CN109993645A - 财务预测方法、系统、计算机系统及计算机可读存储介质 - Google Patents

财务预测方法、系统、计算机系统及计算机可读存储介质 Download PDF

Info

Publication number
CN109993645A
CN109993645A CN201810020982.9A CN201810020982A CN109993645A CN 109993645 A CN109993645 A CN 109993645A CN 201810020982 A CN201810020982 A CN 201810020982A CN 109993645 A CN109993645 A CN 109993645A
Authority
CN
China
Prior art keywords
category
target category
prediction model
fetched data
prediction
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
Application number
CN201810020982.9A
Other languages
English (en)
Inventor
彭亚男
俞龙�
孙家栋
王媛
马丽晨
陈英南
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Publication of CN109993645A publication Critical patent/CN109993645A/zh
Pending legal-status Critical Current

Links

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
    • G06Q40/12—Accounting
    • G06Q40/125—Finance or payroll

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Technology Law (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供了一种财务预测方法，包括：获取目标品类在预设时间段内的历史成交数据；获取预测模型，其中，预测模型用于基于品类的历史成交数据预测品类在未来一段时间内的成交总额；以及将目标品类中每个品类的历史成交数据输入预测模型，以使预测模型输出目标品类在未来一段时间内的成交总额的预测值，其中，预测值可用于作为制定财务计划的参考。本公开还提供了一种财务预测系统、一种计算机系统以及一种计算机可读存储介质。

