CN106570576A - 数据预测方法及预测装置 - Google Patents
数据预测方法及预测装置 Download PDFInfo
- Publication number
- CN106570576A CN106570576A CN201610863002.2A CN201610863002A CN106570576A CN 106570576 A CN106570576 A CN 106570576A CN 201610863002 A CN201610863002 A CN 201610863002A CN 106570576 A CN106570576 A CN 106570576A
- Authority
- CN
- China
- Prior art keywords
- data
- input
- prediction
- input paramete
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000000153 supplemental effect Effects 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 2
- 235000008434 ginseng Nutrition 0.000 claims description 2
- 238000011176 pooling Methods 0.000 description 30
- 238000006467 substitution reaction Methods 0.000 description 9
- 230000004083 survival effect Effects 0.000 description 5
- 230000035558 fertility Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008676 import Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种数据预测方法,用于对养老金的收入以及支出进行预测,其包括:接收数据预测指令,并根据数据预测指令调用相应的数据预测插件;根据数据预测插件的输入参数,提供并显示参数输入框架;通过参数输入框架接收输入参数数据,并从输入参数数据中获取相应的输入参数;根据输入参数以及数据预测插件的预测模型,计算数据预测指令对应的预测数据。本发明还提供一种数据预测装置,本发明的数据预测方法及预测装置通过数据预测插件以及参数输入框架的设置,实现了对养老金的收入和支出的准确有效预测。
Description
技术领域
本发明涉及数据预测领域,特别是涉及一种数据预测方法及预测装置。
背景技术
社会保险精算作为风险管理的重要手段,在各国社会保险制度的建设和发展中发挥着极其重要的作用,成为社会保险长期可持续发展的根本保证。
其中维持养老金的收支平衡成为社会保险的主要课题。养老金的收入预测和支出预测的准确性以及有效性可以对养老金的收支平衡控制起到重要作用。而养老金的收入预测以及支出预测涉及的计算参数较多,不同计算参数对应的计算公式也较多,因此用户通过手动进行计算或简单的计算平台进行计算的难度较大。
故,有必要提供一种数据预测方法及预测装置,以解决现有技术所存在的问题。
发明内容
本发明实施例提供一种可对准确有效的对养老金的收入和支出进行预测的数据预测方法及预测装置;以解决现有的数据预测方法及预测装置对养老金的收入以及支出预测的难度较大的技术问题。
本发明实施例提供一种数据预测方法,用于对养老金的收入以及支出进行预测,其包括:
接收数据预测指令,并根据所述数据预测指令调用相应的数据预测插件;
根据所述数据预测插件的输入参数,提供并显示参数输入框架;
通过所述参数输入框架接收输入参数数据,并从所述输入参数数据中获取相应的输入参数;以及
根据所述输入参数以及所述数据预测插件的预测模型,计算所述数据预测指令对应的预测数据。
在本发明所述的数据预测方法中,所述数据预测方法还包括步骤:
以数据表格或数据图表的方式对所述预测数据进行展示。
在本发明所述的数据预测方法中,所述通过所述参数输入框架接收输入参数数据,并从所述输入参数数据中获取相应的输入参数的步骤包括:
判断所述输入参数数据是否处于设定范围;
如所述输入参数数据处于设定范围,则从所述输入参数数据中获取相应的输入参数;
如所述输入参数数据未处于设定范围,则提示输入参数数据错误。
在本发明所述的数据预测方法中,所述通过所述参数输入框架接收输入参数数据,并从所述输入参数数据中获取相应的输入参数的步骤包括:
判断通过所述参数输入框架是否接收到所述数据预测插件的所有输入参数;
如所述参数输入框架接收到所述数据预测插件对应的所有输入参数数据,则从所述输入参数数据中获取相应的输入参数;
如所述参数输入框架未接收到所述数据预测插件对应的所有输入参数数据,则从所述输入参数数据中获取相应的输入参数,并将所述数据预测插件对应的其他输入参数设置为预设输入参数。
在本发明所述的数据预测方法中,所述根据所述数据预测插件的输入参数,提供并显示参数输入框架的步骤包括:
判断所述数据预测插件的输入参数是否调用其他数据预测插件的预测数据;
如所述数据预测插件的输入参数未调用其他数据预测插件的预测数据,则提供并显示参数输入框架;
