[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

权利要求书

1.一种现金流量预测模型的构建方法，其特征在于，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；

按照预设的时间周期，将进行所述预处理后的所述原始样本进行分组；

在每组数据中截取不同的时间窗口，并基于每个所述时间窗口的特征，将所述时间窗口划分为历史窗口和未来窗口，所述未来窗口相对于所述历史窗口具有时间的延续性；

将历史特征、未来特征和待预测目标值合并，得到训练样本，所述历史特征为所述历史窗口数据的全部特征，所述未来特征为所述未来窗口数据里除需要预测的特征之外的其他特征，所述待预测目标值为所述未来窗口数据里需要预测的特征；

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；

将训练后的至少一个机器学习模型组成多级框架，得到现金流量预测模型；在所述多级框架中，上一级模型的输出结果作为下一级模型的输入信息。

2.根据权利要求1所述的方法，其特征在于，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。

3.根据权利要求1所述的方法，其特征在于，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。

4.根据权利要求1所述的方法，其特征在于，所述预设的机器学习模型包括：

xgboost模型。

5.一种现金流量预测方法，其特征在于，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；

按照预设的时间周期，将进行所述预处理后的所述待检测的数据进行分组；

在每组数据中截取不同的时间窗口，并基于每个所述时间窗口的特征，将所述时间窗口划分为历史窗口和未来窗口，所述未来窗口相对于所述历史窗口具有时间的延续性；

将历史特征、未来特征和待预测目标值合并，得到检测样本，所述历史特征为所述历史窗口数据的全部特征，所述未来特征为所述未来窗口数据里除需要预测的特征之外的其他特征，所述待预测目标值为所述未来窗口数据里需要预测的特征；

将所述检测样本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1-4所述的方法得到的。

6.一种现金流量模型的构建装置，其特征在于，包括：

第一获取单元，用于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；

第一预处理单元，用于对所述原始样本进行预处理；

第一构建单元，用于按照预设的时间周期，将进行所述预处理后的所述原始样本进行分组；在每组数据中截取不同的时间窗口，并基于每个所述时间窗口的特征，将所述时间窗口划分为历史窗口和未来窗口，所述未来窗口相对于所述历史窗口具有时间的延续性；将历史特征、未来特征和待预测目标值合并，得到训练样本，所述历史特征为所述历史窗口数据的全部特征，所述未来特征为所述未来窗口数据里除需要预测的特征之外的其他特征，所述待预测目标值为所述未来窗口数据里需要预测的特征；

训练单元，用于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；

融合单元，用于将训练后的至少一个机器学习模型组成多级框架，得到现金流量预测模型；在所述多级框架中，上一级模型的输出结果作为下一级模型的输入信息。

7.一种现金流量预测装置，其特征在于，包括：

第二获取单元，用于获取待检测的数据；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；

第二预处理单元，用于对所述待检测的数据进行预处理；

第二构建单元，用于按照预设的时间周期，将进行所述预处理后的所述待检测的数据进行分组；在每组数据中截取不同的时间窗口，并基于每个所述时间窗口的特征，将所述时间窗口划分为历史窗口和未来窗口，所述未来窗口相对于所述历史窗口具有时间的延续性；将历史特征、未来特征和待预测目标值合并，得到检测样本，所述历史特征为所述历史窗口数据的全部特征，所述未来特征为所述未来窗口数据里除需要预测的特征之外的其他特征，所述待预测目标值为所述未来窗口数据里需要预测的特征；

预测单元，用于将所述检测样本输入到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1-4所述的方法得到的。