CN114298847A - 职工医保基金结余的预测方法、装置、设备及存储介质 - Google Patents

Abstract

本发明实施例公开了一种职工医保基金结余的预测方法、装置、设备及存储介质。该方法可包括：获取待预测对象在历史时间段内的职工医保医疗费用总和的第一时间序列数据、以及职工医保缴费基数的第二时间序列数据；根据第一时间序列数据预测待预测对象在未来时间段内的职工医保基金支出，并且根据第二时间序列数据预测待预测对象在未来时间段内的职工医保基金收入；根据职工医保基金支出和职工医保基金收入，确定出待预测对象在未来时间段内的职工医保基金结余。本发明实施例的技术方案，可以自动化的快速地预测出职工医保基金结余。

Description

职工医保基金结余的预测方法、装置、设备及存储介质

技术领域

本发明实施例涉及数据处理技术领域，尤其涉及一种职工医保基金结余的 预测方法、装置、设备及存储介质

背景技术

城镇职工基本医疗保险(以下简称为“职工医保”)是我国通过国家立法， 强制公民缴费参与，补偿被保险人因为疾病、负伤等原因造成医疗费用损失的 一种制度安排。对职工医保基金结余进行精算，能够指导医保基金管理部门动 态调整职工医保基金的收支政策，保障其的稳定可持续运行。

当前实践中主要采用保险精算学的方法进行职工医保基金结余的精算，即 以应用数学和数理统计学为手段，通过精算师来人工预测未来时间段内的职工 医保基金结余。但是，上述方案存在预测速率较低的问题。

发明内容

本发明实施例提供了一种职工医保基金结余的预测方法、装置、设备及存 储介质，以实现职工医保基金结余的快速预测的效果。

第一方面，本发明实施例提供了一种职工医保基金结余的预测方法，可以 包括：

获取待预测对象在历史时间段内的职工医保医疗费用总和的第一时间序列 数据、及职工医保缴费基数的第二时间序列数据；根据第一时间序列数据预测 待预测对象在未来时间段内的职工医保基金支出，并且根据第二时间序列数据 预测待预测对象在未来时间段内的职工医保基金收入；根据职工医保基金支出 和职工医保基金收入，确定出待预测对象在未来时间段内的职工医保基金结余。

第二方面，本发明实施例还提供了一种职工医保基金结余的预测装置，可 包括：

时间序列数据获取模块，用于获取待预测对象在历史时间段内的职工医保 医疗费用总和的第一时间序列数据、及职工医保缴费基数的第二时间序列数据；

职工医保基金收支预测模块，用于根据第一时间序列数据预测待预测对象 在未来时间段内的职工医保基金支出，并且根据第二时间序列数据预测待预测 对象在未来时间段内的职工医保基金收入；

职工医保基金结余确定模块，用于根据职工医保基金支出和职工医保基金 收入，确定待预测对象在未来时间段内的职工医保基金结余。

第三方面，本发明实施例还提供了一种职工医保基金结余的预测设备，可 包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现 本发明任意实施例所提供的职工医保基金结余的预测方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有 计算机程序，该计算机程序被处理器执行时实现本发明任意实施例所提供的职 工医保基金结余的预测方法。

本发明实施例的技术方案，通过获取待预测对象在历史时间段内的职工医 保医疗费用总和的第一时间序列数据、以及职工医保缴费基数的第二时间序列 数据，由此达到了第一时间序列数据和第二时间序列数据的自动获取的效果； 进而，根据第一时间序列数据预测待预测对象在未来时间段内的职工医保基金 支出、以及根据第二时间序列数据预测待预测对象在未来时间段内的职工医保 基金收入，由此达到了职工医保基金支出和的职工医保基金收入的自动预测的 效果；在此基础上，为了快速确定待预测对象在未来时间段内的职工医保基金 结余，可以根据职工医保基金支出和职工医保基金收入这两个因素来直接确定 职工医保基金结余。上述技术方案，通过自动化方式、及职工医保基金支出和职工医保基金收入这两个因素快速预测出职工医保基金结余，由此达到了降低 职工医保基金结余预测过程中的时间成本和人工成本、及提高计算精度的效果。

附图说明

图1是本发明实施例一中的一种职工医保基金结余的预测方法的流程图；

图2是本发明实施例二中的一种职工医保基金结余的预测方法的流程图；

图3是本发明实施例三中的一种职工医保基金结余的预测装置的结构框图；

图4是本发明实施例四中的一种职工医保基金结余的预测设备的结构框图。

具体实施方式

下面结合附图和实施例对本发明作进一步详细说明。可以理解的是，此处 所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要 说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1是本发明实施例一中提供的一种职工医保基金结余的预测方法的流程 图。本实施例可适用于快速预测职工医保基金结余的情况。该方法可以由本发 明实施例提供的职工医保基金结余的预测装置来执行，该装置可以由软件和/或 硬件的方式实现，该装置可以集成在职工医保基金结余的预测设备上，该设备 可以是各种用户终端或是服务器。

