一种养老服务管理方法和装置与流程

1.本发明涉及趋势预测技术领域，尤其涉及一种养老服务管理方法和装置。


背景技术：

2.人口老龄化程度正进入快速上升期，个人养老规划的重要性开始逐步体现。对于个人养老体系而言，从计划、账户、动态资产配置等各个方面都需要提前规划，但大多数投资者并不具备进行长期养老规划的知识储备与能力，因此，如何为用户提供长期并且完善的养老规划方案，成为各个金融机构期望解决的共同难题。
3.在实现本发明的过程中，发明人发现现有技术至少存在如下问题：
4.1)多数金融机构能提供的养老产品非常有限，且养老产品组成单一，收益较低，只能维持最基本的生活保障，没有多元的资产配置方案与长期持有规划。
5.2)当前养老规划方案多以社区规划、居家规划为主，主要解决宏观的养老问题，如养老院、智慧家居等，没有以用户为中心，根据用户自身情况定制个性化的养老方案。
6.3)当前养老规划服务没有结合宏观经济状况，预测未来退休时的通货膨胀率和贴现率，仅以现状作为参考，导致用户对未来经济状况的判断不准确，无法做出长期规划。
7.4)不同养老城市的养老费用不同，因此准确预测未来用户所在养老城市所需的养老费用，能够帮助用户找到真正适合自己的养老服务与养老产品。


技术实现要素：

8.有鉴于此，本发明实施例提供一种养老服务管理方法和装置，至少能够解决目前市场上没有针对用户提供个性化配置、长期并完善的养老规划方案的问题。
9.为实现上述目的，根据本发明实施例的一个方面，提供了一种养老服务管理方法，包括：
10.接收客户端传输的养老参数；其中，养老参数包括用户输入的退休时间点、养老城市的名称、用户基本信息；
11.确定与所述养老城市的名称对应的养老资格认证服务器，以将所述用户基本信息发给所述养老资格认证服务器进行审核；
12.响应于所述养老资格认证服务器反馈的审核通过信息，调用预测组件，以预测在所述退休时间点的通货膨胀率和贴现率，以及预测所述养老城市在所述退休时间点的平均养老费用；
13.调用报告生成组件，基于所述通货膨胀率、所述贴现率和所述平均养老费用，预测用户于所述退休时间点在所述养老城市养老所需的总费用，进而生成养老报告返给客户端。
14.可选的，所述预测在所述退休时间点的通货膨胀率和贴现率，包括：
15.调用指标数据服务器，以获取预设指标下与当前时间点对应的指标数据，并计算所述当前时间点到所述退休时间点的时间间隔；
16.将当前指标数据和时间间隔作为输入特征，输入目标时间序列模型中，以预测在所述退休时间点的通货膨胀率和贴现率。
17.可选的，在将当前指标数据和时间间隔作为输入特征，输入目标时间序列模型中之前，还包括：
18.确定与每个历史时间点对应的历史通货膨胀率和历史贴现率，以及调用所述指标数据服务器，以获取预设指标下与每个历史时间点对应的指标数据；
19.以历史指标数据、相邻历史时间点的时间间隔为输入特征，历史通货膨胀率和历史贴现率为标签，训练时间序列模型，得到训练后的目标时间序列模型；其中，标签表示预测的结果。
20.可选的，所述养老参数还包括养老特征参数；
21.所述预测所述养老城市在所述退休时间点的平均养老费用，包括：
22.调用与所述养老城市的名称对应的平均养老费用服务器，以获取所述养老城市在当前时间点的平均养老费用；
23.处理所述养老特征参数，得到特征向量，将所述特征向量、当前平均养老费用和所述退休时间点，输入预设平均养老费用预测模型中，以预测所述养老城市在所述退休时间点的平均养老费用。
24.可选的，所述养老参数还包括用户当前已储备的养老资源；
25.在所述预测用户于所述退休时间点在所述养老城市养老所需的总费用之后，还包括：
26.基于所述通货膨胀率和所述贴现率，计算所述当前已储备的养老资源在所述退休时间点的总价值；以及
27.在所述总价值小于养老总费用的情况下，将所述养老总费用与所述总价值的差值，作为养老资金缺口。
28.可选的，在将所述养老总费用与所述总价值的差值，作为养老资金缺口之后，还包括：
29.调用在线风险调查问卷并显示，接收用户在所述风险调查问卷上输入的信息并评估，以计算用户的风险承受能力；
30.基于所述养老资金缺口、所述用户基本信息和所述风险承受能力，计算所述养老资金缺口在各个资源类别中的占比；
31.计算占比与所述养老资金缺口的乘积，得到所述养老资金缺口在各个资源类别中的分配值，在资源类别中查找与相应分配值对应的产品，以将产品放入用户的养老账户中。
32.可选的，所述养老参数还包括用户状态；
33.在将产品放入用户的养老账户中之后，还包括：
34.当检测到用户状态发生变化时，判断所述占比是否与新的用户状态对应；
35.若不对应，则重复上述计算养老总费用、养老资金缺口和资源类别占比操作，得到新的养老资金缺口在各个资源类别中的占比；
36.依据新的资源类别占比，对原有资源类别的产品做调仓处理。
37.可选的，所述重复上述计算养老总费用、养老资金缺口和资源类别占比操作，包括：
