外币兑换业务开办预测实现方法、装置及计算机设备

技术领域

本申请涉及数据处理技术领域，更具体地说是涉及一种外币兑换业务开办预测实现方法、装置及计算机设备。

背景技术

如今，为了方便客户资金需求，金融机构(如各银行网点)通常会开设多种业务，以外币兑换业务为例，外币通常是指本货币体系之外的流通货币。外币兑换是对个人客户提供的一项柜台服务，包括买入外币、卖出外币和一种外币兑换成另一种外币等服务。对于金融机构来说，可以通过不同货币之间的汇率变化来盈利。

然而，在实际应用中，将外币调度到个金融机构所花费的成本往往比较高，但某些金融机构对客户办理外币兑换业务所收取的服务费低于调度成本费，导致这些金融机构开设这项外币兑换业务会出现亏损现象。

发明内容

有鉴于此，为了解决上述技术问题，本申请提供了以下技术方案：

一方面，本申请提出了一种外币兑换业务开办预测实现方法，所述方法包括：

获取目标金融机构的待预测数据，其中，所述待预测数据包括第一时长内的客流量、第一级别客户的第一业务办理数据以及针对外币兑换业务的兑换咨询信息；

对所述客流量、所述第一业务办理数据以及所述兑换咨询信息分别进行特征提取，得到相应的数据特征；

基于所述目标金融机构对应的业务开办条件，对得到的多个所述数据特征进行分析，获得所述目标金融机构是否适合开办所述外币兑换业务的预测结果，其中，所述业务开办条件至少包括业务盈亏条件和业务办理客户条件。

可选的，所述基于所述目标金融机构对应的业务开办条件，对得到的多个所述数据特征进行分析，获得所述目标金融机构是否适合开办所述外币兑换业务的预测结果，包括：

将得到的多个所述数据特征输入外币兑换业务预测模型，得到所述目标金融机构是否适合开办所述外币兑换业务的预测结果；

其中，所述外币兑换业务预测模型基于神经网络算法，按照所述目标金融机构对应的业务开办条件，对样本数据特征进行训练得到。

可选的，所述将得到的多个所述数据特征输入外币兑换业务预测模型，得到所述目标金融机构是否适合开办所述外币兑换业务的预测结果，包括：

将得到的多个所述数据特征输入外币兑换业务预测模型，得到针对所述目标金融机构适合开办所述外币兑换业务的目标预测分数；

获取所述目标金融机构所在地区对应的分数阈值；

检测所述目标预测分数是否大于所述分数阈值，得到相应的检测结果；

生成与所述检测结果对应的预测提示信息，将所述预测提示信息发送至所述目标金融机构关联的预设终端。

可选的，所述将得到的多个所述数据特征输入外币兑换业务预测模型，得到所述目标金融机构是否适合开办所述外币兑换业务的预测结果，还包括：

获得与所述检测结果相匹配的预测报告，所述预测报告包含各所述待预测数据对所述检测结果的影响权重；

其中，在所述检测结果为所述目标预测分数小于或等于所述分数阈值的情况下，所述预测报告还包括所述目标金融机构的所述数据特征不满足的业务开办条件。

可选的，所述将得到的多个所述数据特征输入外币兑换业务预测模型，得到针对所述目标金融机构适合开办所述外币兑换业务的目标预测分数，包括：

将得到的多个所述数据特征输入外币兑换业务预测模型，得到各所述数据特征对所述目标金融机构适合开办所述外币兑换业务的特征预测分数；

按照多个所述数据特征各自的预测权重，对得到的多个所述特征预测分数进行加权运算，得到所述目标金融机构适合开办所述外币兑换业务的目标预测分数。

可选的，所述外币兑换业务预测模型的训练过程包括：

获取已开办所述外币兑换业务的样本金融机构的样本机构标识信息；

获取与所述样本机构标识信息关联的待筛选数据，其中，所述待筛选数据包括在第一时长内产生的样本客流量、第一样本身份属性信息、第二样本身份属性信息、外币盈利信息以及外币调度成本信息，所述第一样本身份属性信息是指在所述第一时长内，在所述样本金融机构申请办理任一业务的第一样本客户的身份属性信息；所述第二样本身份属性信息是指在所述第一时长内，在所述样本金融机构申请办理所述外币兑换业务的第二样本客户的身份属性信息；