参见图1，本发明实施例的方法具体包括如下步骤：

S110、获取待预测对象在历史时间段内的职工医保医疗费用总和的第一时 间序列数据、以及职工医保缴费基数的第二时间序列数据。

其中，待预测对象可以是待预测其在未来时间段内的职工医保基金结余的 对象，如某个城市、某个城市下的某个地区等，在此未做具体限定。职工医保 医疗费用总和可以是该待预测对象在历史时间段内的各项职工医保医疗费用的 总和，其可以从医保基金管理部门直接获取得到；类似的，职工医保缴费基数 可以是该待预测对象在历史时间段内的各职工的医保缴费基数，其可以从医保 基金管理部门直接获取得到，由此无需再与医保基金管理部门之外的部门进行 对接，当然也可以基于该待预测对象的平均工资水平、国内生产总值(Gross Domestic Product，GDP)的增长曲线等近似确定，在此未做具体限定。

第一时间序列数据可以是在对职工医保医疗费用总和进行处理后形成的一 系列预设时间间隔的序列数据，示例性的，以历史时间段是2020年全年，预设 时间间隔是月为例，那么第一时间序列数据可以是由12个数据构成的序列数据， 每个数据可以是与其对应的那个月的职工医保医疗费用总和。在实际应用中， 可选的，第一时间序列数据可通过如下步骤处理得到：获取待预测对象在历史 时间段内的职工医保医疗费用总和的费用明细数据，其中，费用明细数据包括 历史时间段内的各统计时间段下的职工医保医疗费用总和；根据预设时间间隔 进行各统计时间段下的职工医保医疗费用总和的汇总，得到职工医保医疗费用 总和的第一时间序列数据。其中，统计时间段可以是历史时间段内的某时间段， 费用明细数据可以表示在某统计时间段下产生了多少的职工医保医疗费用总和， 示例性的，以统计时间段是2020年全年的每天为例，费用明显数据可以表示在 2020年全年的每天分别产生了多少的职工医保医疗费用总和。由此，可以基于 预设时间间隔对各统计时间段下的职工医保医疗费用总和进行汇总后得到第一 时间序列数据。示例性的，以预设时间间隔是月且统计时间段是天为例，可以 对费用明细数据中的隶属于同一月的各职工医保医疗费用总和进行汇总，由此 得到由每月的职工医保医疗费用总和的汇总结果按照时间顺序构成的第一时间 序列数据。再可选的，第二时间序列数据的处理过程和第一时间序列数据可以 相同或是不同，在此未做具体限定。示例性的，第二时间序列数据可通过如下步骤处理得到：获取职工医保缴费基数的缴费明细数据，该缴费明细数据包括 各统计时间段下的职工医保缴费基数；根据预设时间间隔进行各统计时间段下 的职工医保缴费基数的汇总，得到第二时间序列数据。

S120、根据第一时间序列数据预测待预测对象在未来时间段内的职工医保 基金支出，并且根据第二时间序列数据预测待预测对象在未来时间段内的职工 医保基金收入。

其中，职工医保基金支出可以是待预测对象在未来时间段内的在职工医保 上支出的基金，其与职工医保医疗费用总和有关，因此可以根据第一时间序列 数据预测职工医保基金支出，具体来说，可以是根据第一时间序列数据预测待 预测对象在未来时间段内的职工医保医疗费用总和，然后再根据该未来时间段 内的职工医保医疗费用总和确定职工医保基金支出。在实际应用中，可选的， 该未来时间段内的职工医保医疗费用总和或职工医保基金支出的预测过程可以 通过人工智能技术中的时间序列预测算法实现，比如将第一时间序列数据分别 输入到预先训练完成的神经网络最近邻(Nearest Neighbor，NN)模型和求和自 回归移动平均模型(Autoregressive Integrated Moving Average Model，ARIMA)， 并对ARIMA的输出结果和神经网络NN模型的输出结果进行加权平均后得到 职工医保医疗费用总和或是职工医保基金支出。需要说明的是，ARIMA是基于 线性技术进行时序预测，其对非线性数据的处理效果有待提高；相应的，神经 网络NN模型擅长挖掘数据中隐含的非线性关系，因此将这两个模型相融合， 可以得到更为准确的预测结果。

