产品重复开发、跨部门间不同产品沟通协作耗时长、评价指标繁多无法综合利用等的问题，故亟需运用量化的评价模型，综合考虑市场表现、发展潜力、价值贡献度等评价维度，对产品展开评价并实施分级分类管理。

目前对现有产品进行评价的课题研究，绝大多数是由一些金融服务机构提供的研究成果，或者是为调查研究所做的报告。目前产品评价的技术方法有如下几种：

1)层次分析法

层次分析法是由运筹学家萨蒂最早提出，它是一种系统分析方法。首先把系统层次化，根据系统的性质和总目标，把系统分解成不同的组成因素，并按照各因素之间的相互关联，以及隶属关系划分成不同层次的组合，构成一个层次的系统分析结果模型，然后计算出最底层的诸因素相对于最高层次系统的总目标的相对重要性权重，然后确定诸方案的优劣排序。该法通过建立结构模型或者是目标树，计算出合理的组合权重，最终得出综合指数。但该方法易受指标间的信息重叠的影响。

2)主成分分析法

主成分分析是指将多个指标转化为几个少数综合指标，而保持原指标大量信息的一种多元统计方法，其主要思想是对初始变量或指标进行约简，消除初始变量的多重共线性，从而得到新的综合变量称为主成分。主成分不仅保留了原始变量的绝大部分信息，而且彼此之间互不相关，剔除了一些重叠的信息，使得问题得到最佳综合简化。但该方法有时会丢失原始变量的信息；另外，运用不同的统计分析软件可能会可出特征向量不一致的结果，从而可能会导致分析结果不一致或相反的情况。

3)人工神经网络

神经网络是建立以权重描述变量与目标之间特殊的非线性关系模型，对事物的判断分析必须经过一个学习或训练过程，是一类模拟生物神经系统结构的模型。由大量处理单元组成的非线性自适应动态系统，它具有学习能力、记忆能力、计算能力以及智能处理功能，在不同程度和层次上模仿大脑的信息处理机理,具有大规模信息处理、分布式联想存储、自适应学习以及自组织的特点。但其需要的指标参数较多，且参数的选择没有有效的方法；对样本代表性要求高且对样本的依赖性较大等不足。

4)模糊评价法

对多种因素综合影响的事物或现象做出总的评价或评判，用模糊数学原理进行综合评价的方法。模糊综合评价是模糊数学在实际工作中的一种应用方式，它是一种涉及模糊因素的对象系统的综合评价方法，可以较好地解决综合评价中的模糊性，如事务类属性的不清晰性，评价专家认识的模糊性等。采用模糊综合评价法进行风险评价的基本思路是综合考虑所有风险因素的影响程度并设置权重区别各个因素的重要性。

5)专家打分法

专家打分法属于定性的研究法，首先是便是出某个特定产品可能涉及的影响因子，列出影响因素调查表，其次利用专家系统对影响因素的重要性进行评价，并综合成整个评价结果。但主要依靠人为判断，主观性太强。

因此，以上技术方法均存在各自局限性。

发明内容

针对现有技术中的问题，本申请提出一种金融产品管理方法、装置及电子设备，将层次分析法和模糊评价法相结合，解决层次评价指标很多时导致的其思维不能一致性的问题。

第一方面，本申请提供一种金融产品管理方法，包括：采集金融产品数据；构建产品评价指标库，利用模糊层次分析法确定评价指标的权重系数；将量化的评价指标值由可售产品粒度汇总至聚类产品粒度，计算单项聚类产品的综合评分，并根据所述综合评分结果对聚类产品进行管理。

进一步地，在一些实施例中，所述采集金融产品数据，包括：采集数据仓库中已有数据；以及采集全领域中的各组件和各系统的金融产品数据。

进一步地，在一些实施例中，所述构建产品评价指标库，包括：依据设定的评价标准和原则，划分金融产品的评价领域，并构建可售产品的评价指标库。

进一步地，在一些实施例中，所述通过模糊层次分析法确定评价指标的权重系数，包括：对所述评价指标进行分类，建立层次模型，所述层次模型包括所述评价领域与所述评价指标的对应层级关系；根据所述层次模型，将同一层中各个因素相对于上一层的相对重要性两两进行比较，建立判断矩阵；计算所述判断矩阵的最大特征值和特征向量，并根据所述最大特征值对所述判断矩阵进行一致性检验；如果一致性检验通过，则根据所述特征向量得到对应的各个评价指标的权重系数，否则调整所述判断矩阵的初始值再进行一致性检验。

