评测预测数据的处理方法技术

本申请公开了一种评测预测数据的处理方法，对所产生的预测数据与实际股价数据的偏离程度的评测，评测预测数据的处理方法包括以下步骤：载入原始股价数据序列与第一输入数据序列，原始股价数据序列的数量等同于第一输入数据序列的数量，使每一原始股价数据序列对应各自位置的第一输入数据序列；从第一输入数据序列中取得多个待评测数据序列；根据原始股价数据序列与待评测数据序列产生一组第二关联数据；根据第二关联数据建构第一一元高次函数与第二一元高次函数，而第一一元高次函数与第二一元高次函数均为相同函数阶层且阶层数为待评测数据序列的数量；根据第一一元高次函数输出一组第一输出数据；根据第二一元高次函数输出一组第二输出数据；将第一输出数据与第二输出数据带入评分函数并输出至少一第三输出数据；计算第三输出数据并得到评分数据。计算第三输出数据并得到评分数据。计算第三输出数据并得到评分数据。

【技术实现步骤摘要】
评测预测数据的处理方法


[0001]一种多数据间的偏离评估方法，特别有关于一种评测预测数据的处理方法。

技术介绍

[0002]股票的价格都是实时波动的，具有极大的不稳定性以及随机性，在股票交易过程中，往往是基于人的主观决策或者是在股票价格下跌时来做出选股及购买行为，这样的选股行为并非是基于对股票后续价格走势的预测来做出的，因此可能存在较大的投资风险。
[0003]为能提供投资者更多评定股价的来源，因此许多厂商提出股价预测的相关算法。但对于厂商所提出的算法结果却无相应的评测方式。投资者仅能通过历史回溯的方式验证厂商的算法结果。但过去的测验并不等同于未来的绩效。在先前技术的预测过程中，所使用的选择因素会直接或间接影响评测的结论，使得预测结果恶化。因此需要有评测所述算法结果的验证机制，对待评测数据序列与原始股价的离散程度给出相应的评比。