对各所述待筛选数据进行分析，筛选满足训练条件的样本数据，其中，所述训练条件是指相应所述筛选数据的改变，对所述样本金融机构开办的外币兑换业务的影响值大于影响阈值；

对筛选出的所述样本数据分别进行特征提取，得到相应的样本特征向量；

将得到的多个样本特征向量输入预设神经网络进行学习，直至满足约束条件，由最后学习得到的神经网络结构确定外币兑换业务预测模型；

其中，所述预设神经网络包括基于遗传算法的误差逆向传播神经网络。

可选的，所述业务开办条件的获取过程包括：

获取所述目标金融机构所在地区的外币交易数据，以及在同级别地区开办所述外币兑换业务的金融机构中，在所述第一时长内办理所述外币兑换业务的平均客流量；

基于所述外币交易数据和所述平均客流量，确定针对金融机构开办外币兑换业务的业务盈亏条件和业务办理客户条件；

由所述业务盈亏条件和所述业务办理客户条件，确定针对所述目标金融机构的业务开办条件。

可选的，所述获取目标金融机构的待预测数据，包括：

接收目标金融机构的业务终端发送的外币兑换业务预测请求，所述外币兑换业务预测请求携带有所述目标金融机构的目标机构标识信息；

响应所述外币兑换业务预测请求，查询与所述目标机构标识信息关联的待预测数据。

又一方面，本申请提出了一种外币兑换业务开办预测实现装置，所述装置包括：

待预测数据获取模块，用于获取目标金融机构的待预测数据，所述待预测数据包括第一时长内的客流量、第一级别客户的第一业务办理数据以及针对外币兑换业务的兑换咨询信息；

特征提取模块，用于对所述客流量、所述第一业务办理数据以及所述兑换咨询信息分别进行特征提取，得到相应的数据特征；

分析预测模块，用于基于所述目标金融机构对应的业务开办条件，对得到的多个所述数据特征进行分析，获得所述目标金融机构是否适合开办所述外币兑换业务的预测结果，其中，所述业务开办条件至少包括业务盈亏条件和业务办理客户条件。

又一方面，本申请提出了一种计算机设备，所述计算机设备包括：至少一个通信接口、至少一个存储器和至少一个处理器，其中：

所述存储器，用于存储实现如上述的外币兑换业务开办预测实现方法的程序；

所述处理器，用于加载并执行所述存储器存储的所述程序，以实现如上述的外币兑换业务开办预测实现方法的各步骤。

由此可见，本申请提出了一种外币兑换业务开办预测实现方法、装置及计算机设备，在目标金融机构开办外币兑换业务之前，可以通过计算机设备获取该目标金融机构的如第一时长内的客流量、第一级别客户的第一业务办理数据以及针对外币兑换业务的兑换咨询信息等待预测数据，经过对这些待预测数据的特征提取，得到相应的数据特征后，可以基于该目标金融机构对应的业务开办条件，对这些数据特征进行分析，来确定目标金融机构是否适合开办外币兑换业务的预测结果，避免了目标金融机构未做调查分析直接开设外币兑换业务，很容易出现来目标金融机构办理金融机构的客户非常少，出现业务亏损问题。

附图说明

为了更清楚地说明本申请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申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1示出了本申请提出的外币兑换业务开办预测实现方法的一可选示例的流程示意图；

图2示出了本申请提出的外币兑换业务开办预测实现方法的又一可选示例的流程示意图；

图3示出了本申请提出的外币兑换业务开办预测实现方法的又一可选示例的流程示意图；

图4示出了本申请提出的外币兑换业务开办预测实现方法的又一可选示例的流程示意图；

图5示出了本申请提出的外币兑换业务开办预测实现装置的一可选示例的结构示意图；

图6示出了适用于本申请提出的外币兑换业务开办预测实现方法和装置的计算机设备的一可选示例的硬件结构示意图。

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。

需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

应当理解，本申请中使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换该词语。

如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

其中，在本申请实施例的描述中，除非另有说明，“/”表示或的意思，例如，A/B可以表示A或B；本文中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，在本申请实施例的描述中，“多个”是指两个或多于两个。以下术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。

另外，本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

参照图1，为本申请提出的外币兑换业务开办预测实现方法的一可选示例的流程示意图，该方法可以适用于计算机设备，该计算机设备可以是服务器或具有一定数据处理能力的业务终端，本申请实施例对该计算机设备的产品形式不做限定。如图1所示，该方法可以包括：

步骤S11，获取目标金融机构的待预测数据；

为了避免金融机构冒然开设外币兑换业务，因来该金融机构办理外币兑换业务的客户人数较少，收的业务办理服务费远低于调度成本费，而导致金融机构开设这项外币兑换业务会出现亏损现象等问题。本申请实施例提出在金融机构开设外币兑换业务之前，先预测该金融机构是否适合开设金融机构。

具体的，对于希望开办外币兑换业务的任一金融机构，可以记为目标金融机构，其可以通过业务终端向计算机设备发起外币兑换业务预测请求，以使计算机设备依据该请求携带的目标金融机构的目标机构标识信息，如机构代码等唯一标识符，来查询与该目标机构标识信息关联的各待预测数据，即用来预测该目标金融机构是否适合开办外币兑换业务的相关数据。

其中，上述获取的待预测数据可以包括第一时长(如一天、一周等，本申请对该第一时长的具体数值不做限制)内的客流量、第一级别客户的第一业务办理数据(如业务办理总次数等)以及针对外币兑换业务的兑换咨询信息(如咨询次数)等内容，本申请对该带预测数据包含的内容不做限制，可视情况而定。该第一级别客户可以是目标金融机构的VIP客户等重要客户，本申请对目标金融机构的级别划分方式不做详述。

