【技术实现步骤摘要】
一种基于神经网络的异步多源时序数据的处理方法
本专利技术涉及数据处理
，尤其涉及一种基于神经网络的异步多源时序数据的处理方法。
技术介绍
随着神经网络的普及，其在实际领域的应用越来越多。然而在金融领域，由于数据模型的特殊性，目前在图像识别和自然语言处理领域较为成功的卷积神经网络和循环神经网络，一直无法取得很好的应用效果。金融数据分析使用的最普遍的一种数据，是由多个下游数据提供商提供的市场数据，主要是市场买卖数据。面对这样一种多来源，异步的时间序列数据，如何能够通过算法，分析出不同数据源的权重，以及对未来数据进行预测是目前难以解决的一个问题。传统的卷积神经网络和循环神经网络在直接应用在此类分析上面临诸多困难，最大的问题就是金融数据具有低噪音信号比和重尾分布的特点。另一方面，由于不同的数据源发布数据的频率不同，权重不同，传统的金融数据模型如自回归，向量自回归等并不足以描述这些特点。
技术实现思路
本专利技术提供一种基于神经网络的异步多源时序数据的处理方法，能够分析出不同数据源的权重，以及对未来数据进行预测。为了实现本专利技术的目的，所采用的技术方案是：一种基于神经网...
【技术保护点】
1.一种基于神经网络的异步多源时序数据的处理方法，其特征在于：包括如下步骤：1)将异步多源时序数据分别输入到权重网络和偏移网络，所述的权重网络用于分析异步多源时序数据源的权重，所述的偏移网络用于计算异步多源时序数据的偏移；2)将权重网络和偏移网络处理后的时序数据进行加权运算，从而得到异步多源时序数据分析预测结果。
【技术特征摘要】
1.一种基于神经网络的异步多源时序数据的处理方法，其特征在于：包括如下步骤：1)将异步多源时序数据分别输入到权重网络和偏移网络，所述的权重网络用于分析异步多源时序数据源的权重，所述的偏移网络用于计算异步多源时序数据的偏移；2)将权重网络和偏移网络处理后的时序数据进行加权运算，从而得到异步多源时序数据分析预测结果。2.根据权利要求1所述的一种基于神经...
【专利技术属性】
技术研发人员：陈磊，季宇哲，杨云峰，
申请(专利权)人：丙申南京网络技术有限公司，
类型：发明
国别省市：江苏,32
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。