金融数据的图像处理方法、装置、设备及可读存储介质制造方法及图纸

本发明专利技术涉及一种金融数据的图像处理方法、装置、计算机设备及可读存储介质，其中的所述方法包括：获取日度级别的第一数据Kd和预设分钟级别的第二数据Kmin，其中，第一数据Kd为多维数据类型且维度高于第二数据Kmin；对所述日度级别的第一数据Kd和预设分钟级别的第二数据Kmin进行数据处理，并根据处理后的数据建立图像样本空间的向量自回归模型；将待处理的金融数据输入到所述向量自回归模型中逆变换和解码运算之后得到所述待处理的金融数据的预测图样。本发明专利技术的有益效果为：构建向量自回归模型，当在该模型中输入已获得的金融数据即样本外的金融数据后通过模型的运算即可得到未来的金融数据的图像化展示，实现图像识别角度对金融数据进行预测，能够扩展到所有其它类型的K线图数据，适用范围广泛。

Image Processing Method, Device, Equipment and Readable Storage Media of Financial Data

【技术实现步骤摘要】
金融数据的图像处理方法、装置、设备及可读存储介质
本专利技术实施例涉及金融数据处理
，尤其涉及一种金融数据的图像处理方法、装置及可读存储介质。
技术介绍
现代经济的发展带动了金融市场的壮大，金融市场中的各类金融数据均反映了金融市场的各类信息，金融数据包括期货、股票、利率以及信贷等的变化趋势能够反映出金融市场的当前状态，而将金融数据绘制成变化曲线图像或表格能够更加直观地对这种状态进行展示，这些均能够作为下一步交易行为的参考依据。目前对于预测类型的金融图像都是着眼于收益率以及收益率衍生的相关指标，在因子模型的基础上以一定的机器学习算法，对未来的金融数据进行预测。然而，由于这种方式限定于收益率以及其相关的指标，如此使得这种处理预测方式有一定的局限性，也无法进行更为准确的预测。有这样一种理论即流形分布定律，该理论可理解为：自然界中同一类别的高维数据，往往集中在某个低维流形附近。关于流形分布定律，目前理论发展还不太完备，很多时候机器学习的效果在于调参。但是，很多实际应用的问题，都可以采取流形的框架来建模，从而可以用几何的语言来来描述和梳理，用几何理论工具来加以解决。金融数据图像，以最普遍的K线图来说，投资者最关心的就是预测未来K线图走势，而流形分布定律应用于金融数据的处理暂没有相应的处理方法。
技术实现思路
为了克服相关技术中存在的问题，本专利技术提供一种金融数据的图像处理方法、装置及可读存储介质，以实现从图像识别角度更加可靠、准确地预设金融数据的走势。第一方面，本专利技术实施例提供了一种金融数据的图像处理方法，所述方法包括：获取日度级别的第一数据Kd和预设分钟级别的第二数据Kmin，其中，第一数据Kd为多维数据类型且维度高于第二数据Kmin；对所述日度级别的第一数据Kd和预设分钟级别的第二数据Kmin进行数据处理，并根据处理后的数据建立图像样本空间的向量自回归模型；将待处理的金融数据输入到所述向量自回归模型中逆变换和解码运算之后得到所述待处理的金融数据的预测图样。结合另一方面，本专利技术另一可行的实施方式中，所述获取日度级别的第一数据Kd和预设分钟级别的第二数据Kmin，其中，第一数据Kd为多维数据类型且维度高于第二数据Kmin，包括：所述第一数据Kd的数据类型包括日开盘价格，日收盘数据，日最高价格，日最低价格四个维度的金融数据，所述第二数据Kmin包括openprice，closeprice两个维度的数据。结合另一方面，本专利技术另一可行的实施方式中，所述对所述日度级别的第一数据Kd和预设分钟级别的第二数据Kmin进行数据处理，并根据处理后的数据建立图像样本空间的向量自回归模型，包括：构建所述向量自回归模型，包括：构建第一数据Kd的图像信息的同胚映射：公式1：该映射使高维流形转换成低维流形；代表对一个周期为5天的K线图样本进行坐标映射的映射序列，i＝1，2，3，4，5，构成局部坐标卡；建立三维向量(Pr，M，S)的时间序列：xi＝(Pri，Mi，Si)，Pri，Mi，Si分别是第i个交易日的K线图实体大小，中位数和日内振幅；回归方程为：xn为第n日K线图，c为三维常数向量，ε为误差向量，Ai是3*3维回归系数矩阵；所述将待处理的金融数据输入到所述向量自回归模型中逆变换和解码运算之后得到所述待处理的金融数据的预测图样，包括：通过所述回归方程得出Ai和c。结合另一方面，本专利技术另一可行的实施方式中，所述通过所述回归方程得出Ai和c，包括：通过以下公式2得出所述回归方程的最优解：xi为样本点，在本方案里为n*m维矩阵，矩阵的L2范数定义为xiTxi的最大特征值的平方根得到映射使得Rd为d维向量空间，{xi}为样本点集合。结合另一方面，本专利技术另一可行的实施方式中，所述通过公式2得出所述回归方程的最优解时，损失函数第二方面，本专利技术还涉及一种金融数据的图像处理装置，所述装置包括：获取模块，用于获取日度级别的第一数据Kd和预设分钟级别的第二数据Kmin，其中，第一数据Kd为多维数据类型且维度高于第二数据Kmin；处理模块，用于对所述日度级别的第一数据Kd和预设分钟级别的第二数据Kmin进行数据处理，并根据处理后的数据建立图像样本空间的向量自回归模型；回归模块，用于将待处理的金融数据输入到所述向量自回归模型中逆变换和解码运算之后得到所述待处理的金融数据的预测图样。第三方面，本专利技术还提供了一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法。第四方面，本专利技术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，所述计算机程序被处理器执行时实现上述方法的步骤。本专利技术通过基于流形分布定律对金融数据的K线图像样本建立图像样本空间至特征空间的同胚映射，构建向量自回归模型，当在该模型中输入已获得的金融数据即样本外的金融数据后通过模型的运算即可得到未来的金融数据的图像化展示，实现图像识别角度对金融数据进行预测，替代了传统的以收益率指标进行预测的方式，并且可以扩展到所有其它类型的K线图数据，适用范围广泛。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。图1是根据一示例性实施例示出的一种金融数据的图像处理方法的流程示意图。图2是根据一示例性实施例示出的一种金融数据的图像处理装置的框图。图3是根据一示例性实施例示出的实现方法的计算机设备的框图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图中将各步骤描述成顺序的处理，但是其中的许多步骤可以并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排，当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图内的其它步骤。处理可以对应于方法、函数、规程、子例程、子程序等。本专利技术涉及一种金融数据的图像处理方法、装置、计算机设备及可读存储介质，其主要运用于对金融数据进行预测的场景中，其基本思想是：基于流形分布定律对金融数据的K线图像样本建立图像样本空间至特征空间的同胚映射，并构建向量自回归模型，当在该模型中输入已获得的金融数据即样本外的金融数据后通过模型的运算即可得到未来的金融数据的图像化展示，实现图像识别角度对金融数据进行预测，替代了传统的以收益率指标进行预测的方式，并且可以扩展到所有其它类型的K线图数据，适用范围广泛。本实施例可适用于带有向量自回归模型的智能型终端中以进行金融数据的图像处理的情况中，该方法可以由向量自回归模型的控制装置来执行，其中该装置可以由软件和/或硬件来实现，一般地可集成于智能终端中，或者终端中的中心控制模块来控制，如图1所示，为本专利技术的一种金融数据的图像处理方法的基本流程示意图，所述方法具体包括如下步骤：在步骤110中，获取日度级别的第一数据Kd和预设分钟级别的第二数据Kmin，其本文档来自技高网...

