[发明专利]现金流预测模型的构建方法及现金流预测方法及装置

说明书

本发明公开了一种现金流量预测模型的构建方法以及现金流量预测方法，包括：获取至少一个维度的原始样本数据，每个维度的原始样本数据为影响现金流量的因素；对原始样本进行预处理，基于该原始样本构建多元时间序列，得到训练样本；基于训练样本对至少一个预设的机器学习模型进行训练，并将训练后的机器学习模型进行融合，得到现金流量预测模型。由此不仅实现了对现金流量的自动预测，并且采用至少一个维度的数据，并将数据构建了多元时间序列，提高了样本的复杂性，进而提高了模型预测的准确度。除此之外，将多个训练好的模型进行融合，结合了各个模型的优势，进一步提升现金流量预测模型预测的准确性。

技术领域

本发明涉及数据处理领域，尤其涉及现金流模型的构建方法及现金流预测方法及装置。

背景技术

银行网点现金存量管理是开展现金业务的基础，银行网点的库存现金越多、流动性越强，盈利性越差；库存现金不足则会导致无法满足客户的取款需要，因此，如何控制银行网点库存量处于合理的区间是银行现金运营管理面临的基本问题。

现有技术中，通常采用人工估测的方法对现金流量进行估计，这种方法有很强的主观性，非常依赖预测人员的自身经验，准确率和效率也较低。

发明内容

有鉴于此，本发明实施例公开了一种现金流量预测模型的构建方法和现金流量预测方法，实现了对现金流量的自动化预测，并且提升了现金流量预测的准确度。

本发明实施例公开了一种现金流量预测模型的构建方法，包括：

获取至少一个维度的原始样本数据；每个维度的原始数据为影响现金流量的因素；

对所述原始样本进行预处理；

基于所述原始样本构建多元时间序列，得到训练样本；

基于所述训练样本对至少一个预设的机器学习模型进行训练；

将训练后的机器学习模型进行融合，得到现金流量预测模型。

可选的，将所述训练样本中包括网点特征数据；所述网点特征数据用于表征不同网点的特征。

可选的，对所述训练样本进行预处理包括：

基于预设的标签对所述原始样本数据进行合并；

去除原始样本数据中相关性达到预设程度的特征。

可选的，所述基于所述原始样本构建多元时间序列，得到训练样本，包括：

按照预设的时间周期，将所述训练样本进行分组；

在每组数据中截取不同的时间窗口，并基于每个时间窗口的特征，将时间窗口划分为历史窗口和未来窗口。

可选的，所述预设的机器学习模型包括：

xgboost模型。

可选的，所述将训练后的机器学习模型进行融合，得到现金流量预测模型，包括：

将训练后的至少一个机器学习模型组成多级框架；

在所述多级框中，上一级模型的输出结果作为下一级模型的输入信息。

本发明实施例公开了一种现金流量预测方法，包括：

获取待检测的数据；所述待检测的数据包括至少一个维度的数据；每个维度的数据为影响现金流量的因素；

对所述待检测的数据进行预处理；

基于所述待检测的数据构建多元时间序列；

将所述多元时间序列输入现金流量预测模型中，得到现金流量预测结果；所述现金流量预测模型是通过上述权利要求1-6所述的方法得到的。