职工医保基金收入可以是待预测对象在未来时间段内的在职工医保上收入 的基金，其与职工医保缴费基数有关，因此可以根据第二时间序列数据预测该 职工医保基金收入，具体来说，可以是根据第二时间序列数据预测待预测对象 在未来时间段内的职工医保缴费基数，然后再根据该未来时间段内的职工医保 医疗缴费基数确定职工医保基金收入。在实际应用中，可选的，职工医保基金 收入的预测过程和职工医保基金支出的预测过程可以相同或是不同，在此未做 具体限定。示例性的，职工医保基金收入可以通过如下步骤预测得到：将第二 时间序列数据分别输入到ARIMA和神经网络NN模型中，然后对二者的输出结果进行加权平均后得到职工医保基金收入。

S130、根据职工医保基金支出和职工医保基金收入，确定出待预测对象在 未来时间段内的职工医保基金结余。

其中，职工医保基金结余可以是待预测对象在未来时间段内的在职工医保 上结余的基金，其可以根据职工医保基金支出和职工医保基金收入确定，如将 职工医保基金收入和职工医保基金支出间的差值作为职工医保基金结余。

需要说明的是，上述技术方案，首先，上述职工医保医疗费用总和和职工 医保缴费基数可以从医保基金管理部门直接自动获取得到(即数据来源可以是 医保经办业务数据)，由此无需人工统计这些数据，亦无需与除了医保基金管理 部门之外的部门进行对接来获取这些数据，达到了数据快速获取的效果。其次， 上述的职工医保基金支出和职工医保基金收入可以自动预测得到，无需通过人 工分析得到，由此达到了数据快速处理的效果。再次，在确定职工医保基金结 余时，只考虑了职工医保基金支出和职工医保基金收入，并未考虑人口数和参 保人数，由此实现了职工医保基金结余的快速计算(即速算)的效果。又次， 为了在快速计算职工医保基金结余的同时，保证职工医保基金结余的计算精度， 可以假设从历史时间段到未来时间段期间的出生率、死亡率、退休职工增长率、 住院率等没有较大变化。最后，上述职工医保基金支出和职工医保基金收入的 预测过程和职工医保基金结余的计算过程可以集成在一套自动化程序中，当这 套自动化程序与医保基金管理部门中的医保数据中心对接后，可以基于从医保 数据中心获取到的数据直接计算得到职工医保基金结余，由此达到了职工医保 基金结余的自动化计算的效果。示例性的，假设上述预测过程是基于人工智能 (Artificialnbsp Intelligence，AI)模型实现的，且上述计算过程是基于精算公式 实现的，那么上述技术方案可以描述成数据→AI模型→精算公式→计算结果→ 可视化展示，其中可视化展示就是对计算结果进行可视化展示。

本发明实施例的技术方案，通过获取待预测对象在历史时间段内的职工医 保医疗费用总和的第一时间序列数据、以及职工医保缴费基数的第二时间序列 数据，由此达到了第一时间序列数据和第二时间序列数据的自动获取的效果； 进而，根据第一时间序列数据预测待预测对象在未来时间段内的职工医保基金 支出、以及根据第二时间序列数据预测待预测对象在未来时间段内的职工医保 基金收入，由此达到了职工医保基金支出和的职工医保基金收入的自动预测的 效果；在此基础上，为了快速确定待预测对象在未来时间段内的职工医保基金 结余，可以根据职工医保基金支出和职工医保基金收入这两个因素来直接确定 职工医保基金结余。上述技术方案，通过自动化方式、及职工医保基金支出和职工医保基金收入这两个因素快速预测出职工医保基金结余，由此达到了降低 职工医保基金结余预测过程中的时间成本和人工成本、及提高计算精度的效果。

在此基础上，一种可选的技术方案，根据第一时间序列数据预测待预测对 象在未来时间段内的职工医保基金支出，可包括：根据第一时间序列数据分别 预测待预测对象在各未来时间段内的职工医保基金支出；相应，根据第二时间 序列数据预测待预测对象在未来时间段内的职工医保基金收入，可包括：根据 第二时间序列数据分别预测待预测对象在各未来时间段内的职工医保基金收入； 相应，根据职工医保基金支出和职工医保基金收入，确定出待预测对象在未来 时间段内的职工医保基金结余，可包括：针对每个未来时间段内的职工医保基 金支出和职工医保基金收入，根据未来时间段内的职工医保基金支出以及职工 医保基金收入，确定待预测对象在未来时间段内的职工医保基金结余；相应， 上述职工医保基金结余的预测，还可以包括：如果各职工医保基金结余中小于 或等于预设结余阈值的职工医保基金结余的结余数量大于或等于预设数量阈值， 则发送风险预警信息。其中，当未来时间段的时间段数量是至少两个时，可以 根据第一时间序列数据分别预测各未来时间段下的职工医保基金支出，如根据 2020年全年的第一时间序列数据分别预测2021年内每月的职工医保基金支出； 职工医保基金收入的情况类似，在此不再赘述。进而，针对属于同一未来时间 段下的职工医保基金支出和职工医保基金收入，可以根据二者预测该未来时间 段下的职工医保基金结余。再进而，如果小于或等于预设结余阈值的职工医保 基金结余的结余数量大于或等于预设数量阈值，即在多个未来时间段下的职工 医保基金收不抵支时，可以发送风险预警信息。上述技术方案，由于职工医保 基金结余是自动化速算得到的，其可以按月度自动化更新速算结果，由此达到 了及时且自动化地为医保基金管理部门进行风险预警的效果。