【技术保护点】
1.一种金融数据的图像处理方法，其特征在于，所述方法包括：获取日度级别的第一数据Kd和预设分钟级别的第二数据Kmin，其中，所述第一数据Kd为多维数据类型且维度高于所述第二数据Kmin；对所述日度级别的第一数据Kd和预设分钟级别的第二数据Kmin进行数据处理，并根据处理后的数据建立图像样本空间的向量自回归模型；将待处理的金融数据输入到所述向量自回归模型中逆变换和解码运算之后得到所述待处理的金融数据的预测图样。

【技术特征摘要】
1.一种金融数据的图像处理方法，其特征在于，所述方法包括：获取日度级别的第一数据Kd和预设分钟级别的第二数据Kmin，其中，所述第一数据Kd为多维数据类型且维度高于所述第二数据Kmin；对所述日度级别的第一数据Kd和预设分钟级别的第二数据Kmin进行数据处理，并根据处理后的数据建立图像样本空间的向量自回归模型；将待处理的金融数据输入到所述向量自回归模型中逆变换和解码运算之后得到所述待处理的金融数据的预测图样。2.根据权利要求1所述的方法，其特征在于，所述获取日度级别的第一数据Kd和预设分钟级别的第二数据Kmin，其中，第一数据Kd为多维数据类型且维度高于第二数据Kmin，包括：所述第一数据Kd的数据类型包括日开盘价格、日收盘数据、日最高价格、日最低价格四个维度的金融数据，所述第二数据Kmin包括openprice，closeprice两个维度的数据。3.根据权利要求2所述的方法，其特征在于，所述对所述日度级别的第一数据Kd和预设分钟级别的第二数据Kmin进行数据处理，并根据处理后的数据建立图像样本空间的向量自回归模型，包括：构建所述向量自回归模型，包括：构建第一数据Kd的图像信息的同胚映射：公式1：该映射使高维流形转换成低维流形；所述表示对一个周期为5天的K线图样本进行坐标映射的映射序列；构成局部坐标卡；建立三维向量(Pr,M,S)的时间序列：xi＝(Pri,Mi,Si),Pri,Mi,Si分别是第i个交易日的K线图实体大小，中位数和日内振幅；回归方程为：xn为第n日K线图，c为三维常数向量，ε为误差向量，Ai是3*3维回归系数矩阵；所述将待处理的金融数据输入到所述向量自回归模型中逆变换和解码运算之后得到所述待处理的金融数据的预测图样，包括：通过所述回归方程得出Ai和c。4.根据权利要求3所述的方法，其特征在于，所述通过所述回归方程得出Ai和c，包括：通过以下公式2得出所述回归方程的最优解：xi为样本点，在本方案里为n*m维矩阵，矩阵的L2范数定义为xiTxi的最大特征值的平方根得到映射使得Rd为d维...

【专利技术属性】
技术研发人员：李海疆，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44