如所述数据预测插件的输入参数调用其他数据预测插件的预测数据,则判断调用的所述预测数据是否存在;
如所述预测数据存在,则提供并显示参数输入框架;
如所述预测数据不存在,则提示输入参数错误。
本发明实施例还提供一种数据预测装置,用于对养老金的收入以及支出进行预测,其包括:
插件调用模块,用于接收数据预测指令,并根据所述数据预测指令调用相应的数据预测插件;
输入框架提供模块,用于根据所述数据预测插件的输入参数,提供并显示参数输入框架;
输入参数获取模块,用于通过所述参数输入框架接收输入参数数据,并从所述输入参数数据中获取相应的输入参数;以及
预测数据计算模块,用于根据所述输入参数以及所述数据预测插件的预测模型,计算所述数据预测指令对应的预测数据。
在本发明所述的数据预测装置中,所述数据预测装置还包括:
展示模块,用于以数据表格或数据图表的方式对所述预测数据进行展示。
在本发明所述的数据预测装置中,所述输入参数获取模块包括:
设定范围判断单元,用于判断所述输入参数数据是否处于设定范围;
设定范围正确处理单元,用于如所述输入参数数据处于设定范围,则从所述输入参数数据中获取相应的输入参数;
设定范围错误提示单元,用于如所述输入参数数据未处于设定范围,则提示输入参数数据错误。
在本发明所述的数据预测装置中,所述输入参数获取模块包括:
输入参数判断单元,用于判断通过所述参数输入框架是否接收到所述数据预测插件的所有输入参数;
完整输入参数处理单元,用于如所述参数输入框架接收到所述数据预测插件对应的所有输入参数数据,则从所述输入参数数据中获取相应的输入参数;
缺省输入参数处理单元,用于如所述参数输入框架未接收到所述数据预测插件对应的所有输入参数数据,则从所述输入参数数据中获取相应的输入参数,并将所述数据预测插件对应的其他输入参数设置为预设输入参数。
在本发明所述的数据预测装置中,所述输入框架提供模块包括:
调用判断单元,用于判断所述数据预测插件的输入参数是否调用其他数据预测插件的预测数据;
预测数据判断单元,用于如所述数据预测插件的输入参数调用其他数据预测插件的预测数据,则判断调用的所述预测数据是否存在;
输入框架提供单元,用于提供并显示参数输入框架;
错误提示单元,用于提示输入参数错误。
相较于现有技术,本发明的数据预测方法及预测装置通过数据预测插件以及参数输入框架的设置,实现了对养老金的收入和支出的准确有效预测;解决了现有的数据预测方法及预测装置对养老金的收入以及支出预测的难度较大的技术问题。
附图说明
图1为本发明的数据预测方法的优选实施例的流程图;
图2为本发明的数据预测装置的优选实施例的结构示意图;
图3为本发明的数据预测装置的优选实施例的输入参数获取模块的结构示意图;
图4为本发明的数据预测装置的优选实施例的输入框架提供模块的结构示意图;
图5A至图5G为本发明的数据预测方法及数据预测装置的具体实施例的数据预测示意图。
具体实施方式
请参照图式,其中相同的组件符号代表相同的组件,本发明的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所例示的本发明具体实施例,其不应被视为限制本发明未在此详述的其它具体实施例。
在以下的说明中,本发明的具体实施例将参考由一部或多部计算机所执行之作业的步骤及符号来说明,除非另有述明。因此,其将可了解到这些步骤及操作,其中有数次提到为由计算机执行,包括了由代表了以一结构化型式中的数据之电子信号的计算机处理单元所操纵。此操纵转换该数据或将其维持在该计算机之内存系统中的位置处,其可重新配置或另外以本领域技术人员所熟知的方式来改变该计算机之运作。该数据所维持的数据结构为该内存之实体位置,其具有由该数据格式所定义的特定特性。但是,本发明原理以上述文字来说明,其并不代表为一种限制,本领域技术人员将可了解到以下所述的多种步骤及操作亦可实施在硬件当中。
本发明提供一种数据预测方法及数据预测装置,其可通过数据预测插件以及参数输入框架的设置,实现了对养老金的收入和支出等数据的准确有效预测。
请参照图1,图1为本发明的数据预测方法的优选实施例的流程图。本优选实施例的数据预测方法包括:
步骤S101,接收数据预测指令,并根据数据预测指令调用相应的数据预测插件;
步骤S102,根据数据预测插件的输入参数,提供并显示参数输入框架;
步骤S103,通过参数输入框架接收输入参数数据,并从输入参数数据中获取相应的输入参数;
步骤S104,根据输入参数以及数据预测插件的预测模型,计算数据预测指令对应的预测数据;
步骤S105,以数据表格或数据图表的方式对预测数据进行展示。
下面详细说明本优选实施例的数据预测方法的各步骤的具体流程。
在步骤S101中,数据预测装置接收用户的数据预测指令,并根据该数据预测指令调用相应的数据预测插件。其中数据预测指令为用户进行数据预测的指令,这里的数据预测可为养老金的未来人口预测、参保人口预测、缴费工资预测、养老保险收入预测以及养老保险支出预测等。这里的每个数据预测指令均对应一个或多个数据预测插件。数据预测插件为进行上述数据预测的计算插件,每个数据预测插件均应包括输入参数以及预测模型,用户可通过向数据预测插件的预测模型提供输入参数,从而得到最终的预测数据。随后转到步骤S102。
在步骤S102中,数据预测装置根据步骤S101调用的数据预测插件,提供并显示相应的参数输入框架。该参数输入框架用于用户输入数据预测插件的输入参数。具体的:
数据预测装置会判断数据预测插件的输入参数是否需要调用其他数据预测插件的预测数据。如进行养老保险收入预测,则需要获取参保人口预测以及缴费工资预测的预测数据。
如数据预测插件的输入参数未调用其他数据预测插件的预测数据,则说明该数据预测插件的所有输入参数均为手动输入的输入参数,则数据预测装置提供并显示参数输入框架,以便用户通过参数输入框架提供输入参数。
如数据预测插件的输入参数需要调用其他数据预测插件的预测数据,则数据预测装置判断待调用的预测数据是否存在,如存在,则数据预测装置提供并显示参数输入框架,以便用户通过参数输入框架提供输入参数。如不存在,则数据预测装置提示输入参数错误,这样用户可检查其他的数据预测插件,以提供相应的输入参数。随后转到步骤S103。
在步骤S103中,用户通过步骤S102提供的参数输入框架输入该数据预测插件对应的输入参数,这样数据预测装置通过参数输入框架接收输入参数数据,并从输入参数数据中获取相应的输入参数。
具体的,数据预测装置判断用户输入的输入参数数据是否处于设定范围。如男性养老金的最高缴费年限为44年,男性养老金的最高缴费年限对应的输入参数数据则一定要小于等于44。
如用户输入的输入参数数据处于设定范围内,则数据预测装置从输入参数数据中获取相应的输入参数。如用户输入的输入参数数据未处于设定范围内,则数据预测装置提示输入参数数据错误,以便用户对输入参数进行修改。
此外,数据预测装置还会判断参数输入框架是否接收到数据预测插件的所有输入参数。如参数输入框架接收到数据预测插件对应的所有输入参数数据,则数据预测装置可根据数据预测插件的预测模型计算出预测数据,因此数据预测装置从输入参数数据中获取相应的输入参数。
如参数输入框架未接收到数据预测插件对应的所有输入参数数据,为了完成预测数据的计算过程,数据预测装置从输入参数数据中获取相应的输入参数,并将所述数据预测插件对应的其他未输入的输入参数设置为预设输入参数。如用户没有设定男性养老金的最高缴费年限,则默认使用44年作为男性养老金的最高缴费年限。随后转到步骤S104。
在步骤S104中,数据预测装置根据步骤S103获取的输入参数,使用步骤S101获取的数据预测插件的预测模型,计算该数据预测指令对应的预测数据。
如数据预测装置可根据各年龄阶段的当前人口数、人口生存概率、人口性别比例以及人口生育率,确定预测点的人口预测数据。
这里各年龄阶段的当前人口数、人口生存概率、人口性别比例以及人口生育率为输入参数。该数据预测插件的预测模型如下所示:
其中为第py+t年的x岁的女性人口数,为第py+t年的x岁的男性人口数,为第py+t年的x岁的总人口数,为第py+t年的x岁育龄妇女生育率,为第py+t年的总和生育率,为第py+t年的0岁的总人口数,为第py+t年的出生人口性别比例,为第py+t年的0岁的男性人口数,为第py+t年的0岁的女性人口数,为第py+t-1年的x-1岁的男性人口的人口生存概率,为第py+t-1年的x-1岁的女性人口的人口生存概率。
其中各年龄阶段的人口生存概率可根据历年的各年龄阶段的生存人口数以及死亡人口数确定;这样即可获取各个预测点的人口预测数据。
如数据预测装置可根据预测点的人口预测数据、养老保险覆盖率、养老保险遵缴率、劳动参与率以及失业率,计算预测点的参保缴费人口预测数据。
这里预测点的人口预测数据、养老保险覆盖率、养老保险遵缴率、劳动参与率以及失业率为输入参数。该数据预测插件的预测模型如下所示:
其中为第py+t年的x岁的男性从业人口数,为第py+t年的x岁的男性人口数,为第py+t年的男性人口总平均劳动参与率,为第py年的男性人口总平均劳动参与率,为第py年的x岁的男性人口的劳动参与率,为第py+t年的男性人口总平均失业率,为第py年的男性人口总平均失业率,为第py年的x岁的男性人口的失业率,为第py+t年男性人口的养老保险覆盖率,为第py+t年男性人口的养老保险遵缴率;为第py+t年的x岁的男性参保缴费人口,为第py+t年的男性参保缴费总人口;
为第py+t年的x岁的女性从业人口数,为第py+t年的x岁的女性人口数,为第py+t年的女性人口总平均劳动参与率,为第py年的女性人口总平均劳动参与率,为第py年的x岁的女性人口的劳动参与率,为第py+t年的女性人口总平均失业率,为第py年的女性人口总平均失业率,为第py年的x岁的女性人口的失业率,为第py+t年女性人口的养老保险覆盖率,为第py+t年女性人口的养老保险遵缴率;为第py+t年的x岁的女性参保缴费人口,为第py+t年的女性参保缴费总人口;为第py+t年的参保缴费总人口;为第py+t年的男性劳动年龄上限,为第py+t年的劳动年龄下限;为第py+t年的女性劳动年龄上限。这样即可获取各个预测点的参保缴费人口预测数据。
如数据预测装置可根据当前人均工资、工资增长率、通货膨胀率、缴费工资率以及预测点的参保缴费人口预测数据,计算预测点的缴费工资数据。
这里当前人均工资、工资增长率、通货膨胀率、缴费工资率以及预测点的参保缴费人口预测数据为输入参数。该数据预测插件的预测模型如下所示:
其中为y+t年的人均货币工资;为y+t年的人均工资实际增长率;为y+t年的通货膨胀率;为y+t年男性分年龄段人均工资指数,sd为劳动年龄,为y+t年男性分年龄段人均工资;为y+t年男性分年龄段缴费工资水平;为y+t年缴费工资率;为第y+t年的x岁的男性参保缴费人口;为y+t年的x岁的男性缴费工资总额;为y+t年的男性缴费工资总额;
