The present invention relates to the technical field of statistics, a time series model establishing method and apparatus, through historical data to obtain bank sequence, and meet in the historical data sequence preset condition, multiple models fit the historical data series, the final model group; then the final model group were selected, choose the AICC value as the final model of minimum, to ensure that the final model achieves the best fitting effect, finally get the Bank forecast data sequence of the next period of time is more accurate and can effectively guide the adjustment tendency of bank assets and liabilities structure, has good application value.
【技术实现步骤摘要】
时间序列模型建立方法及装置
本专利技术涉及统计
,具体而言,涉及一种时间序列模型建立方法及装置。
技术介绍
时间序列模型作为一种短期预测模型,是可以广泛应用于经济、医学、气象、地理、水文、地质等各个领域。但是由于该模型的算法复杂,在建模时对数据序列有着极为严格的校验过程和复杂变换过程,而在实际生活中很少有平稳数据序列,所以该模型在实际研究中很少应用。目前,常用的时间序列模型是R语言官方公布的auto.arima算法,但是auto.arima算法只包含时间序列模型中的平稳性检验、定阶和差分过程,也就是仅仅实现了平稳性检验、差分和定阶的自动化,导致auto.arima算法的实用性很差。
技术实现思路
本专利技术的目的在于提供一种时间序列模型建立方法及装置,用以改善上述问题。为了实现上述目的,本专利技术实施例采用的技术方案如下:第一方面,本专利技术提供了一种时间序列模型建立方法,应用于银行的电子设备,用于对银行的资产负债进行预测,所述方法包括:获取所述银行的历史数据序列;判断历史数据序列是否满足预设条件;当历史数据序列满足预设条件时,对历史数据序列进行多次模型拟合,得到最终模型群;对最终模型群进行筛选,得到最终模型;根据最终模型,得到银行的预测数据序列。第二方面,本专利技术提供了一种时间序列模型建立装置,应用于银行的电子设备,用于对银行的资产负债进行预测,所述装置包括历史数据序列获取模块、判断模块、最终模型群获得模块、最终模型获得模块及预测数据序列获得模块。其中,历史数据序列获取模块用于获取所述银行的历史数据序列;判断模块用于判断历史数据序列是否满足预设条件; ...
【技术保护点】
一种时间序列模型建立方法,其特征在于,应用于银行的电子设备,用于对所述银行的资产负债进行预测,所述方法包括:获取所述银行的历史数据序列;判断历史数据序列是否满足预设条件;当所述历史数据序列满足预设条件时,对所述历史数据序列进行多次模型拟合,得到最终模型群;对所述最终模型群进行筛选,得到最终模型;根据所述最终模型,得到所述银行的预测数据序列。
【技术特征摘要】
1.一种时间序列模型建立方法,其特征在于,应用于银行的电子设备,用于对所述银行的资产负债进行预测,所述方法包括:获取所述银行的历史数据序列;判断历史数据序列是否满足预设条件;当所述历史数据序列满足预设条件时,对所述历史数据序列进行多次模型拟合,得到最终模型群;对所述最终模型群进行筛选,得到最终模型;根据所述最终模型,得到所述银行的预测数据序列。2.如权利要求1所述的方法,其特征在于,所述判断历史数据序列是否满足预设条件的步骤,还包括:对所述历史数据序列进行白噪声检验,以判断所述历史数据序列是否为纯随机序列;当所述历史数据序列不是纯随机序列时,对所述历史数据序列进行平稳性检验,以判断所述历史数据序列是否为平稳序列;当所述历史数据序列不是平稳序列时,对所述历史数据序列进行定阶差分,以得到平稳序列;当所述历史数据序列是平稳序列时,判定所述历史数据序列满足预设条件。3.如权利要求1所述的方法,其特征在于,所述对历史数据序列进行多次模型拟合,得到最终模型群的步骤,包括:对所述历史数据序列进行多次模型拟合,建立多个模型,构成一个中间模型群;获取所述中间模型群中每个模型的残差;对所述中间模型群中每个模型的残差进行残差检验,若残差为白噪声则保留该模型,若残差非白噪声则剔除该模型,以得到最终模型群。4.如权利要求1所述的方法,其特征在于,所述对最终模型群进行筛选,得到最终模型的步骤,包括:计算最终模型群中每个模型的aicc值;获取aicc值最小的模型,并将该模型作为备选模型;对所述备选模型进行t检验,以判断所述备选模型的自回归系数是否具有显著性;当所述自回归系数具有显著性时,设置所述备选模型为所述最终模型;当所述自回归系数不具有显著性时,对所述备选模型进行疏系数分析,以得到所述最终模型。5.如权利要求4所述的方法,其特征在于,所述对备选模型进行疏系数分析,以得到所述最终模型的步骤,包括:根据所述备选模型,建立疏系数模型;获取所述疏系数模型的aicc值;当所述备选模型的aicc值小于所述疏系数模型的aicc值时,设置所述备选模型为最终模型;当所述疏系数模型的aicc值小于所述备选模型的aicc值时,设置所述疏系数模型为最终模型。6.如权利要求1所述的方法,其特征在于,所述根据最终模型,得到所述银行的预测数据序...
【专利技术属性】
技术研发人员:张冲,王丽燕,
申请(专利权)人:北京福布罗科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。