CN111178692A - 资源使用数量预估方法、装置及电子设备 - Google Patents
资源使用数量预估方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111178692A CN111178692A CN201911271298.9A CN201911271298A CN111178692A CN 111178692 A CN111178692 A CN 111178692A CN 201911271298 A CN201911271298 A CN 201911271298A CN 111178692 A CN111178692 A CN 111178692A
- Authority
- CN
- China
- Prior art keywords
- target resource
- determining
- time period
- user
- data
- 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 54
- 230000010354 integration Effects 0.000 claims abstract description 9
- 238000003860 storage Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000002354 daily effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开涉及一种资源使用数量预估方法、装置、电子设备及计算机可读介质。该方法包括：获取目标资源在前一个时间周期的使用数据；根据差分整合移动平均自回归模型确定所述目标资源在本时间周期的用户使用率；确定所述目标资源在本时间周期的用户使用额度；以及基于所述使用数据、所述用户使用率、所述用户使用额度确定所述目标资源在本周期的预估使用数据。本公开涉及的资源使用数量预估方法、装置、电子设备及计算机可读介质，能够预测未来借款现金流，从而为资金准备提供参考，在能够满足用户借款的资金需求同时，也能避免资金过度冗余，有效节省了资金成本。
Description
技术领域
本公开涉及计算机信息处理领域，具体而言，涉及一种资源使用数量预估方法、装置、电子设备及计算机可读介质。
背景技术
金融资源是指金融领域中关于金融服务主体与客体的结构、数量、规模、分布及其效应和相互作用关系的一系列对象的总和或集合体，在生产和生活中，只有金融资源配置有效率，才能实现金融和经济可持续发展。对于提供互联网金融服务的公司而言，金融资源可以为资金的总额度，或者等同于资金的资产的额度等等。对于提供互联网金融服务的公司而言，金融资产中的一部分可用来给个人用户提供金融服务，还有一部分可以给其他的企业用户提供金融服务，其他部分可用来投入到本公司的发展中去，或者进行其他的金融相关的业务。
对于互联网金融服务的公司而言，由于总体的金融资源在一个相对固定的时间是有限的，而如何在不同的业务中合理的进行金融资源的分配就尤为重要。对于互联网金融服务公司所服务的企业级用户或者其他金融相关的业务而言，其需要占用金融资源的时间和周期一般是通过事先计划审批才能够获准的，比较有利于统筹安排其金融资源的分配。对于个人用户而言，由于个人用户的个体差异性，互联网金融服务公司几乎无法事先预知个人用户的金融资源需求的计划和时间，如何更好的预知个人用户的金融服务需求，针对个人用户的金融资源进行更加合理的分配，是当今互联网金融服务公司所面临的难题。
因此，需要一种新的资源使用数量预估方法、装置、电子设备及计算机可读介质。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
有鉴于此，本公开提供一种资源使用数量预估方法、装置、电子设备及计算机可读介质，能够预测未来借款现金流，从而为资金准备提供参考，在能够满足用户借款的资金需求同时，也能避免资金过度冗余，有效节省了资金成本。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的一方面，提出一种资源使用数量预估方法，该方法包括：获取目标资源在前一个时间周期的使用数据；根据差分整合移动平均自回归模型确定所述目标资源在本时间周期的用户使用率；确定所述目标资源在本时间周期的用户使用额度；以及基于所述使用数据、所述用户使用率、所述用户使用额度确定所述目标资源在本周期的预估使用数据。
可选地，还包括：基于所述目标资源在本周期的使用数据确定资源储备数量。
可选地，还包括：获取所述目标资源在本周期的实际使用数据；以及基于所述目标资源在本周期的预估使用数据和所述实际使用数据对计算参数进行更新。
可选地，获取目标资源在前一个时间周期的使用数据，包括：获取目标资源在前一个自然日的使用数据。
可选地，根据差分整合移动平均自回归模型确定所述目标资源在本时间周期的使用率，包括：获取历史用户对目标资源的历史使用数据；获取历史用户的目标资源的历史使用权限数据；通过差分整合移动平均自回归模型和所述历史使用数据、所述历史使用权限数据生成预测使用率。
