一种金融时间序列预测方法、系统及相关设备技术方案

本发明专利技术适用于金融分析技术领域，提供了一种金融时间序列预测方法、系统和相关设备，所述方法包括：计算金融时间序列之间的时间相似性；计算预测窗口大小；从金融时间序列中选出具有相似性的个相似片段，并从金融时间序列中确定一个目标片段，从相似片段中按每个类别选出与目标片段相似的片段；将个相似片段按照预测窗口大小分为份，得到个时间序列片段，将属于同一相似片段的时间序列片段划为一类，并建立索引；利用索引、时间序列片段、目标片段和片段进行快速查询以及时间序列趋势分析，得到金融时间序列预测结果。本发明专利技术能够有效识别不同维度时间序列的不同特征，并能够处理具有较大规模的数据。数据。数据。

【技术实现步骤摘要】
一种金融时间序列预测方法、系统及相关设备


[0001]本专利技术属于金融分析
，尤其涉及一种金融时间序列预测方法、系统及相关设备。

技术介绍

[0002]股票价格预测是股票市场永恒的话题。目前股票价格预测的方法分为以下三种：其一，以基本分析技术分析为主的传统预测方法；其二，以神经网络、支持向量机为主的人工智能方法；其三，以时间序列为主的计量经济学方法。
[0003]传统预测方法是最为常用的方法，包含基本分析法和技术分析法。基本分析法主要包括宏观经济分析、行业和区域分析以及公司分析三种。技术分析主要通过市场行为来分析股票价格变化的，而市场行为通常又表现为价格和成交量，在分析时还要结合时间和空间两个因素；技术分析的优势在于股票价格的短期预测，但技术分析也有自己的缺陷，例如在技术形态识别上不具有客观性，因为现实价格形态不一定具有理想的形式，此时判断股票价格就会具有一定的主观性。
[0004]人工智能方法主要是利用计算机人工智能来模拟人的大脑学习过程，在给定样本对的情况下对其进行学习，发掘其内在的规律，然后用这种规律来对未来做出预测。目前，人工智能方法主要有神经网络方法和支持向量机方法，并在实际应用中取得了不错的预测效果。但是，在金融领域中使用人工智能方法的一个不足就是其解释能力不是很强，结果不容易被人理解。
[0005]金融时间序列方法是股市预测中使用的一种计量方法。金融时间序列是时间序列中的一个分支，其与其他时间序列不同之处在于，金融时间序列的分析中要考虑随机因素的影响。在使用金融时间序列对股票价格预测时主要是通过分析价格随时间演变的过程，然后根据严密的数学理论为价格序列建立模型，从而利用模型预测价格。自回归模型(，简称)、移动平均模型(，简称)、自回归移动平均模型(，简称)、自回归条件异方差模型(，简称)、广义自回归条件异方差模型(，简称)等都是比较常用的时间序列模型。基于金融时间序列的股票预测模型建立在严密的数学逻辑推理之上，在预测股票过程中具有很好的解释能力，相对于其他复杂的预测方法，金融时间序列建模相对比较简单，而且计算比较简单。但金融时间序列在实际应用过程中也有自己的局限性：由于在使用金融时间序列建模时，对样本数据要求往往较高，比如必须要大样本，样本数据必须平稳独立等，而在实际当中金融数据往往又是包含较多噪音，并且通常表现出非平稳、非线性的特点。所以用金融时间序列很难建立比较理想的模型，有时虽然模型可以建立，参数估计往往又是一个比较困难的问题。
[0006]综上所述，传统金融时间序列预测方法无法有效地识别不同维度时间序列的不同特征，从而导致了当前一些时间序列预测方法的不足，因此无法有效地指导实际研究，也无
法有效处理具有较大规模的数据。