实施例二

图2是本发明实施例二中提供的一种职工医保基金结余的预测方法的流程 图。本实施例以上述各技术方案为基础进行优化。本实施例中，可选的，根据 第一时间序列数据预测待预测对象在未来时间段内的职工医保基金支出，可以 包括：根据第一时间序列数据预测待预测对象在未来时间段内的职工医保医疗 费用总和，并根据未来时间段内的职工医保医疗费用总和及职工医保补偿比例 确定待预测对象在未来时间段内的职工医保基金支出；和/或，根据第二时间序 列数据预测待预测对象在未来时间段内的职工医保基金收入，可以包括：根据 第二时间序列数据预测待预测对象在未来时间段内的职工医保缴费基数，根据 未来时间段内的职工医保缴费基数以及职工医保缴费费率确定待预测对象在未来时间段内的职工医保基金收入。其中，与上述各实施例相同或相应的术语的 解释在此不再赘述。

参见图2，本实施例的方法具体可以包括如下步骤：

S210、获取待预测对象在历史时间段内的职工医保医疗费用总和的第一时 间序列数据、以及职工医保缴费基数的第二时间序列数据。

S220、根据第一时间序列数据预测待预测对象在未来时间段内的职工医保 医疗费用总和，并根据未来时间段内的职工医保医疗费用总和及职工医保补偿 比例确定待预测对象在未来时间段内的职工医保基金支出。

其中，由于第一时间序列数据包括待预测对象在历史时间段内的职工医保 医疗费用总和的时间序列数据，因此可以根据其预测未来时间段内的职工医保 医疗费用总和。职工医保补偿比例可以是由医保基金管理部门给参保人对于其 支出的职工医保医疗费用总和补偿的比例，在实际应用中，可选的，其可以从 医保数据中心直接获取得到，各待预测对象的职工医保补偿比例可能相同或是 不同，如上海市是70％、天津市是75％等；再可选的，由于职工医保补偿比例 是有利于提高参保人对于职工医保医疗费用的控制意识的比例，因此可以认为 其是固定不变的、无需预测的比例；再可选的，可以将该未来时间段内的职工 医保医疗费用总和及职工医保补偿比例的乘积结果作为职工医保基金支出。

S230、根据第二时间序列数据预测待预测对象在未来时间段内的职工医保 缴费基数，并根据未来时间段内的职工医保缴费基数和职工医保缴费费率确定 待预测对象在未来时间段内的职工医保基金收入。

其中，由于第二时间序列数据包括待预测对象在历史时间段内的职工医保 缴费基数的时间序列数据，因此可以根据其预测未来时间段内的职工医保缴费 基数。职工医保缴费费率可以是用于表示将未来时间段内的职工医保缴费基数 中的多少上缴到医保基金管理部门的费率，在实际应用中，可选的，其可以由 职工医保职工缴费费率和职工医保企业缴费费率两部分组成，以上海市为例， 职工医保职工缴费费率是2％，职工医保企业缴费费率是10.5％，那么职工医保 缴费费率是12.5％；再可选的，可以将职工医保缴费费率和在未来时间段内的 职工医保缴费基数的乘积结果作为职工医保基金收入。

S240、根据职工医保基金支出和职工医保基金收入，确定出待预测对象在 未来时间段内的职工医保基金结余。

本发明实施例的技术方案，通过第一时间序列数据预测待预测对象在未来 时间段内的职工医保医疗费用总和，并根据未来时间段内的职工医保医疗费用 总和及职工医保补偿比例确定待预测对象在未来时间段内的职工医保基金支出， 由此达到了职工医保基金支出的准确预测的效果；和/或是，通过第二时间序列 数据预测待预测对象在未来时间段内的职工医保缴费基数，并根据未来时间段 内的职工医保缴费基数以及职工医保缴费费率确定待预测对象在未来时间段内 的职工医保基金收入，由此达到了职工医保基金收入的准确预测的效果。