可选地，根据差分整合移动平均自回归模型确定所述目标资源在本时间周期的使用率，还包括：确定时间周期参数；确定风控调节参数；确定运营调节参数；通过所述时间周期参数、所述风控调节参数、和所述运营调节参数和所述预测使用率确定所述目标资源在本时间周期的使用率。
可选地，确定所述目标资源在本时间周期的用户使用额度，包括：获取预估使用额度；确定时间周期参数；确定风控调节参数；确定运营调节参数；通过所述预估使用额度和所述时间周期参数、所述风控调节参数、和所述运营调节参数确定所述目标资源在本时间周期的用户使用额度。
可选地，基于所述使用数据、所述用户使用率、所述用户使用额度确定所述目标资源在本周期的预估使用数据，包括：基于所述用户使用率和所述用户使用额度生成本周期的用户使用数据；以及通过所述本周期的用户使用数据和所述前一个时间周期的用户使用数据确定所述目标资源在本周期的预估使用数据。
可选地，基于所述目标资源在本周期的预估使用数据和所述实际使用数据对计算参数进行更新，包括：基于所述目标资源在本周期的预估使用数据和所述实际使用数据对时间周期参数、和/或风控调节参数和/或运营调节参数进行更新。
可选地，基于所述目标资源在本周期的预估使用数据和所述实际使用数据对计算参数进行更新，包括：基于所述目标资源在本周期的预估使用数据和所述实际使用数据确定差异额度；以及在所述差异额度大于阈值时，对所述计算参数进行更新。
根据本公开的一方面，提出一种资源使用数量预估装置，该装置包括：使用数据模块，用于获取目标资源在前一个时间周期的使用数据；使用率模块，用于根据差分整合移动平均自回归模型确定所述目标资源在本时间周期的用户使用率；使用额度模块，用于确定所述目标资源在本时间周期的用户使用额度；以及预估数据模块，用于基于所述使用数据、所述用户使用率、所述用户使用额度确定所述目标资源在本周期的预估使用数据。
可选地，还包括：资源储备模块，用于基于所述目标资源在本周期的使用数据确定资源储备数量。
可选地，还包括：参数更新模块，用于获取所述目标资源在本周期的实际使用数据；以及基于所述目标资源在本周期的预估使用数据和所述实际使用数据对计算参数进行更新。
可选地，所述使用数据模块，还用于获取目标资源在前一个自然日的使用数据。
可选地，所述使用率模块，包括：历史数据单元，用于获取历史用户对目标资源的历史使用数据；获取历史用户的目标资源的历史使用权限数据；预测使用率单元，用于通过差分整合移动平均自回归模型和所述历史使用数据、所述历史使用权限数据生成预测使用率。
可选地，所述使用率模块，还包括：第一参数单元，用于确定时间周期参数；确定风控调节参数；确定运营调节参数；使用率模块，用于通过所述时间周期参数、所述风控调节参数、和所述运营调节参数和所述预测使用率确定所述目标资源在本时间周期的使用率。
可选地，所述使用额度模块，包括：第二参数单元，用于获取预估使用额度；确定时间周期参数；确定风控调节参数；确定运营调节参数；使用额度单元，用于通过所述预估使用额度和所述时间周期参数、所述风控调节参数、和所述运营调节参数确定所述目标资源在本时间周期的用户使用额度。
可选地，所述预估数据模块，还用于基于所述用户使用率和所述用户使用额度生成本周期的用户使用数据；以及通过所述本周期的用户使用数据和所述前一个时间周期的用户使用数据确定所述目标资源在本周期的预估使用数据。
可选地，所述参数更新模块，还用于基于所述目标资源在本周期的预估使用数据和所述实际使用数据对时间周期参数、和/或风控调节参数和/或运营调节参数进行更新。
可选地，所述参数更新模块，包括：比较单元，用于基于所述目标资源在本周期的预估使用数据和所述实际使用数据确定差异额度；以及阈值单元，用于在所述差异额度大于阈值时，对所述计算参数进行更新。
根据本公开的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。
根据本公开的一方面，提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上文中的方法。
根据本公开的资源使用数量预估方法、装置、电子设备及计算机可读介质，获取目标资源在前一个时间周期的使用数据；根据差分整合移动平均自回归模型确定所述目标资源在本时间周期的用户使用率；确定所述目标资源在本时间周期的用户使用额度；以及基于所述使用数据、所述用户使用率、所述用户使用额度确定所述目标资源在本周期的预估使用数据的方式，能够预测未来借款现金流，从而为资金准备提供参考，在能够满足用户借款的资金需求同时，也能避免资金过度冗余，有效节省了资金成本。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据一示例性实施例示出的一种资源使用数量预估方法的流程图。
图2是根据另一示例性实施例示出的一种资源使用数量预估方法的流程图。
图3是根据另一示例性实施例示出的一种资源使用数量预估方法的流程图。
