数据处理方法、装置、计算机装置及存储介质制造方法及图纸

一种数据处理方法，包括：获取历史对象的历史结果参数以及与所述历史对象的历史结果参数相关的历史影响参数；根据所述历史影响参数以及所述历史结果参数进行拟合得到多个模型函数，并整合所述模型函数以得到预测模型，其中，当所述预测模型的输入变量为影响参数时，输出变量为结果参数；获取目标对象的目标影响参数；将所述目标影响参数输入所述预测模型，得到所述目标对象的目标结果参数；创建一关系型数据库，将所述目标影响参数以及所述目标结果参数对应存储于所述关系型数据库中。本发明专利技术还提供一种数据处理装置、计算机装置及存储介质，通过预先设定研发框架方案，在保险产品具体开发中只需填写影响参数，有利于提高产品开发效率。

Data processing method, device, computer device and storage medium

【技术实现步骤摘要】
数据处理方法、装置、计算机装置及存储介质
本专利技术涉及计算机
，具体涉及一种基于模型预测的数据处理方法、基于模型预测的数据处理装置、计算机装置及计算机可读存储介质。
技术介绍
目前，在保险产品开发时，需要收集大量数据，并对这些大量数据进行繁琐的数据分析才能得出保险产品的定价结果。这种定价的方法效率低，需要耗费大量的计算机系统资源，且准确性不高。
技术实现思路
鉴于以上内容，有必要提出一种基于模型预测的数据处理方法及装置、计算机装置和计算机可读存储介质，从而解决以上问题。本申请的第一方面提供一种基于模型预测的数据处理方法，应用于一计算机装置中，所述方法包括：获取历史对象的历史结果参数以及与所述历史对象的历史结果参数相关的历史影响参数；根据所述历史影响参数以及所述历史结果参数进行拟合得到多个模型函数，并整合所述模型函数以得到预测模型，其中，当所述预测模型的输入变量为影响参数时，输出变量为结果参数；获取目标对象的目标影响参数；调用所述预测模型，将所述目标影响参数输入所述预测模型，得到所述目标对象的目标结果参数；创建一关系型数据库，将所述目标影响参数以及所述目标结果参数对应存储于所述关系型数据库中；输出所述目标影响参数对应的目标结果参数。本申请的第二方面提供一种基于模型预测的数据处理装置，其特征在于，所述装置包括：第一获取模块，用于获取历史对象的历史结果参数以及与所述历史对象的历史结果参数相关的历史影响参数；模型建立模块，用于根据所述历史影响参数以及所述历史结果参数进行拟合得到多个模型函数，并整合所述模型函数以得到预测模型，其中，当所述预测模型的输入变量为影响参数时，输出变量为结果参数；第二获取模块，用于获取目标对象的目标影响参数；调用模块，用于调用所述预测模型，将所述目标影响参数输入所述预测模型，得到所述目标对象的目标结果参数；数据库创建模块，用于创建一关系型数据库，将所述目标影响参数以及所述目标结果参数对应存储于所述关系型数据库中；输出模块，用于输出所述目标影响参数对应的目标结果参数。本申请的第三方面提供一种计算机装置，所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如前所述基于模型预测的数据处理方法。本申请的第四方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前所述基于模型预测的数据处理方法。本专利技术事先创建预测模型，在目标对象具体开发中只需填写影响参数，预测模型便可根据填写的参数自动生成目标对象的结果参数，从而有利于提高预测准确度和效率，并且可以有效减少对计算机系统资源的占用。附图说明图1是本专利技术实施例一提供的基于模型预测的数据处理方法的流程图。图2是本专利技术实施例二提供的基于模型预测的数据处理装置的结构示意图。图3是本专利技术实施例三提供的计算机装置示意图。主要元件符号说明计算机装置1存储器20处理器30计算机程序40基于模型预测的数据处理装置10第一获取模块101模型建立模块102第二获取模块103调用模块104数据库创建模块105输出模块106解析模块107搜索模块108如下具体实施方式将结合上述附图进一步说明本专利技术。具体实施方式为了能够更清楚地理解本专利技术的上述目的、特征和优点，下面结合附图和具体实施例对本专利技术进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。实施例一请参阅图1所示，是本专利技术第一实施例提供的基于模型预测的数据处理方法的流程图。所述基于模型预测的数据处理方法应用于一计算机装置中。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。所述基于模型预测的数据处理方法包括如下步骤：步骤S1：获取历史对象的历史结果参数以及与所述历史对象的历史结果参数相关的历史影响参数。其中，所述历史对象可以是既有的保险产品。所述历史结果参数可以包括，但并不限于，既有的保险产品的保费、现金价值、客户退保时能拿到的退保金和保险公司预期获得的利润等历史定价结果。所述历史影响参数为对历史对象的历史定价结果造成影响的既有的影响参数。所述历史影响参数可以包括，但并不限于，理赔责任、死亡发生率等。需要说明的是，所述历史影响参数的类型可以由人工根据具体的保险产品分析得到，具体还可以根据不同种类的保险产品进行变更。在本实施方式中，所述计算机装置从一数据源中获取所述历史结果参数以及所述历史影响参数。所述数据源可以是保险应用(Appliation,APP)或者保险公司的保险数据库等。例如，可以通过保险公司的保险数据库获取用户购买的历史对象对应的电子保单，并获取所述电子保单中记录的所述历史对象的历史结果参数以及所述历史影响参数。步骤S2：根据所述历史影响参数以及所述历史结果参数进行拟合得到多个模型函数，并整合所述模型函数以得到预测模型，其中，当所述预测模型的输入变量为影响参数时，输出变量为结果参数。以下以所述历史影响参数为理赔责任，所述历史结果参数(历史定价结果)为年缴保费以及现金价值为例进行说明。其中，所述模型函数包含理赔责任、年缴保费以及现金价值等的计算函数。其中，年交保费Ρ的计算函数为：其中0O1为矩阵O0中的第1个元素；0i1为矩阵I0中的第1个元素。矩阵Ot表示未来责任的贴现矩阵，贴现率为i：其中，tOs表示t保单年度末且保险有效状态为S时，未来责任的贴现，贴现率为i。矩阵IO表示1元保费对应的未来净现金流入贴现矩阵，贴现率为i：其中，tis表示t保单年度末且保险有效状态为S时，1元保费对应的未来净现金流入贴现。现金价值Ct的计算函数为：Ct＝Ot-ΡIt(1.2)由公式(1.1)和(1.2)可知，年交保费和现金价值的结果是通过未来责任的贴现矩阵Ot决定的。而Ot由理赔责任Bt和生存金At决定，具体地，未来责任的贴现矩阵Ot满足如下的递推关系：·t＝n·t＜n其中，矩阵Bt表示理赔金额矩阵：其中，tbsK表示t保单年度末且保险有效状态为S时，t+1元保单年度发生理赔责任K的理赔金本文档来自技高网...