技术实现思路

[0004]本申请所要解决的技术问题在于，对所产生的预测数据与实际股价数据的偏离程度的评测。
[0005]本申请的评测预测数据的处理方法包括以下步骤：载入一组原始股价数据序列与一第一输入数据序列，所述原始股价数据序列的数量等同于所述第一输入数据序列的数量，使每一所述原始股价数据序列对应各自位置的所述第一输入数据序列；从所述第一输入数据序列中取得多个待评测数据序列；根据原始股价数据序列与待评测数据序列产生一组第二关联数据；根据第二关联数据建构第一一元高次函数与第二一元高次函数，而第一一元高次函数与第二一元高次函数均为相同函数阶层且阶层数为待评测数据序列的数量；根据第一一元高次函数输出一组第一输出数据；根据第二一元高次函数输出一组第二输出数据；将第一输出数据与第二输出数据带入评分函数并输出至少一第三输出数据；计算该第三输出数据并得到评分数据。
[0006]本申请的评测预测数据的处理方法可以用于评比待评测数据序列与原始股价数据序列的偏离程度，藉以评估第三方算法的输出结果是否符合现实市场的价格走势。
附图说明
[0007]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
[0008]图1为本申请的评测预测数据的处理系统架构示意图。
[0009]图2为本申请的评测预测数据的处理流程示意图。
[0010]图3为本申请的原始股价数据序列与待评测数据序列示意图。
具体实施方式
[0011]以下请配合附图及实施例来详细说明本申请的实施方式，藉此对本申请如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。
[0012]本申请的评测预测数据的处理方法可以被应用于具有数字处理能力的相关设备，例如：计算机、笔记本、服务器、行动通讯装置或平板装置。本申请的评测预测数据的处理系统100如图1所示，其包括储存模块110、输入模块120、输出模块130与计算模块140。计算模块140电性连接于储存模块110、输入模块120与输出模块130。输入模块120可以是但不限定为键盘、手写输入或触控屏幕等设备。输出模块130除了显示用户所输入的待评测数据序列与原始股价数据序列外，也可以显示评测结果。在本申请中以显示屏幕作为输出模块130的说明，但实际上可以通过云端播放或其他方式将评测结果输出以供用户参阅。储存模块110用于纪录评测程序150、原始股价数据序列与待评测数据序列。用户可以通过输入模块120将原始股价数据序列与待评测数据序列输入至储存模块110。
[0013]计算模块140用于运行评测程序150并得到待评测数据序列与原始股价数据序列的偏移分数，藉以提供用户两组数据的离散程度。在本申请中将待评测数据序列与原始股价数据序列的偏移分数定义为评分数据。计算模块140根据以下步骤进行待评测数据序列与原始股价数据序列的评测处理，并请配合图2所示。图2为本申请的评测预测数据的处理流程示意图。本申请的评测预测数据的处理方法包括以下步骤：
[0014]S210：载入一组原始股价数据序列与一组第一输入数据序列，原始股价数据序列的数量等同于第一输入数据序列的数量，使每一原始股价数据序列对应各自位置的第一输入数据序列；
[0015]S220：根据所述第一输入数据序列产生一第二输入数据序列；
[0016]S230：从第一输入数据序列中取得多个待评测数据序列；
[0017]S240：根据第一输入数据序列产生第一关联数据；
[0018]S250：根据原始股价数据序列与待评测数据序列产生一组第二关联数据；
[0019]S260：根据第一关联数据建构第一一元高次函数；
[0020]S270：根据第二关联数据建构第二一元高次函数，而第一一元高次函数与第二一元高次函数均为相同函数阶层且阶层数为待评测数据序列的数量；
[0021]S280：根据第一一元高次函数输出一组第一输出数据；
[0022]S290：根据第二一元高次函数输出一组第二输出数据；
[0023]S300：将所述第一输出数据与所述第二输出数据带入一评分函数并输出至少一第三输出数据；以及
[0024]S310：计算所述第三输出数据并得到一评分数据。
[0025]首先，用户通过输入模块120将原始股价数据序列与第一输入数据序列输入至本申请的评测系统。所述的原始股价数据序列意即用户所指定的时段中的股价数据。原始股价数据序列的数据组合定义为{A1、A2、
…
、An，n∈正整数}，原始股价数据序列的数据总量定义为第一数量n。
[0026]第一输入数据序列则是为用户欲测试的数据组合。第一输入数据序列中包括至少两空数据与至少一待测数据。所述的空数据可以是空集合也可以为零。若空数据的数量为X与待测数据的数量m，则空数据X与待测数据m的总和为第一数量n。因此第一输入数据序列
的每一数据具有对应的原始股价数据序列的数据。在此，将待评测数据序列的数量为第二数量m。
[0027]接著，从第一输入数据序列中取得多个待评测数据序列。在本专利技术中取得待评测数据的方式是依据第一输入数据序列中的待测数据的位置，并根据待测数据的位置对应至原始股价数据序列的对应位置。由于原始股价数据序列与第一输入数据序列是呈现一对一的对应关系。因此，可以每一个待测数据的位置均对应原始股价数据的位置。
[0028]假设第一输入数据序列记为{N、N、B1、N、N、N、B2、N、N、N、B3
…
、Bm，N为空数据，m∈正整数}，如下表所示。从第一输入数据序列中可以得到位置k＝3，6，m具有待测数据。为能方便说明所取得的位置将其定义为取样定位。
[0029][0030]表1.原始股价数据序列与第一输入数据序列的对应数据示意表
[0031]此外，根据所述第一输入数据序列产生第一关联数据。在本申请中第一关联数据是复制第一输入数据序列的内容所产生。为能区别第一关联数据的作用对象不同因此分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种评测预测数据的处理方法，对所产生的预测数据与实际股价数据的偏离程度的评测，其特征在于，所述评测预测数据的处理方法包括以下步骤：载入一组原始股价数据序列与一第一输入数据序列，所述原始股价数据序列的数量等同于所述第一输入数据序列的数量，使每一所述原始股价数据序列对应各自位置的所述第一输入数据序列；根据所述第一输入数据序列产生一第二输入数据序列；从所述第一输入数据序列中取得多个待评测数据序列；根据所述第一输入数据序列产生一第一关联数据B；根据所述原始股价数据序列与所述待评测数据序列产生一第二关联数据C；根据所述第一关联数据建构一第一一元高次函数；根据所述第二关联数据建构一第二一元高次函数，而所述第一一元高次函数与所述第二一元高次函数均为相同函数阶层且所述阶层数为所述待评测数据序列的数量；根据所述第一一元高次函数输出一组第一输出数据；根据所述第二一元高次函数输出一组第二输出数据；将所述第一输出数据与所述第二输出数据带入一评分函数并输出至少一第三输出数据；以及计算所述第三输出数据并得到一评分数据。2.根据权利要求1所述的评测预测数据的处理方法，其特征在于，载入所述第一输入数据序列包括：所述第一输入数据序列中包括至少二空数据与至少一待测数据；以及所述空数据与所述待测数据的总和等于所述原始股价数据序列的总和。3.根据权利要求2所述的评测预测数据的处理方法，其特征在于，所述第二关联数据包括以下步骤：根据所述第一输入数据序列中的所述待测数据的位置，从所述原始股价数据选择对应位置的数...

【专利技术属性】
技术研发人员：傅孙奇，陆宏兵，
申请(专利权)人：上海携宁计算机科技股份有限公司，
类型：发明
国别省市：