38.发送是否更改产品的信息给客户端，若收到客户端的同意更改指令，则重复上述计算养老总费用、养老资金缺口和资源类别占比操作；
39.若判断结果为对应或收到客户端的不同意更改指令，则不对原有资源类别的产品做调仓处理。
40.可选的，养老城市为多个，所述生成养老报告返给客户端，包括：
41.确定反馈结果为审核通过的养老城市的名称；以及
42.在养老城市数量大于预设数量的情况下，按照从小到大的顺序，提取所述预设数量个养老城市的养老总费用进行显示；
43.响应于对所述预设数量个养老城市中一个养老城市的选择操作，将与所述一个养老城市对应的养老报告发给客户端。
44.为实现上述目的，根据本发明实施例的另一方面，提供了一种养老服务管理装置，包括：
45.接收模块，用于接收客户端传输的养老参数；其中，养老参数包括用户输入的退休时间点、养老城市的名称、用户基本信息；
46.认证模块，用于确定与所述养老城市的名称对应的养老资格认证服务器，以将所述用户基本信息发给所述养老资格认证服务器进行审核；
47.预测模块，用于响应于所述养老资格认证服务器反馈的审核通过信息，调用预测组件，以预测在所述退休时间点的通货膨胀率和贴现率，以及预测所述养老城市在所述退休时间点的平均养老费用；
48.生成模块，用于调用报告生成组件，基于所述通货膨胀率、所述贴现率和所述平均养老费用，预测用户于所述退休时间点在所述养老城市养老所需的总费用，进而生成养老报告返给客户端。
49.可选的，所述预测模块，用于：
50.调用指标数据服务器，以获取预设指标下与当前时间点对应的指标数据，并计算所述当前时间点到所述退休时间点的时间间隔；
51.将当前指标数据和时间间隔作为输入特征，输入目标时间序列模型中，以预测在所述退休时间点的通货膨胀率和贴现率。
52.可选的，所述预测模块，还用于：
53.确定与每个历史时间点对应的历史通货膨胀率和历史贴现率，以及调用所述指标数据服务器，以获取预设指标下与每个历史时间点对应的指标数据；
54.以历史指标数据、相邻历史时间点的时间间隔为输入特征，历史通货膨胀率和历史贴现率为标签，训练时间序列模型，得到训练后的目标时间序列模型；其中，标签表示预测的结果。
55.可选的，所述养老参数还包括养老特征参数；
56.所述预测模块，用于：
57.调用与所述养老城市的名称对应的平均养老费用服务器，以获取所述养老城市在当前时间点的平均养老费用；
58.处理所述养老特征参数，得到特征向量，将所述特征向量、当前平均养老费用和所述退休时间点，输入预设平均养老费用预测模型中，以预测所述养老城市在所述退休时间
点的平均养老费用。
59.可选的，所述养老参数还包括用户当前已储备的养老资源；
60.所述装置还包括缺口计算模块，用于：
61.基于所述通货膨胀率和所述贴现率，计算所述当前已储备的养老资源在所述退休时间点的总价值；以及
62.在所述总价值小于养老总费用的情况下，将所述养老总费用与所述总价值的差值，作为养老资金缺口。
63.可选的，所述装置还包括产品规划模块，用于：
64.调用在线风险调查问卷并显示，接收用户在所述风险调查问卷上输入的信息并评估，以计算用户的风险承受能力；
65.基于所述养老资金缺口、所述用户基本信息和所述风险承受能力，计算所述养老资金缺口在各个资源类别中的占比；
66.计算占比与所述养老资金缺口的乘积，得到所述养老资金缺口在各个资源类别中的分配值，在资源类别中查找与相应分配值对应的产品，以将产品放入用户的养老账户中。
67.可选的，所述养老参数还包括用户状态；
68.所述装置还包括产品调仓模块，用于：
69.当检测到用户状态发生变化时，判断所述占比是否与新的用户状态对应；
70.若不对应，则重复上述计算养老总费用、养老资金缺口和资源类别占比操作，得到新的养老资金缺口在各个资源类别中的占比；
71.依据新的资源类别占比，对原有资源类别的产品做调仓处理。
72.可选的，所述产品调仓模块，用于：
73.发送是否更改产品的信息给客户端，若收到客户端的同意更改指令，则重复上述计算养老总费用、养老资金缺口和资源类别占比操作；
74.若判断结果为对应或收到客户端的不同意更改指令，则不对原有资源类别的产品做调仓处理。
75.可选的，养老城市为多个，所述生成模块，用于：
76.确定反馈结果为审核通过的养老城市的名称；以及
77.在养老城市数量大于预设数量的情况下，按照从小到大的顺序，提取所述预设数量个养老城市的养老总费用进行显示；
78.响应于对所述预设数量个养老城市中一个养老城市的选择操作，将与所述一个养老城市对应的养老报告发给客户端。
79.为实现上述目的，根据本发明实施例的再一方面，提供了一种养老服务管理电子设备。
80.本发明实施例的电子设备包括：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上述任一所述的养老服务管理方法。
