CN116911448A - 信息预测方法、装置、设备、存储介质、程序产品及平台 - Google Patents
信息预测方法、装置、设备、存储介质、程序产品及平台 Download PDFInfo
- Publication number
- CN116911448A CN116911448A CN202310805210.7A CN202310805210A CN116911448A CN 116911448 A CN116911448 A CN 116911448A CN 202310805210 A CN202310805210 A CN 202310805210A CN 116911448 A CN116911448 A CN 116911448A
- Authority
- CN
- China
- Prior art keywords
- information
- target
- consumption
- account
- proportion
- 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 60
- 230000015654 memory Effects 0.000 claims abstract description 38
- 238000013519 translation Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 14
- 230000008901 benefit Effects 0.000 claims description 12
- 238000012790 confirmation Methods 0.000 claims description 9
- 238000007477 logistic regression Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000002699 waste material Substances 0.000 description 2
- 101150014742 AGE1 gene Proteins 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Educational Administration (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种信息预测方法、装置、设备、存储介质、程序产品及平台,涉及人工智能技术领域,具体为大数据、信息金融等技术领域,具体方案为:从目标存储器中获取目标账户的属性信息,所述属性信息包括所述目标账户对应的目标收入信息,和位置区域信息;从目标存储器中基于所述位置区域信息获取目标位置区域的参考收入信息;使用目标处理器基于所述参考收入信息和所述目标收入信息,计算所述目标账户的消费比例;使用目标处理器基于所述消费比例,计算所述目标账户在第一时间段的消费信息;使用目标处理器基于所述消费信息和所述目标收入信息,预测所述目标账户的缺口信息。本公开可以提高缺口信息预测的准确性。
Description
技术领域
本公开涉及人工智能技术领域,具体为大数据、信息金融等技术领域,尤其涉及一种信息预测方法、装置、设备、存储介质、程序产品及平台。
背景技术
目前对于消费相关信息的预测主要是基于整体数据进行预测,即在消息相关信息的预测过程中只使用到整体数据,该整体数据往往是指依据大数据统计的均值数据。
发明内容
本公开提供了一种信息预测方法、装置、设备、存储介质、程序产品及平台。
根据本公开的一方面,提供了一种信息预测方法,包括:
从目标存储器中获取目标账户的属性信息,所述属性信息包括所述目标账户对应的目标收入信息,和位置区域信息;
从所述目标存储器中基于所述位置区域信息获取目标位置区域的参考收入信息,所述目标位置区域为所述位置区域信息所指示的位置区域;
使用目标处理器基于所述参考收入信息和所述目标收入信息,计算所述目标账户的消费比例;
使用所述目标处理器基于所述消费比例,计算所述目标账户在第一时间段的消费信息;
使用所述目标处理器基于所述消费信息和所述目标收入信息,预测所述目标账户的缺口信息。
根据本公开的另一方面,提供了一种信息预测装置,包括:
第一获取模块,用于从目标存储器中获取目标账户的属性信息,所述属性信息包括所述目标账户对应的目标收入信息,和位置区域信息;
第二获取模块,用于从所述目标存储器中基于所述位置区域信息获取目标位置区域的参考收入信息,所述目标位置区域为所述位置区域信息所指示的位置区域;
第一计算模块,用于使用目标处理器基于所述参考收入信息和所述目标收入信息,计算所述目标账户的消费比例;
第二计算模块,用于使用所述目标处理器基于所述消费比例,计算所述目标账户在第一时间段的消费信息;
预测模块,用于使用所述目标处理器基于所述消费信息和所述目标收入信息,预测所述目标账户的缺口信息。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开提供的信息预测方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行本公开提供的信息预测方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现本公开提供的信息预测方法。
根据本公开的另一方面,提供了一种平台,包括本公开提供的电子设备。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本公开提供的一种信息预测方法的流程图;
图2是本公开提供的一种消费比例的示意图;
图3是本公开提供的一种消费序列的示意图;
图4是本公开提供的一种缺口信息的示意图;
图5是本公开提供的一种弥补比例的示意图;
图6是本公开提供的一种统计数据的示意图;
图7是本公开提供的另一种缺口信息的示意图;
图8a至图8e是本公开提供的信息预测装置的结构图;
图9是用来实现本公开实施例的一种电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
请参见图1,图1是本公开提供的一种信息预测方法的流程图,如图1所示,包括以下步骤:
步骤S101、从目标存储器中获取目标账户的属性信息,所述属性信息包括所述目标账户对应的目标收入信息,和位置区域信息。
上述目标账户为在网络平台注册或已有的账户,例如:用户可以注册对应的账户,如个人养老账户、保险账户等。另外,上述目标账户的属性信息可以是目标账户在一个或者多个平台上关联的属性信息,例如:上述目标账户对应一个唯一的用户身份标识,则上述属性信息包括该用户身份标识关联的一个或者多个账户的属性信息,且这多个账户可以是相同平台或者不同平台中的账户,这样通过这些属性信息可以获取到更多信息,从而有利于提高预测的缺口信息的准确性。