为y+t年女性分年龄段人均工资指数,sd为劳动年龄,为y+t年女性分年龄段人均工资;为y+t年女性分年龄段缴费工资水平;为y+t年缴费工资率;为第y+t年的x岁的女性参保缴费人口;为y+t年的x岁的女性缴费工资总额;为y+t年的女性缴费工资总额;为y+t年的缴费工资总额;为第y+t年的男性劳动年龄上限,为第y+t年的劳动年龄下限;为第y+t年的女性劳动年龄上限。这样即可获取各个预测点的缴费工资数据。
如数据预测装置可根据预测点的缴费工资数据,计算养老保险缴费收入数据。
这里预测点的缴费工资数据为输入参数。该数据预测插件的预测模型如下所示:
其中为第 y+t 年的企业职工统筹基金缴费率,为第 y+t 年的个体户和灵活就业人员占参保缴费人数比例,第 y+t 年的个体户和灵活就业人员统筹基金缴费率;为第 y+t年的 x岁男性统筹基金缴费收入;为第 y+t 年的男性统筹基金缴费收入;为第 y+t 年的 x 岁女性统筹基金缴费收入;为第 y+t 年的女性统筹基金缴费收入;为第 y+t 年的统筹基金缴费收入;为劳动年龄下限,为男性劳动年龄上限,为女性劳动年龄上限。为第 y+t 年的个人账户缴费率,为第 y+t 年的 x 岁男性个人账户缴费收入;为第 y+t 年的男性个人账户缴费收入;为第 y+t 年的 x 岁女性个人账户缴费收入;为第 y+t 年的女性个人账户缴费收入;为第 y+t 年的个人账户缴费收入,为第 y+t 年的养老保险缴费总收入。这样即可获取各个预测点的养老保险缴费收入数据。
如数据预测装置可根据无账户人员的参保人员的预测人数、人均货币工资以及统筹养老金替代率,确定无账户人员的第一养老金统筹基金支出;
这里无账户人员的参保人员的预测人数、人均货币工资以及统筹养老金替代率为输入参数。该数据预测插件的预测模型如下所示:
其中为男性的无账户人员的第y+t年的第一养老金统筹基金支出,为女性的无账户人员的第y+t年的第一养老金统筹基金支出,为所有无账户人员的第y+t年的第一养老金统筹基金支出,为男性的无账户人员的第y+t年的预测人数,为女性的无账户人员的y+t年的预测人数,为第y+t-1年的人均货币工资,为男性的无账户人员的第y+t年的统筹养老金替代率,为女性的无账户人员的第y+t年的统筹养老金替代率。
如数据预测装置根据部分账户人员的参保人员的预测人数、人均货币工资以及统筹养老金替代率,确定部分账户人员的第一养老金统筹基金支出。
这里部分账户人员的参保人员的预测人数、人均货币工资以及统筹养老金替代率为输入参数。该数据预测插件的预测模型如下所示:
其中为男性的部分账户人员的第y+t年的第一养老金统筹基金支出,为女性的部分账户人员的第y+t年的第一养老金统筹基金支出,为所有部分账户人员的第y+t年的第一养老金统筹基金支出,为男性的部分账户人员的第y+t年的预测人数,为女性的部分账户人员的y+t年的预测人数,为第y+t-1年的人均货币工资,为男性的第y+t年的统筹养老金替代率,为女性的第y+t年的统筹养老金替代率。
如数据预测装置根据有账户人员的参保人员的预测人数、人均货币工资以及统筹养老金替代率,确定有账户人员的第一养老金统筹基金支出。
这里有账户人员的参保人员的预测人数、人均货币工资以及统筹养老金替代率为输入参数。该数据预测插件的预测模型如下所示:
其中为男性的有账户人员的第y+t年的第一养老金统筹基金支出,为女性的有账户人员的第y+t年的第一养老金统筹基金支出,为所有有账户人员的第y+t年的第一养老金统筹基金支出,为男性的有账户人员的第y+t年的预测人数,为女性的有账户人员的y+t年的预测人数,为第y+t-1年的人均货币工资,为男性的第y+t年的统筹养老金替代率,为女性的第y+t年的统筹养老金替代率。
如数据预测装置根据部分账户人员的预测人数、人均货币工资、个人养老金替代率以及缴费最高年限,确定部分账户人员的第二养老金统筹基金支出。
这里部分账户人员的预测人数、人均货币工资、个人养老金替代率以及缴费最高年限为输入参数。该数据预测插件的预测模型如下所示:
其中为男性的部分账户人员的第y+t年的第二养老金统筹基金支出,为女性的部分账户人员的第y+t年的第二养老金统筹基金支出,为所有部分账户人员的第y+t年的第二养老金统筹基金支出,为男性的部分账户人员的第y+t年的预测人数,为女性的部分账户人员的y+t年的预测人数,为第y+t-1年的人均货币工资,为男性的第y+t年的个人养老金替代率,为女性的第y+t年的个人养老金替代率,为男性缴费最高年限,为女性缴费最高年限,x为当前年龄,y为评估时间,t为当前时间,为第y+t年的男性劳动年龄上限,为第y+t年的女性劳动年龄上限。
如数据预测装置根据部分账户人员的预测人数、人均货币工资、个人养老金替代率以及养老金计发年限,确定部分账户人员的第三养老金统筹基金支出;
这里部分账户人员的预测人数、人均货币工资、个人养老金替代率以及养老金计发年限为输入参数。该数据预测插件的预测模型如下所示:
其中为男性的部分账户人员的第y+t年的第三养老金统筹基金支出,为女性的部分账户人员的第y+t年的第三养老金统筹基金支出,为所有部分账户人员的第y+t年的第三养老金统筹基金支出;为第y+t-1年的人均货币工资;为男性的第y+t年的个人养老金替代率,为女性的第y+t年的个人养老金替代率,为男性的部分账户人员的第y+t年的固定年龄结构分年龄平均退休领取人数;为女性的部分账户人员的第y+t年的固定年龄结构分年龄平均退休领取人数,为第y+t年男性的部分账户人员的平均退休领取人数,为第y+t年女性的部分账户人员的平均退休领取人数;为第y+t年的男性劳动年龄上限,为第y+t年的女性劳动年龄上限;为第y+t年的男性养老金计发年限,为第y+t年的女性养老金计发年限。