81.为实现上述目的，根据本发明实施例的再一方面，提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一所述的养老服务管理方法。
82.为实现上述目的，根据本发明实施例的又一个方面，提供了一种计算程序产品。本
发明实施例的一种计算程序产品，包括计算机程序，所述程序被处理器执行时实现本发明实施例提供的养老服务管理方法。
83.根据本发明所述提供的方案，上述发明中的一个实施例具有如下优点或有益效果：构建养老测算模型，以针对用户个体测算养老需求提供合适的资源配置方案，同时提供长期的动态调整服务，使得用户在不同的年龄阶段可以有不同的资源配置方案，在达到养老规划目标的同时，也能满足正常的生活需求，填补了养老规划中对个人资产长期规划的空白。
84.上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
85.附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
86.图1是根据本发明实施例的一种养老服务管理方法的主要流程示意图；
87.图2是根据本发明实施例的一种可选的养老服务管理方法的流程示意图；
88.图3是根据本发明实施例的另一种可选的养老服务管理方法的流程示意图；
89.图4是平均养老费用预测模型示意图；
90.图5是根据本发明实施例的又一种可选的养老服务管理方法的流程示意图；
91.图6是根据本发明实施例的一种养老服务管理装置的主要模块示意图；
92.图7是本发明实施例可以应用于其中的示例性系统架构图；
93.图8是适于用来实现本发明实施例的移动设备或服务器的计算机系统的结构示意图。
具体实施方式
94.以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
95.需要指出的是，在不冲突的情况下，本发明中的实施例以及实施例中的特征可以互相组合。本技术技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
96.对于本方案涉及的词语，做解释如下：
97.养老规划：是个人理财规划的重要组成部分，是人们为了在未来拥有高质量退休生活，从当下开始积极实施的规划方案，从而达到财富积累的目的。
98.养老测算模型：指基于现有人工智能技术手段，结合市场经济情况和资产配置理论，对个人未来退休生活需求进行模拟测算，并进行资金规划的模型。
99.资产配置(或称为资源配置)：指根据投资需求，将投资资金在不同资源类别之间进行分配，通常是将资产在低风险、低风险证券和高风险、高收益证券之间进行分配，以期获得合理的收益。传统意义上的资产配置一般通过均值-方差模型、资本资产定价模型等经济学理论进行，通常考虑投资者的投资风险偏好、流动性需求、时间跨度要求，并考虑市场
上实际的投资限制操作规则、税收等问题。资产配置的主要目标是在获得期望收益之余，可以有效地控制风险。
100.参见图1，示出的是本发明实施例提供的一种养老服务管理方法的主要流程图，包括如下步骤：
101.s101：接收客户端传输的养老参数；其中，养老参数包括用户输入的退休时间点、养老城市的名称、用户基本信息；
102.s102：确定与所述养老城市的名称对应的养老资格认证服务器，以将所述用户基本信息发给所述养老资格认证服务器进行审核；
103.s103：响应于所述养老资格认证服务器反馈的审核通过信息，调用预测组件，以预测在所述退休时间点的通货膨胀率和贴现率，以及预测所述养老城市在所述退休时间点的平均养老费用；
104.s104：调用报告生成组件，基于所述通货膨胀率、所述贴现率和所述平均养老费用，预测用户于所述退休时间点在所述养老城市养老所需的总费用，进而生成养老报告返给客户端。
105.上述实施方式中，对于步骤s101～s103，当前市场中存在的养老规划多为团体模式，如社区养老、养老院等，且这些养老规划关注的大多为实体部分，如养老建筑、养老设备等，并没有过多的对退休生活进行经济规划。而资产的积累是养老规划中的基石，基本养老保险只能作为最为基础的生活保障，想达到更高品质的养老生活，做好养老规划的资产配置必不可少。
106.本方案优选设置信息输入界面，用户可以输入预估退休时间点、基本信息、养老城市，也可以输入当前年龄、基本信息、退休年龄和养老城市，此时需计算用户当前年龄距离退休年龄的年龄差，将当前时间点与年龄差之和，作为退休时间点。所提及的退休时间点，优选以年为维度，如2061年。此处的养老城市取的是当前用户开卡机构所在城市。
107.首先判断用户在其所选择的城市是否具备养老资格。城市支持养老资格认证，可以调用该城市的资格认证入口，传输其相关信息，如身份证号等，以将身份证号传给养老资格认证服务器，之后按照页面提示信息完成认证即可，若认证失败，则无需进行后续流程。