上述目标账户对应的收入信息可以是,该目标账户在当前或者未来时间段的收入信息,如在领取养老金的时间段的收入信息。且收入的来源可以包括多种,如工资收入、投资收入、兼职收入、房租收入、经营收入、财产收入、转移支付收入等。
上述位置区域信息可以是上述目标账户在属性信息中备注的位置区域信息,如备注的城市、省份,或者,上述位置区域信息可以是上述目标账户对应的用户所在的位置区域,如所在的城市或者省份,或者,上述目标收入信息表示的位置区域信息,如上述目标收入信息来自上述位置区域信息对应的位置区域等。
上述从目标存储器中获取目标账户的属性信息可以是,在上述目标存储器预先存储有目标账户的属性信息,进而可以直接从目标存储器中获取目标账户的属性信息。
在一些实施方式中,上述目标存储器可以是一个或者多个存储器。
由于从目标存储器中获取目标账户的属性信息,这样可以节约电子设备的计算资源,因为,不需要从其他设备或者基于用户输入的操作获取目标账户的属性信息。
步骤S102、从所述目标存储器中基于所述位置区域信息获取目标位置区域的参考收入信息,所述目标位置区域为所述位置区域信息所指示的位置区域。
上述目标位置区域的参考收入信息可以是,基于互联网数据统计的平均收入信息,或者标准收入信息,如地方平均工资。
上述目标位置区域的参考收入信息可以是预先配置好的。
上述从所述目标存储器中基于所述位置区域信息获取目标位置区域的参考收入信息可以是,在上述目标存储器预先存储有目标位置区域的参考收入信息,进而可以直接从目标存储器中基于所述位置区域信息获取目标位置区域的参考收入信息。
由于从所述目标存储器中基于所述位置区域信息获取目标位置区域的参考收入信息,这样可以节约电子设备的计算资源,因为,不需要从其他设备或者基于用户输入的操作获取目标位置区域的参考收入信息。
步骤S103、使用目标处理器基于所述参考收入信息和所述目标收入信息,计算所述目标账户的消费比例。
上述基于所述参考收入信息和所述目标收入信息,计算所述目标账户的消费比例可以是,基于所述参考收入信息和所述目标收入信息的差值计算目标账户的消费比例。
上述目标账户的消费比例表示目标账户的消费除以目标账户的收入的比例,例如:如图2所示,201表示多个收入群体的消费比例,通过图2可知,收入越低,消费比例越高,收入越高,消费比例越低。
上述使用目标处理器基于所述参考收入信息和所述目标收入信息,计算所述目标账户的消费比例可以是,在目标处理器中执行基于所述参考收入信息和所述目标收入信息计算所述目标账户的消费比例的相关操作。
步骤S104、使用所述目标处理器基于所述消费比例,计算所述目标账户在第一时间段的消费信息。
上述第一时间段可以是上述目标账户领取回报或者收益的时间段,或者目标账户对应的用户的退休时间,如领取养老金的时间段。
上述基于所述消费比例,计算所述目标账户在第一时间段的消费信息可以是,基于上述消费比例,以及目标账户在上述第一时间段的收入信息计算基于所述消费比例,计算所述目标账户在第一时间段的消费信息,或者,基于上述消费比例,以及上述目标位置区域的参考消费信息,计算所述目标账户在第一时间段的消费信息。
上述使用所述目标处理器基于所述消费比例,计算所述目标账户在第一时间段的消费信息可以是,在目标处理器中执行基于消费比例计算所述目标账户在第一时间段的消费信息的相关操作。
步骤S105、使用所述目标处理器基于所述消费信息和所述目标收入信息,预测所述目标账户的缺口信息。
上述缺口信息可以是表示上述目标账户在第一时间段的缺口账户值,本公开中,账户值可以是指资金,或者虚拟账户值。
如对于养老金场景,上述缺口信息可以是用户在退休后的养老资金缺口,即养老缺口。
上述基于所述消费信息和所述目标收入信息,预测所述目标账户的缺口信息可以是,基于所述消费信息和所述目标收入信息计算在上述第一时间段每年的缺口,通过对每年的缺口累加得到上述缺口信息。例如:以养老金为例,养老的总缺口等于退休后每一年资金缺口的累加,每一年资金缺口等于为退休后的消费总额减去收入,该收入包括退休金年收入额和其他年收入。
上述使用所述目标处理器基于所述消费信息和所述目标收入信息,预测所述目标账户的缺口信息可以是,在目标处理器中执行基于所述消费信息和所述目标收入信息预测所述目标账户的缺口信息的相关操作。
在一些实施例中,本公开可以基于终生财务安全(Lifelong FinancialSecurity,LFS)理念预测上述缺口信息,如基于LFS理念预测养老缺口。
本公开中,由于基于上述消费比例,计算目标账户在第一时间段的消费信息,基于消费信息和目标账户对应的收入信息,预测目标账户的缺口信息,这样可以使得预测的缺口信息是与上述目标账户匹配,从而提高缺口信息预测的准确性。且由于是使用目标处理器计算预测上述缺口信息,这样由于提高了缺口信息预测的准确性,这样电子设备可以直接使用该缺口信息,以避免使用目标处理器预测多次缺口信息,进而降低目标处理器的资源消费,有利于在资源受限的电子设备上预测缺口信息。
本公开中,上述方法应用于电子设备,即上述方法包括所有步骤由该电子设备执行,该电子设备可以是服务器、计算机、手机、平板电脑等电子设备。上述目标处理器为上述电子设备中的任一处理器,上述目标存储器可以是上述电子设备中的一个或者或者多个存储器。
在一个实施例中,所述使用所述目标处理基于所述参考收入信息和所述目标收入信息,计算所述目标账户的消费比例,包括:
使用所述目标处理器将所述参考收入信息和所述目标收入信息输入至逻辑回归(Logistic Regression,LR)模型进行计算,得到所述目标账户的消费比例;
其中,所述逻辑回归模型为预先训练的,用于基于所述参考收入信息和所述目标收入信息预测所述目标账户的消费比例。
上述LR模型的输入包括上述参考收入信息和目标账户对应的收入信息,这样通过将参考收入信息和目标账户对应的收入信息输入至上述LR模型,从而可以快速预测上述目标账户的消费比例。
上述使用所述目标处理将所述参考收入信息和所述目标收入信息输入至LR模型进行计算可以是,目标处理器读取上述参考收入信息和目标收入信息,并将上述参考收入信息和目标收入信息输入至LR模型,以在目标处理器执行计算,得到目标账户的消费比例。
该实施例中,通过上述LR模型预测消费比例,可以提高目标处理器的工作效率,进而提高了缺口信息预测的效率。
在一个实施例中,所述使用所述目标处理器基于所述参考收入信息和所述目标收入信息,计算所述目标账户的消费比例,包括:
使用所述目标处理器计算所述目标收入信息与所述参考收入信息的比值;
使用所述目标处理器基于预设保底消费比例和所述比值,计算所述目标账户的消费比例。