【技术保护点】
1.一种基于模型预测的数据处理方法，应用于一计算机装置中，其特征在于，所述方法包括：/n获取历史对象的历史结果参数以及与所述历史对象的历史结果参数相关的历史影响参数；/n根据所述历史影响参数以及所述历史结果参数进行拟合得到多个模型函数，并整合所述模型函数以得到预测模型，其中，当所述预测模型的输入变量为影响参数时，输出变量为结果参数；/n获取目标对象的目标影响参数；/n调用所述预测模型，将所述目标影响参数输入所述预测模型，得到所述目标对象的目标结果参数；/n创建一关系型数据库，将所述目标影响参数以及所述目标结果参数对应存储于所述关系型数据库中；/n输出所述目标影响参数对应的目标结果参数。/n

【技术特征摘要】
1.一种基于模型预测的数据处理方法，应用于一计算机装置中，其特征在于，所述方法包括：
获取历史对象的历史结果参数以及与所述历史对象的历史结果参数相关的历史影响参数；
根据所述历史影响参数以及所述历史结果参数进行拟合得到多个模型函数，并整合所述模型函数以得到预测模型，其中，当所述预测模型的输入变量为影响参数时，输出变量为结果参数；
获取目标对象的目标影响参数；
调用所述预测模型，将所述目标影响参数输入所述预测模型，得到所述目标对象的目标结果参数；
创建一关系型数据库，将所述目标影响参数以及所述目标结果参数对应存储于所述关系型数据库中；
输出所述目标影响参数对应的目标结果参数。


2.如权利要求1所述的基于模型预测的数据处理方法，其特征在于，所述关系型数据库为mysql、sqlservice以及oracle数据库中的其中一种。


3.如权利要求1所述的基于模型预测的数据处理方法，其特征在于，所述计算机装置还用于获取所述目标对象的对象类型，并将所述目标影响参数、所述目标结果参数以及对象类型对应存储于所述关系型数据库中。


4.如权利要求3所述的基于模型预测的数据处理方法，其特征在于，还包括：
当接收到一搜索指令时，解析所述搜索指令以获取至少一第一对象类型；以及
根据所述搜索指令搜索所述关系型数据库中存储的对象类型与所述第一对象类型相同的至少一所述目标对象，获取搜索到的所述目标对象对应的目标影响参数；以及
将获取到的所述目标影响参数作为参考影响参数并输出所述参考影响参数。


5.如权利要求4所述的基于模型预测的数据处理方法，其特征在于，还包括：
接收调整后的所述参考影响参数；
重新调用所述预测模型，将调整后...

【专利技术属性】
技术研发人员：徐永胜，
申请(专利权)人：中国平安人寿保险股份有限公司，
类型：发明
国别省市：广东;44