图4是根据一示例性实施例示出的一种资源使用数量预估装置的框图。
图5是根据一示例性实施例示出的一种电子设备的框图。
图6是根据一示例性实施例示出的一种计算机可读介质的框图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
应理解，虽然本文中可能使用术语第一、第二、第三等来描述各种组件，但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此，下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用，术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
本领域技术人员可以理解，附图只是示例实施例的示意图，附图中的模块或流程并不一定是实施本公开所必须的，因此不能用于限制本公开的保护范围。
图1是根据一示例性实施例示出的一种资源使用数量预估方法的流程图。资源使用数量预估方法10至少包括步骤S102至S108。
如图1所示，在S102中，获取目标资源在前一个时间周期的使用数据。
其中，目标资源可为现金资源，更具体的可为以人民币计算的现金资源，目标资源还可为物品资源，比如可供用户借用的共享物品资源；目标资源还可为自然资源，比如供用户使用的水资源等等，本公开不以此为限。
其中，时间周期可为任意时间周期，比如以月计算的时间周期，那么前一个时间周期为上一个月的使用数据。还可例如为周计算的时间周期，那么前一个时间周期即为上一周的使用数据。在本公开中，时间周期可为按日计算的时间周期，具体可包括：获取目标资源在前一个自然日的使用数据。
在S104中，根据差分整合移动平均自回归模型确定所述目标资源在本时间周期的用户使用率。可包括：获取历史用户对目标资源的历史使用数据；获取历史用户的目标资源的历史使用权限数据；通过差分整合移动平均自回归模型和所述历史使用数据、所述历史使用权限数据生成预测使用率。
在一个实施例中，根据差分整合移动平均自回归模型确定所述目标资源在本时间周期的使用率，还包括：确定时间周期参数；确定风控调节参数；确定运营调节参数；通过所述时间周期参数、所述风控调节参数、和所述运营调节参数和所述预测使用率确定所述目标资源在本时间周期的使用率。
每日发生的借款现金流，可以认为是所有用户授信额度的函数，并且是一个简单的一次函数。令借款现金流为Y，授信额度为X，β为授信额转化为借款金额的比率(简称借款率)，则：
Y＝f(X)＝βX
当天发生借款的用户，可以按其授信日期进行分类。设：
ya，b为b日授信用户，在a日的借款金额(a≥b)，
xb为b日授信用户的授信金额，
βa，b即为b日授信用户在a日的借款率，
则有：ya，b＝βa，bxb
那么T日的借款金额YT可以表示为：
因此预计T+1日借款金额时，历史授信金额已知，需要估计T+1的授信金额
以及历史每日授信用户在T+1日的借款率
即YT+1可表示为：
其中
(b属于[0，T+1])与
为待预测值，xb(b属于[0，T])是已知值。
为了预测
需要输入用户的历史借款、授信数据，并考虑时间周期因素、运营因素、风控调节因素，通过ARIMA模型进行时间序列预测。
设时间周期因素变量为w，运营因素为o，风控调节因素为z，则借款率可以表示为：
其中fT+1(βT，b)表示对T+1借款率的ARIMA(差分整合移动平均自回归模型)模型预测值。
在S106中，确定所述目标资源在本时间周期的用户使用额度。包括：获取预估使用额度；确定时间周期参数；确定风控调节参数；确定运营调节参数；通过所述预估使用额度和所述时间周期参数、所述风控调节参数、和所述运营调节参数确定所述目标资源在本时间周期的用户使用额度。
为了预测
需要根据业务实际情况，按当月设定的授信人数目标进行确定。因为每月最终授信人数与月初设置的目标人数是强相关的，其中也会受到时间周期、运营因素、风控调节的影响。
设当月设定的每日授信人数目标为p，则授信人数(金额)预测值可以表示为：
在S108中，基于所述使用数据、所述用户使用率、所述用户使用额度确定所述目标资源在本周期的预估使用数据。包括：基于所述用户使用率和所述用户使用额度生成本周期的用户使用数据；以及通过所述本周期的用户使用数据和所述前一个时间周期的用户使用数据确定所述目标资源在本周期的预估使用数据。
将
和fT+1(βT，b)带入YT+1的公式中，即可得到T+1日的借款金额预测值，还可继续计算逐步迭代预测出未来30日的借款金额。
根据本公开的资源使用数量预估方法，获取目标资源在前一个时间周期的使用数据；根据差分整合移动平均自回归模型确定所述目标资源在本时间周期的用户使用率；确定所述目标资源在本时间周期的用户使用额度；以及基于所述使用数据、所述用户使用率、所述用户使用额度确定所述目标资源在本周期的预估使用数据的方式，能够预测未来借款现金流，从而为资金准备提供参考，在能够满足用户借款的资金需求同时，也能避免资金过度冗余，有效节省了资金成本。
应清楚地理解，本公开描述了如何形成和使用特定示例，但本公开的原理不限于这些示例的任何细节。相反，基于本公开公开的内容的教导，这些原理能够应用于许多其它实施例。