108.若用户在该养老城市具备养老资格，则基于退休时间点，预测在退休时间点的通货膨胀率和贴现率，通货膨胀率指一般物价总水平在一定时期内的上涨率，贴现率指将未来支付改变为限制所使用的利率，反映了投资中投资人对未来存在风险在收益上面的一种补偿要求。具体参见后续图2所示描述，在此不再赘述。
109.基于退休时间点和养老城市，预测养老城市在退休时间点的平均养老费用，如预估天津在2061年的月均养老费用，其预测方式参见后续图3所示描述，在此不再赘述。
110.对于步骤s104，养老测算模型用于测算用户于退休时间点在养老城市养老时所需的总费用。将之前预测的通货膨胀率、贴现率以及用户平均养老费用作为输入特征，输入养老测算模型，以预估所需要的养老总费用。
111.以月均养老费用为例，计算养老总费用的公式如下：
[0112][0113]
其中，x：当前时间点，根据系统时间获取，如2021年；
[0114]
n：退休时间点，根据用户填写数据获取，可自定义，如2061年；
[0115]
cpi(consumer price index，居民消费价格指数)：前述计算所得通货膨胀率，是个参考值，可以使用，但在实际生产中，业务人员也可以根据实际情况进行修改调整；
[0116]
k：前述计算所得贴现率，是个参考值，可以使用，业务人员也可以根据实际情况进行修改调整；
[0117]v0
：当前月生活支出费用；
[0118]
生活品质系数，根据用户期望的生活品质类型确定，包括尊贵型、精致型和舒适型。
[0119]
上述公式中，对于v0*12表示一年，本方案平均养老费用中的平均可以是月平均，也可以其他时间段平均，如一个半月、一个季度等，其设置方式不做限定，只需保证乘积为1年时间即可，因而数值12需要适应性调整。
[0120]
如果用户当前已储备部分养老资源，如存款、房产等，则养老测算模型还将估算出当前已储备养老资源在未来退休时间点的总价值，从而得到目前养老规划中的养老资金缺口。
[0121]
1、预估已养老储备资源在退休时间点的总价值
[0122]v资产总储备
＝v
x
*(1+k)
n-x
，其中，v
x
为用户当前已储备养老资源的价值，k为前述计算所得贴现率，n为退休时间点，x为当前时间点。
[0123]
2、预估养老储备缺口
[0124]v缺口
＝v
总需求-v
资产总储备
[0125]
但若当前已储备的养老资源在未来退休时间点的总价值，大于所需养老总费用，则无需告知用户，否则再计算用户养老资金缺口，后续可以依据养老资金缺口配置相应的产品，以及后续依据用户状态适应性调整产品，具体参见后续图5所示描述。
[0126]
上述实施例所提供的方法，构建养老测算模型，以按照不同用户的养老需求，提供个性化养老规划测算服务，生成养老配置方案。
[0127]
参见图2，示出的是本发明实施例提供的一种可选的养老服务管理方法的主要流程图，包括如下步骤：
[0128]
s201：确定与每个历史时间点对应的历史通货膨胀率和历史贴现率，以及调用指标数据服务器，以获取预设指标下与每个历史时间点对应的指标数据；
[0129]
s202：以历史指标数据、相邻历史时间点的时间间隔为输入特征，历史通货膨胀率和历史贴现率为标签，训练时间序列模型，得到训练后的目标时间序列模型；其中，标签表示预测的结果；
[0130]
s203：调用指标数据服务器，以获取预设指标下与当前时间点对应的指标数据，并计算所述当前时间点到所述退休时间点的时间间隔；
[0131]
s204：将当前指标数据和时间间隔作为输入特征，输入目标时间序列模型中，以预测在所述退休时间点的通货膨胀率和贴现率。
[0132]
上述实施方式中，对于步骤s201～s202，通货膨胀率和贴现率的未来预测值，与过去一段时间的数据相关，包括连续型历史数据和离散型历史数据，连续型历史数据如利率、数值类的数据，离散型历史数据如排名类数据。因此，通货膨胀率和贴现率可以通过时间序列模型进行预测，时间序列模型依赖数据在时间上的先后顺序。
[0133]
整体预测过程为：
[0134]
1、指标数据通常存储于指标数据服务器中，因而可以调用该指标数据服务器，以获取多个历史时间点的宏观经济指标历史数据，如2000年～2020年的数据，具体指标如下表1所示：
[0135]
表1
[0136]
1年期存款基准利率1年期国债收益率3个月国债发行利率10年期国债收益率银行间同业拆借加权平均利率cpi当月同比m2(broad money，广义货币供应量)同比人民币国际支付全球货币排名官方外汇储备资产进出口金额当月值美元兑换人民币中间价
……
[0137]
2、获取每个历史时间点的通货膨胀率和贴现率的历史数据，将历史通货膨胀率和历史贴现率作为模型标签(即要预测的结果)，参见表2所示，数值仅为示例。需要说明的是，每个国家/地区的宏观经济指标和养老标准均不相同，本方案优选考虑国内情况，对于其他地区需适应性调整训练参数。
[0138]
表2
[0139]
