国库现金管理方法、装置、电子设备及存储介质

技术领域

本申请涉及现金管理相关技术领域，具体涉及一种国库现金管理方法、装置、电子设备及存储介质。

背景技术

国库现金管理作为联结财政收入和支出的枢纽，不仅仅是财政运行的基础和保障，也是经济运行的反映和调控工具。国库是现在社会经济运行的中心，国库现金管理若不合理，则会影响社会经济的正常运行。

发明内容

有鉴于此，本申请的实施例致力于提供一种国库现金管理方法、装置、电子设备及存储介质，以辅助进行国库现金管理，避免不合理的情况，保社会经济的正常运行。

本申请第一方面提供了一种国库现金管理方法，包括：

获取国库数据；其中，所述国库数据包括财政四本预算的收支数据、库款数据、横联系统数据、暂存款项数据、存量资金数据、债务收入数据和定期存款数据；

将所述国库数据输入预先训练的支出预测模型，得到支出预测结果；

将所述国库数据输入预先训练的收入预测模型，得到收入预测结果；

基于所述支出预测结果和收入预测结果，得到库款现金预测结果，生成现金管理策略；

其中，所述支出预测模型为深度学习模型；所述支出预测模型为深度学习模型。

在一些实施例中，所述基于所述支出预测结果和收入预测结果，生成现金管理策略，包括：

基于所述支出预测结果和收入预测结果，计算现金余额预测结果；

基于现金余额预测结果，生成现金管理策略。

在一些实施例中，所述基于现金余额预测结果，生成现金管理策略，包括：

若所述现金余额预测结果不大于预设值，生成的紧缩现金管理策略；

若所述现金余额预测结果大于预设值，生成宽松现金管理策略。

在一些实施例中，还包括：

获取三保资金数据；

基于所述三保资金数据进行预测，得到三保资金预测结果；

若所述现金余额预测结果低于三保资金预测结果，进行告警。

在一些实施例中，支出预测模型为基于X11-arim算法、prophet算法、lightgbm算法、长短时记忆网络算法和/或时间卷积网络算法构建的深度学习模型；

收入预测模型为基于X11-arim算法、prophet算法、lightgbm算法、长短时记忆网络算法和/或时间卷积网络算法构建的深度学习模型。

在一些实施例中，所述支出预测模型的训练过程包括：

采集第一预设数量的国库数据样本和所述国库数据样本对应的支出预测结果样本；

基于所述国库数据样本和对应的支出预测结果样本，对预先构建的用于预设支出深度学习模型，进行训练，得到支出预测模型；

所述收入预测模型的训练过程包括：

采集第一预设数量的国库数据样本和所述国库数据样本对应的收入预测结果样本；

基于所述国库数据样本和对应的收入预测结果样本，对预先构建的用于预设收入深度学习模型，进行训练，得到收入预测模型。

在一些实施例中，还包括：

基于图形或表格的形式，可视化的展示所述支出预测结果、所述收入预测结果、所述国库的数据。

本申请第二方面提供了一种国库现金管理装置，包括：

获取模块，用于获取国库数据；获取国库数据；其中，所述国库数据包括财政四本预算的收支数据、库款数据、暂存款项数据、存量资金数据、债务收入数据和定期存款数据；

预测模块，用于将所述国库数据输入预先训练的支出预测模型，得到支出预测结果；将所述国库数据输入预先训练的收入预测模型，得到收入预测结果；

生产模块，用于基于所述支出预测结果和收入预测结果，生成现金管理策略；

其中，所述支出预测模型为深度学习模型；所述支出预测模型为深度学习模型。

本申请第三方面提供了一种电子设备，包括：

处理器，以及用于存储所述处理器可执行程序的存储器；

所述处理器，用于通过运行所述存储器中的程序，实现如上述的国库现金管理方法。

本申请第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序在被处理器运行时使得所述处理器执行如上述国库现金管理方法。