如数据预测装置根据有账户人员的预测人数、人均货币工资、个人养老金替代率以及养老金计发年限,确定有账户人员的第二养老金统筹基金支出。
这里有账户人员的预测人数、人均货币工资、个人养老金替代率以及养老金计发年限为输入参数。该数据预测插件的预测模型如下所示:
其中为男性的有账户人员的第y+t年的第二养老金统筹基金支出,为女性的有账户人员的第y+t年的第二养老金统筹基金支出,为所有有账户人员的第y+t年的第三养老金统筹基金支出;为第y+t-1年的人均货币工资;为男性的第y+t年的个人养老金替代率,为女性的第y+t年的个人养老金替代率,为男性的有账户人员的第y+t年的固定年龄结构分年龄平均退休领取人数;为女性的有账户人员的第y+t年的固定年龄结构分年龄平均退休领取人数,为第y+t年男性的有账户人员的平均退休领取人数,为第y+t年女性的有账户人员的平均退休领取人数;为第y+t年的男性劳动年龄上限,为第y+t年的女性劳动年龄上限;为第y+t年的男性养老金计发年限,为第y+t年的女性养老金计发年限。
当然这里还可对养老金保险的其他数据进行预测等。随后转到步骤S105。
在步骤S105中,以数据表格或数据图表的方式对预测数据进行展示。这里可以各种用户要求的形式对预测数据进行展示,以便用户进行数据分析。
这样即完成了本优选实施例的数据预测方法的数据预测过程。
本优选实施例的数据预测方法通过数据预测插件以及参数输入框架的设置,实现了对养老金的收入和支出的准确有效预测。
本发明还提供一种数据预测装置,请参照图2至图4,图2为本发明的数据预测装置的优选实施例的结构示意图;图3为本发明的数据预测装置的优选实施例的输入参数获取模块的结构示意图;图4为本发明的数据预测装置的优选实施例的输入框架提供模块的结构示意图。本优选实施例的数据预测装置可使用上述的数据预测方法的优选实施例进行实施,本优选实施例的数据预测装置20包括插件调用模块21、输入框架提供模块22、输入参数获取模块23、预测数据计算模块24以及展示模块25。
插件调用模块21用于接收数据预测指令,并根据数据预测指令调用相应的数据预测插件;输入框架提供模块22用于根据数据预测插件的输入参数,提供并显示参数输入框架;输入参数获取模块23用于通过参数输入框架接收输入参数数据,并从输入参数数据中获取相应的输入参数;预测数据计算模块24用于根据输入参数以及数据预测插件的预测模型,计算数据预测指令对应的预测数据;展示模块25用于以数据表格或数据图表的方式对预测数据进行展示。
输入参数获取模块23包括设定范围判断单元31、设定范围正确处理单元32、设定范围错误提示单元33、输入参数判断单元34、完整输入参数处理单元35以及缺省输入参数处理单元36。
设定范围判断单元31用于判断输入参数数据是否处于设定范围;设定范围正确处理单元32用于如输入参数数据处于设定范围,则从输入参数数据中获取相应的输入参数;设定范围错误提示单元33用于如输入参数数据未处于设定范围,则提示输入参数数据错误。输入参数判断单元34用于判断通过参数输入框架是否接收到数据预测插件的所有输入参数;完整输入参数处理单元35用于如参数输入框架接收到数据预测插件对应的所有输入参数数据,则从输入参数数据中获取相应的输入参数;缺省输入参数处理单元36用于如参数输入框架未接收到数据预测插件对应的所有输入参数数据,则从输入参数数据中获取相应的输入参数,并将数据预测插件对应的其他输入参数设置为预设输入参数。
输入框架提供模块22包括调用判断单元41、预测数据判断单元42、输入框架提供单元43以及错误提示单元44。
调用判断单元41用于判断数据预测插件的输入参数是否调用其他数据预测插件的预测数据;预测数据判断单元42用于如数据预测插件的输入参数调用其他数据预测插件的预测数据,则判断调用的预测数据是否存在;输入框架提供单元43用于提供并显示参数输入框架;错误提示单元44用于提示输入参数错误。
本优选实施例的数据预测装置20的具体工作原理与上述的养老保险缴费收入预测方法中的描述相同或相似,具体请参见上述养老保险缴费收入预测方法中的相关描述。
下面通过一具体实施例说明本发明的数据预测方法及数据预测装置的具体工作原理。使用本发明的数据预测装置进行数据预测的过程包括:
一、用户通过点击桌面上的插件图标选择对应的数据预测插件进行数据预测,如图5A所示,
二、点击未来人口预测,启动未来人口预测的数据预测插件。这里需要编制国民生命表,通过点击导入新增来显示参数输入框架,以便输入数据预测插件的输入参数,如图5B所示。输入参数后的数据预测插件的显示界面如图5C所示。
三、点击生成对图5C中的输入参数进行导入操作。导入后如图5D所示。
四、点击编制生命表进行国民生命表的数据预测,点击图5E中的查看数据,即可查看到预测的国民生命表,这里以数据表格的方式对国民生命表进行显示操作,具体如图5F所示。
优选的,如在第三步中没有对所有的输入参数进行导入操作,则在第四步骤会对用户进行提示,如图5G所示。
这样即完成了具体实施例的数据预测方法及数据预测装置的数据预测过程。
本发明的数据预测方法及预测装置通过数据预测插件以及参数输入框架的设置,实现了对养老金的收入和支出的准确有效预测;解决了现有的数据预测方法及预测装置对养老金的收入以及支出预测的难度较大的技术问题。