其中,上述预设保底消费比例可以是0.5或0.55等比例,具体可以根据经验值设定。
上述基于预设保底消费比例和所述比值,计算所述目标账户的消费比例可以是,基于上述比例对上述预设保底消费比例进行调整,以得到目标账户的消费比例,例如:上述比值越高,则对上述预设保底消费比例进行向上调整,上述比值越低,则对上述预设保底消费比例进行向下调整。
该实施例中,通过上述预设保底消费比例和比值可以使得计算出的消费比例更加可靠,进而避免目标处理器的资源浪费。
在一个实施例中,所述比值为所述目标收入信息除以所述参考收入信息得到的比值;
在所述比值小于预设阈值的情况下,所述目标账户的消费比例等于:所述预设保底消费比例与第一值的和,所述第一值等于1除以第二值,所述第二值等于1加上e的x次方,e是自然对数的底数,x为所述比值;
在所述比值大于或者等于所述预设阈值的情况下,所述目标账户的消费比例等于所述预设保底消费比例。
例如:通过如下公式计算:
其中,factor表示上述消费比例,base表示上述预设保底消费比例,x为所述比值。
上述预设阈值可以是5.3或5等值,具体可以根据经验值设定。
例如:在x>=5.3时,消费比例等于所述预设保底消费比例。
该实施例中,通过上述预设阈值和预设保底消费比例,可以提高上述消费比例的准确性,例如:可以避免消费比例于上述预设保底消费比例,如收入越高消费占比越低,随着收入的提升,比例会有所下降,但通过预设保底消费比例不会无限下降。
在公开中并不限定通过上述方式计算消费比例,例如:在一些实施例通过可以通过上述目标账户对应的消费数据来计算上述消费比例,如基于消费诊断的数据和/或用户输入的详细消费数据计算上述消费比例。
在一个实施例中,所述使用所述目标处理器基于所述消费比例,计算所述目标账户在第一时间段的消费信息,包括:
使用所述目标处理器基于所述消费比例和所述目标账户在第二时间段的收入信息,计算所述目标账户在所述第二时间段的消费信息,所述第二时间段早于所述第一时间段;
使用所述目标处理器将所述目标账户在所述第二时间段的消费信息与预先获取的在所述第二时间段的参考消费信息进行比较,得到比较结果;
使用所述目标处理器基于所述比较结果对预先获取的第一消费序列进行平移,得到第二消费序列,所述第一消费序列包括所述第一时间段内多个时间点的消费信息,所述第二消费序列包括所述目标账户在所述第一时间段内多个时间点的消费信息。
其中,上述第二时间段可以是上述目标客户的当前年龄段,如图3所示的301指示的35岁,而上述第一时间段可以是60至80岁的时间段。
上述基于所述消费比例和所述目标账户在第二时间段的收入信息,计算所述目标账户在所述第二时间段的消费信息可以是,将上述消费比例乘以上述第二时间段的收入信息对应的收入,得到上述目标账户在所述第二时间段的消费信息。
上述第一消费序列为预先统计的消费序列,如预先统计的用户平均的消费序列,或者预先统计的标准消费序列。例如:如图3所示,302所示的曲线为第一消费序列。
上述基于所述比较结果对预先获取的第一消费序列进行平移,得到第二消费序列可以是,在所述目标账户在所述第二时间段的消费信息比在所述第一时间段的参考消费信息要高的情况下,将第一消费序列向上平移,如图3中302所示的曲线为第二消费序列;或者,在所述目标账户在所述第二时间段的消费信息比在所述第一时间段的参考消费信息要低的情况下,将第二消费序列向下平移。
另外,上述在所述第一时间段的参考消费信息进可以是,上述第一消费序列中在第一时间段的消费值。
该实施例中,由于基于所述比较结果对预先获取的第一消费序列进行平移,得到第二消费序列,这样可以提高目标帐户在第二时间段的消费信息的准确性。
在一个实施例中,所述参考消费信息通过如下方式获取:
从所述目标存储器中获取所述目标位置区域的候选消费信息集;
使用所述目标处理器从所述候选消费信息集选择目标消费信息集,所述目标消费信息集中的消费信息对应的账户信息与所述目标账户的账户信息匹配,所述账户信息包括如下至少一项:学历、行业、年龄;
使用所述目标处理器基于所述目标消费信息集计算在所述第二时间段的参考消费信息。
其中,上述目标位置区域的候选消费信息集可以是基于互联网数据统计的消费信息集,例如:该候选消费信息集可以包括目标账户对应的省份、城市的消费信息集。
上述从所述候选消费信息集选择目标消费信息集可以是,基于学历、行业和年龄中的至少一项,在上述候选消费信息集选择与目标账户对应的学历、行业和年龄中的至少一项匹配的目标消费信息集,如目标账户对应的学历是本科、行业是金融,年龄是35岁,而在候选消费信息集中选择学历是本科、行业是金融,年龄是35岁的消费信息,以得到上述目标消费信息集。
上述基于所述目标消费信息集计算在所述第二时间段的参考消费信息可以是,基于所述目标消费信息集计算在所述第二时间段的平均消费值,以得到上述参考消费信息。
该实施例中,由于基于目标消费信息集计算在所述第二时间段的参考消费信息这样可以使得参考消费信息可以适合多个目标账户,以提高预测缺口信息的兼容性,且由于目标消费信息集是基于候选消费信息集得到,这样基于目标消费信息集计算在所述第二时间段的参考消费信息也更加准确。
需要说明的是,本公开中还可以通过上述方式得到上述第一消费序列中多个时间点的消费信息,此处不作赘述。
在一个实施例中,所述使用所述目标处理器将所述目标账户在所述第二时间段的消费信息与预先获取的在所述第二时间段的参考消费信息进行比较,得到比较结果,包括:
使用所述目标处理器计算平移因子,所述平移因子等于消费商值减去1的差值,所述消费商值等于所述目标账户在所述第二时间段的消费信息除以所述参考消费信息的商值;
所述使用所述目标处理器基于所述比较结果对预先获取的第一消费序列进行平移,得到第二消费序列,包括:
使用所述目标处理器基于所述平移因子对预先获取的第一消费序列进行平移,得到第二消费序列。
上述计算平移因子可以是通过如下公式计算:
ratio=当前年龄点的消费/当前年龄点的统计消费-1
其中,ratio为上述平移因子,且ratio大于0为上移对应的比例,ratio小于0为下移对应的比例。
例如:如图3所示,当目标账户在所述第二时间段的消费信息的消费值为304所示的消费值,而则依据上述基于所述平移因子对预先获取的消费序列进行平移,使得第二消费序列在第二时间段的消费值等于304所示的消费值,即将第一消费序列在第二时间段的消费值移到304所示的消费值,而第一消费序列在其他时间段的消费值进行平移,以形成上述第二消费序列。
该实施例中,由于基于所述平移因子对预先获取的第一消费序列进行平移,这样可以提高目标帐户在第二时间段的消费信息的准确性。
在本公开中,并不限定通过基于上述平移因子对第一消费序列进行平移,例如:还可以是预先设置目标帐户在第二时间段的消费消息与平移因子的映射关系,基于该映射关系确定平移因子,再基于平移因子对第一消费序列进行平移,得到第二消费序列。