年份通货膨胀率贴现率20000.40％2.00％20010.70％2.16％2002-0.80％2.97％
………………
20192.80％4.32％20207.30％3.85％
[0140]
3、训练阶段：为了学习宏观经济指标数据对通货膨胀率和贴现率的影响，模型以宏观经济指标历史数据、相邻历史时间点的时间间隔为特征，历史通货膨胀率和历史贴现率为标签，最终得出的关系类似于：宏观经济指标数据+时间间隔
‑‑‑
》通货膨胀率、贴现率。
[0141]
本方案优选使用机器学习中的集成学习xgboost，作为预测时间序列模型的算法核心，通过滑动时间窗口表示时间序列数据集，利用xgboost中的决策树，在训练过程中调整叶节点和权重，获得最优预测模型。此处为xgboost算法自身内部的计算逻辑，在此不做详细阐述。
[0142]
在训练时间序列模型的过程中，可以将样本集拆分为训练集和测试集，如训练集占样本集的80％，后续计算仅将80％样本数据输入模型中进行训练，使用剩余20％样本数据对模型进行测试，判断测试结果与实际结果的差值率是否超标，若超标，则修改模型参数
重新训练，直至测试通过为止。
[0143]
对于步骤s203～s204，在训练得到目标时间序列模型后，用户可以在界面中输入其预估的退休时间点。由于当前时间点距离退休时间点的宏观经济指标数据未知，因此此处仅获取当前时间点的宏观经济指标数据，并计算当前时间点到所述退休时间点的时间间隔。如获取2021年的宏观经济指标数据，并计算距离退休时间点2061年有40年间隔，此处2021年的宏观经济指标数据，同样需要调用指标数据服务器得到。
[0144]
以宏观经济指标数据和时间间隔为输入特征，输入目标时间序列模型，以预测在退休时间点时的通货膨胀率和贴现率。
[0145]
上述实施例所提供的方法，以时间维度上的宏观经济指标历史数据为特征，历史通货膨胀率和历史贴现率为标签，采用特征到标签的方式，通过机器学习方法进行有监督学习，达到预测未来通货膨胀率和贴现率的目的，为后续计算养老规划需要的总费用，以及现有资产在未来退休时间点的价值提供数据基础。
[0146]
参见图3，示出了根据本发明实施例的一种可选的养老服务管理方法流程示意图，包括如下步骤：
[0147]
s301：接收客户端传输的养老参数；其中，养老参数包括用户输入的退休时间点、养老城市的名称、养老特征参数；
[0148]
s302：调用与所述养老城市的名称对应的平均养老费用服务器，以获取所述养老城市在当前时间点的平均养老费用；
[0149]
s303：处理所述养老特征参数，得到特征向量；
[0150]
s304：将所述特征向量、当前平均养老费用和所述退休时间点，输入预设平均养老费用预测模型中，以预测所述养老城市在所述退休时间点的平均养老费用。
[0151]
上述实施方式中，对于步骤s301～s304，使用神经网络算法构建一个具有三层神经网络结构的模型，即平均养老费用预测模型，模型是自主构建的，以预测用户在退休时所在养老城市的平均养老费用，如月均养老费用。
[0152]
构建的特征向量主要包括两部分，用户养老的基本保障相关的特征和生活品质提升相关的特征：1)基本保障相关的特征：如用户基本信息、所在城市养老系数、目前的医疗保险等；2)生活品质提升相关的特征：如用户期望的养老生活品质系数、是否需要起居照顾、是否需要旅游度假等。
[0153]
以上这些特征，可以设置一个界面，用户可以根据自身情况下拉列表选择，其他选项不选则默认无。基于上述用户养老的基本保障相关的特征和生活品质提升相关的特征，形成特征向量x，此不做特征提取，只做数据处理工作，如数据归一化、对类别型(性别等)的特征进行编码等。
[0154]
将特征向量x输入三层神经网络预测模型，得到用户选择的养老城市在退休时间点的平均养老预测值y，参见图4所示。养老测算时的退休时间点、养老城市都是用户自主选择的。
[0155]
假设特征参数为：[性别，年龄，学历，婚姻状况，子女状况，所在地区，aum，
……
，是否有社保，是否有补充医疗，
……
，城市系数，生活品质，境内旅行，境内旅行次数，境内旅行预算，境外旅行，境外旅行次数，
……
]，处理后的特征向量x为：[0，36，3，1，2，2，37000，
……
，1，1，
……
，2.6，1.3，1，2，12000，0，0，
……
]。
[0156][0157]
上述实施例所提供的方法，使用深度学习神经网络构建平均养老费用预测模型，预测用户在退休时所在养老城市的平均养老费用，以为后续计算未来养老规划需要的总费用提供数据基础。
[0158]
参见图5，示出了根据本发明实施例的又一种可选的养老服务管理方法流程示意图，包括如下步骤：
[0159]
s501：基于通货膨胀率和贴现率，计算当前已储备的养老资源在所述退休时间点的总价值；
[0160]
s502：在所述总价值小于养老总费用的情况下，将所述养老总费用与所述总价值的差值，作为养老资金缺口；