Description

财务预测方法、系统、计算机系统及计算机可读存储介质
技术领域
本公开涉及数据处理技术领域，更具体地，涉及一种财务预测方法、系统、计算机系统及计算机可读存储介质。
背景技术
财务预测对于提高公司经营管理水平和经济效益有着十分重要的作用，具体体现在以下三个方面。
首先，财务预测是进行经营决策的重要依据。由于管理的关键在于决策，而决策的关键在于预测，因此通过预测为决策的各种方案提供依据，可以供决策者权衡利弊，进行正确选择，以实现更高效的管理。例如，公司进行经营决策时，必然要涉及成本费用、收益以及资金需要量等问题，而这些大多需要通过财务预测进行估算，即凡事预则立，不预则废。因此，财务预测直接影响到经营决策的质量。
其次，财务预测是公司合理安排收支、提高资金使用效益的重要依据。公司做好资金的筹集和使用工作，不仅需要熟知公司过去的财务收支规律，还要善于预测公司未来的资金流量，即需要熟知公司在计划期内有哪些资金流入和流出，收支是否平衡，要做到瞻前顾后，长远规划，使财务管理工作处于主动地位。
最后，财务预测是提高公司管理水平的重要手段。财务预测不仅为科学的财务决策和财务计划提供支持，也有利于培养财务管理人员的超前性、预见性思维，可以使财务管理人员居安思危，未雨绸缪。同时，财务预测中涉及大量的科学方法以及现代化的管理手段，这无疑对提高财务管理人员的素质大有裨益。
然而，在实现本公开构思的过程中，发明人发现现有技术至少存在以下缺陷：现有的财务预测需要依靠历史数据和个人经验，容易影响预测准确度和财务预测提报效率。
针对上述问题，目前相关技术中尚未给出有效的解决方案。
发明内容
有鉴于此，本公开提供了一种通过预测模型输出目标品类在未来一段时间内的成交总额的预测值以提高预测准确度和财务预测提报效率的财务预测方法和系统。
本公开的一个方面提供了一种财务预测方法，包括：获取目标品类在预设时间段内的历史成交数据；获取预测模型，其中，上述预测模型用于基于品类的历史成交数据预测品类在未来一段时间内的成交总额；以及将上述目标品类中每个品类的历史成交数据输入上述预测模型，以使上述预测模型输出上述目标品类在上述未来一段时间内的成交总额的预测值，其中，上述预测值可用于作为制定财务计划的参考。
根据本公开的实施例，获取预测模型包括：在需要预测上述目标品类在未来4个月内的成交总额的情况下，获取第一预测模型；和/或在需要预测上述目标品类在未来1个月内的成交总额的情况下，获取上述第一预测模型和第二预测模型。
根据本公开的实施例，上述财务预测方法还包括：在需要预测上述目标品类在未来1个月内的成交总额的情况下，获取通过上述第一预测模型输出的上述目标品类在未来1个月内的成交总额的第一预测值，以及通过上述第二预测模型输出的上述目标品类在未来1个月内的成交总额的第二预测值；将上述第一预测值和上述第二预测值进行融合以得到融合后的预测值；以及基于上述融合后的预测值生成对应的财务计划。
根据本公开的实施例，上述财务预测方法还包括：在获取上述目标品类在上述预设时间段内的历史成交数据之后，且在将上述目标品类中每个品类的历史成交数据输入上述预测模型之前，对获取的上述目标品类在上述预设时间段内的历史成交数据进行数据预处理。
根据本公开的实施例，对获取的上述目标品类在上述预设时间段内的历史成交数据进行数据预处理包括以下数据预处理中的一种或几种：从上述目标品类中筛选出在预测日期前3个月内出现的品类进行财务预测；将上述目标品类中每个品类的历史成交数据按周维度和/或月维度和/或季度维度进行汇总；对上述目标品类在上述预设时间段内的历史成交数据中的异常值进行平滑处理。
根据本公开的实施例，上述财务预测方法还包括：在对上述异常值进行平滑处理的过程中，判断上述异常值是否出现在特定月份；以及若否，则对上述异常值进行平滑处理。
根据本公开的实施例，上述财务预测方法还包括：基于上述目标品类中每个品类的历史成交数据，预测上述目标品类中每个品类的上述未来一段时间内的特征属性。
根据本公开的实施例，上述财务预测方法还包括：确定上述目标品类是否是成长性品类和/或季节性品类。
本公开的另一方面提供了一种财务预测系统，包括：第一获取模块，用于获取目标品类在预设时间段内的历史成交数据；第二获取模块，用于获取预测模型，其中，上述预测模型用于基于品类的历史成交数据预测品类在未来一段时间内的成交总额；以及输入模块，用于将上述目标品类中每个品类的历史成交数据输入上述预测模型，以使上述预测模型输出上述目标品类在上述未来一段时间内的成交总额的预测值，其中，上述预测值可用于作为制定财务计划的参考。
根据本公开的实施例，第二获取模块包括：第一获取单元，用于在需要预测上述目标品类在未来4个月内的成交总额的情况下，获取第一预测模型；和/或第二获取单元，用于在需要预测上述目标品类在未来1个月内的成交总额的情况下，获取上述第一预测模型和第二预测模型。
根据本公开的实施例，上述财务预测系统还包括：第三获取模块，用于在需要预测上述目标品类在未来1个月内的成交总额的情况下，获取通过上述第一预测模型输出的上述目标品类在未来1个月内的成交总额的第一预测值，以及通过上述第二预测模型输出的上述目标品类在未来1个月内的成交总额的第二预测值；融合模块，用于将上述第一预测值和上述第二预测值进行融合以得到融合后的预测值；以及生成模块，用于基于上述融合后的预测值生成对应的财务计划。
根据本公开的实施例，上述财务预测系统还包括：第一处理模块，用于在获取上述目标品类在上述预设时间段内的历史成交数据之后，且在将上述目标品类中每个品类的历史成交数据输入上述预测模型之前，对获取的上述目标品类在上述预设时间段内的历史成交数据进行数据预处理。
根据本公开的实施例，处理模块包括以下一种或几种：预测单元，用于从上述目标品类中筛选出在预测日期前3个月内出现的品类进行财务预测；汇总单元，用于将上述目标品类中每个品类的历史成交数据按周维度和/或月维度和/或季度维度进行汇总；处理单元，用于对上述目标品类在上述预设时间段内的历史成交数据中的异常值进行平滑处理。
根据本公开的实施例，上述财务预测系统还包括：判断模块，用于在对上述异常值进行平滑处理的过程中，判断上述异常值是否出现在特定月份；以及第二处理模块，用于在判断出上述异常值没有出现在特定月份的情况下，对上述异常值进行平滑处理。
根据本公开的实施例，上述财务预测系统还包括：预测模块，用于基于上述目标品类中每个品类的历史成交数据，预测上述目标品类中每个品类的上述未来一段时间内的特征属性。
根据本公开的实施例，上述财务预测系统还包括：确定模块，用于确定上述目标品类是否是成长性品类和/或季节性品类。
本公开的另一方面提供了一种计算机系统，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如上任一项所述的财务预测方法。
本公开的另一方面提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器实现如上任一项所述的财务预测方法。
根据本公开的实施例，因为采用了通过预测模型输出目标品类在未来一段时间内的成交总额的预测值的技术手段，可以至少部分地解决相关技术中财务预测需要依靠历史数据和个人经验，容易影响预测准确度和财务预测提报效率的技术问题，并因此可以实现提高预测准确度和财务预测提报效率的技术效果。
附图说明
通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：
图1示意性示出了根据本公开实施例的可以应用财务预测方法及系统的应用场景；
