本金乘以利率產生利息，然後就會出現超出精度的小數字，
那麼如何確保銀行對賬能相差最低呢？
數學上又如何稱呼這個問題？
對於這種問題又產生了什麼樣的數學模型，又衍生了什麼樣的問題？
ps：如乙個典型的還貸款問題：
總量是8萬,系統的精度是兩位小數字。
80000（總量） x 0.015（利率） = 1200（利息）。
然後該總量放貸給n個人。
然後客戶還款的時候，出現如下情況：
123.3（借款數） x 0.015 （利率）= 1.8495 （利息）
如果四捨五入的話。使用者還款就是1.85了
這樣的話就多了0.0005 的數量。
如果每乙個客戶的金額都會產生超出系統精度的小數字。
那麼該總量平攤的越多，最後還款的總和會大於1200.
雖然銀行多得到了錢，但這樣是對不上總賬的。
反過來，如果銀行是借客戶這麼多錢呢？那麼銀行需要多掏錢給客戶了。
如果不採取四捨五入呢？
123.3（借款數） x 0.015 （利率）= 1.8495 （利息）
不採取四捨五入，客戶還1.84，少了0.0095.
那麼結果是客戶沒有還夠系統的利息，對賬時，總還款金額會變少。
捨去位的數值小於5時，直接捨去；
捨去位的數值大於等於6時，進製後捨去；
當捨去位的數值等於5時，分兩種情況：5後面還有其他數字（非0），則進製後捨去；若5後面是0（即5是最後一位），則根據5前一位數的奇偶性來判斷是否需要進製，奇數進製，偶數捨去。
這樣如果假設從四捨五入位開始+後兩位：000——999出現的概率是相同的（平均分布）。
（例如0.51元要捨入到0元或1元）
那麼捨去末兩位，銀行所獲得的收益，與進一位，銀行所獲得的損失，總計是相等的。
可以類似把x01——x49與x99——x51的損益相對應，正好相互抵消（x=0，1。。。9）。
剩餘050，150，250。。。950這十個數，逢奇進，逢偶舍。
則050，250。。。850銀行共獲利（捨去）50*5=250
150，350。。。950銀行共損失（進製）50*5=250
這十個數的損益同樣相互抵銷，所以捨去和進製的總損益相加為0。
所以如採用這種捨入方法，銀行理論上總體是不賺不虧的，而傳統的四捨五入，銀行在平均分布的假設下損失是大於收益的。
當然在實際中000——999是否接近平均分布，這是可以進一步討論的。
參考資料：建議25： 不要讓四捨五入虧了一方
捨去位的數值小於5時，直接捨去；
捨去位的數值大於等於6時，進製後捨去；
當捨去位的數值等於5時，分兩種情況：5後面還有其他數字（非0），則進製後捨去；若5後面是0（即5是最後一位），則根據5前一位數的奇偶性來判斷是否需要進製，奇數進製，偶數捨去。
這樣如果假設從四捨五入位開始+後兩位：000——999出現的概率是相同的（平均分布）。
（例如0.51元要捨入到0元或1元）
那麼捨去末兩位，銀行所獲得的收益，與進一位，銀行所獲得的損失，總計是相等的。
可以類似把x01——x49與x99——x51的損益相對應，正好相互抵消（x=0，1。。。9）。
剩餘050，150，250。。。950這十個數，逢奇進，逢偶舍。
則050，250。。。850銀行共獲利（捨去）50*5=250
150，350。。。950銀行共損失（進製）50*5=250
這十個數的損益同樣相互抵銷，所以捨去和進製的總損益相加為0。
所以如採用這種捨入方法，銀行理論上總體是不賺不虧的，而傳統的四捨五入，銀行在平均分布的假設下損失是大於收益的。
當然在實際中000——999是否接近平均分布，這是可以進一步討論的。
參考資料：建議25： 不要讓四捨五入虧了一方
金融和銀行領域一般不用四捨五入，而是用四捨六入五成雙法。
四捨六入好理解，"五成雙"比較繞，如果保留位是5的話，根據5後面的數字來定，當5後有數時，舍5向前入1；當5後無有效數字時，分兩種情況來講：
第一種情況：5前為奇數，舍5入1；
第二種情況：5前為偶數，5捨去不進製（0是偶數）。
編輯於 2019-04-29
銀行會把存款貸款利息按科目分別彙總，但是根本不會算利息和本金的關係，實際上關係也不大，一筆存款存了34天另一筆244天，活期還有本金變動，利率也不一致，貸款利率是需要分別定價的，根本沒法核算本金利息利率的關係。
必要時可以提高精度，當不差不少錢的時候不解決，算一整天不夠電費的呢。關鍵看對誤差的容忍度。
比如我們買肉，零頭抹了。買包子就不能抹。
而且抹了錢也不會憑空消失，乙個人佔了便宜乙個人吃了虧，但是兩個人樂意，就行。
我們只碰到過匯率精度問題，美金換乙個什麼很水的錢的時候，精度用少了，誤差不可接受。改decimal就沒事了。除不盡一般不是問題。
ORACLE如何處理海量資料
當前資料存在的問題 一 資料量過大，資料中什麼情況都可能存在。如果說有10條資料，那麼大不了每條去逐一檢查，如果資料上到千萬級別，甚至過億，那不是手工能解決的了，必須通過工具或者程式進行處理，尤其海量的資料 二 軟硬體要求高，系統資源佔用率高。對海量的資料進行處理，除了好的方法，最重要的就是合理使用...
資料分析 如何處理髒資料
種類 1.通過對資料區間進行限定，排除明顯異常的資料 2.通過系統的內部邏輯結構查詢不符合格式的資料 3.通過建立匹配規則，匹配不統一的資料 通過將資料規範化，將髒資料中合格的部分篩選出來，如 將日期資料2020 01 01規範化，可以篩選出年份 月份 日期 資料之間應該有關聯性，通過相互關聯的資料...
如何處理不平衡資料
過取樣 過擬合 學習到小類別樣本中的雜訊 欠取樣 欠擬合 丟失大類別樣本中的重要資料 找到小類別樣本中的k個近鄰，然後在他們之間的連線上取點，作為新的樣本。缺點 容易過擬合 其與smote的不同是 smote是對每乙個minority樣本產生綜合新樣本，而borderline smote僅對靠近邊界...