进一步地，在一些实施例中，所述将量化的评价指标值由可售产品粒度汇总至聚类产品粒度，计算单项聚类产品的综合评分，包括：通过与不同的业务组件对接，获取可售产品粒度的各个评价指标的加工规则并将其量化，得到量化的评价指标值；根据所述量化的评价指标值和评价指标的权重系数，进行归一化计算，得到单项聚类产品的综合评分。

进一步地，在一些实施例中，所述根据所述量化的评价指标值和评价指标的权重系数，进行归一化计算，得到单项聚类产品的综合评分，包括：

进一步地，在一些实施例中，所述根据所述综合评分结果对聚类产品进行管理，包括：根据所述聚类产品的综合得分对其进行分级，并结合产品五层次理论，制定对应聚类产品的应对策略。

第二方面，本申请提供一种金融产品管理装置，包括：采集模块，用于采集金融产品数据；权重确定模块，用于构建产品评价指标库，利用模糊层次分析法确定评价指标的权重系数；评分模块，用于将量化的评价指标值由可售产品粒度汇总至聚类产品粒度，计算单项聚类产品的综合评分，并根据所述综合评分结果对聚类产品进行管理。

第三方面，本申请提供一种电子设备，所述电子设备包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序以实现如第一方面所述的金融产品管理方法。

第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现如第一方面所述的金融产品管理方法。

本发明实施例提出一种金融产品管理方法、装置及电子设备，将模糊评价法与层次分析法的优势结合起来，可以很好地解决层次评价指标很多时导致的其思维不能一致性的问题；并且，本发明实现了在线定量自动化产品评价，根据评价结果对聚类产品进行分级，并实现对分级结果的年度动态管理，为产品经营管理部门、资源配置部门在产品考核和资源配置时提供决策依据。

参照后文的说明和附图，详细公开了本发明的特定实施方式，指明了本发明的原理可以被采用的方式。应该理解，本发明的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内，本发明的实施方式包括许多改变、修改和等同。

针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用，与其它实施方式中的特征相组合，或替代其它实施方式中的特征。

应该强调，术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在，但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例的金融产品管理方法的处理流程图；

图2为本发明实施例的根据金融产品所构建的产品评价指标库；

图3为图1所示实施例的步骤S102中的通过模糊层次分析法确定评价指标的权重系数的方法流程图；

图4为本发明实施例的一种三层层次模型示意图；

图5为本发明实施例的确立各个评价领域、聚类产品、可售产品以及指标之间的对应关系的示意图；

图6为本发明实施例的一种权重系数表的示意图；

图7为本发明实施例的实现步骤S103的方法流程图；

图8为本发明实施例的产品五层次理论示意图；

图9为本发明实施例的金融产品管理方装置的结构示意图；

图10为本申请实施例的电子设备的系统构成的示意框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

对本申请实施例进行进一步详细说明之前，对本申请实施例中涉及的名词和术语进行说明，本申请实施例中涉及的名词和术语适用于如下的解释。

数据挖掘：是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。

聚类产品：是指根据产品业务逻辑，将可售产品按照趋同或是相近的产品特征，聚类而成的企业级统筹的管理对象，其与可售产品存在逻辑清晰、实时联动的映射关系，且具有同一聚类产品项下可售产品风险一致的特性。

粒度：粒度就是同一维度下，数据统计的粗细程度，是指数据仓库的数据单位中保存数据的细化或综合程度的级别。细化程度越高，粒度级就越小；相反，细化程度越低，粒度级就越大。数据仓库环境中粒度之所以是主要的设计问题，是因为它深深地影响存放在数据仓库中的数据量的大小，同时影响数据仓库所能回答的查询类型。粒度的大小需要数据仓库在设计时在数据量大小与查询的详细程度之间做出权衡。