在此基础上，一种可选的技术方案，根据未来时间段内的职工医保缴费基 数和职工医保缴费费率确定待预测对象在未来时间段内的职工医保基金收入， 可以包括：获取预先设置的各职工医保缴费费率，针对每个职工医保缴费费率， 根据未来时间段内的职工医保缴费基数和职工医保缴费费率确定待预测对象在 未来时间段内的职工医保基金收入；相应，根据职工医保基金支出和职工医保 基金收入，确定出待预测对象在未来时间段内的职工医保基金结余，可以包括： 针对每个职工医保基金收入，根据职工医保基金支出和职工医保基金收入确定 待预测对象在未来时间段内的职工医保基金结余；相应的，上述职工医保基金 结余的预测方法，还可以包括：将各职工医保基金结余、以及与职工医保基金 结余对应的职工医保缴费费率进行展示。其中，由于职工医保缴费费率是用于 表示将未来时间段内的职工医保缴费基数中的多少上缴到医保基金管理部门的 费率，因此其可以理解为未来时间段内的待确定的费率。为了让医保基金管理 部门在未来时间段内可具有较好的职工医保基金结余，可以预先设置至少两个 职工医保缴费费率，然后针对每个职工医保缴费费率，分别计算与其相对应的 职工医保基金结余，然后将计算得到的各职工医保基金结余、以及与这些职工 医保基金结余分别对应的职工医保缴费费率进行展示，以使医保基金管理部门 可以根据展示结果从各职工医保缴费费率中确定未来时间段内真正应用的职工 医保缴费费率。在此基础上，在实际应用中，可选的，由于上文预测出的职工 医保缴费基数(A)可以是多个数值，示例性的，以数学期望(E)和标准差的 误差(如±σ、±2σ、±3σ等)为例，其可以包括高(A1)、中(A2)和低 (A3)这三种数值；类似的，职工医保医疗费用总和(B)可以包括高(B1)、 中(B2)和低(B3)这三种数值。假定职工医保缴费费率(α)包括高(α1)、 中(α2)和低(α3)这三种数值，那么上述这些数值可以组合成27种组合。 为了便于医保基金管理部门从各α中选择出一个α，可以将这27种组合简化为 9种组合，如α1-A1-B1、α1-A2-B2、α1-A3-B3、α2-A1-B1、α2-A2-B2、α 2-A3-B3、α3-A1-B1、α3-A2-B2以及α3-A3-B3，然后将这9种组合中的每组 组合下的职工医保基金支出、职工医保基金收入和职工医保基金结余分别通过 曲线进行可视化展示，以使医保基金管理部门确定在未来时间段内选择哪个α。

为了从整体上更好地理解上述各步骤的具体实现过程，下面结合具体示例 对其进行示例性的说明。示例性的，

(1)从医保数据中心提取待预测对象在历史时间段内的职工医保医疗费用 总和、以及职工医保缴费基数；

(2)对上述提取到的数据进行处理，得到各自的时间序列数据；

(3)通过时间序列预测算法对上述时间序列数据进行分析，得到未来时间 段内的职工医保医疗费用总和、以及职工医保缴费基数；

(4)从医保数据中心提取职工医保补偿比例；

(5)通过下述精算公式计算未来时间段内的职工医保基金结余：

职工医保基金结余＝职工医保基金收入–职工医保基金支出 职工医保基金收入＝未来时间段内的职工医保缴费基数*职工医保缴费费率 职工医保基金支出＝未来时间段内的职工医保医疗费用总和*职工医保补偿比例。

实施例三

图3为本发明实施例三提供的职工医保基金结余的预测装置的结构框图， 该装置用于执行上述任意实施例所提供的职工医保基金结余的预测方法。该装 置与上述各实施例的职工医保基金结余的预测方法属于同一个发明构思，在职 工医保基金结余的预测装置的实施例中未详尽描述的细节内容，可以参考上述 职工医保基金结余的预测方法的实施例。参见图3，该装置具体可包括：时间 序列数据获取模块310、职工医保基金收支预测模块320和职工医保基金结余 确定模块330。

其中，时间序列数据获取模块310，用于获取待预测对象在历史时间段内 的职工医保医疗费用总和的第一时间序列数据、以及职工医保缴费基数的第二 时间序列数据；

职工医保基金收支预测模块320，用于根据第一时间序列数据预测待预测 对象在未来时间段内的职工医保基金支出，并且根据第二时间序列数据预测待 预测对象在未来时间段内的职工医保基金收入；

职工医保基金结余确定模块330，用于根据职工医保基金支出和职工医保 基金收入，确定出待预测对象在未来时间段内的职工医保基金结余。

可选的，职工医保基金收支预测模块320，可以包括：

职工医保基金支出确定单元，用于根据第一时间序列数据预测待预测对象 在未来时间段内的职工医保医疗费用总和，并且根据未来时间段内的职工医保 医疗费用总和及职工医保补偿比例确定待预测对象在未来时间段内的职工医保 基金支出；和/或，