步骤S12，对待预测数据包含的客流量、第一业务办理数据以及兑换咨询信息分别进行特征提取，得到相应的数据特征；

在实际应用中，对于不同类别的待预测数据的数据类型及其表示方式往往不同，甚至是非量化的数据内容，为了方便后续处理，可以先对获取的各待预测数据进行特征提取，得到相应的特征值，具体特征提取方法本申请不做限制，可以利用如神经网络算法等机器学习算法实现特征提取，得到如二进制数组成的数据特征，但并不局限于此，可视情况而定。

在一些实施例中，经过上述特征提取后所得到的数据特征，可以是对相应待预测数据进行特征提取所得到的数字化特征，之后，可以通过对其进行归一化处理，得到相应的特征向量；或者直接对各待预测数据进行特征提取，得到相应的特征向量，也就是说，上述数据特征可以是特征向量，也可以是能够表明相应待预测数据的特征参数，本申请对该数据特征的内容不做限制。

步骤S13，基于目标金融机构对应的业务开办条件，对得到的多个数据特征进行分析，获得目标金融机构是否适合开办外币兑换业务的预测结果。

在本申请实施例中，业务开办条件至少可以包括业务盈亏条件和业务办理客户条件，也就是说，本申请在评估一个金融机构是否适合开办外币兑换业务的情况下，不仅需要考虑该金融机构开办外币兑换业务是否能够盈利，还需要考虑可能会到该金融机构申请办理外币兑换业务的客流量等信息，当然，在评估金融机构是否适合开办外币兑换业务时，并不局限于本申请列举的这两种需要考虑的业务开办条件。

在实际应用中，对于上述业务开办条件，还可以结合该目标金融机构的规模、所在地区的经济发展情况以及规章规定等信息综合确定，因此，对于不同的金融机构，其对应的业务开办条件可能不同，也可能存在具有相同业务开办条件的多个金融机构等，可视情况而定，本申请对各金融机构对应的业务开办条件的内容及其确定方法不做限制。

按照上述方式，确定针对目标金融机构的业务开办条件的内容后，可以按照该内容对所获取的目标金融机构的多方面的数据特征进行分析，来确定该目标金融机构的目前各方面运营情况，是否符合该业务开办条件，如与该业务开办条件的匹配度达到多少，以此来得到目标金融机构是否适合开办外币兑换业务的预测结果。如该匹配度达到某一阈值，所得预测结果可以包括该目标金融机构适合开办外币兑换业务，根据需要还可以包括对各业务开办条件的匹配情况等参数。

相应地，若上述所得匹配度未达到上述阈值，所得预测结果可以包括目标金融机构不适合开办外币兑换业务，根据需要还可以包括对各业务开办条件的匹配情况等参数，以便目标金融机构在希望能够继续开办外币兑换业务的情况下，能够依据所得到的预测结果内容，获得针对目前经营情况的改善方案，使其能够越来越匹配上述业务开办条件，具体实现过程本申请不做详述。

综上，在本申请实施例中，在目标金融机构开办外币兑换业务之前，可以通过计算机设备获取该目标金融机构的如第一时长内的客流量、第一级别客户的第一业务办理数据以及针对外币兑换业务的兑换咨询信息等待预测数据，经过对这些待预测数据的特征提取，得到相应的数据特征后，可以基于该目标金融机构对应的业务开办条件，对这些数据特征进行分析，来确定目标金融机构是否适合开办外币兑换业务的预测结果，避免了目标金融机构未做调查分析直接开设外币兑换业务，很容易出现来目标金融机构办理金融机构的客户非常少，出现业务亏损问题。

参照图2，为本申请提出的外币兑换业务开办预测实现方法的又一可选示例的流程示意图，本实施例可以是对上述实施例描述的外币兑换业务开办预测实现方法的一可选细化实现方式，如图2所示，该方法可以包括：

步骤S21，获取目标金融机构的待预测数据；

步骤S22，对待预测数据包含的客流量、第一业务办理数据以及兑换咨询信息分别进行特征提取，得到相应的数据特征；

关于步骤S21和步骤S22的实现过程，可以参照上述实施例相应部分的描述，本实施例不做赘述。

步骤S23，将得到的多个数据特征输入外币兑换业务预测模型，得到针对目标金融机构适合开办外币兑换业务的目标预测分数；

可见，在本申请实施例中，可以基于神经网络算法，按照目标金融机构对应的业务开办条件，对样本数据特征进行训练，得到上述外币兑换业务预测模型，这样，在实际应用中，对于未开办外币兑换业务的任一金融机构，想要开办外币兑换业务之前，均可以利用预先训练得到的外币兑换业务预测模型，对输入的其具有的多个数据特征继续处理，得到其是否适合开办所述外币兑换业务的预测结果，但本申请对该外币兑换业务预测模型的预训练过程的实现方法不做限制。