图2示意性示出了根据本公开实施例的财务预测方法的流程图；
图3A示意性示出了根据本公开另一实施例的财务预测方法的流程图；
图3B示意性示出了根据本公开另一实施例的财务预测方法的流程图；
图4示意性示出了根据本公开的实施例的财务预测系统的框图；
图5A示意性示出了根据本公开的另一实施例的财务预测系统的框图；
图5B示意性示出了根据本公开的另一实施例的财务预测系统的框图；
图5C示意性示出了根据本公开的另一实施例的财务预测系统的框图；
图5D示意性示出了根据本公开的另一实施例的财务预测系统的框图；
图5E示意性示出了根据本公开的另一实施例的财务预测系统的框图；以及
图6示意性示出了根据本公开实施例的适于实现财务预测方法的计算机系统的框图。
具体实施方式
以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释 (例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有 B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C 等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C 的系统等)。本领域技术人员还应理解，实质上任意表示两个或更多可选项目的转折连词和/或短语，无论是在说明书、权利要求书还是附图中，都应被理解为给出了包括这些项目之一、这些项目任一方、或两个项目的可能性。例如，短语“A或B”应当被理解为包括“A”或“B”、或“A和B”的可能性。
本公开的实施例提供了一种财务预测方法，该财务预测方法包括：获取目标品类在预设时间段内的历史成交数据；获取预测模型，其中，预测模型用于基于品类的历史成交数据预测品类在未来一段时间内的成交总额；以及将目标品类中每个品类的历史成交数据输入预测模型，以使预测模型输出目标品类在未来一段时间内的成交总额的预测值，其中，预测值可用于作为制定财务计划的参考。
图1示意性示出了根据本公开实施例的可以应用财务预测方法及系统的应用场景。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示，预测模型101可以用于预测品类在未来一段时间内的成交总额。由于财务预测对于提高公司经营管理水平和经济效益有着十分重要的作用，因此，为了通过提升财务预测效率及可靠性而进一步提升公司经营管理水品及经济效益，可以利用本公开提供的财务预测方案，即将目标品类在预设时间段内的历史成交数据输入到预测模型101中，以使该预测模型101可以输出对应的用于表示目标品类在未来一段时间内的成交总额的预测值，进而可以将该预测值作为制定财务计划的参考。
图2示意性示出了根据本公开实施例的财务预测方法的流程图。
如图2所示，该方法可以包括操作S201～S203，其中：
在操作S201，获取目标品类在预设时间段内的历史成交数据。
在本公开的实施例，目标品类可以包括一个或多个品类，例如该目标品类可以包括全部的品类；又例如不同部门所对应的品类不同，则目标品类例如可以包括某一部门所对应品类，其中，某一部门所对应的品类例如也可以包括一个或多个品类。
根据本公开的实施例，预设时间段的单位例如可以是日、月、年等，例如预设时间段可以为1个月、2年等。历史成交数据例如可以包括目标品类在预设时间段内的历史成交总额、历史成交总数量等。在此，不对预设时间段、历史成交数据做具体的限定。
在本公开的实施例，获取目标品类在预设时间段内的历史成交数据例如可以是获取目标品类中的每个品类在预设时间段内的历史成交数据。
例如，目标品类包括服装品类，需要对目标品类在预设日期例如 2018年的成交总额进行预测，则可以获取该服装品类在预设时间段内例如两年内的历史成交数据，也即可以获取目标品类在2016年和2017年内的历史成交数据。
在操作S202，获取预测模型，其中，预测模型用于基于品类的历史成交数据预测品类在未来一段时间内的成交总额。
在本公开的实施例中，预测模型例如可以是基于预设算法对每个品类的特征属性进行训练得到的，其可以用于基于品类的历史成交数据预测该品类在未来一段时间内的成交总额(Gross Merchandise Volume，简称为GMV)。
此外，根据本公开的实施例，还可以对各品类的历史成交数据执行数据分析步骤，该数据分析步骤可以包括对各品类的历史成交数据进行属性分析和特征分析。
具体地，可以利用预测模型在时间维度(例如阴历和节气)、节假日以及季节性属性上对各品类的历史成交数据进行分析判断。比如，可以将与时间维度有关的一个或多个品类与该时间维度关联，还可以将与节假日有关的一个或多个品类与该节假日关联，也可以将与季节性属性有关的一个或多个品类与该季节性属性关联；进而，在对各品类(例如目标品类)进行预测时，可以将各品类的历史成交数据以及与各品类相关联的时间维度、节假日及季节性属性等参数输入预测模型中，以便该预测模型可以更精确地输出与各品类相适应的预测值。例如，2017年 10月4号(阳历)为中国传统节日“中秋节(阴历八月十五)”，根据历史成交数据得知2017年9月份和10月份“月饼”成交总额相对较高，此时可以将“月饼”与“中秋节”相关联；为了预估2018年“中秋节”前后“月饼”的成交总额，可以将该历史成交数据以及与“月饼”相关联的“中秋节”输入预测模型。同时，由于2018年的“中秋节”为9 月24号，因此，2018年“中秋节”前后“月饼”成交总额的预测值可以对应到2018年的阳历8月份和9月份。
在本公开的实施例中，上述预测模型同时可以具有拓展性，即在利用预测模型对各品类的历史成交数据进行分析判断时，由于天气信息、市场信息(比如表示市场发展趋势的相关数据)可以客观的反映或者影响品类的销量、成交总额等，因此，还可以将天气信息、市场信息等更加丰富的数据参数输入该预测模型，以便可以得到更精准的预测结果。其中，天气信息可以包括以下一个或多个：温度信息、风力级数信息、晴天信息、阴天信息、雨天信息等；市场信息也可以包括以下一个或多个：某品类在某年度的历史成交数据在该年度的市场份额、某品类在某年度的市场指数等等。
具体实施时，本公开的实施例也可以将与天气信息有关的一个或多个品类与该天气信息关联，还可以将与市场信息有关的一个或多个品类与该市场信息关联；进一步，为了得到各品类(例如目标品类)在未来一段时间内的成交总额的预测值，不仅可以将该各品类在预设时间段内的历史成交数据输入该预测模型，还可以将在预设时间段内，与各品类关联的时间维度、节假日、季节性属性、天气信息、市场信息等参数输入该预测模型，以便可以更精准地预测各品类在未来一段时间内的预测值。
需要说明的是，在对目标品类进行预测时，可以将历史成交数据以及与目标品类关联的以下一个或多个：时间维度、节假日、季节性属性、天气信息、市场信息，输入该预测模型，以便该预测模型可以输出更精准的关于目标品类的成交总额的预测值。
在操作S203，将目标品类中每个品类的历史成交数据输入预测模型，以使预测模型输出目标品类在未来一段时间内的成交总额的预测值，其中，预测值可用于作为制定财务计划的参考。
在本公开的实施例中，在目标品类包括一个品类时，可以将该一个品类的历史成交数据输入该预测模型中，以便该预测模型可以基于该历史成交数据输出该一个品类在未来一段时间内的成交总额的预测值。
根据本公开的实施例，在目标品类包括多个品类时，可以将该多个品类中的每个品类所对应的历史成交数据依次输入该预测模型中，以使该预测模型可以输出每个品类在未来一段时间内的成交总额的预测值。
需要说明的是，上述预测值可以用于作为制定财务计划的参考。