职工医保基金收入确定单元，用于根据第二时间序列数据预测待预测对象 在未来时间段内的职工医保缴费基数，并且根据未来时间段内的职工医保缴费 基数和职工医保缴费费率确定待预测对象在未来时间段内的职工医保基金收入。

在此基础上，可选的，职工医保基金收入确定单元，可以包括：

职工医保基金收入确定子单元，用于获取预先设置的各职工医保缴费费率， 针对每个职工医保缴费费率，根据未来时间段内的职工医保缴费基数和职工医 保缴费费率确定待预测对象在未来时间段内的职工医保基金收入；

职工医保基金结余确定模块330，具体可以用于：

针对每个职工医保基金收入，根据职工医保基金支出和职工医保基金收入， 确定待预测对象在未来时间段内的职工医保基金结余；

上述职工医保基金结余的预测装置，还可以包括：

数据展示模块，用于将各职工医保基金结余、及与职工医保基金结余对应 的职工医保缴费费率进行展示。

再可选的，职工医保基金支出确定单元，可包括：职工医保基金支出预测 子单元，用于将未来时间段内的职工医保医疗费用总和及职工医保补偿比例的 乘积结果，作为待预测对象在未来时间段内的职工医保基金支出；

和/或，

职工医保基金收入确定单元，可以包括：职工医保基金收入预测子单元， 用于将未来时间段内的职工医保缴费基数和职工医保缴费费率的乘积结果，作 为待预测对象在未来时间段内的职工医保基金收入。

可选的，职工医保基金收支预测模块320，可以包括：

职工医保基金支出预测单元，用于根据第一时间序列数据分别预测待预测 对象在各未来时间段内的职工医保基金支出；

职工医保基金收入预测单元，用于根据第二时间序列数据分别预测待预测 对象在各未来时间段内的职工医保基金收入；

职工医保基金结余确定模块330，具体可以用于：

针对每个未来时间段内的职工医保基金支出和职工医保基金收入，根据未 来时间段内的职工医保基金支出以及职工医保基金收入，确定待预测对象在未 来时间段内的职工医保基金结余；

上述职工医保基金结余的预测装置，还可以包括：

风险预警信息发送模块，用于如果各职工医保基金结余中小于或等于预设 结余阈值的职工医保基金结余的结余数量大于或是等于预设数量阈值，则发送 风险预警信息。

可选的，职工医保基金收支预测模块320，可以包括：

职工医保基金支出得到单元，用于将第一时间序列数据分别输入到已训练 完成的求和自回归移动平均模型和神经网络最近邻模型中，并对求和自回归移 动平均模型的输出结果和神经网络最近邻模型的输出结果进行加权平均，得到 待预测对象在未来时间段内的职工医保基金支出；

和/或，

职工医保基金收入得到单元，用于将第二时间序列数据分别输入到求和自 回归移动平均模型和神经网络最近邻模型中，并对求和自回归移动平均模型的 输出结果和神经网络最近邻模型的输出结果进行加权平均，得到待预测对象在 未来时间段内的职工医保基金收入。

可选的，时间序列数据获取模块310，可以包括：

费用明细数据获取单元，用于获取待预测对象在历史时间段内的职工医保 医疗费用总和的费用明细数据，其中费用明细数据包括历史时间段内的各统计 时间段下的职工医保医疗费用总和；

第一时间序列数据得到单元，用于根据预设时间间隔进行各统计时间段下 的职工医保医疗费用总和的汇总，得到职工医保医疗费用总和的第一时间序列 数据；

和/或，

缴费明细数据获取单元，用于获取待预测对象在历史时间段内的职工医保 缴费基数的缴费明细数据，其中缴费明细数据包括各统计时间段下的职工医保 缴费基数；

第二时间序列数据得到单元，用于根据预设时间间隔进行各统计时间段下 的职工医保缴费基数的汇总，得到职工医保缴费基数的第二时间序列数据。

本发明实施例三提供的职工医保基金结余的预测装置，通过时间序列数据 获取模块获取待预测对象在历史时间段内的职工医保医疗费用总和的第一时间 序列数据、以及职工医保缴费基数的第二时间序列数据，由此达到了第一时间 序列数据和第二时间序列数据的自动获取的效果；进而，通过职工医保基金收 支预测模块相互配合，根据第一时间序列数据预测待预测对象在未来时间段内 的职工医保基金支出、及根据第二时间序列数据预测待预测对象在未来时间段 内的职工医保基金收入，由此达到了职工医保基金支出和的职工医保基金收入 的自动预测的效果；在此基础上，为了快速确定待预测对象在未来时间段内的 职工医保基金结余，通过职工医保基金结余确定模块根据职工医保基金支出和 职工医保基金收入这两个因素来直接确定职工医保基金结余。上述装置，通过 自动化方式、及职工医保基金支出和职工医保基金收入这两个因素快速预测出 职工医保基金结余，由此达到了降低职工医保基金结余预测过程中的时间成本 和人工成本、及提高计算精度的效果。