在本申请提出的一些实施例中，如图3所示，上述外币兑换业务预测模型的训练过程可以包括但并不局限于以下步骤：

步骤S31，获取已开办外币兑换业务的样本金融机构的样本机构标识信息；

在实际应用中，可以收集目前已经开办外币兑换业务的样本金融机构的相关运营信息，构成用来训练外币兑换业务预测模型的样本数据，通常情况下，为了提高该外币兑换业务预测模型的训练可靠性及其预测结果的准确性，可以获取多个样本金融机构的样本数据，经过反复训练得到所需的外币兑换业务预测模型。

因此，本申请实施例可以先确定所要获取的样本数据所属的样本金融机构，如依据该目标金融机构的运营规模、所在地区的经济发展水平等多方面信息，来确定这些样本金融机构；当然，本申请也可以从已开办外币兑换业务的金融机构中，随机选定样本金融机构，以实现预测模型的训练，本申请对样本金融机构的确定方式不做限制，可视情况而定。

在确定所需样本金融机构之后，为了方便获取该样本金融机构的各类营业信息，可以先确定该样本金融机构的唯一标识信息，记为样本机构标识信息，用以区分识别不同的金融机构。该样本机构标识信息可以是机构代码、纳税号、信用代码等具有唯一特性的标识信息，本申请对样本机构标识信息的具体内容不做限制。

步骤S32，获取与样本机构标识信息关联的待筛选数据；

在本申请实施例中，所获取的待筛选数据可以包括在第一时长(如一天、一周等)内产生的样本客流量、第一样本身份属性信息、第二样本身份属性信息、外币盈利信息以及外币调度成本信息(如该样本金融机构在每个第一时长内，将外币从调拨到客户手上所需的成本等信息)等，但并不局限于本实施例列举的待筛选数据内容，可视情况而定。

其中，第一样本身份属性信息可以是指在上述第一时长内，在样本金融机构申请办理任一业务的第一样本客户的身份属性信息，如相应第一样本客户的职业、学历、年龄等信息；第二样本身份属性信息可以是指在上述第一时长内，在该样本金融机构申请办理外币兑换业务的第二样本客户的身份属性信息，如第二样本客户的职业、学历、年龄等信息，本申请对上述客户的身份属性信息包含的内容不做限制，可视情况而定。

可以理解，在本申请实施例中，为了方便描述，将在样本金融机构申请办理任一业务的客户记为第一样本客户，将在样本金融机构申请办理外币兑换业务的客户记为第二样本客户，可见，该第一样本客户群中可能包含第二样本客户群，本申请对上述具体的第一样本客户和第二样本客户不做限制。

在本申请提出的一些实施例中，由于一年中，不同季度办理外币兑换业务的客流量往往不同，为了进一步提高训练所得预测模型的准确性，在获取上述待筛选数据时，具体可以从过去相邻一年的相应时间段内，获取与样本机构标识信息关联的待筛选数据，具体获取过程不做详述。

步骤S33，对各待筛选数据进行分析，筛选满足训练条件的样本数据；

在实际应用中，对于上文获取的各待筛选数据，可能会存在一些数据，对相应样本金融机构是否开办外币兑换业务影响不大，几乎可以忽略的数据，这类数据对训练外币兑换业务预测模型基本无用，因此，本申请可以预先据此确定构建该预测模型的样本数据的训练条件，如相应筛选数据的改变，对样本金融机构开办的外币兑换业务的影响值大于影响阈值(其具体数值不做限制，可视情况而定)，但并不局限于训练条件的这一内容。

之后，计算机设备可以依据该训练条件，对获取的各待筛选数据进行分析，剔除不满足训练条件的无用数据，筛选出满足该训练条件的数据为样本数据，具体的，基于上文描述的训练条件的内容，可以获取每一个待筛选数据对相应样本金融机构开办的外币兑换业务的影响值，筛选该影响值大于影响阈值的数据为样本数据，但并不局限于这种筛选方式，且本申请对该影响值得具体获取方式不做限制。

步骤S34，对筛选出的样本数据分别进行特征提取，得到相应的样本特征向量；

关于步骤S34的实现过程，可以参照但并不局限于上文步骤S12相应部分的描述。

步骤S35，将得到的多个样本特征向量输入预设神经网络进行学习，直至满足约束条件，由最后学习得到的神经网络结构确定外币兑换业务预测模型。

在本申请提出的一些实施例中，上述预设神经网络可以包括基于遗传算法(Genetic Algorithm，GA)的误差逆向传播(Backward Propagation，BP)神经网络，但并不局限于该神经网络结构，可视情况而定。本申请仅以此为例进行模型训练过程示例说明。