在一个实施例中,所述方法还包括:
将所述缺口信息折算成在所述第一时间段的起点的账户值;
基于所述账户值和所述目标收入信息,计算所述目标账户的弥补信息,所述弥补信息包括如下至少一项:
单位时间周期内的弥补比例;
在所述单位时间周期内所述目标账户需要弥补的账户值;
其中,所述弥补比例等于:在所述单位时间周期内,所述目标账户需要弥补的账户值与所述目标账户的收入的比例。
上述将所述缺口信息折算成在所述第一时间段的起点的账户值可以是,基于收益和/或消费者物价指数(ConsumerPriceIndex,CPI)将所述缺口信息折算成在所述第一时间段的起点的账户值。
在一些实施方式中,可以基于10年的CPI均值和/或使用10年的国债收益率将所述缺口信息折算成在所述第一时间段的起点的账户值。
在一些实施方式中,可以基于如下公式将所述缺口信息折算成在所述第一时间段的起点的账户值:
其中,V表示上述在所述第一时间段的起点的账户值,S1…Sn分别表示第一时间段中第一年至第n年的缺口账户值,n表示第二时间段包括的年份数量,X表示宏观经济因素影响因子,如近10年的CPI均值,i代表折现因子,如10年的国债收益率。
通过上述公式可以提高在第一时间段的起点的账户值的准确性。
在一些实施方式,也可以只考虑收益,即只基于收益来将所述缺口信息折算成在所述第一时间段的起点的账户值。
上述单位时间周期可以是一个月,或者一年。
上述单位时间周期内的弥补比例可以是,从当前时间开始到上述第一时间段的起点这个时间段内每个单位时间周期内的弥补比例。例如:以养老金为例,上述账户值为200万,即在退休时需要200成可以保障后续生活达到预期,而从当前时间起到退休时,每个月需要弥补的金额与每个月收入的比例。如图4所示,图4中包括三种不同的养老目标,如舒适养老、品质养老和尊贵养老,其中,不同养老目标可以是用户设定的,且不同养老目标的计算出的缺口是不同的。如4所示,舒适养老、品质养老和尊贵养老分别对应的养老缺口为401、402和403所示的缺口金额。而对应的弥补比例如图5所示,舒适养老、品质养老和尊贵养老分别对应的月弥补比例如图5所示的501、502和503。
该实施例中,通过上述目标账户的弥补信息,可以挖掘到更加目标账户的缺口相关信息,有利于平台更好地筛选客户,或者向目标账户对应的终端发送上述弥补信息,以使得目标账户对应的用户可以更地准备需要弥补的账户值。
在一个实施例中,所述方法还包括:
使用所述目标处理器响应于所述弥补比例低于预设阈值,生成所述目标账户的产品推荐信息,所述产品推荐信息包括如下至少一项:
产品组合信息,所述产品组合信息表示产品组合,以及所述产品组合中的产品在所述产品组合中的所占比例,所述产品组合包括至少两个产品;
所述弥补信息;
所述产品组合的收益信息。
上述响应于所述弥补比例低于预设阈值,生成所述目标账户的产品推荐信息可以理解为,只在弥补比例高于预设阈值,才生成所述目标账户的产品推荐信息。
上述预设阈值可以是根据经验设置的阈值,如0.7、06或0.5等。
上述产品可以是理财产品或者保险产品等。
上述产品组合包括至少两个产品可以用于弥补上述缺口信息的产品,其中,例如:退休后的养老金,其中,退休后的养老金和退休后的收入共同弥补缺口信息对应的缺口。
上述产品推荐信息为向上述目标账户或者上述目标账户对应的用户推荐的产品信息。
上述产品组合的收益信息可以是,在购买上述产品组合后,在第一时间段能够领取的收益。
该实施例中,由于响应于所述弥补比例低于预设阈值,生成目标账户的产品推荐信息,这样可以避免为弥补比例高的账户生成产品推荐信息导致目标处理器的计算资源浪费,达到节约目标处理器的计算资源的效果,因为,弥补比例高的账户往往不适合推荐上述产品。
在一个实施例中,所述方法还包括:
基于所述缺口信息选择用于弥补所述缺口信息的所述产品组合,所述产品组合包括至少两个产品;
基于所述目标账户的账户信息计算所述产品组合中的产品的风险贡献比例,所述风险贡献比例用于表示对应产品在所述产品组合的总风险中贡献的比例;
基于所述风险贡献比例,计算所述产品组合中的产品在所述产品组合中的所占比例,其中,所述风险贡献比例越高的产品在所述产品组合中的所占比例越低。
其中,上述至少两个产品可以是不同类型的产品,例如:用于保底收益的产品,以及收益风险较高的产品等。
上述目标账户的账户信息可以包括个人信息,如性别、年龄,或者可以包括上述目标账户能够承受的风险信息,或者目标账户的账户级别信息等。
上述基于所述目标账户的账户信息计算所述产品组合中的产品的风险贡献比例可以是,预先获取的账户信息与风险贡献比例的映射关系,计算产品组合中的产品的风险贡献比例。
上述产品组合的总风险表示上述产品组合中所有产品的风险总和,如所有产品的波动率的总和。
上述基于所述风险贡献比例,计算所述产品组合中的产品在所述产品组合中的所占比例可以是,对于风险贡献比例高的产品,设定该产品在产品组合中的所占比例为低比例,对于风险贡献比例低的产品,设定该产品在产品组合中的所占比例为高比例,以降低产品组合的风险。
该实施例中,由于基于目标账户的账户信息计算产品组合中的产品的风险贡献比例,再基于风险贡献比例,计算所述产品组合中的产品在产品组合中的所占比例,这样由于风险贡献比例越高的产品在产品组合中的所占比例越低,这样可以降低最终生成的产品推荐信息中产品组合的风险,以提高产品组合的推荐效果,且由于提高产品组合的推荐效果,这样可以避免为用户多次生成产品推荐信息,进而降低目标处理器的资源消费。
在一个实施例中,所述产品组合包括n个产品,n为大于1的整数,所述基于所述风险贡献比例,计算所述产品组合中的产品在所述产品组合中的所占比例,包括:
通过优化模型计算所述产品组合中的产品在所述产品组合中的所占比例,其中,所述优化模型包括如下参数:
n个产品的所述风险贡献比例、所述产品组合的总波动率。
其中,上述优化模型用于求解:在平方和值达到目标值时所述产品组合中的产品在所述产品组合中的所占比例,所述目标值包括最小值或者低于预设阈值的值;
所述平方和值等于n个产品的第一值的平方相加得到的和;
目标产品的第一值等于:所述目标产品的第二值减去所述目标产品的第三值,所述第二值为所述目标产品在所述产品组合中的所占比例与偏导商的乘积,所述第三值等于所述目标产品的风险贡献比例和所述总波动率的乘积,所述偏导商等于所述总波动率的偏导除以所述目标产品在所述产品组合中的所占比例的偏导得到的商;
所述目标产品为所述n个产品中的任一产品。
在一些实施方式,上述优化模型可以表示为如下:
其中,上述表示变量为w和b的函数,并求解最小值时w的取值,其中,b表示风险贡献比例,表示产品在所述产品组合中的所占比例,bi表示第i个产品的风险贡献比例,wi表示第i个产品在所述产品组合中的所占比例,R(w)表示产品组合的总波动率。