本申请所提供的一种国库现金管理方法，首先获取国库数据；其中，所述国库数据包括支出历史数据；将所述国库数据输入预先训练的支出预测模型，得到支出预测结果；获取国库数据；其中，所述国库数据包括收入历史数据；将所述国库数据输入预先训练的收入预测模型，得到收入预测结果；基于所述支出预测结果和收入预测结果，得到库款现金预测结果，生成现金管理策略；其中，所述支出预测模型为深度学习模型；所述支出预测模型为深度学习模型。如此设置本申请提供的方案中，可以基于支出预测模型和收入预测模型进行预测，进而更准确的预知未来一段时间之内国库现金的变化之后基于这个变化来进行现金管理策略的调整，通过上述方案辅助进行国库现金管理，避免不合理的情况，保社会经济的正常运行。

附图说明

通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1是本申请一个实施例提供的国库现金管理方法的流程示意图。

图2是本申请一个实施例提供的国库现金管理界面示意图

图3是本申请一个实施例提供的国库现金管理界面示意图

图4是本申请一个实施例提供的国库现金管理界面示意图

图5是本申请一个实施例提供的国库现金管理界面示意图

图6是本申请一个实施例提供的国库现金管理界面示意图

图7是本申请一个实施例提供的国库现金管理界面示意图

图8是本申请一个实施例提供的国库现金管理界面示意图

图9是本申请一个实施例提供的国库现金管理界面示意图

图10是本申请一个实施例提供的国库现金管理装置的结构示意图。

图11是本申请一个实施例提供的电子设备结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

示例性方法

图1是本申请一个实施例提供的国库现金管理方法的流程示意图。如图1所示，该方法包括如下内容。

步骤S110，获取国库数据；其中，所述国库数据包括财政四本预算的收支数据、库款数据、暂存款项数据、存量资金数据、债务收入数据和定期存款数据；

步骤S120，将所述国库数据输入预先训练的支出预测模型，得到支出预测结果；

步骤S130，将所述国库数据输入预先训练的收入预测模型，得到收入预测结果；

步骤S140，基于所述支出预测结果和收入预测结果，得到库款现金预测结果，生成现金管理策略；

其中，所述支出预测模型为深度学习模型；所述支出预测模型为深度学习模型。

如此设置本申请提供的方案中，可以基于支出预测模型和收入预测模型进行预测，进而更准确的预知未来一段时间之内国库现金的变化之后基于这个变化来进行现金管理策略的调整，通过上述方案辅助进行国库现金管理，避免不合理的情况，保社会经济的正常运行。

在一些实施例中，步骤S140，所述基于所述支出预测结果和收入预测结果，生成现金管理策略，包括：

基于所述支出预测结果和收入预测结果，计算现金余额预测结果；

基于现金余额预测结果，生成现金管理策略。

需要说明的是，本申请提供的方案中是分别预测支出和收入，进而预测现金余额，如此设置可以更快速准确的预测收入和支出，进而得到更加快速准确的现金余额。具体的当前的余额加上预测的收入(收入预测结果)减去预测的支出(支出预测结果)，便可以得到预测的余额(现金余额预测结果)。

在一些实施例中，所述基于现金余额预测结果，生成现金管理策略，包括：

若所述现金余额预测结果不大于预设值，生成的紧缩现金管理策略；

若所述现金余额预测结果大于预设值，生成宽松现金管理策略。

具体的，利用国库现金、收入、支出、定存、回收金额等数据按周期进行智能调整，使库款保持正常水平，并利用算法模型进行智能推荐。宽松现金管理策略可以是，降低放款的要求，促进现金的流出；紧缩现金管理策略是提高放款的要求，同时抓紧时间收回现金，促进现金的回流。

在一些实施例中，本申请提供的方案还包括：

获取三保资金数据；

基于所述三保资金数据进行预测，得到三保资金预测结果；

若所述现金余额预测结果低于三保资金预测结果，进行告警。

需要说明的是，三保资金是三保是切实保障基本民生、工资发放和机构运转的资金，为了保障三保资金支出计划，根据对库款余额、支出、收入进行分月预测，评判对三保资金最低保障能力，辅助财政智能调整。若所述现金余额预测结果低于三保资金预测结果，进行告警。避免出现现金余额低于三保资金。

具体的，在提供的方案中支出预测模型和收入预测模型预测的准确性是方案的重中之重，只有在预测准确的情况下，本方申请提供的方案才可以正常运行。具体的：支出预测模型为基于X11-arim算法、prophet算法、lightgbm算法、长短时记忆网络算法和/或时间卷积网络算法构建的深度学习模型；收入预测模型为基于X11-arim算法、prophet算法、lightgbm算法、长短时记忆网络算法和/或时间卷积网络算法构建的深度学习模型。