[0161]
s503：调用在线风险调查问卷并显示，接收用户在所述风险调查问卷上输入的信息并评估，以计算用户的风险承受能力；
[0162]
s504：基于所述养老资金缺口、用户基本信息和所述风险承受能力，计算所述养老资金缺口在各个资源类别中的占比；
[0163]
s505：计算占比与所述养老资金缺口的乘积，得到所述养老资金缺口在各个资源类别中的分配值，在资源类别中查找与相应分配值对应的产品，以将产品放入用户的养老账户中；
[0164]
s506：当检测到用户状态发生变化时，判断所述占比是否与新的用户状态对应；
[0165]
s507：若不对应，则发送是否更改产品的信息给客户端；
[0166]
s508：若收到客户端的同意更改指令，则重复上述计算养老总费用、养老资金缺口和资源类别占比操作，得到新的养老资金缺口在各个资源类别中的占比，依据新的资源类别占比，对原有资源类别的产品做调仓处理；
[0167]
s509：若判断结果为对应或收到客户端的不同意更改指令，则不对原有资源类别的产品做调仓处理。
[0168]
上述实施方式中，对于步骤s501～s505，目前市场中的养老产品主要为养老保险类产品，以及少量针对养老需求的基金产品，这些产品种类单一。且目前养老规划方案大多以社区规划、居家规划为主，主要解决了宏观的养老问题，如养老院、智慧家居等，并没有针对单独个体经济上的养老规划提出合适的建议或规划方案。
[0169]
在实际交易中，可以根据养老测算模型计算出的养老资金缺口，提供长期资产配置计划，结合用户基本信息、风险承受能力，通过均值-方差模型确定资源类别(即资产类别)占比。均值-方差模型是金融机构为用户做资产配置时常用的模型，用来平衡收益和风险。
[0170]
其中，用户不能自行决定其风险承受能力，需根据用户风险调查问卷评估得到的，如提供一个在线风险调查问卷界面，用户需逐个回复，之后基于用户输入的信息进行评估。资源类别包括：货币类、固定收益类、权益类、商品类、另类投资，产品都可以长期持有。
[0171]
所得资源类别占比即为用户现阶段的养老资产配置方案，表示从当前时间点到退休时间点这一时间段内，按照方案买入对应大类的产品至养老账户长期持有，如何通过这些产品满足这一养老资金缺口。
[0172]
对于步骤s506～s509，用户阶段可以通过用户标签判断(用户可以自主打标)，也可以通过客户经理服务时为用户标记。人生阶段有单身、已婚未育、已婚已育、退休等，用户状态即为用户当下所处的阶段。
[0173]
当用户进入新的人生阶段，即用户状态发生变更时，需对当前的养老资产配置方案进行阶段性评估，可以通过客户经理判断，也可让用户再次做评估，目前主要通过人工判断。若需调整，则告知用户，若用户告知无需调整，则结束流程，否则重复上述计算养老总费用、养老资金缺口和资源类别占比操作，得到新的资产配置方案，并进行相应的调仓操作；如无需调整，则继续持有或追加。
[0174]
调仓指如果资产配置占比发生变化时，需要根据新的资产配置占比配置大类资产。养老规划是长期的过程，养老资产也需要逐步累积，会存在追加操作。没资金时可不追加，只是为用户做规划。
[0175]
上述实施例所提供的方法，针对用户的养老费用缺口提供合适的资产配置方案，并长期评估及时调整方案，结合资产配置理论，为养老规划方案提供合理、长期、动态的资产配置方案，用于增值资产，以保证用户养老目标的顺利达成。
[0176]
当前市场中存在的养老规划多为团体模式，比如社区养老、养老院等，且这些养老规划关注的大多为实体部分，如养老建筑、养老设备等，并没有过多的对退休生活进行经济规划，而资产的积累是养老规划中的基石，基本养老保险只能作为最为基础的生活保障，想达到更高品质的养老生活，做好养老规划的资产配置必不可少。
[0177]
本发明实施例所提供的方法，相对于现有技术，至少存在如下有益效果：
[0178]
1、结合宏观经济规律和人工智能技术，预测未来退休时点的通货膨胀率和贴现率，用于计算未来养老规划需要的总费用，以及现有资产在未来退休时的价值；
[0179]
2、预测用户在退休时所在养老城市的平均养老费用，通过养老测算模型，结合参数通货膨胀率、贴现率和平均养老费用，测算用户在未来的退休预算需求和养老费用缺口；
[0180]
3、针对用户的养老费用缺口提供合适的资产配置方案，并长期评估及时进行方案调整，结合资产配置理论，为养老规划方案提供合理、长期、动态的资产配置方案，用于增值用户资产；
[0181]
4、现有养老规划服务没有针对个人用户的自身经济状况给出合理的建议与规划方案，金融机构提供的养老规划服务多数是基于单一类别产品，没有基于资产配置理论进行组合，本方案能够提供更加完善和全面的养老资产配置服务。
[0182]
参见图6，示出了本发明实施例提供的一种养老服务管理装置600的主要模块示意图，包括：
[0183]