在一个实施例中，还包括：基于所述目标资源在本周期的使用数据确定资源储备数量。通过输入历史数据，并输入各部分调节因素，来预测未来一个月每日的借款现金流，并每日将预测值与实际值进行对比，并根据偏差程度的情况，自检验调整未来现金流预测系数。准确预测未来借款现金流，能够为资金准备提供参考，在能够满足用户借款的资金需求同时，也能避免资金过度冗余，有效节省了资金成本。
图2是根据另一示例性实施例示出的一种资源使用数量预估方法的流程图。图2所示的流程是对“基于所述目标资源在本周期的预估使用数据和所述实际使用数据对计算参数进行更新”的详细描述。
如图2所示，在S202中，基于所述目标资源在本周期的预估使用数据和所述实际使用数据确定差异额度。
可将当日实际借款率βT，b，并与预测借款率
进行比较判定。当一段时间内两者差额的均值和离散程度达到某一阈值时，就会对预测模型中的时间周期因素进行修正，让实际值与预测值既能保持差额在一定范围内，同时波动趋势也基本一致。
设T日实际与预计的差异程度为dT，b，则
选取N日内的差异程度序列{dT，b，dT-1，b，dT-2，b，……dT-N，b}，计算这段序列的均值(记为eT，b)，并计算其标准差(记为σT，b)。手动设置阈值与变化情况，一旦差异的均值和标准差超过阈值时，就会对预测系数进行调整，并最终保证预测与实际基本一致。
在S204中，判断所述差异额度是否大于阈值。
在S206中，在所述差异额度大于阈值时，对所述计算参数进行更新。可例如，基于所述目标资源在本周期的预估使用数据和所述实际使用数据对时间周期参数、和/或风控调节参数和/或运营调节参数进行更新。
设定差额均值的阈值为E0，则新的时间因素变量w′T，b可以表示为：
设定差额标准差的阈值为D0，则新的时间因素变量w′T，b可以表示为：
最终经过调整后的新时间周期系数w′T，b会纳入下个时间周期中进行预测。
图3是根据另一示例性实施例示出的一种资源使用数量预估方法的流程图。图3所示的流程是资源使用数量预估方法全过程的详细描述。
如图3所示，在S302中，输入用户借款、授信历史数据。
在S304中，输入调节因素，可包括时间因素，运营因素，风控调节因素。
在S306中，输出未来的借款现金流。
在S308中，记录实际借款现金流。
在S310中，进行自检以调整未来现金流预测值。
通过输入历史数据，并输入各部分调节因素，来预测未来一个月每日的借款现金流，并每日将预测值与实际值进行对比，并根据偏差程度的情况，自检验调整未来现金流预测系数。准确预测未来借款现金流，能够为资金准备提供参考，在能够满足用户借款的资金需求同时，也能避免资金过度冗余，有效节省了资金成本。
本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由CPU执行的计算机程序。在该计算机程序被CPU执行时，执行本公开提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中，该存储介质可以是只读存储器，磁盘或光盘等。
此外，需要注意的是，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
图4是根据一示例性实施例示出的一种资源使用数量预估装置的框图。如图4所示的资源使用数量预估装置40可包括：使用数据模块402，使用率模块404，使用额度模块406，预估数据模块408，资源储备模块410，参数更新模块412。
使用数据模块402用于获取目标资源在前一个时间周期的使用数据；所述使用数据模块402还用于获取目标资源在前一个自然日的使用数据。
使用率模块404用于根据差分整合移动平均自回归模型确定所述目标资源在本时间周期的用户使用率；所述使用率模块404包括：历史数据单元，用于获取历史用户对目标资源的历史使用数据；获取历史用户的目标资源的历史使用权限数据；预测使用率单元，用于通过差分整合移动平均自回归模型和所述历史使用数据、所述历史使用权限数据生成预测使用率。所述使用率模块404还包括：第一参数单元，用于确定时间周期参数；确定风控调节参数；确定运营调节参数；使用率模块，用于通过所述时间周期参数、所述风控调节参数、和所述运营调节参数和所述预测使用率确定所述目标资源在本时间周期的使用率。
使用额度模块406用于确定所述目标资源在本时间周期的用户使用额度；所述使用额度模块406包括：第二参数单元，用于获取预估使用额度；确定时间周期参数；确定风控调节参数；确定运营调节参数；使用额度单元，用于通过所述预估使用额度和所述时间周期参数、所述风控调节参数、和所述运营调节参数确定所述目标资源在本时间周期的用户使用额度。
预估数据模块408用于基于所述使用数据、所述用户使用率、所述用户使用额度确定所述目标资源在本周期的预估使用数据。所述预估数据模块408还用于基于所述用户使用率和所述用户使用额度生成本周期的用户使用数据；以及通过所述本周期的用户使用数据和所述前一个时间周期的用户使用数据确定所述目标资源在本周期的预估使用数据。
