[发明专利]一种预测应收账款未来新增规模的方法及系统

权利要求书

1.一种预测应收账款未来新增规模的方法，其特征在于，包括以下步骤：

S1：抓取待预测应收账款未来新增规模的企业的包括客户基础数据、应收账款数据在内的企业数据作为预测应收账款未来新增规模的基础变量，并对所述基础变量进行衍生，形成衍生变量；

S2：建立XGBoost算法模型，设置所述XGBoost算法模型的参数，并对所述XGBoost算法模型的参数进行调优；

S3：将包括所述基础变量、所述衍生变量在内的任意一种或全部作为输入特征部分，将未来应收账款作为输出部分，形成DMatrix数据结构，将所述DMatrix数据结构输入所述XGBoost算法模型，输出所述未来应收账款，完成对所述未来应收账款的预测。

2.根据权利要求1所述的预测应收账款未来新增规模的方法，其特征在于，在步骤S1中，还包括：

对所述基础变量的维度进行抓取，根据具体维度的所述基础变量进行预测，其中，所述基础变量的维度包括时间维度、客户维度、产品维度、账款维度、增长趋势维度在内的维度。

3.根据权利要求1所述的预测应收账款未来新增规模的方法，其特征在于，在步骤S1中，所述衍生变量，具体为：

对所述基础变量进行历史趋势的聚合，形成包括最近一个月、最近两个月、最近三个月的最大值、最小值、求和、均值在内所述衍生变量。

4.根据权利要求1所述的预测应收账款未来新增规模的方法，其特征在于，在步骤S2中，对所述XGBoost算法模型的参数进行调优，XGBoost参数包括通用参数、booster参数、学习目标参数在内的参数，调优的步骤具体为：

S21：确定通用参数，根据业务目标和训练环境，确定迭代模型类型和系统参数；

S22：设定所述XGBoost算法模型的学习速率；

S23：调节所述XGBoost算法模型中树的参数，依次调节包括数的个数、树的深度、随机采样行占比、随机采样列占比、最小叶子节点样本权重和、样本类别失衡下，模型可快速收敛在内的参数；

S24：调节所述XGBoost算法模型的学习速率；

S25：重复步骤S21-24，提高所述XGBoost算法模型的预测的准确率。

5.根据权利要求1所述的预测应收账款未来新增规模的方法，其特征在于，在步骤S2中，还包括：

选取历史的所述企业数据作为测试样本，输入所述XGBoost算法模型，观测输出的模型预测结果与实际数据之间的偏移度，对所述XGBoost算法模型进行调优；

其中，输入所述XGBoost算法模型的变量包括所述基础变量、所述衍生变量在内的任意一种或全部变量，测试完成后，根据预测效果选取包括所述基础变量、所述衍生变量在内的任意一种或全部变量最为最终预测时输入的变量类型。

6.根据权利要求1所述的预测应收账款未来新增规模的方法，其特征在于，在步骤S3之后，还包括，对预测结果进行评估，具体为：

采用平均绝对百分比误差：

其中，n为预测的月数，R_i为真实值，为预测值，范围[0,+∞)，当预测值与真实值完全吻合时，值越小，当误差越大时，值越大。

7.一种用于执行如权利要求1-6任意一项所述的预测应收账款未来新增规模的方法的预测应收账款未来新增规模系统，其特征在于，包括：

数据抓取模块，用于抓取待预测应收账款未来新增规模的企业的包括客户基础数据、应收账款数据在内的企业数据作为预测应收账款未来新增规模的基础变量，并对所述基础变量进行衍生，形成衍生变量；

算法建立模块，用于建立XGBoost算法模型，设置所述XGBoost算法模型的参数，并对所述XGBoost算法模型的参数进行调优

预测模块，用于将包括所述基础变量、所述衍生变量在内的任意一种或全部作为输入特征部分，将未来应收账款作为输出部分，形成DMatrix数据结构，将所述DMatrix数据结构输入所述XGBoost算法模型，输出所述未来应收账款，完成对所述未来应收账款的预测。