与本公开的实施例不同，目前电商企业各部门需要决定的预测指标有32项，预测的频次为每月提交一次，预测的时间为未来三个月，预测的方式为各级业务部门负责人通过固定Excel模板逐级提报、沟通、调整、汇总后得出。由于财务预测涉及指标多，时间跨度大，所以制定时需要获取大量的历史数据并对其进行加工分析。在目前的提报方式下，填报人每月提报时均需要花大量时间导出历史数据，并对导出的数据进行加工分析。现有的提报方式存在以下三点缺陷：1、目前内部数据的口径繁多，若导出的数据口径不正确，会直接影响预测准确度；2、目前填报财务预测的依据为人工对历史数据的加工分析结果，个体思维差异、人员变动、部门变动等因素会影响预测准确度；3、每月人工导出数据并进行加工分析的方式，会造成提报人每月做大量重复性的工作，效率较低。也即，现有的财务预测需要依靠历史数据和个人经验，通过 Excel表格进行财务预测的提报，在预测可靠性和财务预测提报效率方面均需要有较大的提升。
而本公开实施例的主要目的是依托品类成交总额的机器预测引擎设计一种财务预测方案，通过基于品类的成交总额的预测结果，将财务预测填报流程线上化，从而提升财务预测的数据可靠性及提报效率，进而提升公司的经营管理水平及经济效益。
通过本公开的实施例，通过利用预测模型输出目标品类在未来一段时间内的成交总额的预测值，可以部分或全部的解决相关技术中财务预测需要依靠历史数据和个人经验，容易影响预测准确度和财务预测提报效率的问题，从而提高预测准确度和财务预测提报效率。
下面参考图3A～图3B，结合具体实施例对图2所示的方法做进一步说明。
作为一种可选的实施例，获取预测模型可以包括：在需要预测目标品类在未来4个月内的成交总额的情况下，获取第一预测模型；和/ 或在需要预测目标品类在未来1个月内的成交总额的情况下，获取第一预测模型和第二预测模型。
在本公开的实施例中，第一预测模型例如可以包括M+4模型，该 M+4模型例如可以是基于预设算法中的线性回归(linear regression)算法对目标品类中的每个品类的特征属性进行训练得到的。第二预测模型例如可以包括M+1模型，该M+1模型例如可以是基于预设算法中的线性回归算法和/或极端梯度提升(extreme gradient boosting，简称为Xgboost)算法对目标品类中的每个品类的相关数据进行训练得到的。换言之，线性回归算法可以提供M+4模型的预测，线性回归算法和极端梯度提升均可以提供M+1模型的预测。
需要说明的是，M+1模型例如可以对目标品类在未来1个月内的成交总额进行预测，M+4模型例如可以对目标品类在未来1个月内和未来 4个月内的成交总额进行预测。
根据本公开的实施例，若需要预测目标品类在未来4个月内的成交总额，则可以获取第一预测模型例如M+4模型；若需要预测目标品类在未来1个月内的成交总额，则可以获取第一预测模型例如M+4模型和/或第二预测模型例如M+1模型。
通过本公开的实施例，利用不同的预测模型对目标品类在不同的未来时间段的成交总额进行预测，可以进一步提高预测准确度和财务预测提报效率。
图3A示意性示出了根据本公开另一实施例的财务预测方法的流程图。
如图3A所示，该财务预测方法还可以包括操作S301～S303，其中：
在操作S301，在需要预测目标品类在未来1个月内的成交总额的情况下，获取通过第一预测模型输出的目标品类在未来1个月内的成交总额的第一预测值，以及通过第二预测模型输出的目标品类在未来1个月内的成交总额的第二预测值。
在操作S302，将第一预测值和第二预测值进行融合以得到融合后的预测值。
在操作S303，基于融合后的预测值生成对应的财务计划。
在本公开的实施例中，第一预测值可以是由第一预测模型输出的，第二预测值可以由第二预测模型输出的，其中，第一预测值和第二预测值均可以表示目标品类在未来1个月内的成交总额的预测值。
根据本公开的实施例，将第一预测值和第二预测值进行融合可以是将第一预测值和第二预测值进行调和平均以得到目标品类中的每个品类在未来1个月内的预测值，例如，第一预测值可以为g1，第二预测值可以为g2，则将第一预测值和第二预测值进行融合得到的融合后的预测值可以为：
具体实施时，例如可以获取目标品类在预设时间段内的历史成交总额，并将该历史成交总额输入第一预测模型例如M+4模型中，以使该第一预测模型输出目标品类在未来1个月内的成交总额的第一预测值；随后，例如可以将该历史成交总额输入第二预测模型例如M+1模型中，以使该第二预测模型输出目标品类在未来1个月内的成交总额的第二预测值。进一步，可以将第一预测值和第二预测值进行调和平均以得融合后的预测值，并基于该融合后的预测值生成对应的财务计划。
通过本公开的实施例，在需要预测目标品类在未来1个月内的成交总额的情况下，可以基于两种预测模型即第一预测模型和第二预测模型输出的第一预测值和第一预测值生成对应的财务计划，进而可以进一步提高预测准确度和财务预测提报效率。
作为一种可选的实施例，该财务预测方法还可以包括：在获取目标品类在预设时间段内的历史成交数据之后，且在将目标品类中每个品类的历史成交数据输入预测模型之前，对获取的目标品类在预设时间段内的历史成交数据进行数据预处理。
在本公开的实施例中，由于真实环境中的调动或计划，可以对目标品类在预设时间段内的历史成交数据进行数据预处理，以避免由于历史成交数据中存在不真实数据导致预测结果不准确，其中，预处理的具体操作如下所述。
作为一种可选的实施例，对获取的目标品类在预设时间段内的历史成交数据进行数据预处理包括以下数据预处理中的一种或几种：从目标品类中筛选出在预测日期前3个月内出现的品类进行财务预测；将目标品类中每个品类的历史成交数据按周维度和/或月维度和/或季度维度进行汇总；对目标品类在预设时间段内的历史成交数据中的异常值进行平滑处理。
在本公开的实施例中，目标品类中的某些品类可能在一段时间后已经停止生产或下架，此种情况下，若依然对这些品类进行预测，可能会导致预测值的不准确。此时可以根据本公开的实施例，对目标品类进行筛选，例如可以从目标品类中筛选出在预测日期前3个月内出现的品类，并对这些品类进行预测，即可以筛选出在预测日期前3个月未出现的品类，且不对这些品类进行预测。
根据本公开的实施例，还可以对目标品类中的每个的历史成交数据按照周维度和/或月维度和/或季度维度进行汇总。例如目标品类为水果品类，可以对该水果品类按照季度维护进行汇总，如可以将该水果品类在1-3月的历史成交数据进行汇总，4-6月的历史成交数据进行汇总等。
在本公开的实施例中，还可以对目标品类在预设时间段内的历史成交数据中的异常值进行平滑处理，其中，异常值例如可以是过高或者过低的历史成交数据。例如，在预设时间段内，目标品类在某天和/ 或某月和/或某年内有过高或过低的历史成交数据，此时，可以对该过高或过低的历史成交数据进行平滑处理。
通过本公开的实施例，通过对目标品类在预设时间段内的历史成交数据进行上述一种或几种的数据预处理，可以进一步提高预测准确度和财务预测提报效率。
图3B示意性示出了根据本公开另一实施例的财务预测方法的流程图。
如图3B所示，该财务预测方法还可以包括操作S401～S402，其中：
在操作S401，在对异常值进行平滑处理的过程中，判断异常值是否出现在特定月份。
在操作S402，若否，则对异常值进行平滑处理。
在本公开的实施例中，如果目标品类在预设时间段内的历史成交数据中包含有异常值，则可以进一步判断该异常值是否出现在特定月份，例如6月(618节日)、11月(双11节日)、12月(双12节日、平安夜节日、圣诞节节日)等。若判断出该异常值不是出现在特定月份，则可以对该异常值进行平滑处理；反之，则可以不对该异常值进行平滑处理。