具体的，可以依据输入预设神经网络的样本特征向量的特征个数，来确定BP神经网络结构，进而确定遗传算法需要优化的网络参数个数，之后，可以根据kolmogorov原理，构建一个三层BP神经网络，完成任意的n维到m维的映射，并配置一个隐层，具体的对于该神经网络，可以将上述得到的样本特征向量包含的特征个数作为输入层节点个数，将预测金融机构是否适合开办外币兑换业务这一预测结果作为输出层节点个数，并采用试凑法确定隐层节点个数，从而确定GA-BP神经网络结构。其中，为了提高预测模型准确性，及训练效率，本申请可以通过遗传算法输出的最优个体，作为BP神经网络初始权值和阈值，再对上述样本特征向量进行不断训练学习，得到所需的外币兑换业务预测模型。

对于上述外币兑换业务预测模型的训练过程中的约束条件可以包括：训练所得模型输出结果收敛或稳定，和/或对测试数据的预测结果的准确率大于准确阈值等，可以认为本次训练所得神经网络模型满足约束条件；反之，可以利用上述样本数据，继续对网络参数进行调整学习，直至满足该约束条件，将最后学习得到的神经网络结构确定外币兑换业务预测模型。本申请对该预测模型的训练实现过程不做详述，且并不局限于本申请实施例描述的这种模型训练实现方式。

按照上述方式预先训练得到外币兑换业务预测模型后，可以存储至计算机设备，这样，计算机设备得到目标金融各机构的多个数据特征后，可以直接将该数据特征输入至外币兑换业务预测模型，得到该目标金融机构适合开办外币兑换业务的目标预测分数，通常情况下，所得目标预测分数越大，说明该目标金融机构适合开办外币兑换业务的概率越大，即其数据特征与业务开办条件的匹配度越高。

步骤S24，获取目标金融机构所在地区对应的分数阈值；

步骤S25，检测目标预测分数是否大于分数阈值，得到相应的检测结果；

基于上文实施例相应部分的描述，对于不同地区的金融机构来说，由于所在地区的经济发展水平、规章制度以及对外币兑换业务的需求程度等往往不同，所以，为了提高预测准确性，本申请可以依据本实施例列举的这些参考因素，预先针对不同地区的金融机构配置对应的分数阈值，即判断该地区的金融机构适合开设外币兑换业务的预测分数临界值，但本申请对该分数阈值的具体数值不做限制。

因此，计算机设备得到目标金融机构的目标预测分数后，可以将其与该目标金融机构所在地区对应的分数阈值进行比较，若该目标预测分数大于该分数阈值，可以认为该目标金融机构适合开设外币兑换业务；反之，若该目标预测分数小于该分数阈值，可以认为该目标金融机构不适合开设外币兑换业务。

在本申请提出的一些实施例中，对于上述步骤S25的检测结果，可以包括但并不局限于上述目标预测分数小于或大于该分数阈值的判断结果，根据需要，还可以包括导致这一判断结果的主要数据特征，以便据此了解导致目标金融机构的不适合开办外币兑换业务的主要因素，在需要时，也能够辅助改善目标金融机构的运营情况，以使其能够更加适合开办外币兑换业务等。所以说，本申请对上述检测结果所包含的具体内容不做限制，可视情况而定。

步骤S26，生成与该检测结果对应的预测提示信息，将预测提示信息发送至目标金融机构关联的预设终端。

结合上述分析，该预警提示信息可以包括但并不局限于上文列举的检测结果内容，也就是说，本申请可以采用消息输出提示的方式，通知相关负责人这与预测结果，但对该预测提示信息的具体输出方式及内容不做限制，可视情况而定。

其中，目标金融机构关联的预设终端可以是针对外币兑换业务是否开办的预测功能，预先绑定的电子设备，如相关管理人员的手机、部署在目标金融机构的业务终端等，本申请对该预设终端的设备类型不做限制，可视情况而定。

在本申请提出的一些实施例中，当需要预测目标金融机构是否适合开办外币兑换业务的情况下，可以通过该目标金融机构的业务终端向计算机设备发送的外币兑换业务预测请求，此时该外币兑换业务预测请求可以携带有目标金融机构的目标机构标识信息，以使计算机设备能够通过响应外币兑换业务预测请求，查询与目标机构标识信息关联的待预测数据，具体查询实现过程不做详述。

基于此，在一种可能的实现方式中，上述将得到的多个所述数据特征输入外币兑换业务预测模型，得到目标金融机构是否适合开办所述外币兑换业务的预测结果的实现过程中，还可以获得与上述检测结果相匹配的预测报告，该预测报告可以包含各待预测数据对该检测结果的影响权重，如小于1的数值，但本申请对各待预测数据对该检测结果的影响权重的数值不做限制，可视情况而定。

通常情况下，待预测数据对预测模型得到相应检测结果做出的贡献越大，其影响权重越大；反之，待预测数据对预测模型得到相应检测结果做出的贡献越小，其影响权重越小，该影响权重大小可以依据上述预测模型的输出结果确定，但并不具局限于此，本申请对各待预测数据对应的影响权重的确定方式不做限制。