本发明实施例提出一种金融产品管理评价方法，选取了将模糊综合评价法和层次分析法相互结合的综合评价方法。层次分析法能够将某一层上的因素相对于上一层各因素的重要性进行比较判断，构成判断矩阵，然后进行单排序和一致性检验，可以让使用者以直观的方式得出参数之间的相对权重，因而可靠性高、误差小。但当某一层次评价指标很多时(如四个以上)，其思维一致性很难保证，为了弥补这一缺陷，将模糊评价法与层次分析法的优势结合起来形成的模糊层次分析法，将能很好地解决层次评价指标很多时导致的其思维不能一致性的问题。

图1为本发明实施例的金融产品管理方法的处理流程图。如图1所示，包括：

步骤S101，采集金融产品数据；

步骤S102，构建产品评价指标库，利用模糊层次分析法确定评价指标的权重系数；

步骤S103，将量化的评价指标值由可售产品粒度汇总至聚类产品粒度，计算单项聚类产品的综合评分，并根据所述综合评分结果对聚类产品进行管理。

具体实施时，在本实施例的步骤S101中，采集金融产品数据，包括对数据仓库已有数据的采集以及各个组件和系统数据的采集，使得产品分级更全面和准确，具体为：

1)数据仓库数据采集

对数据仓库已有的数据进行分析，将产品分级分类涉及到数据表采集进产品分析与评价数据库，进行指标和标签加工。

2)各组件产品数据收集

为了更全面、更准确的对产品进行分级管理，进而从各组件、各系统进行数据采集，以满足全领域可售产品分级分类指标的数据收集工作。

本实施例的步骤S102中，构建产品评价指标库，具体为：依据设定的评价标准和原则，划分金融产品的评价领域，并构建可售产品的评价指标库。

在一些实施例中，针对本申请具体实施中的金融产品，依据评价的标准和原则，构建包括存款、信贷、贷记卡、收单、分期、存托管及监管、代理机构、代理销售、代理资金结算、代理委托贷款、金融市场、客户资产管理、现金管理、贸易融资、投资理财、投资银行、咨询顾问、支付结算、同业业务、渠道、客户服务平台、社会化服务平台等22个评价领域。并且，选取最能全面展现金融产品的评价指标，并对存在重复或是相似的指标进行剔除，最终可以按照绩效、市场与客户、业务量、风险、创新能力等五大维度，并根据该五大维度包括的共计41个产品评价指标构建了产品评价指标库(如图2所示)。

图2所示实施例的产品评价指标库中，一级指标包括绩效、市场与客户、业务量、风险、创新能力共5个，二级指标包括收益率、商户数、发卡量、不良贷款率、产品关联度等共41个。

图3为本发明实施例的步骤S102中的通过模糊层次分析法确定评价指标的权重系数的方法流程图。如图3所示，该方法具体可以包括：

步骤S301，对所述评价指标进行分类，建立层次模型，所述层次模型包括所述评价领域与所述评价指标的对应层级关系；

步骤S302，根据所述层次模型，将同一层中各个因素相对于上一层的相对重要性两两进行比较，建立判断矩阵；

步骤S303，计算所述判断矩阵的最大特征值和特征向量，并根据所述最大特征值对所述判断矩阵进行一致性检验；

步骤S304，如果一致性检验通过，则根据所述特征向量得到对应的各个评价指标的权重系数，否则调整所述判断矩阵的初始值再进行一致性检验。

模糊综合评价法作为定性分析和定量分析综合集成的一种常用方法，已在社会生活中得到广泛应用，而目前在实际应用中如何合理的确定各评价指标的权重是一个难点。在确定权重的方法中，以层次分析法最为突出，它是对非定量事件做定量分析的一种有效方法，将人们对复杂系统的思维过程数学化，并将人的主观判断为主的定性分析进行量化，将各种判断要素之间的差异数值化，帮助人们保持思维过程的一致性。