本发明实施例所提供的职工医保基金结余的预测装置可执行本发明任意实 施例所提供的职工医保基金结余的预测方法，具备执行方法相应的功能模块和 有益效果。

值得注意的是，上述职工医保基金结余的预测装置的实施例中，所包括的 各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只 要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相 互区分，并不用于限制本发明的保护范围。

实施例四

图4为本发明实施例四中提供的一种职工医保基金结余的预测设备的结构 框图，如图4所示，该设备包括存储器410、处理器420、输入装置430和输出 装置440。设备中的处理器420的数量可以是一个或多个，图4中以一个处理 器420为例；设备中的存储器410、处理器420、输入装置430和输出装置440 可以通过总线或其它方式连接，图4中以通过总线450连接为例。

存储器410作为一种计算机可读存储介质，可用于存储软件程序、计算机 可执行程序以及模块，如本发明实施例中的职工医保基金结余的预测方法对应 的程序指令/模块(例如，职工医保基金结余的预测装置中的时间序列数据获取 模块310、职工医保基金收支预测模块320和职工医保基金结余确定模块330)。 处理器420通过运行存储在存储器410中的软件程序、指令以及模块，从而执 行设备的各种功能应用以及数据处理，即实现上述的职工医保基金结余的预测 方法。

存储器410可主要包括存储程序区和存储数据区，其中，存储程序区可存 储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据设备的使 用所创建的数据等。此外，存储器410可以包括高速随机存取存储器，还可以 包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失 性固态存储器件。在一些实例中，存储器410可进一步包括相对于处理器420 远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实 例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置430可用于接收输入的数字或字符信息，以及产生与装置的用户 设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。

实施例五

本发明实施例五提供一种包含计算机可执行指令的存储介质，所述计算机 可执行指令在由计算机处理器执行时可用于执行一种职工医保基金结余的预测 方法，该方法包括：

获取待预测对象在历史时间段内的职工医保医疗费用总和的第一时间序列 数据、及职工医保缴费基数的第二时间序列数据；根据第一时间序列数据预测 待预测对象在未来时间段内的职工医保基金支出，并且根据第二时间序列数据 预测待预测对象在未来时间段内的职工医保基金收入；根据职工医保基金支出 和职工医保基金收入，确定出待预测对象在未来时间段内的职工医保基金结余。

当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其 计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例 所提供的职工医保基金结余的预测方法中的相关操作。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到， 本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很 多情况下前者是更佳的实施方式。依据这样的理解，本发明的技术方案本质上 或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机 软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器 (Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、 闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以 是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员 会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进 行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽 然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以 上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例， 而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种职工医保基金结余的预测方法，其特征在于，包括：

获取待预测对象在历史时间段内的职工医保医疗费用总和的第一时间序列数据、以及职工医保缴费基数的第二时间序列数据；

根据所述第一时间序列数据预测所述待预测对象在未来时间段内的职工医保基金支出，并且根据所述第二时间序列数据预测所述待预测对象在未来时间段内的职工医保基金收入；

根据所述职工医保基金支出和所述职工医保基金收入，确定出所述待预测对象在所述未来时间段内的职工医保基金结余。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一时间序列数据预测所述待预测对象在未来时间段内的职工医保基金支出，包括：

根据所述第一时间序列数据预测所述待预测对象在未来时间段内的所述职工医保医疗费用总和，并根据所述未来时间段内的所述职工医保医疗费用总和及职工医保补偿比例确定所述待预测对象在未来时间段内的职工医保基金支出；

和/或，

所述根据所述第二时间序列数据预测所述待预测对象在未来时间段内的职工医保基金收入，包括：

根据所述第二时间序列数据预测所述待预测对象在未来时间段内的所述职工医保缴费基数，并根据所述未来时间段内的所述职工医保缴费基数以及职工医保缴费费率确定所述待预测对象在未来时间段内的职工医保基金收入。

3.根据权利要求2所述的方法，其特征在于，所述根据所述未来时间段内的所述职工医保缴费基数以及职工医保缴费费率确定所述待预测对象在未来时间段内的职工医保基金收入，包括：

获取预先设置的各职工医保缴费费率，针对每个所述职工医保缴费费率，根据所述未来时间段内的所述职工医保缴费基数和所述职工医保缴费费率确定所述待预测对象在未来时间段内的职工医保基金收入；