结合上述分析，在检测结果为目标预测分数小于或等于分数阈值的情况下，上述预测报告还可以包括目标金融机构的数据特征不满足的业务开办条件，即在预测目标金融机构不适合开办外币兑换业务的情况下，给出该目标金融机构具体是什么方面导致其不适合开办外币兑换业务，如盈利问题，客流量问题等，本申请对该预测报告的内容及其输出方式不做限制，可视情况而定。

在本申请提出的又一些实施例中，本申请将得到的多个数据特征输入外币兑换业务预测模型，也可以得到各数据特征对目标金融机构适合开办外币兑换业务的特征预测分数，之后，可以按照多个数据特征各自的预测权重，对得到的多个特征预测分数进行加权运算，得到目标金融机构适合开办所述外币兑换业务的目标预测分数。这种情况下，上述输出的检测结果可以包括该目标预测分数以及各特征预测分数，具体可以包含在预测报告中输出，以使观看该预测报告的用户，能够通过各特征预测分数，直观得知哪些数据特征不利于目标金融机构开办外币兑换业务。

需要说明，对于如何利用于外币兑换业务预测模型，得到上述目标预测分数的实现过程，并不局限于上文列举的两种实现方式。

综上，在本申请实施例中，在在目标金融机构开办外币兑换业务之前，将利用预先训练的外币兑换业务预测模型，对目标金融机构的如第一时长内的客流量、第一级别客户的第一业务办理数据以及针对外币兑换业务的兑换咨询信息等待预测数据进行分析，得到目标金融机构适合开设外币兑换业务的目标预测分数，之后，检测其与目标金融机构所在地区对应的分数阈值的大小关系，生成与所得检测结果对应的预测提示信息，发送至目标金融机构关联的预设终端，以辅助目标金融机构的负责人确定是否要开办外币兑换业务，避免目标金融机构直接开设外币兑换业务，容易出现来目标金融机构办理金融机构的客户非常少，出现业务亏损等情况的发生。

参照图4，为本申请提出的外币兑换业务开办预测实现方法的又一可选示例的流程示意图，本实施例可以是对上述实施例描述的外币兑换业务开办预测实现方法的又一可选细化实现方式，如图4所示，该方法可以包括：

步骤S41，获取目标金融机构的待预测数据；

步骤S42，对待预测数据包含的客流量、第一业务办理数据以及兑换咨询信息分别进行特征提取，得到相应的数据特征；

关于步骤S41和步骤S42的具体实现过程，可以参照但并不局限于上文实施例相应部分的描述，本实施例不做赘述。

步骤S43，获取目标金融机构所在地区的外币交易数据，以及在同级别地区开办外币兑换业务的金融机构中，在第一时长内办理外币兑换业务的平均客流量；

步骤S44，基于外币交易数据和平均客流量，确定针对金融机构开办外币兑换业务的业务盈亏条件和业务办理客户条件；

结合上述实施例相应部分的描述，对于不同地区的金融机构来看，确定其是否适合开办外币兑换业务的业务开办条件内容往往不同，为了保证所指定的业务开办条件能够适用于目标金融机构所在地区的经济发展，尤其是会涉及到外币的相关业务的发展等。本实施可以结合目标金融机构所在地区的外币交易数据，参照相同情况下的已开设外币兑换业务的金融机构，在第一时长内申请办理外币兑换业务的平均客流量等，这些能够表明相应金融机构所在地区用户对外币需求情况的信息，来制定目标金融机构的业务开办条件，但并不局限于上文列举的外币交易数据、平均客流量，根据需要还可以包括外币兑换业务的盈利数据等，本申请在此不做一一详述。

在实际应用中，针对不同地区的需求，可能需要具有一定盈利才适合开办外币兑换业务，也可能不太关注盈利情况，而主要关注客流量或客户办理外币兑换业务的需求等，当然，还可以会考虑其他方面的条件，本申请实施例主要以这两方面需求为例进行说明。所以，本申请可以结合上述获取的外币交易数据，来确定针对金融机构开办外币兑换业务的业务盈亏条件，如需要其盈利数值达到盈利阈值，才可能合适开办外币兑换业务；结合平均客流量，来确定针对金融机构开办外币兑换业务的业务办理客户条件，如申请办理外币兑换业务的客流量达到流量阈值，才可能合适开办外币兑换业务等，但并不局限于这种业务盈亏条件和业务办理客户条件的确定方式。

步骤S45，由业务盈亏条件和业务办理客户条件，确定针对目标金融机构的业务开办条件；

在本申请实施例中，可以直接由上述确定的业务盈亏条件和业务办理客户条件，直接构成针对目标金融机构的业务开办条件，也可以在此基础上，结合其他条件，来确定该业务开办条件，可视情况而定，本申请对此不做限制。

