一种预测应收账款未来新增规模的方法及系统技术方案

本发明专利技术涉及回款预测的技术领域，提供了一种预测应收账款未来新增规模的方法及系统，方法包括：S1：抓取企业数据作为预测应收账款未来新增规模的基础变量，并对基础变量进行衍生，形成衍生变量；S2：建立XGBoost算法模型，设置模型的参数，并对参数进行调优；S3：将包括基础变量、衍生变量在内的任意一种或全部作为输入特征部分，将未来应收账款作为输出部分，形成DMatrix数据结构，将DMatrix数据结构输入模型，输出所述未来应收账款，完成对所述未来应收账款的预测。能够对未来应收账款的新增进行有效预测，且预测的精度较高。且预测的精度较高。且预测的精度较高。

【技术实现步骤摘要】
一种预测应收账款未来新增规模的方法及系统


[0001]本专利技术涉及回款预测的
，尤其涉及一种预测应收账款未来新增规模的方法及系统。

技术介绍

[0002]在金融领域，中小企业融资难、融资贵一直是一个世界性的难题。随着近些年互联网的发展，互联网小贷、供应链金融的出现在一定程度上有所缓解，但对金融机构来说，仍存在着一些长期困扰的痛点和需求，包括看不清产业链、摸不透底层资产以及对企业主体不信任等。根据2019年人民银行的研究报告《制造业企业融资需求的总量与结构特征》中可以看到，受技术能力的制约实体产业金融服务呈存在潜在需求大、满足程度低的问题。随着数字经济的兴起，产业数字化成为产业升级的重要目标。因此，基于产业数字化水平，通过技术手段帮助让底层资产透明、可信以及风险可控。
[0003]对于实体产业，由于商贸交易，存在着大量的应收账款，而企业通过应收账款转让、质押等方式来获取金融服务。因此，对于应收账款的管理则成为金融机构风险管理的核心要点之一，尤其是对应收账款未来新增规模的预测管理。但是，对于金融机构，其对应收账款的新增规模一般通过传本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测应收账款未来新增规模的方法，其特征在于，包括以下步骤：S1：抓取待预测应收账款未来新增规模的企业的包括客户基础数据、应收账款数据在内的企业数据作为预测应收账款未来新增规模的基础变量，并对所述基础变量进行衍生，形成衍生变量；S2：建立XGBoost算法模型，设置所述XGBoost算法模型的参数，并对所述XGBoost算法模型的参数进行调优；S3：将包括所述基础变量、所述衍生变量在内的任意一种或全部作为输入特征部分，将未来应收账款作为输出部分，形成DMatrix数据结构，将所述DMatrix数据结构输入所述XGBoost算法模型，输出所述未来应收账款，完成对所述未来应收账款的预测。2.根据权利要求1所述的预测应收账款未来新增规模的方法，其特征在于，在步骤S1中，还包括：对所述基础变量的维度进行抓取，根据具体维度的所述基础变量进行预测，其中，所述基础变量的维度包括时间维度、客户维度、产品维度、账款维度、增长趋势维度在内的维度。3.根据权利要求1所述的预测应收账款未来新增规模的方法，其特征在于，在步骤S1中，所述衍生变量，具体为：对所述基础变量进行历史趋势的聚合，形成包括最近一个月、最近两个月、最近三个月的最大值、最小值、求和、均值在内所述衍生变量。4.根据权利要求1所述的预测应收账款未来新增规模的方法，其特征在于，在步骤S2中，对所述XGBoost算法模型的参数进行调优，XGBoost参数包括通用参数、booster参数、学习目标参数在内的参数，调优的步骤具体为：S21：确定通用参数，根据业务目标和训练环境，确定迭代模型类型和系统参数；S22：设定所述XGBoost算法模型的学习速率；S23：调节所述XGBoost算法模型中树的参数，依次调节包括数的个数、树的深度、随机采样行占比、随机采样列占比、最小叶子节点样本权重和、样本类别失衡下，模型可快速收敛在内的参数；S24：调节所述XGBoost算法模型的学习速率；S25：重复步骤S21
‑
24，提高所述XGBoost算法模型的预测的准确率。5.根据权利要求1所述的预测应收账款未来新增规模的方法，其特征在于，在步骤S2中，还包括：选取历史的所述企业数据作为测试样本，输入所述XGBoost算法模型，观测输出的模型预测结果与实际数据之间的偏移度，对所述XGBoost算法模型进行调优；其中，输入所述XGBoost算法模型的变量包括所述基础变量、所述衍生变量在内的...

【专利技术属性】
技术研发人员：马成龙，刘乔乔，申志华，耿瑞宁，李旻珂，
申请(专利权)人：上海聚均科技有限公司，
类型：发明
国别省市：