由于金融产品和评价因素众多，可将各个评价指标进行分类组合，如图4所示，形成一种层次结构，例如可以分为三层层次模型。为确立各个评价领域、聚类产品、可售产品以及指标之间的关系(如图5所示)，需要说明的是同一个评价领域的可售产品的评价指标是一致的，评价指标的选择是根据实际领域的特性来确定，故不同评价领域底下的可售产品的评价指标之间是不一定是一致的。一个可售产品仅属于一个聚类产品，一个聚类产品仅属于一个评价领域。故在实际确立权重时，只需确立评价领域和不同层级的评价指标的权重即可。

在步骤S302中，根据层次模型将同一层中各个因素相对于上一层两两进行比较，对每一层中各因素相对重要性给出一定的判断，进行两因素之间的比较，构造出某一层次因素相对于上一层的某一因素的判断矩阵，如下：

在判断矩阵(B

表1

在一些实施例中，有了判断矩阵(B

(B

上式中，λ

在实际分析中，由于客观事物的复杂性，使每一个判断矩阵都具有完全一致性是不可能的，为考察判断矩阵能否适用于层次分析，就要对判断矩阵做一致性检验。为检验判断矩阵的一致性，需要计算一致性指标：

上式中，n为判断矩阵的阶数。当矩阵的阶数小于3时，采用一致性检验算法比较好，当矩阵阶数较高时，一致性还需要加以修正。其算法如下：

其中，RI为修正因子，取值如下表2所示：

表2

通常情况下，当CR＞0.1时，则认为该判断矩阵满足一致性要求，否则，就需要调整判断矩阵的最初取值。

一些实施例中，结合上述层次分析法确定权重的算法，将其应用到金融产品确定产品指标权重中，可以得到如图6所示的权重系数表。从图6所示的权重系数表中可以看出，针对不同的评价领域，一级指标和二级指标分别对应的权重系数值。

图7为本发明实施例的步骤S103中的“将量化的评价指标值由可售产品粒度汇总至聚类产品粒度，计算单项聚类产品的综合评分”的方法流程图。如图7所示，该方法具体可以包括：

步骤S701，通过与不同的业务组件对接，获取可售产品粒度的各个评价指标的加工规则并将其量化，得到量化的评价指标值；

步骤S702，根据所述量化的评价指标值和评价指标的权重系数，进行归一化计算，得到单项聚类产品的综合评分。

在一些实施例中，通过与不同的业务组件对接，获取可售粒度的各个评价指标的加工规则并将其量化，得到量化的评价指标值。然后，根据所述量化的评价指标值和评价指标的权重系数，进行归一化计算，形成一个归一化的数值，也就是单项聚类产品的综合评分值，即：

其中，S为单项聚类产品的综合得分，T

本发明实施例中，在得到单项聚类产品的综合得分后，对聚类产品进行分级分类管理。一些实施方式中，可以根据综合得分结果，将同一领域下所有聚类产品按照其最终的综合得分的排名百分比确定等级，遵循“分数—百分比例—等级—应对策略”的等级应对路径对聚类产品进行分级分类管理，例如，取前20％作为二级产品，前20％至前80％作为三级产品，其余作为四级产品，停售产品作为五级产品单独判定。

由于现代产品竞争取胜的关键不在于企业生产提供何种产品，而在于他们能赋予产品什么样的附加价值。现阶段，客户对产品的关注度、期待值随着经济的发展而得到提升，除了一些基本因素如价格、收益外，各种配套服务、风控能力等延伸的效益也直接影响客户的满意程度。故根据分级结果，参考产品五层次理论(如图8所示)制定产品的应对策略。

在生产者视角的基础上，引入了消费者的视角，完整地解释消费者选购和消费产品的全部心理过程，使产品效用和价值的形成具有双向互动性，用市场主体的双方对产品的视角同时、更好的为产品的研发和营销提供指导。其中：

核心产品，即客户从银行产品的使用或消费中得到的的基本服务或利益。金融市场环境多变，而银行核心业务却保持相对稳定的特性。对银行来说，其核心产品通常是存贷业务为主，还包括支付结算等传统的中间业务及其配套服务。

