价格预测模型的处理方法、装置、计算机和存储介质制造方法及图纸

本申请涉及一种价格预测模型的处理方法、装置、计算机和存储介质。该方法包括：获得样本数据；对样本数据进行单位根检验，根据对样本数据的单位根检验的结果检测样本数据是否平稳；当样本数据不平稳时，对样本数据进行对数后差分处理，获得差分数据；对差分数据进行单位根检验，根据对差分数据的单位根检验的结果检测差分数据是否平稳；当差分数据平稳时，根据样本数据获得样本数据的自相关图和偏自相关图；根据自相关图和偏自相关图确定预测模型。通过对样本数据进行单位根检验和对数后差分处理，使得样本数据更为平稳，以此建立预测模型，并且确定模型，使得预测模型的回归效果更理想，从而使得价格预测更为精准。

Processing method, device, computer and storage medium of price forecasting model

【技术实现步骤摘要】
价格预测模型的处理方法、装置、计算机和存储介质
本申请涉及价格预测
，特别是涉及一种商品订购方法、装置、计算机和存储介质。
技术介绍
对于原材料的价格预测有利于降低采购成本，并且使得生产备料充足。然而价格预测往往受到很多因素的影响，且难以找到这些外生因素的数据，导致价格预测不精确。
技术实现思路
基于此，有必要针对上述技术问题，提供一种价格预测模型的处理方法、装置、计算机和存储介质。一种价格预测模型的处理方法，所述方法包括：获得样本数据；对所述样本数据进行单位根检验，根据对所述样本数据的单位根检验的结果检测所述样本数据是否平稳；当所述样本数据不平稳时，对所述样本数据进行对数后差分处理，获得差分数据；对所述差分数据进行单位根检验，根据对所述差分数据的单位根检验的结果检测所述差分数据是否平稳；当所述差分数据平稳时，根据所述样本数据获得所述样本数据的自相关图和偏自相关图；根据所述自相关图和所述偏自相关图确定预测模型。在其中一个实施例中，所述根据所述自相关图和所述本文档来自技高网...

【技术保护点】
1.一种价格预测模型的处理方法，其特征在于，所述方法包括：/n获得样本数据；/n对所述样本数据进行单位根检验，根据对所述样本数据的单位根检验的结果检测所述样本数据是否平稳；/n当所述样本数据不平稳时，对所述样本数据进行对数后差分处理，获得差分数据；/n对所述差分数据进行单位根检验，根据对所述差分数据的单位根检验的结果检测所述差分数据是否平稳；/n当所述差分数据平稳时，根据所述样本数据获得所述样本数据的自相关图和偏自相关图；/n根据所述自相关图和所述偏自相关图确定预测模型。/n

【技术特征摘要】
1.一种价格预测模型的处理方法，其特征在于，所述方法包括：
获得样本数据；
对所述样本数据进行单位根检验，根据对所述样本数据的单位根检验的结果检测所述样本数据是否平稳；
当所述样本数据不平稳时，对所述样本数据进行对数后差分处理，获得差分数据；
对所述差分数据进行单位根检验，根据对所述差分数据的单位根检验的结果检测所述差分数据是否平稳；
当所述差分数据平稳时，根据所述样本数据获得所述样本数据的自相关图和偏自相关图；
根据所述自相关图和所述偏自相关图确定预测模型。


2.根据权利要求1所述的方法，其特征在于，所述根据所述自相关图和所述偏自相关图确定预测模型的步骤包括：
检测所述自相关图和所述偏自相关图的AC和PAC系数是否收敛于0；
当所述自相关图和所述偏自相关图的AC和PAC系数收敛于0时，则建立ARMA模型，确定所述预测模型为ARMA模型。


3.根据权利要求2所述的方法，其特征在于，所述根据所述自相关图和所述偏自相关图确定预测模型的步骤还包括：
当所述自相关图和所述偏自相关图的AC和PAC系数不收敛于0时，建立AR模型、MA模型和ARMA模型；
获取所述AR模型、所述MA模型和所述ARMA模型的AIC值；
对比所述AR模型、所述MA模型和所述ARMA模型的AIC值，以AIC值最小的模型为所述预测模型。


4.根据权利要求1所述的方法，其特征在于，所述获得样本数据的步骤包括：
获得一个预设时期内的价格数据，对所述价格数据进行去时间参数处理，得到样本数据。


5.根据权利要求1所述的方法，其特征在于，所述根据所述自相关图和所述偏自相关图确定预测模型的步骤之后还包括：
基于所述确定的预测模型对价格进行预测。


6.一种价格预测模型的处理装置，其特征在于，所述装置包括：
样本数...

【专利技术属性】
技术研发人员：陈昱成，章志容，李实，彭添才，
申请(专利权)人：东莞市大易产业链服务有限公司，
类型：发明
国别省市：广东;44