产品组合的总波动率也可以称作产品组合的总风险值,且产品组合的总波动率可以是通过风险平价模型计算得到,也可以是基于每个产品的波动率计算得到,对此不作限定。
该实施例中通过上述优化模型可以提高产品在所述产品组合中的所占比例的准确性。
在一个实施例中,所述方法还包括:
对所述目标账户进行归类,基于所述目标账户的归类确定如下至少一项:
所述参考收入信息、所述第一消费序列。
例如:通过大数据根据人群特点给对多个账户进行归类,再判断每个账户落在某账户群中,然后在账户群体中根据收入、消费、所在地域的情况做微调,最终达到相对精准的测算个人缺口的目标。例如:以某一城市的金融保险业的数据确定如图6所示的信息,其中,601表示收入曲线,602表示消费曲线,如上述第一消费序列,603表示年龄人均分布。
这样基于上述如图6所示的信息预测的缺口信息上述目标账户的缺口信息,如图7所示,其中,701表示不同收入的缺口金额。
在一个实施例中,所述方法还包括:
向所述目标账户对应的终端发送所述产品推荐信息;
接收所述终端响应于所述产品推荐信息的确认请求,并基于所述确认请求生成所述产品推荐信息对应的产品订单;
向所述终端发送所述产品订单的支付请求。
其中,上述终端为登录上述目标账户的终端设备。
上述终端接收到上述产品推荐信息后,展现给用户,从而用户可以基于该产品推荐信息确定是否愿意购买上述产品组合,如愿意则通过上述终端返回确认请求,以及完成后续的支付。
该实施例,可以实现基于产品推荐信息生成产品订单,并进行支付操作,从而避免用户在平台盲目选择产品,导致用户和终端与平台频繁交互,进而降低平台和终端的工作量。
在一些实施例中,上述方法还包括:
响应于所述支付请求的支付完成消息,在预设时间向所述终端发送反馈消息,所述反馈消息用于表示所述产品组合在所述预设时间对应的时间段内收益。
通过该反馈消息可以使得用户能够及时查看到收益,以提高用户体验。
在一些实施例中,上述方法还包括:
响应于所述支付请求的支付完成消息,对平台首页执行调整操作,所述调整操作包括如下至少一项:添加所述产品组合的相关信息、添加所述产品组合的收益信息。
这样通过上述调整操作可以提高平台首页的用户黏度。
在一些实施例中,对于上述产品组合还可以基于接收到的用户输入进行微调,如调整比例。
在一些实施例中,上述方法还包括:
监控所述目标账户的属性信息;
在监控到目标账户的属性信息中的目标收入信息存在变化的情况下,基于变化后的目标收入信息重新预测所述目标账户的缺口信息。
其中,上述监控所述目标账户的属性信息可以是长期监控,如持续监控或者周期性监控。
在监控到目标账户的属性信息中的目标收入信息存在变化的情况下,基于变化后的目标收入信息重新预测所述目标账户的缺口信息可以是,在监控到目标账户的属性信息中的目标收入信息的变化达到预设条件的情况下,基于变化后的目标收入信息重新预测所述目标账户的缺口信息。上述预设条件可以是变化率,如收入提升20%,或者,收入降低20%等。
其中,基于变化后的目标收入信息重新预测所述目标账户的缺口信息的预测过程,具体参见前面实施例的相应描述,此处不作赘述。
该实施例中,由于监控所述目标账户的属性信息,并基于变化后的目标收入信息重新预测所述目标账户的缺口信息,这样可以及时调整目标账户的缺口信息,使得预测的缺口信息更加准确。
本公开中,由于基于上述消费比例,计算目标账户在第一时间段的消费信息,基于消费信息和目标账户对应的收入信息,预测目标账户的缺口信息,这样可以使得预测的缺口信息是与上述目标账户匹配,从而提高缺口信息预测的准确性。
请参见图8a,图8a是本公开提供的一种信息预测装置,如图8a所示,信息预测装置800包括:
第一获取模块801,用于获取目标账户的属性信息,所述属性信息包括所述目标账户对应的目标收入信息,和位置区域信息;
第二获取模块802,用于基于所述位置区域信息获取目标位置区域的参考收入信息,所述目标位置区域为所述位置区域信息所指示的位置区域;
第一计算模块803,用于使用目标处理器基于所述参考收入信息和所述目标收入信息,计算所述目标账户的消费比例;
第二计算模块804,用于使用所述目标处理器基于所述消费比例,计算所述目标账户在第一时间段的消费信息;
预测模块805,用于使用所述目标处理器基于所述消费信息和所述目标收入信息,预测所述目标账户的缺口信息。
在一个实施例中,所述第一计算模块803用于:使用所述目标处理器将所述参考收入信息和所述目标收入信息输入至逻辑回归模型进行预测,得到所述目标账户的消费比例;
其中,所述逻辑回归模型为预先训练的,用于基于所述参考收入信息和所述目标收入信息预测所述目标账户的消费比例。
在一个实施例中,所述第一计算模块803用于:使用所述目标处理器计算所述目标收入信息与所述参考收入信息的比值;以及,使用所述目标处理器基于预设保底消费比例和所述比值,计算所述目标账户的消费比例。
在一个实施例中,所述比值为所述目标收入信息除以所述参考收入信息得到的比值;
在所述比值小于预设阈值的情况下,所述目标账户的消费比例等于:所述预设保底消费比例与第一值的和,所述第一值等于1除以第二值,所述第二值等于1加上e的x次方,e是自然对数的底数,x为所述比值;
在所述比值大于或者等于所述预设阈值的情况下,所述目标账户的消费比例等于所述预设保底消费比例。
在一个实施例中,所述第二计算模块804用于:
使用所述目标处理器基于所述消费比例和所述目标账户在第二时间段的收入信息,计算所述目标账户在所述第二时间段的消费信息,所述第二时间段早于所述第一时间段;
使用所述目标处理器将所述目标账户在所述第二时间段的消费信息与预先获取的在所述第二时间段的参考消费信息进行比较,得到比较结果;
使用所述目标处理器基于所述比较结果对预先获取的第一消费序列进行平移,得到第二消费序列,所述第一消费序列包括所述第一时间段内多个时间点的消费信息,所述第二消费序列包括所述目标账户在所述第一时间段内多个时间点的消费信息。
在一个实施例中,所述使用所述目标处理器将所述目标账户在所述第二时间段的消费信息与预先获取的在所述第二时间段的参考消费信息进行比较,得到比较结果,包括:
使用所述目标处理器计算平移因子,所述平移因子等于消费商值减去1的差值,所述消费商值等于所述目标账户在所述第二时间段的消费信息除以所述参考消费信息的商值;
所述使用所述目标处理器基于所述比较结果对预先获取的第一消费序列进行平移,得到第二消费序列,包括:
使用所述目标处理器基于所述平移因子对预先获取的第一消费序列进行平移,得到第二消费序列。
在一个实施例中,如图8b,所述装置还包括:
第三计算模块806,用于将所述缺口信息折算成在所述第一时间段的起点的账户值;
第四计算模块807,用于基于所述账户值和所述目标收入信息,计算所述目标账户的弥补信息,所述弥补信息包括如下至少一项:
单位时间周期内的弥补比例;
在所述单位时间周期内所述目标账户需要弥补的账户值;
其中,所述弥补比例等于:在所述单位时间周期内,所述目标账户需要弥补的账户值与所述目标账户的收入的比例。
在一个实施例中,如图8c,所述装置还包括:
第一生成模块808,用于使用所述目标处理器响应于所述弥补比例低于预设阈值,生成所述目标账户的产品推荐信息,所述产品推荐信息包括如下至少一项:
产品组合信息,所述产品组合信息表示产品组合,以及所述产品组合中的产品在所述产品组合中的所占比例,所述产品组合包括至少两个产品;
所述弥补信息;
所述产品组合的收益信息。
在一个实施例中,如图8d,所述装置还包括:
选择模块809,用于基于所述缺口信息选择用于弥补所述缺口信息的所述产品组合,所述产品组合包括至少两个产品;
第五计算模块810,用于基于所述目标账户的账户信息计算所述产品组合中的产品的风险贡献比例,所述风险贡献比例用于表示对应产品在所述产品组合的总风险中贡献的比例;
第六计算模块811,用于基于所述风险贡献比例,计算所述产品组合中的产品在所述产品组合中的所占比例,其中,所述风险贡献比例越高的产品在所述产品组合中的所占比例越低。
在一个实施例中,如图8e,所述装置还包括:
第一发送模块812,用于向所述目标账户对应的终端发送所述产品推荐信息;
第二生成模块813,用于接收所述终端响应于所述产品推荐信息的确认请求,并基于所述确认请求生成所述产品推荐信息对应的产品订单;
第二发送模块814,用于向所述终端发送所述产品订单的支付请求。
本公开提供的信息预测装置能够实现本公开提供的信息预测方法实现的各个过程,并达到相同的技术效果,为避免重复,这里不再赘述。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质、一种计算机程序产品、一种平台。
其中,上述电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开提供的信息预测方法。
上述可读存储介质存储有计算机指令,其中,所述计算机指令用于使所述计算机执行本公开提供的信息预测方法。
上述计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现本公开提供的信息预测方法。
上述平台包括本公开提供的电子设备,上述平台能够提供平台化服务,例如:该平台以软件运营服务(Software as a Service,SaaS)、应用程序编程接口(ApplicationProgramming Interface,API)、超文本标记语言第5代(HyperText Markup Language 5,H5)、软件开发工具包(Software Development Kit,SDK)、模型即服务(Model as aService,MaaS)等中的至少一种形式向第三方进行技术服务输出。
图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示,设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905,包括:输入单元906,例如键盘、鼠标等;输出单元907,例如各种类型的显示器、扬声器等;存储单元908,例如磁盘、光盘等;以及通信单元909,例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网格和/或各种电信网格与其他设备交换信息/数据。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理,例如信息预测方法。例如,在一些实施例中,信息预测方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时,可以执行上文描述的信息预测方法的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行信息预测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网格浏览器的用户计算机,用户可以通过该图形用户界面或者该网格浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网格)来将系统的部件相互连接。通信网格的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网格进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (26)
1.一种信息预测方法,包括:
从目标存储器中获取目标账户的属性信息,所述属性信息包括所述目标账户对应的目标收入信息,和位置区域信息;
从所述目标存储器中基于所述位置区域信息获取目标位置区域的参考收入信息,所述目标位置区域为所述位置区域信息所指示的位置区域;
使用目标处理器基于所述参考收入信息和所述目标收入信息,计算所述目标账户的消费比例;
使用所述目标处理器基于所述消费比例,计算所述目标账户在第一时间段的消费信息;
使用所述目标处理器基于所述消费信息和所述目标收入信息,预测所述目标账户的缺口信息。
2.根据权利要求1所述的方法,其中,所述使用所述目标处理器基于所述参考收入信息和所述目标收入信息,计算所述目标账户的消费比例,包括:
使用所述目标处理器将所述参考收入信息和所述目标收入信息输入至逻辑回归模型进行预测,得到所述目标账户的消费比例;
其中,所述逻辑回归模型为预先训练的,用于基于所述参考收入信息和所述目标收入信息预测所述目标账户的消费比例。
3.根据权利要求1所述的方法,其中,所述使用所述目标处理器基于所述参考收入信息和所述目标收入信息,计算所述目标账户的消费比例,包括:
使用所述目标处理器计算所述目标收入信息与所述参考收入信息的比值;
使用所述目标处理器基于预设保底消费比例和所述比值,计算所述目标账户的消费比例。
4.根据权利要求3所述的方法,其中,所述比值为所述目标收入信息除以所述参考收入信息得到的比值;
在所述比值小于预设阈值的情况下,所述目标账户的消费比例等于:所述预设保底消费比例与第一值的和,所述第一值等于1除以第二值,所述第二值等于1加上e的x次方,e是自然对数的底数,x为所述比值;
在所述比值大于或者等于所述预设阈值的情况下,所述目标账户的消费比例等于所述预设保底消费比例。
5.根据权利要求1至4中任一项所述的方法,其中,所述使用所述目标处理器基于所述消费比例,计算所述目标账户在第一时间段的消费信息,包括:
使用所述目标处理器基于所述消费比例和所述目标账户在第二时间段的收入信息,计算所述目标账户在所述第二时间段的消费信息,所述第二时间段早于所述第一时间段;