通过本公开的实施例，通过判断异常值出现的月份以确定是否对该异常值进行平滑处理，即如果异常值出现在特定月份则不对该异常值进行处理，可以进一步提高预测准确度和财务预测提报效率。
作为一种可选的实施例，该财务预测方法还可以包括：基于目标品类中每个品类的历史成交数据，预测目标品类中每个品类的未来一段时间内的特征属性。
在本公开的实施例中，预测目标品类中每个品类的未来一段时间内的特征属性可以是生成预测期内目标品类中各品类的相关特征，以便为上述模型训练做数据准备，其中，特征属性例如可以包括以下一种或几种：同比增长、环比增长、品类库存量单位(StockKeeping Unit，简称为SKU)个数、节假日标记、促销相关特征、傅里叶变换等。
根据本公开的实施例，同比增长例如可以表示目标品类前几周的实际成交总额，以及前几周的成交总额调和平均值等，且该同比增长可以用于发现近期趋势。环比增长例如可以用于表示目标品类去年同时段的成交总额均值等，且该环比增长可以用于发现往年同时段趋势，例如由于春节期间成交总额变化明显，故而引入了农历日期对应(可以参考上述“中秋节”示例)，即春节期间，采用农历日期做环比增长对应特征。品类SKU个数例如可以由成长性品类获取。节假日标记例如可以包括618，双11，春节等等。促销相关特征例如可以是对各种促销(满减、直降、赠品等等)均做了量化处理，使用本月以及上月相关促销量化指标作为特征。傅里叶变换例如可以是使用周序列数生成傅里叶序列，该傅里叶序列是一个周期性的序列，以此来拟合成交总额曲线的周期性，其计算公式如下：
其中，Wseq代表周序列(考虑到历史数据时间范围的选定，可以设定2013-12-30～2014-01-05为第一周)，52代表周期(一年可以按照 52周计算)，i表示频率(可以调控，以调整周期波动频率)，Fouriersin表示正弦函数的傅里叶变换，Fouriercos表示余弦函数的傅里叶变换。
在本公开的实施例中，预测目标品类中每个品类的未来一段时间内的特征属性后，可以通过预测模型输出对应的成交总额的预测值，并将该预测值作为未来财务预测制定方案的参考。
通过本公开的实施例，通过预测目标品类中每个品类的未来一段时间内的特征属性，可以为上述模型训练做数据准备，进而可以提高预测准确度和财务预测提报效率。
作为一种可选的实施例，该财务预测方法还可以包括：确定所述目标品类是否是成长性品类和/或季节性品类。
在本公开的实施例中，可以对所有品类进行归类，例如可以在三级品类维度下对品类进行成长性和季节性的判断。
根据本公开的实施例，确定目标品类是否是成长性品类例如可以是考虑到某个品类的成交总额和三级品类内的SKU个数有一定正相关关系，可以选择此变量来判断该品类是否具有成长性。例如以时间顺序为相关特征，SKU个数为目标变量，使用线性回归算法按周预测某个三级品类下的SKU个数，最终设定成长系数阈值，若在一定时期内，SKU增长倍数超过此系数，则可以认为该三级品类为成长性品类。
在本公开的实施例中，确定目标品类是否是季节性品类例如可以是发现季节性品类的成交总额在每年的特定时期会有一定程度的波动 (通常表现为上涨)，因此可以以成交总额为目标变量，以同比环比成交总额以及促销日(又称为节假日，例如618，双11等)为相关特征，使用线性回归算法进行成交总额预测，取R(确定系数)值高于预设阈值的三级品类为季节性品类，其中，R的计算公式如下：
R＝1-SSres/SStot
其中，yi代表实际值，fi代表预测值，SSres表示残差平方和，此处残差指的是成交总额预测值和实际值之间的差值，SStot表示成交总额实际值和均值之差的平方和，代表成交总额实际值平均值，R值一般用来表征一个模型拟合目标值的能力，其正常取值范围为[0，1]，R值越接近1，表明模型对目标变量的解释能力越强，该模型对数据拟合也更好，其可以用来表示训练模型对成交总额的解释能力。
根据本公开的实施例，通过上述建模可以对品类进行分类，进而筛选出成长性品类和季节性品类，其中，品类的这两点特性可以被用于建立成交总额的预测模型。
通过本公开的实施例，本公开为依托品类成交总额机器预测引擎设计出的财务预测方法是基于品类的历史数据，考虑成长性、季节性因素，输出稳定可靠的预测结果，取代原人工基于历史数据通过个人经验进行预测的方式，在可以提高工作效率的同时还可以提升财务预测的数据可靠性及提报效率，进而可以提升公司的经营管理水及经济效益。
图4示意性示出了根据本公开的实施例的财务预测系统的框图。
如图4所示，该财务预测系统400可以包括第一获取模块410、第二获取模块420和输入模块430，其中：
第一获取模块410用于获取目标品类在预设时间段内的历史成交数据。
第二获取模块420用于获取预测模型，其中，预测模型用于基于品类的历史成交数据预测品类在未来一段时间内的成交总额。
输入模块430用于将目标品类中每个品类的历史成交数据输入预测模型，以使预测模型输出目标品类在未来一段时间内的成交总额的预测值，其中，预测值可用于作为制定财务计划的参考。
通过本公开的实施例，通过利用预测模型输出目标品类在未来一段时间内的成交总额的预测值，可以部分或全部的解决相关技术中财务预测需要依靠历史数据和个人经验，容易影响预测准确度和财务预测提报效率的问题，从而提高预测准确度和财务预测提报效率。
作为一种可选的实施例，第二获取模块可以包括：第一获取单元，用于在需要预测目标品类在未来4个月内的成交总额的情况下，获取第一预测模型；和/或第二获取单元，用于在需要预测目标品类在未来 1个月内的成交总额的情况下，获取第一预测模型和第二预测模型。
通过本公开的实施例，利用不同的预测模型对目标品类在不同的未来时间段的成交总额进行预测，可以进一步提高预测准确度和财务预测提报效率。
图5A示意性示出了根据本公开的另一实施例的财务预测系统的框图。
如图5A所示，该财务预测系统400还可以包括第三获取模块510、融合模块520和生成模块530，其中：
第三获取模块510用于在需要预测目标品类在未来1个月内的成交总额的情况下，获取通过第一预测模型输出的目标品类在未来1个月内的成交总额的第一预测值，以及通过第二预测模型输出的目标品类在未来1个月内的成交总额的第二预测值。
融合模块520用于将第一预测值和第二预测值进行融合以得到融合后的预测值。
生成模块530用于基于融合后的预测值生成对应的财务计划。
通过本公开的实施例，在需要预测目标品类在未来1个月内的成交总额的情况下，可以基于两种预测模型即第一预测模型和第二预测模型输出的第一预测值和第一预测值生成对应的财务计划，进而可以进一步提高预测准确度和财务预测提报效率。
图5B示意性示出了根据本公开的另一实施例的财务预测系统的框图。
如图5B所示，该财务预测系统400还可以包括第一处理模块610，其中：
第一处理模块610用于在获取目标品类在预设时间段内的历史成交数据之后，且在将目标品类中每个品类的历史成交数据输入预测模型之前，对获取的目标品类在预设时间段内的历史成交数据进行数据预处理。
在本公开的实施例中，由于真实环境中的调动或计划，可以对目标品类在预设时间段内的历史成交数据进行数据预处理，以避免由于历史成交数据中存在不真实数据导致预测结果不准确，其中，预处理的具体操作如上述方法描述中所述。
作为一种可选的实施例，第一处理模块可以包括以下一种或几种：预测单元，用于从目标品类中筛选出在预测日期前3个月内出现的品类进行财务预测；汇总单元，用于将目标品类中每个品类的历史成交数据按周维度和/或月维度和/或季度维度进行汇总；处理单元，用于对目标品类在预设时间段内的历史成交数据中的异常值进行平滑处理。