本文提供了实施例的各种操作。在一个实施例中,所述的一个或多个操作可以构成一个或多个计算机可读介质上存储的计算机可读指令,其在被电子设备执行时将使得计算设备执行所述操作。描述一些或所有操作的顺序不应当被解释为暗示这些操作必需是顺序相关的。本领域技术人员将理解具有本说明书的益处的可替代的排序。而且,应当理解,不是所有操作必需在本文所提供的每个实施例中存在。
而且,尽管已经相对于一个或多个实现方式示出并描述了本公开,但是本领域技术人员基于对本说明书和附图的阅读和理解将会想到等价变型和修改。本公开包括所有这样的修改和变型,并且仅由所附权利要求的范围限制。特别地关于由上述组件(例如元件、资源等)执行的各种功能,用于描述这样的组件的术语旨在对应于执行所述组件的指定功能(例如其在功能上是等价的)的任意组件(除非另外指示),即使在结构上与执行本文所示的本公开的示范性实现方式中的功能的公开结构不等同。此外,尽管本公开的特定特征已经相对于若干实现方式中的仅一个被公开,但是这种特征可以与如可以对给定或特定应用而言是期望和有利的其他实现方式的一个或多个其他特征组合。而且,就术语“包括”、“具有”、“含有”或其变形被用在具体实施方式或权利要求中而言,这样的术语旨在以与术语“包含”相似的方式包括。
本发明实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。上述提到的存储介质可以是只读存储器,磁盘或光盘等。上述的各装置或系统,可以执行相应方法实施例中的方法。
综上所述,虽然本发明已以实施例揭露如上,实施例前的序号,如“第一”、“第二”等仅为描述方便而使用,对本发明各实施例的顺序不造成限制。并且,上述实施例并非用以限制本发明,本领域的普通技术人员,在不脱离本发明的精神和范围内,均可作各种更动与润饰,因此本发明的保护范围以权利要求界定的范围为准。
Claims (10)
1.一种数据预测方法,用于对养老金的收入以及支出进行预测,其特征在于,包括:
接收数据预测指令,并根据所述数据预测指令调用相应的数据预测插件;
根据所述数据预测插件的输入参数,提供并显示参数输入框架;
通过所述参数输入框架接收输入参数数据,并从所述输入参数数据中获取相应的输入参数;以及
根据所述输入参数以及所述数据预测插件的预测模型,计算所述数据预测指令对应的预测数据。
2.根据权利要求1所述的数据预测方法,其特征在于,所述数据预测方法还包括步骤:
以数据表格或数据图表的方式对所述预测数据进行展示。
3.根据权利要求1所述的数据预测方法,其特征在于,所述通过所述参数输入框架接收输入参数数据,并从所述输入参数数据中获取相应的输入参数的步骤包括:
判断所述输入参数数据是否处于设定范围;
如所述输入参数数据处于设定范围,则从所述输入参数数据中获取相应的输入参数;
如所述输入参数数据未处于设定范围,则提示输入参数数据错误。
4.根据权利要求1所述的数据预测方法,其特征在于,所述通过所述参数输入框架接收输入参数数据,并从所述输入参数数据中获取相应的输入参数的步骤包括:
判断通过所述参数输入框架是否接收到所述数据预测插件的所有输入参数;
如所述参数输入框架接收到所述数据预测插件对应的所有输入参数数据,则从所述输入参数数据中获取相应的输入参数;
如所述参数输入框架未接收到所述数据预测插件对应的所有输入参数数据,则从所述输入参数数据中获取相应的输入参数,并将所述数据预测插件对应的其他输入参数设置为预设输入参数。
5.根据权利要求1所述的数据预测方法,其特征在于,所述根据所述数据预测插件的输入参数,提供并显示参数输入框架的步骤包括:
判断所述数据预测插件的输入参数是否调用其他数据预测插件的预测数据;
如所述数据预测插件的输入参数未调用其他数据预测插件的预测数据,则提供并显示参数输入框架;
如所述数据预测插件的输入参数调用其他数据预测插件的预测数据,则判断调用的所述预测数据是否存在;
如所述预测数据存在,则提供并显示参数输入框架;
如所述预测数据不存在,则提示输入参数错误。
6.一种数据预测装置,用于对养老金的收入以及支出进行预测,其特征在于,包括:
插件调用模块,用于接收数据预测指令,并根据所述数据预测指令调用相应的数据预测插件;
输入框架提供模块,用于根据所述数据预测插件的输入参数,提供并显示参数输入框架;
输入参数获取模块,用于通过所述参数输入框架接收输入参数数据,并从所述输入参数数据中获取相应的输入参数;以及
预测数据计算模块,用于根据所述输入参数以及所述数据预测插件的预测模型,计算所述数据预测指令对应的预测数据。
7.根据权利要求6所述的数据预测装置,其特征在于,所述数据预测装置还包括:
展示模块,用于以数据表格或数据图表的方式对所述预测数据进行展示。
8.根据权利要求6所述的数据预测装置,其特征在于,所述输入参数获取模块包括:
设定范围判断单元,用于判断所述输入参数数据是否处于设定范围;
设定范围正确处理单元,用于如所述输入参数数据处于设定范围,则从所述输入参数数据中获取相应的输入参数;以及
设定范围错误提示单元,用于如所述输入参数数据未处于设定范围,则提示输入参数数据错误。
9.根据权利要求6所述的数据预测装置,其特征在于,所述输入参数获取模块包括:
输入参数判断单元,用于判断通过所述参数输入框架是否接收到所述数据预测插件的所有输入参数;