使用所述目标处理器将所述目标账户在所述第二时间段的消费信息与预先获取的在所述第二时间段的参考消费信息进行比较,得到比较结果;
使用所述目标处理器基于所述比较结果对预先获取的第一消费序列进行平移,得到第二消费序列,所述第一消费序列包括所述第一时间段内多个时间点的消费信息,所述第二消费序列包括所述目标账户在所述第一时间段内多个时间点的消费信息。
6.根据权利要求5所述的方法,其中,所述参考消费信息通过如下方式获取:
从所述目标存储器中获取所述目标位置区域的候选消费信息集;
使用所述目标处理器从所述候选消费信息集选择目标消费信息集,所述目标消费信息集中的消费信息对应的账户信息与所述目标账户的账户信息匹配,所述账户信息包括如下至少一项:学历、行业、年龄;
使用所述目标处理器基于所述目标消费信息集计算在所述第二时间段的参考消费信息。
7.根据权利要求6所述的方法,其中,所述使用所述目标处理器将所述目标账户在所述第二时间段的消费信息与预先获取的在所述第二时间段的参考消费信息进行比较,得到比较结果,包括:
使用所述目标处理器计算平移因子,所述平移因子等于消费商值减去1的差值,所述消费商值等于所述目标账户在所述第二时间段的消费信息除以所述参考消费信息的商值;
所述使用所述目标处理器基于所述比较结果对预先获取的第一消费序列进行平移,得到第二消费序列,包括:
使用所述目标处理器基于所述平移因子对预先获取的第一消费序列进行平移,得到第二消费序列。
8.根据权利要求1至4中任一项所述的方法,所述方法还包括:
将所述缺口信息折算成在所述第一时间段的起点的账户值;
基于所述账户值和所述目标收入信息,计算所述目标账户的弥补信息,所述弥补信息包括如下至少一项:
单位时间周期内的弥补比例;
在所述单位时间周期内所述目标账户需要弥补的账户值;
其中,所述弥补比例等于:在所述单位时间周期内,所述目标账户需要弥补的账户值与所述目标账户的收入的比例。
9.根据权利要求8所述的方法,所述方法还包括:
使用所述目标处理器响应于所述弥补比例低于预设阈值,生成所述目标账户的产品推荐信息,所述产品推荐信息包括如下至少一项:
产品组合信息,所述产品组合信息表示产品组合,以及所述产品组合中的产品在所述产品组合中的所占比例,所述产品组合包括至少两个产品;
所述弥补信息;
所述产品组合的收益信息。
10.根据权利要求9所述的方法,其中,所述方法还包括:
基于所述缺口信息选择用于弥补所述缺口信息的所述产品组合,所述产品组合包括至少两个产品;
基于所述目标账户的账户信息计算所述产品组合中的产品的风险贡献比例,所述风险贡献比例用于表示对应产品在所述产品组合的总风险中贡献的比例;
基于所述风险贡献比例,计算所述产品组合中的产品在所述产品组合中的所占比例,其中,所述风险贡献比例越高的产品在所述产品组合中的所占比例越低。
11.根据权利要求9所述的方法,所述方法还包括:
向所述目标账户对应的终端发送所述产品推荐信息;
接收所述终端响应于所述产品推荐信息的确认请求,并基于所述确认请求生成所述产品推荐信息对应的产品订单;
向所述终端发送所述产品订单的支付请求。
12.一种信息预测装置,包括:
第一获取模块,用于从目标存储器中获取目标账户的属性信息,所述属性信息包括所述目标账户对应的目标收入信息,和位置区域信息;
第二获取模块,用于从所述目标存储器中基于所述位置区域信息获取目标位置区域的参考收入信息,所述目标位置区域为所述位置区域信息所指示的位置区域;
第一计算模块,用于使用目标处理器基于所述参考收入信息和所述目标收入信息,计算所述目标账户的消费比例;
第二计算模块,用于使用所述目标处理器基于所述消费比例,计算所述目标账户在第一时间段的消费信息;
预测模块,用于使用所述目标处理器基于所述消费信息和所述目标收入信息,预测所述目标账户的缺口信息。
13.根据权利要求12所述的装置,其中,所述第一计算模块用于:使用所述目标处理器将所述参考收入信息和所述目标收入信息输入至逻辑回归模型进行预测,得到所述目标账户的消费比例;
其中,所述逻辑回归模型为预先训练的,用于基于所述参考收入信息和所述目标收入信息预测所述目标账户的消费比例。
14.根据权利要求12所述的装置,其中,所述第一计算模块用于:使用所述目标处理器计算所述目标收入信息与所述参考收入信息的比值;以及,使用所述目标处理器基于预设保底消费比例和所述比值,计算所述目标账户的消费比例。
15.根据权利要求14所述的装置,其中,所述比值为所述目标收入信息除以所述参考收入信息得到的比值;
在所述比值小于预设阈值的情况下,所述目标账户的消费比例等于:所述预设保底消费比例与第一值的和,所述第一值等于1除以第二值,所述第二值等于1加上e的x次方,e是自然对数的底数,x为所述比值;
在所述比值大于或者等于所述预设阈值的情况下,所述目标账户的消费比例等于所述预设保底消费比例。
16.根据权利要求12至15中任一项所述的装置,其中,所述第二计算模块用于:
使用所述目标处理器基于所述消费比例和所述目标账户在第二时间段的收入信息,计算所述目标账户在所述第二时间段的消费信息,所述第二时间段早于所述第一时间段;
使用所述目标处理器将所述目标账户在所述第二时间段的消费信息与预先获取的在所述第二时间段的参考消费信息进行比较,得到比较结果;
使用所述目标处理器基于所述比较结果对预先获取的第一消费序列进行平移,得到第二消费序列,所述第一消费序列包括所述第一时间段内多个时间点的消费信息,所述第二消费序列包括所述目标账户在所述第一时间段内多个时间点的消费信息。
17.根据权利要求16所述的装置,其中,所述参考消费信息通过如下方式获取:
从所述目标存储器中获取所述目标位置区域的候选消费信息集;
使用所述目标处理器从所述候选消费信息集选择目标消费信息集,所述目标消费信息集中的消费信息对应的账户信息与所述目标账户的账户信息匹配,所述账户信息包括如下至少一项:学历、行业、年龄;
使用所述目标处理器基于所述目标消费信息集计算在所述第二时间段的参考消费信息。
18.根据权利要求16所述的装置,其中,所述使用所述目标处理器将所述目标账户在所述第二时间段的消费信息与预先获取的在所述第二时间段的参考消费信息进行比较,得到比较结果,包括:
使用所述目标处理器计算平移因子,所述平移因子等于消费商值减去1的差值,所述消费商值等于所述目标账户在所述第二时间段的消费信息除以所述参考消费信息的商值;
所述使用所述目标处理器基于所述比较结果对预先获取的第一消费序列进行平移,得到第二消费序列,包括:
使用所述目标处理器基于所述平移因子对预先获取的第一消费序列进行平移,得到第二消费序列。
19.根据权利要求12至15中任一项所述的装置,所述装置还包括:
第三计算模块,用于将所述缺口信息折算成在所述第一时间段的起点的账户值;