通过本公开的实施例，通过对目标品类在预设时间段内的历史成交数据进行上述一种或几种的数据预处理，可以进一步提高预测准确度和财务预测提报效率。
图5C示意性示出了根据本公开的另一实施例的财务预测系统的框图。
如图5C所示，该财务预测系统400还可以包括判断模块710和第二处理模块720，其中：
判断模块710用于在对异常值进行平滑处理的过程中，判断异常值是否出现在特定月份。
第二处理模块720用于在判断出异常值没有出现在特定月份的情况下，对异常值进行平滑处理。
通过本公开的实施例，通过判断异常值出现的月份以确定是否对该异常值进行平滑处理，即如果异常值出现在特定月份则不对该异常值进行处理，可以进一步提高预测准确度和财务预测提报效率。
图5D示意性示出了根据本公开的另一实施例的财务预测系统的框图。
如图5D所示，该财务预测系统400还可以包括预测模块810，其中：
预测模块810用于基于目标品类中每个品类的历史成交数据，预测目标品类中每个品类的未来一段时间内的特征属性。
通过本公开的实施例，通过预测目标品类中每个品类的未来一段时间内的特征属性，可以为上述模型训练做数据准备，进而可以提高预测准确度和财务预测提报效率。
图5E示意性示出了根据本公开的另一实施例的财务预测系统的框图。
如图5E所示，该财务预测系统400还可以包括确定模块910，其中：
确定模块910用于确定目标品类是否是成长性品类和/或季节性品类。
通过本公开的实施例，本公开为依托品类成交总额机器预测引擎设计出的财务预测方法是基于品类的历史数据，考虑成长性、季节性因素，输出稳定可靠的预测结果，取代由人工基于历史数据通过个人经验进行预测的方式，在可以提高工作效率的同时还可以提升财务预测的数据可靠性及提报效率，进而可以提升公司的经营管理水及经济效益。
可以理解的是，前述的第一获取模块410、第二获取模块420、输入模块430、第三获取模块510、融合模块520、生成模块530、第一处理模块610、判断模块710、第二处理模块720、预测模块810以及确定模块910等可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本发明的实施例，第一获取模块410、第二获取模块420、输入模块430、第三获取模块510、融合模块520、生成模块530、第一处理模块610、判断模块710、第二处理模块720、预测模块810以及确定模块910中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列 (FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以以对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式的适当组合来实现。或者，第一获取模块410、第二获取模块420、输入模块430、第三获取模块510、融合模块520、生成模块530、第一处理模块610、判断模块710、第二处理模块720、预测模块810 以及确定模块910中的至少一个可以至少被部分地实现为计算机程序模块，当该程序被计算机运行时，可以执行相应模块的功能。
需要说明的是，本公开的实施例中财务预测系统部分与本公开的实施例中财务预测方法部分是相对应的，财务预测系统部分的描述具体参考财务预测方法部分，在此不再赘述。
作为另一方面，本公开还提供了一种计算机系统，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现如上任一项所述的财务预测方法。
图6示意性示出了根据本公开实施例的适于实现财务预测方法的计算机系统的框图。图6示出的计算机系统仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示，根据本公开实施例的计算机系统1000包括处理器1001，其可以根据存储在只读存储器(ROM)1002中的程序或者从存储部分 1008加载到随机访问存储器(RAM)1003中的程序而执行各种适当的动作和处理。处理器1001例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器1001还可以包括用于缓存用途的板载存储器。处理器1001可以包括用于执行参考图2，图3A～图3B描述的根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 1003中，存储有计算机系统1000操作所需的各种程序和数据。处理器1001、ROM 1002以及RAM 1003通过总线1004彼此相连。处理器1001通过执行ROM 1002和/或RAM1003中的程序来执行以上参考图2，图3A～图3B描述的各种操作。需要注意，所述程序也可以存储在除ROM 1002和RAM 1003以外的一个或多个存储器中。处理器1001也可以通过执行存储在所述一个或多个存储器中的程序来执行以上参考图2，图3A～图3B描述的各种操作。
根据本公开的实施例，计算机系统1000还可以包括输入/输出(I/O) 接口1005，输入/输出(I/O)接口1005也连接至总线1004。计算机系统1000还可以包括连接至I/O接口1005的以下部件中的一项或多项：包括键盘、鼠标等的输入部分1006；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1007；包括硬盘等的存储部分1008；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1010上，以便于从其上读出的计算机程序根据需要被安装入存储部分1008。
根据本公开的实施例，上文参考流程图描述的方法可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1009从网络上被下载和安装，和/或从可拆卸介质1011被安装。在该计算机程序被处理器1001执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
需要说明的是，本公开所示的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质，该计算机可读存储介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 1002和/或RAM 1003和/或 ROM 1002和RAM 1003以外的一个或多个存储器。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
作为另一方面，本公开还提供了一种计算机可读介质，其上存储有可执行指令，该指令被处理器执行时使处理器实现如上任一项所述的财务预测方法。该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备执行：获取目标品类在预设时间段内的历史成交数据；获取预测模型，其中，预测模型用于基于品类的历史成交数据预测品类在未来一段时间内的成交总额；以及将目标品类中每个品类的历史成交数据输入预测模型，以使预测模型输出目标品类在未来一段时间内的成交总额的预测值，其中，预测值可用于作为制定财务计划的参考。
以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (18)