完整输入参数处理单元,用于如所述参数输入框架接收到所述数据预测插件对应的所有输入参数数据,则从所述输入参数数据中获取相应的输入参数;以及
缺省输入参数处理单元,用于如所述参数输入框架未接收到所述数据预测插件对应的所有输入参数数据,则从所述输入参数数据中获取相应的输入参数,并将所述数据预测插件对应的其他输入参数设置为预设输入参数。
10.根据权利要求6所述的数据预测装置,其特征在于,所述输入框架提供模块包括:
调用判断单元,用于判断所述数据预测插件的输入参数是否调用其他数据预测插件的预测数据;
预测数据判断单元,用于如所述数据预测插件的输入参数调用其他数据预测插件的预测数据,则判断调用的所述预测数据是否存在;
输入框架提供单元,用于提供并显示参数输入框架;以及
错误提示单元,用于提示输入参数错误。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610863002.2A CN106570576A (zh) | 2016-09-29 | 2016-09-29 | 数据预测方法及预测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610863002.2A CN106570576A (zh) | 2016-09-29 | 2016-09-29 | 数据预测方法及预测装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106570576A true CN106570576A (zh) | 2017-04-19 |
Family
ID=58532514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610863002.2A Pending CN106570576A (zh) | 2016-09-29 | 2016-09-29 | 数据预测方法及预测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106570576A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109377390A (zh) * | 2018-09-20 | 2019-02-22 | 阿里巴巴集团控股有限公司 | 养老风险评估方法及装置 |
CN109901881A (zh) * | 2018-11-27 | 2019-06-18 | 阿里巴巴集团控股有限公司 | 应用程序的插件加载方法、装置、计算机设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5970482A (en) * | 1996-02-12 | 1999-10-19 | Datamind Corporation | System for data mining using neuroagents |
CN102117469A (zh) * | 2011-01-18 | 2011-07-06 | 中国工商银行股份有限公司 | 一种对信用风险进行评估的系统和方法 |
CN103760114A (zh) * | 2014-01-27 | 2014-04-30 | 林兴志 | 一种基于高光谱遥感的甘蔗糖分预测方法 |
CN104694720A (zh) * | 2015-03-31 | 2015-06-10 | 北京首钢股份有限公司 | 一种热轧板卷力学性能预测与判定系统 |
CN104699936A (zh) * | 2014-08-18 | 2015-06-10 | 沈阳工业大学 | 基于cfd短期风速预测风电场的扇区管理方法 |
CN104950334A (zh) * | 2015-06-16 | 2015-09-30 | 中国石油天然气集团公司 | 一种预测储层分布的方法及装置 |
-
2016
- 2016-09-29 CN CN201610863002.2A patent/CN106570576A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5970482A (en) * | 1996-02-12 | 1999-10-19 | Datamind Corporation | System for data mining using neuroagents |
CN102117469A (zh) * | 2011-01-18 | 2011-07-06 | 中国工商银行股份有限公司 | 一种对信用风险进行评估的系统和方法 |
CN103760114A (zh) * | 2014-01-27 | 2014-04-30 | 林兴志 | 一种基于高光谱遥感的甘蔗糖分预测方法 |
CN104699936A (zh) * | 2014-08-18 | 2015-06-10 | 沈阳工业大学 | 基于cfd短期风速预测风电场的扇区管理方法 |
CN104694720A (zh) * | 2015-03-31 | 2015-06-10 | 北京首钢股份有限公司 | 一种热轧板卷力学性能预测与判定系统 |
CN104950334A (zh) * | 2015-06-16 | 2015-09-30 | 中国石油天然气集团公司 | 一种预测储层分布的方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109377390A (zh) * | 2018-09-20 | 2019-02-22 | 阿里巴巴集团控股有限公司 | 养老风险评估方法及装置 |
