(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210728675.2 (22)申请日 2022.06.24 (71)申请人 上海浦东发展银行股份有限公司 地址 200000 上海市黄浦区中山 东一路12 号 (72)发明人 徐梦佳　马滢　戴清慧　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 黄立伟 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 40/00(2012.01) G06Q 30/02(2012.01) G06F 17/18(2006.01) G06N 7/00(2006.01) (54)发明名称 一种业务预算方法、 装置及设备 (57)摘要 本发明实施例公开了一种业务预算方法、 装 置及设备， 方法包括确定待预算业务的业务种 类， 并获取每种待预算业务的历史业务数据； 确 定影响每种待预算业务的业务发展的影 响动因， 并基于影响动因获取每种待预算业务相应的历 史动因数据； 基于影响动因以及历史动因数据通 过时间序列预测方法预测得到每种待预算业务 在第一时间段内的未来动因数据； 将历史动因数 据作为自变量， 将历史业务数据作为因变量， 利 用Lasso回归模型进行拟合， 得到多元线性回归 方程； 将未来动因数据代入多元线性回归方程， 得到相应待预算业务的预算值。 本申请实现了减 少业务预算过程中的人工介入、 提高业务预算的 精确度以及精细度的技 术效果。 权利要求书3页 说明书10页 附图4页 CN 115099933 A 2022.09.23 CN 115099933 A 1.一种业 务预算方法， 其特 征在于， 所述 业务预算方法包括： 确定待预算 业务的业务种类， 并获取每种所述待预算 业务的历史业 务数据； 确定影响每种所述待预算业务的业务发展的影响动因， 并基于所述影响动因获取每种 所述待预算 业务相应的历史动因数据； 基于所述影响动因以及所述历史动因数据通过时间序列预测方法预测得到每种所述 待预算业务在第一时间段内的未来动因数据； 将所述历史动因数据作为自变量， 将所述历史业务数据作 为因变量， 利用Lasso回归模 型进行拟合， 得到多元线性回归方程； 将所述未来动因数据代入所述多元线性回归方程， 得到相应所述待预算业务的预算 值。 2.根据权利要求1所述的业务预算方法， 其特征在于， 在确定出影响每种所述待预算业 务的业务发展的影响动因之后， 所述 业务预算方法还 包括： 计算每个影响动因与相应的所述历史业 务数据之间的相关系数； 基于所述相关系数对所述影响动因进行排序， 得到影响动因序列， 其中， 所述影响动因 序列用于表征 所述影响动因对所述待预算 业务的影响程度； 将所述影响动因序列中前 预设个数的所述影响动因保留待用。 3.根据权利要求2所述的业务预算方法， 其特征在于， 所述基于所述相关系数对影响所 述影响动因进行排序， 得到影响动因序列包括： 判断每一个所述相关系数的绝对值是否大于预设标准值， 并依据判断结果对所述影响 动因进行排序， 得到所述影响动因序列。 4.根据权利要求1所述的业务预算方法， 其特征在于， 基于所述影响动因以及所述历史 动因数据通过时间序列预测方法预测得到每种所述待预算业务在第一时间段内的未来动 因数据包括： 根据最小化信息量准则或贝叶斯信息准则确定季节性差分自回归滑动平均模型中的 最优参数； 基于所述影响动因以及所述历史动因数据， 利用所述最优参数以及所述季节性差分 自 回归滑动平均模型 预测得到每种所述待预算 业务在所述第一时间段内的未来动因数据。 5.根据权利要求1所述的业务预算方法， 其特征在于， 在将所述未来动因数据代入所述 多元线性回归方程， 得到相应所述待预算 业务的预算 值之前， 所述 业务预算方法包括： 验证所述多元线性回归方程计算得到的所述预算 值的误差率是否小于预设误差值； 若是， 则利用所述多元线性回归方程预测相应所述待预算 业务的预算 值； 若否， 则利用预设统计模型 预测所述待预算 业务的预算 值。 6.根据权利要求5所述的业务预算方法， 其特征在于， 验证所述多元线性 回归方程计算 得到的所述预算 值的误差率是否小于预设误差值包括： 取所述历史业 务数据中第二时间段内的数据作为验证集数据； 将所述未来动因数据代入所述多元线性回归方程， 得到所述第二时间段的验证预测 值； 计算所述验证预测值与所述第二时间段内的实际业务值之间的相对均方根误差， 其 中， 所述实际业 务值为所述验证集数据；权　利　要　求　书 1/3 页 2 CN 115099933 A 2判断所述相对均方根 误差是否小于预设误差值。 7.根据权利要求5所述的业 务预算方法， 其特 征在于， 所述预设统计模型包括： 年度移动平均模型 其中， at是年度平均业务预测 值， at‑n是t‑n月的平均业 务值， t为当前月份， n是月份数， n 为正整数； 年度加权平均模型 其中， bt是年 度加权平均业务预测值， bt‑n是t‑n月的平均业务值， ωt‑n是t‑n月的权重系数， t为当前月 份， n是月份数， n 为正整数； 年度同比模型 其中， ct是年度同比业务预测值， t为当 前月份， h是年度同比系数， ct‑1至ct‑12分别表示当前月份之前1 至24个月的平均业 务值； 月度同比模型dt＝stdt‑12， 其中， dt是t月月度同比业务预测值， dt‑12是上一年t月的业务 值， st是月度同比系数， 月度增长模型et＝ft+g， 其中， et是t月月度增长预测值， f是历史平均业务增长率， g为 常数。 8.根据权利要求5所述的业务预算方法， 其特征在于， 所述预设统计模型有多个， 利用 预设统计模型 预测所述待预算 业务的预算 值包括： 利用多个所述预设统计模型分别预测所述待预算 业务的未来 业务值； 将多个预测出的所述未来业务值中误差率最小的所述未来业务值作为所述待预算业 务的预算 值。 9.一种业 务预算装置， 其特 征在于， 所述 业务预算装置包括： 种类确定单元， 用于确定待预算业务的业务种类， 并获取每种所述待预算业务的历史 业务数据； 动因确定单元， 用于确定影响每种所述待预算业务的业务发展的影响动因， 并基于所 述影响动因获取每种所述待预算 业务相应的历史动因数据； 动因预测单元， 用于基于所述影响动因以及所述历史动因数据通过时间序列 预测方法 预测得到每种所述待预算 业务在第一时间段内的未来动因数据； 方程拟合单元， 用于将所述历史动因数据作为自变量， 将所述历史业务数据作为因变 量， 利用Las so回归模型进行拟合， 得到多元线性回归方程； 业务预算单元， 用于将所述未来动因数据代入所述多元线性回归方程， 得到相应所述 待预算业务的预算 值。 10.一种业 务预算设备， 其特 征在于， 所述 业务预算设备包括： 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 ‑8任一所述的业 务预算方法。权　利　要　求　书 2/3 页 3 CN 115099933 A 3