1.一种财务预测方法，包括：
获取目标品类在预设时间段内的历史成交数据；
获取预测模型，其中，所述预测模型用于基于品类的历史成交数据预测品类在未来一段时间内的成交总额；以及
将所述目标品类中每个品类的历史成交数据输入所述预测模型，以使所述预测模型输出所述目标品类在所述未来一段时间内的成交总额的预测值，其中，所述预测值可用于作为制定财务计划的参考。
2.根据权利要求1所述的方法，其中，获取预测模型包括：
在需要预测所述目标品类在未来4个月内的成交总额的情况下，获取第一预测模型；和/或
在需要预测所述目标品类在未来1个月内的成交总额的情况下，获取所述第一预测模型和第二预测模型。
3.根据权利要求2所述的方法，其中，所述方法还包括：
在需要预测所述目标品类在未来1个月内的成交总额的情况下，获取通过所述第一预测模型输出的所述目标品类在未来1个月内的成交总额的第一预测值，以及通过所述第二预测模型输出的所述目标品类在未来1个月内的成交总额的第二预测值；
将所述第一预测值和所述第二预测值进行融合以得到融合后的预测值；以及
基于所述融合后的预测值生成对应的财务计划。
4.根据权利要求1至3中任一项所述的方法，其中，所述方法还包括：
在获取所述目标品类在所述预设时间段内的历史成交数据之后，且在将所述目标品类中每个品类的历史成交数据输入所述预测模型之前，对获取的所述目标品类在所述预设时间段内的历史成交数据进行数据预处理。
5.根据权利要求4所述的方法，其中，对获取的所述目标品类在所述预设时间段内的历史成交数据进行数据预处理包括以下数据预处理中的一种或几种：
从所述目标品类中筛选出在预测日期前3个月内出现的品类进行财务预测；
将所述目标品类中每个品类的历史成交数据按周维度和/或月维度和/或季度维度进行汇总；
对所述目标品类在所述预设时间段内的历史成交数据中的异常值进行平滑处理。
6.根据权利要求5所述的方法，其中，所述方法还包括：
在对所述异常值进行平滑处理的过程中，判断所述异常值是否出现在特定月份；以及
若否，则对所述异常值进行平滑处理。
7.根据权利要求1所述的方法，其中，所述方法还包括：
基于所述目标品类中每个品类的历史成交数据，预测所述目标品类中每个品类的所述未来一段时间内的特征属性。
8.根据权利要求1所述的方法，其中，所述方法还包括：
确定所述目标品类是否是成长性品类和/或季节性品类。
9.一种财务预测系统，包括：
第一获取模块，用于获取目标品类在预设时间段内的历史成交数据；
第二获取模块，用于获取预测模型，其中，所述预测模型用于基于品类的历史成交数据预测品类在未来一段时间内的成交总额；以及
输入模块，用于将所述目标品类中每个品类的历史成交数据输入所述预测模型，以使所述预测模型输出所述目标品类在所述未来一段时间内的成交总额的预测值，其中，所述预测值可用于作为制定财务计划的参考。
10.根据权利要求9所述的系统，其中，第二获取模块包括：
第一获取单元，用于在需要预测所述目标品类在未来4个月内的成交总额的情况下，获取第一预测模型；和/或
第二获取单元，用于在需要预测所述目标品类在未来1个月内的成交总额的情况下，获取所述第一预测模型和第二预测模型。
11.根据权利要求10所述的系统，其中，所述系统还包括：
第三获取模块，用于在需要预测所述目标品类在未来1个月内的成交总额的情况下，获取通过所述第一预测模型输出的所述目标品类在未来1个月内的成交总额的第一预测值，以及通过所述第二预测模型输出的所述目标品类在未来1个月内的成交总额的第二预测值；
融合模块，用于将所述第一预测值和所述第二预测值进行融合以得到融合后的预测值；以及
生成模块，用于基于所述融合后的预测值生成对应的财务计划。
12.根据权利要求9至11中任一项所述的系统，其中，所述系统还包括：
第一处理模块，用于在获取所述目标品类在所述预设时间段内的历史成交数据之后，且在将所述目标品类中每个品类的历史成交数据输入所述预测模型之前，对获取的所述目标品类在所述预设时间段内的历史成交数据进行数据预处理。
13.根据权利要求12所述的系统，其中，第一处理模块包括以下一种或几种：
预测单元，用于从所述目标品类中筛选出在预测日期前3个月内出现的品类进行财务预测；
汇总单元，用于将所述目标品类中每个品类的历史成交数据按周维度和/或月维度和/或季度维度进行汇总；
处理单元，用于对所述目标品类在所述预设时间段内的历史成交数据中的异常值进行平滑处理。
14.根据权利要求13所述的系统，其中，所述系统还包括：
判断模块，用于在对所述异常值进行平滑处理的过程中，判断所述异常值是否出现在特定月份；以及
第二处理模块，用于在判断出所述异常值没有出现在特定月份的情况下，对所述异常值进行平滑处理。
15.根据权利要求9所述的系统，其中，所述系统还包括：
预测模块，用于基于所述目标品类中每个品类的历史成交数据，预测所述目标品类中每个品类的所述未来一段时间内的特征属性。
16.根据权利要求9所述的系统，其中，所述系统还包括：
确定模块，用于确定所述目标品类是否是成长性品类和/或季节性品类。
17.一种计算机系统，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至8中任一项所述的财务预测方法。
18.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器实现权利要求1至8中任一项所述的财务预测方法。
CN201810020982.9A 2017-12-29 2018-01-09 财务预测方法、系统、计算机系统及计算机可读存储介质 Pending CN109993645A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201711498897 2017-12-29
CN2017114988975 2017-12-29