第四计算模块,用于基于所述账户值和所述目标收入信息,计算所述目标账户的弥补信息,所述弥补信息包括如下至少一项:
单位时间周期内的弥补比例;
在所述单位时间周期内所述目标账户需要弥补的账户值;
其中,所述弥补比例等于:在所述单位时间周期内,所述目标账户需要弥补的账户值与所述目标账户的收入的比例。
20.根据权利要求19所述的装置,所述装置还包括:
第一生成模块,用于使用所述目标处理器响应于所述弥补比例低于预设阈值,生成所述目标账户的产品推荐信息,所述产品推荐信息包括如下至少一项:
产品组合信息,所述产品组合信息表示产品组合,以及所述产品组合中的产品在所述产品组合中的所占比例,所述产品组合包括至少两个产品;
所述弥补信息;
所述产品组合的收益信息。
21.根据权利要求20所述的装置,其中,所述装置还包括:
选择模块,用于基于所述缺口信息选择用于弥补所述缺口信息的所述产品组合,所述产品组合包括至少两个产品;
第五计算模块,用于基于所述目标账户的账户信息计算所述产品组合中的产品的风险贡献比例,所述风险贡献比例用于表示对应产品在所述产品组合的总风险中贡献的比例;
第六计算模块,用于基于所述风险贡献比例,计算所述产品组合中的产品在所述产品组合中的所占比例,其中,所述风险贡献比例越高的产品在所述产品组合中的所占比例越低。
22.根据权利要求20所述的装置,所述装置还包括:
第一发送模块,用于向所述目标账户对应的终端发送所述产品推荐信息;
第二生成模块,用于接收所述终端响应于所述产品推荐信息的确认请求,并基于所述确认请求生成所述产品推荐信息对应的产品订单;
第二发送模块,用于向所述终端发送所述产品订单的支付请求。
23.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-11中任一项所述的方法。
24.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-11中任一项所述的方法。
25.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-11中任一项所述的方法。
26.一种平台,包括如权利要求23所述的电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310805210.7A CN116911448A (zh) | 2023-06-30 | 2023-06-30 | 信息预测方法、装置、设备、存储介质、程序产品及平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310805210.7A CN116911448A (zh) | 2023-06-30 | 2023-06-30 | 信息预测方法、装置、设备、存储介质、程序产品及平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116911448A true CN116911448A (zh) | 2023-10-20 |
Family
ID=88362077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310805210.7A Pending CN116911448A (zh) | 2023-06-30 | 2023-06-30 | 信息预测方法、装置、设备、存储介质、程序产品及平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116911448A (zh) |
-
2023
- 2023-06-30 CN CN202310805210.7A patent/CN116911448A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102375810B (zh) | 整体帐户搜索关键词的估计值反馈方法及服务器 | |
CN108074003B (zh) | 预测信息推送方法和装置 | |
CN111178692A (zh) | 资源使用数量预估方法、装置及电子设备 | |
CN112446764A (zh) | 游戏商品推荐方法、装置及电子设备 | |
CN111798167B (zh) | 一种仓库补货的方法和装置 | |
US8712890B2 (en) | Systems and methods for optimizing capital structure of a financial institution | |
CN116911448A (zh) | 信息预测方法、装置、设备、存储介质、程序产品及平台 | |
CN115482116A (zh) | 资产投资策略信息的推荐方法、装置、设备及介质 | |
CN111402018B (zh) | 一种上报资源预算的方法和系统 | |
CN115185606A (zh) | 业务配置参数的获得方法、装置、设备及存储介质 | |
CN113112311B (zh) | 训练因果推断模型的方法、信息提示方法以装置 | |
JP2019046467A (ja) | 電力取引支援装置及び電力取引支援方法 | |
CN114282881A (zh) | 折旧测算方法、装置、存储介质及计算机设备 | |
JP2013020463A (ja) | 入札対象推薦装置、システム及び方法 | |
CN113408641A (zh) | 资源生成模型的训练与服务资源的生成方法、装置 | |
CN116912004A (zh) | 推荐信息生成方法、装置、设备、介质、程序产品及平台 | |
CN115242626B (zh) | 云资源配置预估方法、装置、设备、存储介质及程序产品 | |
CN117591567A (zh) | 一种资产信息分析方法及装置 | |
CN117407439A (zh) | 转化数据确定方法、装置、设备及存储介质 | |
CN117237070A (zh) | 一种资源分配策略的评价方法、装置、设备及介质 | |
CN117009356A (zh) | 一种公共数据的应用成效确定方法、装置和设备 | |
CN116308798A (zh) | 一种股票指标绘制方法、装置、设备及存储介质 | |
CN116894700A (zh) | 广告投放方法、装置、电子设备和介质 | |
CN117217785A (zh) | 运费险服务费的定价方法、装置、电子设备、存储介质 | |
CN115526403A (zh) | 一种金融数据的预测方法、系统、设备、存储介质及产品 |
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 |