(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111400988.7 (22)申请日 2021.11.19 (71)申请人 中国建设银行股份有限公司 地址 100033 北京市西城区金融大街25号 (72)发明人 赖雅玲　刘敬敏　周如柽　王美晶　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 代理人 成亚婷 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 40/02(2012.01) G06N 20/00(2019.01) G06K 9/62(2022.01) (54)发明名称 资金流预测方法、 系统、 计算机设备及存储 介质 (57)摘要 本发明涉及大数据处理技术领域， 公开了一 种资金流预测方法、 系统、 计算机设备及存储介 质， 包括对历史资金流数据进行时间序列分解， 获取时间序列数据； 对时间序列数据进行特征位 移转化， 获取训练数据； 构建资金流入预测模型 和资金流出预测模型； 利用训练数据分别对资金 流入预测模 型和资金流出预测模 型进行训练； 将 资金流入预测模型的输出与资金流出预测模型 的输出进行加权融合获取预测结果。 上述资金流 预测方法融合了时间序列模型与机器学习 回归 模型， 不仅充分利用时间序列模 型挖掘了重要的 时间相关特征， 还通过多 方的数据探索总结了重 要影响因子。 本公开提供的资金流预测方法输入 的特征和模 型学到的知 识更加丰富， 大大提高了 预测的准确率。 权利要求书3页 说明书12页 附图3页 CN 114154696 A 2022.03.08 CN 114154696 A 1.一种资金流预测方法， 其特 征在于， 包括： 对历史资金流数据进行时间序列分解， 获取时间序列数据； 对所述时间序列数据进行特征位移转化， 获取训练数据， 所述特征位移转化包括将所 述时间序列数据转 化为符合选取的预测模型输入数据格式要求的数据； 构建有监 督学习的资金流入预测模型和有监 督学习的资金流出 预测模型； 利用所述训练数据分别对所述资金流入预测模型和所述资金流出 预测模型进行训练； 将所述资金流入预测模型的输出与所述资金流出预测模型的输出进行加权融合获取 预测结果。 2.根据权利要求1所述的资金流预测方法， 其特征在于， 在对历史资金流数据进行时间 序列分解， 获取时间序列数据之前， 所述方法还 包括： 对历史资金流数据进行波动性分析和特殊日期行为分析， 确定时间相关的影响因子 。 3.根据权利要求2所述的资金流预测方法， 其特征在于， 所述对历史资金流数据进行时 间序列分解， 获取时间序列数据包括： 利用Prophet时间序列工具根据所述影响因子对历史资金流数据进行时间序列分解以 获取时间序列数据， 所述时间序列数据包括趋势项、 周期项、 活动效果项和误差项。 4.根据权利要求1所述的资金流预测方法， 其特征在于， 在对所述 时间序列 数据进行特 征位移转 化， 获取训练数据后， 所述方法还 包括： 将所述训练数据划分为训练集数据和 测试集数据。 5.根据权利要求4所述的资金流预测方法， 其特征在于， 利用所述训练集数据使用 LightGBM回归算法分别对所述资金流入预测模型和所述资金流出 预测模型进行训练。 6.根据权利要求4所述的资金流预测方法， 其特征在于， 在利用所述训练数据分别对所 述资金流入预测模型和所述资金流出 预测模型进行训练后， 所述方法还 包括： 利用所述资金流入预测模型和所述资金流出预测模型的融合模型误差值， 评估所述资 金流入预测模型和所述资金流出 预测模型的预测准确率； 所述融合模型误差值采用下述方式确定： 所述资金流入预测模型根据 所述测试集数据 预测用户每日的资金流入预测值， 所述资 金流出预测模型根据所述测试集数据预测用户每日的资金流出 预测值； 根据用户每日的资金流入预测值与资金实际流入值计算每日贷款还款相对误差， 根据 用户每日的资金流出 预测值与资金实际流出值计算每日贷款支用相对误差； 根据每日贷款还款相对误差和每日贷款支用相对误差计算所述融合模型误差值； 所述每日贷款支用相对误差的计算方式包括： 其中， useamt为每日贷款支用相对误差， zi为用户每日的资金实际流出值， 为用户每 日的资金流出 预测值； 所述每日贷款还款相对误差的计算方式包括： 权　利　要　求　书 1/3 页 2 CN 114154696 A 2其中， repayamt 为每日贷款还款相对误差， yi为用户每日的资金实际流入值， 为用户 每日的资金流入预测值； 所述融合模型误差值的计算方法包括： totalscore＝score(useamt)*α +score(repayamt)*(1 ‑α ) 其中， totalscore为所述融合模型误差值， score()为相对误差与最后得分的映射函 数， α为调节两模型的权重系数， α 的取值范围为[0,1]， useamt为每日贷款支用相对误差， repayamt为每日贷款还款相对误差 。 7.一种资金流预测系统， 其特 征在于， 包括： 数据处理模块， 所述数据处理模块包括时间序列分解单元和特征位移转化单元， 所述 时间序列分解单元用于对历史资金流数据进行时间序列分解， 获取时间序列数据； 所述特 征位移转化单元用于对所述时间序列数据进行特征位移转化， 获取训练数据， 所述特征位 移转化包括将所述时间序列数据转 化为符合选取的预测模型输入数据格式要求的数据； 模型构建模块， 所述模型构建模块包括模型处理单元和模型训练单元， 所述模型处理 单元用于构建有监督学习的资金流入预测模型和有监督学习的资金流出预测模型； 所述模 型训练单元用于利用所述训练数据分别对所述资金流入预测模型和所述资金流出预测模 型进行训练； 结果预测模块， 用于将所述资金流入预测模型的输出与 所述资金流出预测模型的输出 进行加权融合获取 预测结果。 8.根据权利要求7 所述的资金流预测系统， 其特 征在于， 所述数据处 理模块还 包括： 数据分析单元， 用于对历史资金流数据进行波动性分析和特殊日期行为分析， 确定时 间相关的影响因子 。 9.根据权利要求7 所述的资金流预测系统， 其特 征在于， 所述数据处 理模块还 包括： 数据集划分单 元， 用于将所述训练数据划分为训练集数据和 测试集数据。 10.根据权利要求9所述的资金流预测系统， 其特征在于， 所述模型训练单元利用所述 训练集数据使用LightGBM回归算法分别对所述资金流入预测模型和所述资金流出预测模 型进行训练。 11.根据权利要求9所述的资金流预测系统， 其特 征在于， 所述模型构建模块还 包括： 模型评估单元， 用于利用所述资金流入预测模型和所述资金流出预测模型的融合模型 误差值， 评估所述资金流入预测模型和所述资金流出 预测模型的预测准确率； 所述融合模型误差值采用下述方式确定： 所述资金流入预测模型根据 所述测试集数据 预测用户每日的资金流入预测值， 所述资 金流出预测模型根据所述测试集数据预测用户每日的资金流出 预测值； 所述模型评估单元根据用户每日的资金流入预测值与资金实际流入值计算每日贷款 还款相对误差， 根据用户每日 的资金流出预测值与资金实际流出值计算每日贷款支用相对 误差； 所述模型评估单元根据每日贷款还款相对误差和每日贷款支用相对误差计算所述融 合模型误差值； 所述每日贷款支用相对误差的计算方式包括：权　利　要　求　书 2/3 页 3 CN 114154696 A 3