接收模块601，用于接收客户端传输的养老参数；其中，养老参数包括用户输入的退休时间点、养老城市的名称、用户基本信息；
[0184]
认证模块602，用于确定与所述养老城市的名称对应的养老资格认证服务器，以将所述用户基本信息发给所述养老资格认证服务器进行审核；
[0185]
预测模块603，用于响应于所述养老资格认证服务器反馈的审核通过信息，调用预
测组件，以预测在所述退休时间点的通货膨胀率和贴现率，以及预测所述养老城市在所述退休时间点的平均养老费用；
[0186]
生成模块604，用于调用报告生成组件，基于所述通货膨胀率、所述贴现率和所述平均养老费用，预测用户于所述退休时间点在所述养老城市养老所需的总费用，进而生成养老报告返给客户端。
[0187]
本发明实施装置中，所述预测模块603，用于：
[0188]
调用指标数据服务器，以获取预设指标下与当前时间点对应的指标数据，并计算所述当前时间点到所述退休时间点的时间间隔；
[0189]
将当前指标数据和时间间隔作为输入特征，输入目标时间序列模型中，以预测在所述退休时间点的通货膨胀率和贴现率。
[0190]
本发明实施装置中，所述预测模块603，还用于：
[0191]
确定与每个历史时间点对应的历史通货膨胀率和历史贴现率，以及调用所述指标数据服务器，以获取预设指标下与每个历史时间点对应的指标数据；
[0192]
以历史指标数据、相邻历史时间点的时间间隔为输入特征，历史通货膨胀率和历史贴现率为标签，训练时间序列模型，得到训练后的目标时间序列模型；其中，标签表示预测的结果。
[0193]
本发明实施装置中，所述养老参数还包括养老特征参数；
[0194]
所述预测模块603，用于：
[0195]
调用与所述养老城市的名称对应的平均养老费用服务器，以获取所述养老城市在当前时间点的平均养老费用；
[0196]
处理所述养老特征参数，得到特征向量，将所述特征向量、当前平均养老费用和所述退休时间点，输入预设平均养老费用预测模型中，以预测所述养老城市在所述退休时间点的平均养老费用。
[0197]
本发明实施装置中，所述养老参数还包括用户当前已储备的养老资源；
[0198]
所述装置还包括缺口计算模块，用于：
[0199]
基于所述通货膨胀率和所述贴现率，计算所述当前已储备的养老资源在所述退休时间点的总价值；以及
[0200]
在所述总价值小于养老总费用的情况下，将所述养老总费用与所述总价值的差值，作为养老资金缺口。
[0201]
本发明实施装置中，所述装置还包括产品规划模块，用于：
[0202]
调用在线风险调查问卷并显示，接收用户在所述风险调查问卷上输入的信息并评估，以计算用户的风险承受能力；
[0203]
基于所述养老资金缺口、所述用户基本信息和所述风险承受能力，计算所述养老资金缺口在各个资源类别中的占比；
[0204]
计算占比与所述养老资金缺口的乘积，得到所述养老资金缺口在各个资源类别中的分配值，在资源类别中查找与相应分配值对应的产品，以将产品放入用户的养老账户中。
[0205]
本发明实施装置中，所述养老参数还包括用户状态；
[0206]
所述装置还包括产品调仓模块，用于：
[0207]
当检测到用户状态发生变化时，判断所述占比是否与新的用户状态对应；
[0208]
若不对应，则重复上述计算养老总费用、养老资金缺口和资源类别占比操作，得到新的养老资金缺口在各个资源类别中的占比；
[0209]
依据新的资源类别占比，对原有资源类别的产品做调仓处理。
[0210]
本发明实施装置中，所述产品调仓模块，用于：
[0211]
发送是否更改产品的信息给客户端，若收到客户端的同意更改指令，则重复上述计算养老总费用、养老资金缺口和资源类别占比操作；
[0212]
若判断结果为对应或收到客户端的不同意更改指令，则不对原有资源类别的产品做调仓处理。
[0213]
本发明实施装置中，养老城市为多个，所述生成模块，用于：
[0214]
确定反馈结果为审核通过的养老城市的名称；以及
[0215]
在养老城市数量大于预设数量的情况下，按照从小到大的顺序，提取所述预设数量个养老城市的养老总费用进行显示；
[0216]
响应于对所述预设数量个养老城市中一个养老城市的选择操作，将与所述一个养老城市对应的养老报告发给客户端。
[0217]
另外，在本发明实施例中所述装置的具体实施内容，在上面所述方法中已经详细说明了，故在此重复内容不再说明。
[0218]
图7示出了可以应用本发明实施例的示例性系统架构700，包括终端设备701、702、703，网络704和服务器705(仅仅是示例)。
[0219]
终端设备701、702、703可以是具有显示屏并且支持网页浏览的各种电子设备，安装有各种通讯客户端应用，用户可以使用终端设备701、702、703通过网络704与服务器705交互，以接收或发送消息等。
[0220]