所述根据所述职工医保基金支出和所述职工医保基金收入，确定出所述待预测对象在所述未来时间段内的职工医保基金结余，包括：

针对每个所述职工医保基金收入，根据所述职工医保基金支出和所述职工医保基金收入，确定所述待预测对象在所述未来时间段内的职工医保基金结余；

所述方法还包括：将各所述职工医保基金结余、以及与所述职工医保基金结余对应的所述职工医保缴费费率进行展示。

4.根据权利要求2所述的方法，其特征在于，所述根据所述未来时间段内的所述职工医保医疗费用总和及职工医保补偿比例确定所述待预测对象在未来时间段内的职工医保基金支出，包括：

将所述未来时间段内的所述职工医保医疗费用总和及职工医保补偿比例的乘积结果，作为所述待预测对象在未来时间段内的职工医保基金支出；

和/或，

所述根据所述未来时间段内的所述职工医保缴费基数以及职工医保缴费费率确定所述待预测对象在未来时间段内的职工医保基金收入，包括：

将所述未来时间段内的所述职工医保缴费基数和职工医保缴费费率的乘积结果，作为所述待预测对象在未来时间段内的职工医保基金收入。

5.根据权利要求1所述的方法，其特征在于：

所述根据所述第一时间序列数据预测所述待预测对象在未来时间段内的职工医保基金支出，包括：根据所述第一时间序列数据分别预测所述待预测对象在各未来时间段内的职工医保基金支出；

所述根据所述第二时间序列数据预测所述待预测对象在未来时间段内的职工医保基金收入，包括：根据所述第二时间序列数据分别预测所述待预测对象在各未来时间段内的职工医保基金收入；

所述根据所述职工医保基金支出和所述职工医保基金收入，确定出所述待预测对象在所述未来时间段内的职工医保基金结余，包括：

针对每个所述未来时间段内的所述职工医保基金支出和所述职工医保基金收入，根据所述未来时间段内的所述职工医保基金支出以及所述职工医保基金收入，确定所述待预测对象在所述未来时间段内的职工医保基金结余；

所述方法还包括：

如果各所述职工医保基金结余中小于或等于预设结余阈值的所述职工医保基金结余的结余数量大于或等于预设数量阈值，则发送风险预警信息。

6.根据权利要求1所述的方法，其特征在于，所述根据所述第一时间序列数据预测所述待预测对象在未来时间段内的职工医保基金支出，包括：

将所述第一时间序列数据分别输入到预先训练完成的求和自回归移动平均模型和神经网络最近邻模型中，并对所述求和自回归移动平均模型的输出结果和所述神经网络最近邻模型的输出结果进行加权平均，得到所述待预测对象在未来时间段内的职工医保基金支出；

和/或，

所述根据所述第二时间序列数据预测所述待预测对象在未来时间段内的职工医保基金收入，包括：

将所述第二时间序列数据分别输入到所述求和自回归移动平均模型和所述神经网络最近邻模型中，并对所述求和自回归移动平均模型的输出结果和所述神经网络最近邻模型的输出结果进行加权平均，得到所述待预测对象在未来时间段内的职工医保基金收入。

7.根据权利要求1所述的方法，其特征在于，所述获取待预测对象在历史时间段内的职工医保医疗费用总和的第一时间序列数据，包括：

获取待预测对象在历史时间段内的职工医保医疗费用总和的费用明细数据，其中，所述费用明细数据包括所述历史时间段内的各统计时间段下的所述职工医保医疗费用总和；

根据预设时间间隔进行所述各统计时间段下的所述职工医保医疗费用总和的汇总，得到所述职工医保医疗费用总和的第一时间序列数据；

和/或，

所述获取职工医保缴费基数的第二时间序列数据，包括：

获取所述待预测对象在历史时间段内的职工医保缴费基数的缴费明细数据，其中，所述缴费明细数据包括所述各统计时间段下的所述职工医保缴费基数；

根据所述预设时间间隔进行所述各统计时间段下的所述职工医保缴费基数的汇总，得到所述职工医保缴费基数的第二时间序列数据。

8.一种职工医保基金结余的预测装置，其特征在于，包括：

时间序列数据获取模块，用于获取待预测对象在历史时间段内的职工医保医疗费用总和的第一时间序列数据、及职工医保缴费基数的第二时间序列数据；

职工医保基金收支预测模块，用于根据所述第一时间序列数据预测所述待预测对象在未来时间段内的职工医保基金支出，且根据所述第二时间序列数据预测所述待预测对象在未来时间段内的职工医保基金收入；

职工医保基金结余确定模块，用于根据所述职工医保基金支出和所述职工医保基金收入，确定所述待预测对象在所述未来时间段内的职工医保基金结余。

9.一种职工医保基金结余的预测设备，其特征在于，包括：

一个或多个处理器；

存储器，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1-7中任一所述的职工医保基金结余的预测方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一所述的职工医保基金结余的预测方法。

Images