资源储备模块410用于基于所述目标资源在本周期的使用数据确定资源储备数量。
参数更新模块412用于获取所述目标资源在本周期的实际使用数据；以及基于所述目标资源在本周期的预估使用数据和所述实际使用数据对计算参数进行更新。所述参数更新模块412还用于基于所述目标资源在本周期的预估使用数据和所述实际使用数据对时间周期参数、和/或风控调节参数和/或运营调节参数进行更新。所述参数更新模块412包括：比较单元，用于基于所述目标资源在本周期的预估使用数据和所述实际使用数据确定差异额度；以及阈值单元，用于在所述差异额度大于阈值时，对所述计算参数进行更新。
根据本公开的资源使用数量预估装置，获取目标资源在前一个时间周期的使用数据；根据差分整合移动平均自回归模型确定所述目标资源在本时间周期的用户使用率；确定所述目标资源在本时间周期的用户使用额度；以及基于所述使用数据、所述用户使用率、所述用户使用额度确定所述目标资源在本周期的预估使用数据的方式，能够预测未来借款现金流，从而为资金准备提供参考，在能够满足用户借款的资金需求同时，也能避免资金过度冗余，有效节省了资金成本。
图5是根据一示例性实施例示出的一种电子设备的框图。
下面参照图5来描述根据本公开的这种实施方式的电子设备500。图5显示的电子设备500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5所示，电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于：至少一个处理单元510、至少一个存储单元520、连接不同***组件(包括存储单元520和处理单元510)的总线530、显示单元540等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元510执行，使得所述处理单元510执行本说明书上述电子处方流转处理方法部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元510可以执行如图1，图2，图3中所示的步骤。
所述存储单元520可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202，还可以进一步包括只读存储单元(ROM)5203。
所述存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204，这样的程序模块5205包括但不限于：操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备500’(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备500交互的设备通信，和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。并且，电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器560可以通过总线530与电子设备500的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备500使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，如图6所示，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述方法。
所述软件产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
所述计算机可读存储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，其中承载了可读程序代码。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。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。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、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
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，使得该计算机可读介质实现如下功能：获取目标资源在前一个时间周期的使用数据；根据差分整合移动平均自回归模型确定所述目标资源在本时间周期的用户使用率；确定所述目标资源在本时间周期的用户使用额度；以及基于所述使用数据、所述用户使用率、所述用户使用额度确定所述目标资源在本周期的预估使用数据。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中，也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施例的方法。