网络704用以在终端设备701、702、703和服务器705之间提供通信链路的介质。网络704可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
[0221]
服务器705可以是提供各种服务的服务器，需要说明的是，本发明实施例所提供的方法一般由服务器705执行，相应地，装置一般设置于服务器705中。
[0222]
应该理解，图7中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
[0223]
下面参考图8，其示出了适于用来实现本发明实施例的终端设备的计算机系统800的结构示意图。图8示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
[0224]
如图8所示，计算机系统800包括中央处理单元(cpu)801，其可以根据存储在只读存储器(rom)802中的程序或者从存储部分808加载到随机访问存储器(ram)803中的程序而执行各种适当的动作和处理。在ram 803中，还存储有系统800操作所需的各种程序和数据。cpu 801、rom 802以及ram 803通过总线804彼此相连。输入/输出(i/o)接口805也连接至总线804。
[0225]
以下部件连接至i/o接口805：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至i/o接口805。可拆卸介质811，诸如
磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。
[0226]
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(cpu)801执行时，执行本发明的系统中限定的上述功能。
[0227]
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号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，其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读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、电线、光缆、rf等等，或者上述的任意合适的组合。
[0228]
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0229]
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括接收模块、认证模块、预测模块、生成测模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，生成模块还可以被描述为“养老报告生成模块”。
[0230]
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。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
得该设备包括：
[0231]
接收客户端传输的养老参数；其中，养老参数包括用户输入的退休时间点、养老城市的名称、用户基本信息；
[0232]
确定与所述养老城市的名称对应的养老资格认证服务器，以将所述用户基本信息发给所述养老资格认证服务器进行审核；
[0233]
响应于所述养老资格认证服务器反馈的审核通过信息，调用预测组件，以预测在所述退休时间点的通货膨胀率和贴现率，以及预测所述养老城市在所述退休时间点的平均养老费用；
[0234]
调用报告生成组件，基于所述通货膨胀率、所述贴现率和所述平均养老费用，预测用户于所述退休时间点在所述养老城市养老所需的总费用，进而生成养老报告返给客户端。
[0235]
本发明的计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本发明实施例中的养老服务管理方法。
[0236]
根据本发明实施例的技术方案，至少存在如下有益效果：
[0237]
1、结合宏观经济规律和人工智能技术，预测未来退休时点的通货膨胀率和贴现率，用于计算未来养老规划需要的总费用，以及现有资产在未来退休时的价值；
[0238]
2、预测用户在退休时所在养老城市的平均养老费用，通过养老测算模型，结合参数通货膨胀率、贴现率和平均养老费用，测算用户在未来的退休预算需求和养老费用缺口；
[0239]
3、针对用户的养老费用缺口提供合适的资产配置方案，并长期评估及时进行方案调整，结合资产配置理论，为养老规划方案提供合理、长期、动态的资产配置方案，用于增值用户资产。
[0240]
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。