步骤S46，基于目标金融机构对应的业务开办条件，对得到的多个数据特征进行分析，获得目标金融机构是否适合开办外币兑换业务的预测结果。

关于步骤S46的具体实现过程，可以参照但并不局限于上文实施例相应部分的描述，如基于目标金融机构对应的业务开办条件，预先训练得到上述外币兑换业务预测模型，再将所得多个数据特征输入该外币兑换业务预测模型，得到该目标金融机构是否适合开办外币兑换业务的预测结果，具体实现过程本实施例不做详述。

综上，针对不同地区的金融机构，对其待预测数据进行特征提取，得到相应的多个数据特征后，可以基于针对不同金融机构制定的相应的业务开办条件，对相应金融机构所具有的多个数据特征进行分析，从而准确且可靠地确定该金融机构是否适合开办外币兑换业务的预测结果，辅助未开办外币兑换业务的金融机构，决定是否要开办外币兑换业务，避免了目标金融机构直接开设外币兑换业务，容易出现来目标金融机构办理金融机构的客户非常少，出现业务亏损等情况的发生。

参照图5，为本申请提出的外币兑换业务开办预测实现装置的一可选示例的结构示意图，该装置可以适用于计算机设备，如图5所示，该装置可以包括：

待预测数据获取模块11，用于获取目标金融机构的待预测数据，所述待预测数据包括第一时长内的客流量、第一级别客户的第一业务办理数据以及针对外币兑换业务的兑换咨询信息；

在一种可能的实现方式中，上述待预测数据获取模块11可以包括：

外币兑换业务预测请求接收单元，用于接收目标金融机构的业务终端发送的外币兑换业务预测请求，所述外币兑换业务预测请求携带有所述目标金融机构的目标机构标识信息；

待预测数据查询单元，用于响应所述外币兑换业务预测请求，查询与所述目标机构标识信息关联的待预测数据。

特征提取模块12，用于对所述客流量、所述第一业务办理数据以及所述兑换咨询信息分别进行特征提取，得到相应的数据特征；

分析预测模块13，用于基于所述目标金融机构对应的业务开办条件，对得到的多个所述数据特征进行分析，获得所述目标金融机构是否适合开办所述外币兑换业务的预测结果，其中，所述业务开办条件至少包括业务盈亏条件和业务办理客户条件。

在一种可能的实现方式中，为了获取上述业务开办条件，上述装置还可以包括：

条件数据获取模块，用于获取所述目标金融机构所在地区的外币交易数据，以及在同级别地区开办所述外币兑换业务的金融机构中，在所述第一时长内办理所述外币兑换业务的平均客流量；

子条件确定模块，用于基于所述外币交易数据和所述平均客流量，确定针对金融机构开办外币兑换业务的业务盈亏条件和业务办理客户条件；

业务开办条件确定模块，用于由所述业务盈亏条件和所述业务办理客户条件，确定针对所述目标金融机构的业务开办条件。

在一些实施例中，上述分析预测模块13可以包括：

模型预测单元，用于将得到的多个所述数据特征输入外币兑换业务预测模型，得到所述目标金融机构是否适合开办所述外币兑换业务的预测结果；

其中，所述外币兑换业务预测模型基于神经网络算法，按照所述目标金融机构对应的业务开办条件，对样本数据特征进行训练得到。

在一种可能的实现方式中，上述模型预测单元可以包括

目标预测分数得到单元，用于将得到的多个所述数据特征输入外币兑换业务预测模型，得到针对所述目标金融机构适合开办所述外币兑换业务的目标预测分数；

可选的，该目标预测分数得到单元可以包括：

特征预测分数得到子单元，用于将得到的多个所述数据特征输入外币兑换业务预测模型，得到各所述数据特征对所述目标金融机构适合开办所述外币兑换业务的特征预测分数；

加权运算子单元，用于按照多个所述数据特征各自的预测权重，对得到的多个所述特征预测分数进行加权运算，得到所述目标金融机构适合开办所述外币兑换业务的目标预测分数。

分数阈值获取单元，用于获取所述目标金融机构所在地区对应的分数阈值；

检测单元，用于检测所述目标预测分数是否大于所述分数阈值，得到相应的检测结果；

预测提示信息生成单元，用于生成与所述检测结果对应的预测提示信息，将所述预测提示信息发送至所述目标金融机构关联的预设终端。

在又一种可能的实现方式中，上述模型预测单元还可以包括：

预测报告获得单元，用于获得与所述检测结果相匹配的预测报告，所述预测报告包含各所述待预测数据对所述检测结果的影响权重；

其中，在所述检测结果为所述目标预测分数小于或等于所述分数阈值的情况下，所述预测报告还包括所述目标金融机构的所述数据特征不满足的业务开办条件。

在本申请提出的又一些实施例中，为了实现上述外币兑换业务预测模型的训练，本申请提出的外币兑换业务开办预测实现装置还可以包括：

样本机构标识信息获取模块，用于获取已开办所述外币兑换业务的样本金融机构的样本机构标识信息；

待筛选数据获取模块，用于获取与所述样本机构标识信息关联的待筛选数据；

其中，所述待筛选数据包括在第一时长内产生的样本客流量、第一样本身份属性信息、第二样本身份属性信息、外币盈利信息以及外币调度成本信息，所述第一样本身份属性信息是指在所述第一时长内，在所述样本金融机构申请办理任一业务的第一样本客户的身份属性信息；所述第二样本身份属性信息是指在所述第一时长内，在所述样本金融机构申请办理所述外币兑换业务的第二样本客户的身份属性信息；