技术实现思路

[0007]本专利技术实施例提供一种金融时间序列预测方法，旨在解决传统金融时间序列预测方法无法有效地识别不同维度时间序列的不同特征、也无法有效处理具有较大规模数据的问题。
[0008]第一方面，本专利技术实施例提供一种金融时间序列预测方法，所述方法包括以下步骤：计算金融时间序列之间的时间相似性；计算预测窗口大小；从所述金融时间序列中选出具有相似性的个相似片段，并从所述金融时间序列中确定一个目标片段，从所述相似片段中按每个类别选出与所述目标片段相似的片段；将个所述相似片段按照所述预测窗口大小分为份，得到个时间序列片段，将属于同一所述相似片段的所述时间序列片段划为一类，并建立索引；利用所述索引、所述时间序列片段、所述目标片段和所述片段进行快速查询以及时间序列趋势分析，得到金融时间序列预测结果。
[0009]更进一步地，所述计算金融时间序列之间的时间相似性所使用的计算方法为加权欧氏距离计算法。
[0010]更进一步地，所述计算预测窗口大小的步骤具体包括以下子步骤：预设一个所述预测窗口大小的范围区间；通过所述时间序列的实际值和预测值计算错误损失，将所述错误损失和所述范围区间进行比较，将在所述范围区间内的最小的所述错误损失作为最终的所述预测窗口大小的值。
[0011]更进一步地，所述从所述金融时间序列中选出具有相似性的个相似片段，并确定一个目标片段，从所述相似片段中按每个类别选出与所述目标片段相似的片段的步骤具体包括以下子步骤：将所述金融时间序列输入到Milvus中；使用所述Milvus搜索所述金融时间序列中具有时间相似性的个相似片段；对所述相似片段进行分类并计算类别数，所述类别数为所述相似片段的种类数，预设定一个类别数范围区间，使用K
‑
means算法从所述相似片段中进行聚类计算，得到每个所述类别数的DBI指数，将处于所述类别数范围区间中的所述DBI指数最小的所述类别数记为；从所述金融时间序列中确定一个目标片段，从所述相似片段中取前个与所述目标片段中的向量最相似的向量，组成所述片段。
[0012]更进一步地，将个所述相似片段按照所述预测窗口大小分为份，得到个时间序列片段，将属于同一所述相似片段的所述时间序列片段划为一类，并建立索引的步骤具体包括以下子步骤：将个所述相似片段按照所述预测窗口大小分为份，得到个所述时间序
列片段；在所述Milvus中建立一个数据集，将所述时间序列片段中属于同一所述相似片段的所述时间序列片段划为一类，并存储到所述数据集的其中一个数据类中；为每一个所述数据类分别建立所述索引。
[0013]更进一步地，所述利用所述索引、所述时间序列片段、所述目标片段和所述片段进行快速查询以及时间序列趋势分析，得到金融时间序列预测结果的步骤具体包括以下子步骤：根据所述索引进行所述时间序列片段的快速查询；利用所述目标片段和所述片段的斜率以及所述目标片段的值进行计算，得到所述金融时间序列预测结果。
[0014]更进一步地，所述利用所述目标片段和所述片段的斜率以及所述目标片段的值进行计算，得到所述金融时间序列预测结果的步骤具体为：分别计算所述目标片段与所述片段的斜率，所述斜率分别为，并按照如下计算式进行计算：其中，为所述片段中第个片段在序列中的下一个值，为最终的预测结果。
[0015]第二方面，本专利技术实施例提供一种金融时间序列预测系统，包括以下模块：时间相似性模块、预测窗口模块、相似片段处理模块、索引建立模块、预测模块，其中：所述时间相似性模块用于计算金融时间序列之间的时间相似性；所述预测窗口模块用于计算预测窗口大小；所述相似片段处理模块用于从所述金融时间序列中选出具有相似性的个相似片段，并确定一个目标片段，从所述相似片段中按每个类别选出与所述目标片段相似的片段；所述索引建立模块用于将个所述相似片段按照所述预测窗口大小分为份，得到个时间序列片段，将属于同一所述相似片段的所述时间序列片段划为一类，并建立索引；所述预测模块用于利用所述索引、所述时间序列片段、所述目标片段和所述片段进行快速查询以及时间序列趋势分析，得到金融时间序列预测结果。
[0016]第三方面，本专利技术实施例提供一种计算机设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种金融时间序列预测方法，其特征在于，所述方法包括以下步骤：计算金融时间序列之间的时间相似性；计算预测窗口大小；从所述金融时间序列中选出具有相似性的个相似片段，并从所述金融时间序列中确定一个目标片段，从所述相似片段中按每个类别选出与所述目标片段相似的片段；将个所述相似片段按照所述预测窗口大小分为份，得到个时间序列片段，将属于同一所述相似片段的所述时间序列片段划为一类，并建立索引；利用所述索引、所述时间序列片段、所述目标片段和所述片段进行快速查询以及时间序列趋势分析，得到金融时间序列预测结果。2.如权利要求1所述的金融时间序列预测方法，其特征在于，所述计算金融时间序列之间的时间相似性所使用的计算方法为加权欧氏距离计算法。3.如权利要求1所述的金融时间序列预测方法，其特征在于，所述计算预测窗口大小的步骤具体包括以下子步骤：预设一个所述预测窗口大小的范围区间；通过所述金融时间序列的实际值和预测值计算错误损失，将所述错误损失和所述范围区间进行比较，将在所述范围区间内的最小的所述错误损失作为最终的所述预测窗口大小的值。4.如权利要求1所述的金融时间序列预测方法，其特征在于，从所述金融时间序列中选出具有相似性的个相似片段，并从所述金融时间序列中确定一个目标片段，从所述相似片段中按每个类别选出与所述目标片段相似的片段的步骤具体包括以下子步骤：将所述金融时间序列输入到Milvus中；使用所述Milvus搜索所述金融时间序列中具有时间相似性的个相似片段；对所述相似片段进行分类并计算类别数，所述类别数为所述相似片段的种类数，预设定一个类别数范围区间，使用K
‑
means算法从所述相似片段中进行聚类计算，得到每个所述类别数的DBI指数，将处于所述类别数范围区间中的所述DBI指数最小的所述类别数记为；从所述金融时间序列中确定一个目标片段，从所述相似片段中取前个与所述目标片段中的向量最相似的向量，组成所述片段。5.如权利要求4所述的金融时间序列预测方法，其特征在于，将个所述相似片段按照所述预测窗口大小分为份，得到个时间序列片段，将属于同一所述相似片段的所述时间序列片段划为一类，并建立索引的步骤具体包括以下子步骤：将个所述相似片段按照所述预测窗口大小分为份，得到个所述时间...

【专利技术属性】
技术研发人员：张传雷，赵洪伟，闫潇宁，许能华，李建荣，
申请(专利权)人：天津科技大学，
类型：发明
国别省市：