以上具体地示出和描述了本公开的示例性实施例。应可理解的是，本公开不限于这里描述的详细结构、设置方式或实现方法；相反，本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
Claims (10)
1.一种资源使用数量预估方法，其特征在于，包括：
获取目标资源在前一个时间周期的使用数据；
根据差分整合移动平均自回归模型确定所述目标资源在本时间周期的用户使用率；
确定所述目标资源在本时间周期的用户使用额度；以及
基于所述使用数据、所述用户使用率、所述用户使用额度确定所述目标资源在本周期的预估使用数据。
2.如权利要求1所述的方法，其特征在于，还包括：
基于所述目标资源在本周期的使用数据确定资源储备数量。
3.如权利要求1-2所述的方法，其特征在于，还包括：
获取所述目标资源在本周期的实际使用数据；以及
基于所述目标资源在本周期的预估使用数据和所述实际使用数据对计算参数进行更新。
4.如权利要求1-3所述的方法，其特征在于，获取目标资源在前一个时间周期的使用数据，包括：
获取目标资源在前一个自然日的使用数据。
5.如权利要求1-4所述的方法，其特征在于，根据差分整合移动平均自回归模型确定所述目标资源在本时间周期的使用率，包括：
获取历史用户对目标资源的历史使用数据；
获取历史用户的目标资源的历史使用权限数据；
通过差分整合移动平均自回归模型和所述历史使用数据、所述历史使用权限数据生成预测使用率。
6.如权利要求1-5所述的方法，其特征在于，根据差分整合移动平均自回归模型确定所述目标资源在本时间周期的使用率，还包括：
确定时间周期参数；
确定风控调节参数；
确定运营调节参数；
通过所述时间周期参数、所述风控调节参数、和所述运营调节参数和所述预测使用率确定所述目标资源在本时间周期的使用率。
7.如权利要求1-6所述的方法，其特征在于，确定所述目标资源在本时间周期的用户使用额度，包括：
获取预估使用额度；
确定时间周期参数；
确定风控调节参数；
确定运营调节参数；
通过所述预估使用额度和所述时间周期参数、所述风控调节参数、和所述运营调节参数确定所述目标资源在本时间周期的用户使用额度。
8.一种资源使用数量预估装置，其特征在于，包括：
使用数据模块，用于获取目标资源在前一个时间周期的使用数据；
使用率模块，用于根据差分整合移动平均自回归模型确定所述目标资源在本时间周期的用户使用率；
使用额度模块，用于确定所述目标资源在本时间周期的用户使用额度；以及
预估数据模块，用于基于所述使用数据、所述用户使用率、所述用户使用额度确定所述目标资源在本周期的预估使用数据。
9.一种电子设备，其特征在于，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；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911271298.9A CN111178692A (zh) | 2019-12-12 | 2019-12-12 | 资源使用数量预估方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911271298.9A CN111178692A (zh) | 2019-12-12 | 2019-12-12 | 资源使用数量预估方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111178692A true CN111178692A (zh) | 2020-05-19 |
Family
ID=70653830
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911271298.9A Pending CN111178692A (zh) | 2019-12-12 | 2019-12-12 | 资源使用数量预估方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111178692A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112016795A (zh) * | 2020-07-15 | 2020-12-01 | 北京淇瑀信息科技有限公司 | 一种并行资源配额调整方法、装置及*** |
| CN112308635A (zh) * | 2020-11-25 | 2021-02-02 | 拉扎斯网络科技（上海）有限公司 | 数据处理方法和装置以及资源提供方法和装置 |
| CN112348557A (zh) * | 2020-09-27 | 2021-02-09 | 北京淇瑀信息科技有限公司 | 一种特享资源消耗确定方法、装置及电子设备 |
| CN112348506A (zh) * | 2020-09-27 | 2021-02-09 | 北京淇瑀信息科技有限公司 | 一种基于资源归还免除额的成本确定方法、装置及电子设备 |