基础产品，是核心产品借以发挥作用的载体，包含对其形态、品质、品牌等的定位与设计，一般是指不同期限、用途、收益的实物。

期望产品，即顾客所希望得到的、与产品本身密切相关的一组条件或属性，它提供了对于基础产品的高层次服务感知。

扩大产品，也称附加产品，是客户从银行产品中获得的增值服务和利益。

潜在产品，代表企业产品的演变方向或趋势，对于商业银行而言，是以混业经营思维为导向的产品创新。

通过以上的金融产品管理评价及分级分类方法，可实现在线定量自动化产品评价，根据评价结果对聚类产品进行分级，并实现对分级结果的年度动态管理，为产品经营管理部门、资源配置部门在产品考核和资源配置时提供决策依据。在实施过程中，本发明将模糊评价法与层次分析法的优势结合起来，可以很好地解决层次评价指标很多时导致的其思维不能一致性的问题。

基于同一发明构思，本申请实施例还提供了一种金融产品管理装置，可以用于实现上述实施例所描述的方法，如下面的实施例所述。由于金融产品管理装置解决问题的原理与金融产品管理方法相似，因此金融产品管理装置的实施可以参见基于软件性能基准确定方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

参见图9，本申请实施例还提供一种金融产品管理装置，包括：采集模块901，用于采集金融产品数据；权重确定模块902，用于构建产品评价指标库，利用模糊层次分析法确定评价指标的权重系数；评分模块903，用于将量化的评价指标值由可售产品粒度汇总至聚类产品粒度，计算单项聚类产品的综合评分，并根据所述综合评分结果对聚类产品进行管理。

从硬件层面来说，本申请提供一种用于实现所述金融产品管理方法中的全部或部分内容的电子设备的实施例，所述电子设备具体包含有如下内容：

处理器(Processor)、存储器(Memory)、通讯接口(Communications Interface)和总线；其中，所述处理器、存储器、通讯接口通过所述总线完成相互间的通讯；所述通讯接口用于实现所述金融产品管理装置与核心业务系统、用户终端以及相关数据库等相关设备之间的信息传输；该逻辑控制器可以是台式计算机、平板电脑及移动终端等，本实施例不限于此。在本实施例中，该逻辑控制器可以参照实施例中的金融产品管理方法的实施例，以及金融产品管理装置的实施例进行实施，其内容被合并于此，重复之处不再赘述。

在实际应用中，金融产品管理方法的部分可以在如上述内容所述的电子设备侧执行，也可以所有的操作都在所述客户端设备中完成。具体可以根据所述客户端设备的处理能力，以及用户使用场景的限制等进行选择。本申请对此不作限定。若所有的操作都在所述客户端设备中完成，所述客户端设备还可以包括处理器。

上述的客户端设备可以具有通讯模块(即通讯单元)，可以与远程的服务器进行通讯连接，实现与所述服务器的数据传输。所述服务器可以包括任务调度中心一侧的服务器，其他的实施场景中也可以包括中间平台的服务器，例如与任务调度中心服务器有通讯链接的第三方服务器平台的服务器。所述的服务器可以包括单台计算机设备，也可以包括多个服务器组成的服务器集群，或者分布式装置的服务器结构。

图10为本申请实施例的电子设备的系统构成的示意框图。如图10所示，该电子设备可以包括处理器1和存储器2；存储器2耦合到处理器1。值得注意的是，该图10是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。

本申请实施例还提供一种能够实现上述实施例中的执行主体为服务器或客户端的金融产品管理方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的执行主体为服务器或客户端的金融产品管理方法的全部步骤。

综上所述，本发明实施例提出的金融产品管理方法、装置及电子设备、存储介质，可实现在线定量自动化产品评价，根据评价结果对聚类产品进行分级，并实现对分级结果的年度动态管理，为产品经营管理部门、资源配置部门在产品考核和资源配置时提供决策依据。并且，本发明将模糊评价法与层次分析法的优势结合起来，可以很好地解决层次评价指标很多时导致的其思维不能一致性的问题。

本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。