所述支出预测模型的训练过程包括：

采集第一预设数量的国库数据样本和所述国库数据样本对应的支出预测结果样本；

基于所述国库数据样本和对应的支出预测结果样本，对预先构建的用于预设支出深度学习模型，进行训练，得到支出预测模型。

如此设置，可以通过大量的数据对模型进行训练，得到预测结果较为准确的支出预测模型。

所述收入预测模型的训练过程包括：

采集第一预设数量的国库数据样本和所述国库数据样本对应的收入预测结果样本；

基于所述国库数据样本和对应的收入预测结果样本，对预先构建的用于预设收入深度学习模型，进行训练，得到收入预测模型。

如此设置，可以通过大量的数据对模型进行训练，得到预测结果较为准确的收入预测模型。

在一些实施例中，本申请提供的方案还包括：

基于图形或表格的形式，可视化的展示所述支出预测结果、所述收入预测结果、所述国库数据。

进一步的，还可以对国库现金数据进行一定的分析，之后通过可视化图表的方式展示分析结果，

具体的，参照图2可以对库款现金从时间、区划、收支等多个维度进行总体展示以便于分析，全面掌握库款现金情况。

参照图3，在全面分析财政资金流入、流出的情况，综合多个指标，对所辖区划库款现金保障进行分析并进行展示。

参照图4，可以按区划、按日、旬、月等维度对库款现金变动进行分析并进行展示，并选中年、月库款的峰值和谷值，累计流出和流入，动态掌握国库现金的趋势和变化情况。

参照图5可以利用财政部办法中库款余额同比变动、库款余额同比变动、库款余额保障水平、一般公共预算支出累计同比增幅等指标及所占分数，建立库款现金支撑模型，以区划为维度计算评分并排名并进行展示，从而反映各地区的国库现金支撑能力。

参照图6可以利用国库现金数据对库款余额同比变动指标进行分析，按区划进行排名并进行展示。

参照图7，可以利用国库现金数据对库款余额相对水平指标进行分析，按区划进行排名并进行展示。

参照图8，可以利用国库现金数据对库款余额保障水平指标进行分析，按区划进行排名并进行展示。

参照图9，根据保障三保资金支出计划，根据对库款余额、支出、收入进行分月预测，评判对三保资金最低保障能力并展示，以辅助财政智能调整。

示例性装置

本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。

图10所示为本申请一个实施例提供的国库现金管理装置的框图。如图4所示，该装置包括：

获取模块101，用于获取国库数据；获取国库数据；其中，所述国库数据包括财政四本预算的收支数据、库款数据、暂存款项数据、存量资金数据、债务收入数据和定期存款数据；

预测模块102，用于将所述国库数据输入预先训练的支出预测模型，得到支出预测结果；将所述国库数据输入预先训练的收入预测模型，得到收入预测结果；

生产模块103，用于基于所述支出预测结果和收入预测结果，生成现金管理策略；

其中，所述支出预测模型为深度学习模型；所述支出预测模型为深度学习模型。

示例性电子设备

下面，参考图11来描述根据本申请实施例的电子设备。图11图示了根据本申请实施例的电子设备的框图。

如图11所示，电子设备1100包括一个或多个处理器1110和存储器1120。

处理器1110可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备1100中的其他组件以执行期望的功能。

存储器1120可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器1110可以运行所述程序指令，以实现上文所述的本申请的各个实施例的国库现金管理方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如类别对应关系等各种内容。

在一个示例中，电子设备1100还可以包括：输入装置1130和输出装置1140，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。

此外，该输入设备1130还可以包括例如键盘、鼠标、接口等等。该输出装置1140可以向外部输出各种信息，包括分析结果等。该输出设备1140可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。

当然，为了简化，图11中仅示出了该电子设备中与本申请有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备还可以包括任何其他适当的组件。

示例性计算机程序产品和计算机可读存储介质

除了上述方法和设备以外，本申请的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的生国库现金管理方法中的步骤。

所述计算机程序产品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申请实施例操作的程序代码，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。

此外，本申请的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的国库现金管理方法中的步骤。

所述计算机可读存储介质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包括但不限于电、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。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。

为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。