样本数据筛选模块，用于对各所述待筛选数据进行分析，筛选满足训练条件的样本数据，其中，所述训练条件是指相应所述筛选数据的改变，对所述样本金融机构开办的外币兑换业务的影响值大于影响阈值；

样本特征向量得到模块，用于对筛选出的所述样本数据分别进行特征提取，得到相应的样本特征向量；

模型训练模块，用于将得到的多个样本特征向量输入预设神经网络进行学习，直至满足约束条件，由最后学习得到的神经网络结构确定外币兑换业务预测模型；

其中，所述预设神经网络包括基于遗传算法的误差逆向传播神经网络。

需要说明的是，关于上述各装置实施例中的各种模块、单元等，均可以作为程序模块存储在存储器中，由处理器执行存储在存储器中的上述程序模块，以实现相应的功能，关于各程序模块及其组合所实现的功能，以及达到的技术效果，可以参照上述方法实施例相应部分的描述，本实施例不再赘述。

本申请还提供了一种可读存储介质，其上存储有程序，该程序被处理器执行时实现上述外币兑换业务开办预测实现方法的各步骤，具体实现过程可以参照上述方法实施例相应部分的描述，本实施例不做赘述。

参照图6，为适用于本申请提出的外币兑换业务开办预测实现方法和装置的计算机设备的硬件结构示意图，该计算机设备可以是具有一定数据处理能力的业务终端或服务器。其中，该服务器可以是独立的物理服务器，也可以是多个物理服务器集成的服务集群，还可以是支持云计算能力的云服务器，服务设备可以通过有线或无线网络实现与业务终端，或其他设备的通信，满足实际数据交互需求，具体实现可以视情况而定，本申请在此不作详述。

上述业务终端可以是部署在目标金融机构的业务处理系统中，供工作人员使用为客户办理业务，或能够实现目标金融机构内部管理的电子设备，如智能手机、平板电脑、个人计算机(personalcomputer，PC)、上网本、个人数字助理(personal digital assistant，PDA)、台式计算机等，本申请对该业务终端的设备类别不做限制，在目标金融机构的整个业务处理系统中，根据需要通常可以包括多个相同或不同类型的业务终端，以满足不同业务的处理需求，本申请在此不做一一详述。

如图6所示，本申请提出的计算机设备可以包括：至少一个通信接口21、至少一个存储器22和至少一个处理器23，其中：

通信接口21、存储器22及处理器23均可以连接通信总线，以实现相互之间的数据交互，本申请对计算机设备内部的线路连接关系不做一一详述，可以依据实际应用场景的通信需求确定。

通信接口21可以包括通信模块的接口，如GSM模块、WIFI模块、实现移动通信网络(如5G、6G网络)数据通信的接口等，以便计算机设备通过这类通信接口实现与其他设备的数据交互；当然，该通信接口21还可以包括如USB接口、串/并口等接口，用于实现计算机设备内部组成部件之间的数据交互，如本申请提出的外币兑换业务开办预测实现方法执行过程中产生或所需的各种中间数据等，可以根据实际应用场景的需求确定，本申请不做一一详述。

存储器22可以存储用于实现本申请实施例提供的外币兑换业务开办预测实现方法的多个指令构成的程序，由处理器23调用并加载存储器22所存储的程序，从而实现本申请相应实施例提出的外币兑换业务开办预测实现方法，具体实现过程可以参照但并不局限于上文相应实施例的描述。

在本申请实施例中，存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件或其他易失性固态存储器件。处理器23，可以为中央处理器(Central Processing Unit，CPU)、特定应用集成电路(application-specificintegrated circuit，ASIC)、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件等。

可选的，在计算机设备为业务终端的情况下，本申请实施例提出的计算机设备还可以包括各种输入组件、各种输出组件、报警组件、图像采集组件等，可以依据该业务终端所支持的业务功能类型等确定，本申请在此不做详述。

应该理解，本申请上述实施例描述的计算机设备的结构并不构成对本申请实施例中计算机设备的限定，在实际应用中，计算机设备可以包括比图6所示及上文实施例描述的结构组成更多或更少的部件，本申请在此不做一一列举。

最后，需要说明的是，本说明书中各个实施例采用递进或并列的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置、计算机设备而言，由于其与实施例公开的方法对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。