CN109901881A (zh) * | 2018-11-27 | 2019-06-18 | 阿里巴巴集团控股有限公司 | 应用程序的插件加载方法、装置、计算机设备及存储介质 |
CN109901881B (zh) * | 2018-11-27 | 2022-07-12 | 创新先进技术有限公司 | 应用程序的插件加载方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bredtmann et al. | Remittances and the brain drain: Evidence from microdata for Sub-Saharan Africa | |
Boardman et al. | A comparative analysis and evaluation of specialist PPP units’ methodologies for conducting value for money appraisals | |
Singh | Financial development and economic growth nexus: a time-series evidence from India | |
TW201946013A (zh) | 基於lstm模型的信用風險預測方法及裝置 | |
Giménez et al. | Evaluation of efficiency in Colombian hospitals: An analysis for the post-reform period | |
Rayan | Financial leverage and firm value | |
US8768809B1 (en) | Methods and systems for managing financial data | |
US20080288298A1 (en) | Method and system for providing low-cost life insurance | |
US8060382B1 (en) | Method and system for providing a healthcare bill settlement system | |
Ebaidalla et al. | Determinants and impact of household's out-of-pocket healthcare expenditure in Sudan: evidence from urban and rural population | |
JP2018180815A (ja) | 融資額判定システム、融資額判定方法、及びそのプログラム | |
CN108595579A (zh) | 联系人亲密度估算方法、装置、计算机设备和存储介质 | |
CN108648091A (zh) | 保单风险评估方法、装置、设备和计算机存储介质 | |
Deb et al. | The effect of managed care on use of health care services: results from two contemporaneous household surveys | |
CN106570576A (zh) | 数据预测方法及预测装置 | |
Garand et al. | Pricing microinsurance products | |
US20160104246A1 (en) | System for dynamically calculating claim allocations | |
Long | The aging population and sustainability of the pension scheme: Simulations of policy options for Vietnam | |
CN106919999A (zh) | 养老保险缴费收入预测方法及预测装置 | |
D'Andrea | A meta-analysis on the debt-growth relationship | |
CN110782360A (zh) | 结算数据处理方法与装置、存储介质、电子设备 | |
Petersen et al. | A Basel perspective on bank leverage | |
Liu et al. | Network centrality and credit risk: A comprehensive analysis of peer-to-peer lending dynamics | |
US8930205B1 (en) | Method and system for personalized healthcare related expense investment planning | |
CN113962817A (zh) | 异常人员识别方法及装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170419 |