| CN112765234A (zh) * | 2021-01-20 | 2021-05-07 | 京东数字科技控股股份有限公司 | 敞口数据的获取方法和装置、存储介质、电子装置 |
| CN113487364A (zh) * | 2021-07-16 | 2021-10-08 | 上海淇馥信息技术有限公司 | 一种资源成本预估方法、装置及电子设备 |
| CN113487078A (zh) * | 2021-06-30 | 2021-10-08 | 上海淇馥信息技术有限公司 | 一种新生成任务执行的方法、装置及电子设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106375115A (zh) * | 2016-08-30 | 2017-02-01 | 东软集团股份有限公司 | 资源分配方法及装置 |
| US20170193413A1 (en) * | 2016-01-04 | 2017-07-06 | Bank Of America Corporation | Predictive utilization of resources and alarm system |
| CN110110012A (zh) * | 2019-04-23 | 2019-08-09 | 上海淇玥信息技术有限公司 | 用户预期价值评估方法、装置、电子设备及可读介质 |
| CN110135701A (zh) * | 2019-04-23 | 2019-08-16 | 北京淇瑀信息科技有限公司 | 控制规则的自动生成方法、装置、电子设备及可读介质 |
| CN110363416A (zh) * | 2019-06-29 | 2019-10-22 | 上海淇馥信息技术有限公司 | 金融资源分配方法、装置及电子设备 |
-
2019
- 2019-12-12 CN CN201911271298.9A patent/CN111178692A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170193413A1 (en) * | 2016-01-04 | 2017-07-06 | Bank Of America Corporation | Predictive utilization of resources and alarm system |
| CN106375115A (zh) * | 2016-08-30 | 2017-02-01 | 东软集团股份有限公司 | 资源分配方法及装置 |
| CN110110012A (zh) * | 2019-04-23 | 2019-08-09 | 上海淇玥信息技术有限公司 | 用户预期价值评估方法、装置、电子设备及可读介质 |
| CN110135701A (zh) * | 2019-04-23 | 2019-08-16 | 北京淇瑀信息科技有限公司 | 控制规则的自动生成方法、装置、电子设备及可读介质 |
| CN110363416A (zh) * | 2019-06-29 | 2019-10-22 | 上海淇馥信息技术有限公司 | 金融资源分配方法、装置及电子设备 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112016795A (zh) * | 2020-07-15 | 2020-12-01 | 北京淇瑀信息科技有限公司 | 一种并行资源配额调整方法、装置及*** |
| CN112348557A (zh) * | 2020-09-27 | 2021-02-09 | 北京淇瑀信息科技有限公司 | 一种特享资源消耗确定方法、装置及电子设备 |
| CN112348506A (zh) * | 2020-09-27 | 2021-02-09 | 北京淇瑀信息科技有限公司 | 一种基于资源归还免除额的成本确定方法、装置及电子设备 |
| CN112308635A (zh) * | 2020-11-25 | 2021-02-02 | 拉扎斯网络科技（上海）有限公司 | 数据处理方法和装置以及资源提供方法和装置 |
| CN112765234A (zh) * | 2021-01-20 | 2021-05-07 | 京东数字科技控股股份有限公司 | 敞口数据的获取方法和装置、存储介质、电子装置 |
| CN113487078A (zh) * | 2021-06-30 | 2021-10-08 | 上海淇馥信息技术有限公司 | 一种新生成任务执行的方法、装置及电子设备 |
| CN113487364A (zh) * | 2021-07-16 | 2021-10-08 | 上海淇馥信息技术有限公司 | 一种资源成本预估方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111178692A (zh) | 资源使用数量预估方法、装置及电子设备 | |