Publications (1)

Publication Number Publication Date
CN109993645A true CN109993645A (zh) 2019-07-09

Family

ID=67128905

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810020982.9A Pending CN109993645A (zh) 2017-12-29 2018-01-09 财务预测方法、系统、计算机系统及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN109993645A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110458360A (zh) * 2019-08-13 2019-11-15 腾讯科技（深圳）有限公司 热门资源的预测方法、装置、设备及存储介质
CN111339156A (zh) * 2020-02-07 2020-06-26 京东城市(北京)数字科技有限公司 业务数据的长期确定方法、装置和计算机可读存储介质
CN112445844A (zh) * 2020-11-27 2021-03-05 重庆医药高等专科学校 大数据平台财务数据管理控制系统
CN112862137A (zh) * 2019-11-27 2021-05-28 顺丰科技有限公司 件量预测方法、装置、计算机设备和计算机可读存储介质
CN113469461A (zh) * 2021-07-26 2021-10-01 北京沃东天骏信息技术有限公司 生成信息的方法和装置

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110458360A (zh) * 2019-08-13 2019-11-15 腾讯科技（深圳）有限公司 热门资源的预测方法、装置、设备及存储介质
CN110458360B (zh) * 2019-08-13 2023-07-18 腾讯科技（深圳）有限公司 热门资源的预测方法、装置、设备及存储介质
CN112862137A (zh) * 2019-11-27 2021-05-28 顺丰科技有限公司 件量预测方法、装置、计算机设备和计算机可读存储介质
CN111339156A (zh) * 2020-02-07 2020-06-26 京东城市(北京)数字科技有限公司 业务数据的长期确定方法、装置和计算机可读存储介质
CN111339156B (zh) * 2020-02-07 2023-09-26 京东城市(北京)数字科技有限公司 业务数据的长期确定方法、装置和计算机可读存储介质
CN112445844A (zh) * 2020-11-27 2021-03-05 重庆医药高等专科学校 大数据平台财务数据管理控制系统
CN113469461A (zh) * 2021-07-26 2021-10-01 北京沃东天骏信息技术有限公司 生成信息的方法和装置
CN113469461B (zh) * 2021-07-26 2024-07-19 北京沃东天骏信息技术有限公司 生成信息的方法和装置

Similar Documents

Publication Publication Date Title
CN109993645A (zh) 财务预测方法、系统、计算机系统及计算机可读存储介质
O'Neill et al. The effect of urbanization on energy use in India and China in the iPETS model
CA3133043C (en) Apparatus, method, and program for generating an operation plan of a hydrogen production system
US11182808B2 (en) Method and system for attributes based forecasting
JP7157815B2 (ja) 計画装置、計画方法、および計画プログラム
CN109767032A (zh) 一种基于数据分析的企业财务运营数字化管理优化系统
Shao et al. Multivariate statistical and similarity measure based semiparametric modeling of the probability distribution: A novel approach to the case study of mid-long term electricity consumption forecasting in China
JP2022553096A (ja) 電子ポートフォリオ管理のためのシステム及び方法
Ho et al. Production capacity planning for multiple products under uncertain demand conditions
CN110084627A (zh) 预测目标变量的方法和装置
US10896388B2 (en) Systems and methods for business analytics management and modeling
US20190066235A1 (en) Systems and methods for energy management
Tsai The impact of cost structure on supply chain cash flow risk
Cuaresma et al. The macroeconomic effects of international uncertainty
CN112862182A (zh) 一种投资预测方法、装置、电子设备及存储介质
US20170004521A1 (en) Systems and methods for generating industry outlook scores
CN108764553A (zh) 用户规模预测方法、装置及计算机设备
Haepp et al. Is Taiwan’s workforce underpaid? Evidence from marginal product of labor estimates at the company level
Han [Retracted] Analysis of Dynamic Relationship between Energy Consumption and Economic Growth Based on PVAR Model
CA3025187A1 (en) Systems and methods for generating industry outlook scores
Tuya Improving costing methodology based on commercial bank restructuring
Haqiqi et al. Model Validation: Comparing Gridded and Regional Simulations to Observations
Yin et al. The Impact of Government Macro-Control on Commodity Housing Prices in China: An Analytical Study
Martynovych Scientific and methodological support for assessing the socio-economic results and efficiency of development of the war-affected territories of Ukraine
Giliarova Information technology: effects of application in the mining industry

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190709

RJ01 Rejection of invention patent application after publication