| Kandil et al. | Exchange rate fluctuations and disaggregated economic activity in the US: theory and evidence | |
| US7962353B1 (en) | Home resale price protection plan | |
| US20110238460A1 (en) | Dynamic Pricing of a Resource | |
| JP2007502483A (ja) | 顧客収益予測方法およびシステム | |
| US20170359233A1 (en) | Monitoring resource consumption based on fixed cost for threshold use and additional cost for use above the threshold | |
| CN112070301B (zh) | 一种用户用电量调整方法、***及设备 | |
| JP2019082935A (ja) | 管理装置および管理方法 | |
| Banker et al. | The adequacy of full‐cost‐based pricing heuristics | |
| CN111144627A (zh) | 用户逾期还款预测方法、装置及电子设备 | |
| US8589191B1 (en) | Home resale price protection plan | |
| US20080091446A1 (en) | Method and system for maximizing revenue generated from service level agreements | |
| CN111178592A (zh) | 资源的逾期占用预测方法、装置及电子设备 | |
| Boloș et al. | Developing an adaptive fuzzy controller for risk management of company cash flow | |
| JP7101403B2 (ja) | 電力取引支援装置及び電力取引支援方法 | |
| CN111199472A (zh) | 金融资源的流动性预测方法、装置及电子设备 | |
| CN108876059A (zh) | 交易数据处理方法、装置、电子设备及计算机存储介质 | |
| Adam | Learning and equilibrium selection in a monetary overlapping generations model with sticky prices | |
| CN111626528A (zh) | 一种基于贝塞尔曲线的资源配额确定方法、装置和电子设备 | |
| CN111242767A (zh) | 用户按期还款预测方法、装置及电子设备 | |
| JP7323673B2 (ja) | 管理装置および管理方法 | |
| Filiopoulou et al. | The rise of cloud brokerage: Business model, profit making and cost savings | |
| US8315889B1 (en) | Home resale value protection plan | |
| CN111192132A (zh) | 资源偿还数据预估方法、装置及电子设备 | |
| Kinnear et al. | Optimal real-time bidding policies for contract fulfillment in second price auctions |
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 | ||
| CB02 | Change of applicant information |
Country or region after: China Address after: Room 1109, No. 4, Lane 800, Tongpu Road, Putuo District, Shanghai, 200062 Applicant after: Shanghai Qiyue Information Technology Co.,Ltd. Address before: Room a2-8914, 58 Fumin Branch Road, Hengsha Township, Chongming District, Shanghai, 201500 Applicant before: Shanghai Qiyue Information Technology Co.,Ltd. Country or region before: China |
|
| CB02 | Change of applicant information |