项目数据波动预测方法、装置、计算机设备和存储介质制造方法及图纸

本发明专利技术涉及一种项目数据波动预测方法、装置、计算机设备和存储介质，该方法包括：获取目标项目的多源历史数据；从目标项目的多源历史数据中提取特征数据；将特征数据输入预测模型中，根据特征数据生成多个不同时间尺度的特征数据，并根据多个不同时间尺度的特征数据得到目标项目的波动数据的预测结果。上述方法运行速度更快，准确度更高，鲁棒性更好，预测标准差更低，能更好的实现项目趋势预测。能更好的实现项目趋势预测。能更好的实现项目趋势预测。

【技术实现步骤摘要】
项目数据波动预测方法、装置、计算机设备和存储介质


[0001]本专利技术涉及互联网应用
，特别是涉及项目数据波动预测方法、装置、计算机设备和存储介质。

技术介绍

[0002]随着互联网信息时代的快速发展，数据的获取速度越来越迅速，并且获取到的数据对人们的影响也越来越大。例如，可以通过历史时间段内的股价、股票新闻等股票信息预测未来时间的股票涨跌趋势；也可以通过历史时间段内的天气信息预测未来时间的天气变化趋势；也可以根据历史时间段内的交通状况预测未来时间的交通拥堵情况。因此，如何通过多个历史数据对未来时间的数据波动趋势进行预测成为了研究热点。
[0003]相关技术中，研究使用单个特定的时间尺度的历史时间段内各时间周期的数据输入训练好的预测模型中，以对未来时间周期的数据波动趋势进行预测(例如5分钟移动平均值)。但是，单尺度分析忽略了历史数据中的多尺度行为单标度不足以预测移动趋势。

技术实现思路

[0004]本申请提供了一种项目数据波动预测方法、装置、计算机设备和存储介质。
[0005]第一方面提供了一种项目数据波动预测方法，包括：
[0006]获取目标项目的多源历史数据；
[0007]从所述目标项目的多源历史数据中提取特征数据；
[0008]将所述特征数据输入预测模型中，根据所述特征数据生成多个不同时间尺度的特征数据，并根据所述多个不同时间尺度的特征数据得到所述目标项目的波动数据的预测结果。
[0009]在一些实施例中，所述预测模型包括第一预测单元和第二预测单元；
[0010]所述将所述特征数据输入预测模型中，根据所述特征数据生成多个不同时间尺度的特征数据，并根据所述多个不同时间尺度的特征数据得到所述目标项目的价格趋势预测结果，包括：
[0011]将所述特征数据输入第一预测单元中，对所述特征数据进行多个时间尺度的离散小波变换，得到各个时间尺度的第一特征矩阵，并所述第一预测单元根据所述第一特征矩阵得到所述目标项目的第一预测结果；
[0012]将所述特征数据输入第二预测单元中，所述第二预测单元对所述特征数据进行多个不同时间尺度的下采样，得到各个时间尺度的第二特征矩阵，并所述第二模型根据所述第二特征矩阵得到所述目标项目的第二预测结果；
[0013]聚合所述第一预测结果和所述第二预测结果，得到所述目标项目的价格趋势预测结果。
[0014]在一些实施例中，所述第一预测单元包括小波变换模型和XGBoost模型，所述第二预测单元包括CNN模型和GRU模型；
[0015]所述第一预测单元根据所述第一特征矩阵得到所述目标项目的第一预测结果，包括：
[0016]将所述第一特征矩阵输入所述XGBoost模型，得到所述目标项目价格趋势的第一预测结果；
[0017]所述所述第二模型根据所述第二特征矩阵得到所述目标项目的第二预测结果，包括：
[0018]将所述第二特征矩阵输入所述CNN模型进行卷积和池化操作，得到多个时间尺度的第一特征向量；
[0019]对所述多个时间尺度的第一特征向量进行序列长度的补充，使得所述第一特征向量具有相同维数；
[0020]将所述第一特征向量输入所述GRU模型，采用所述GRU模型对所述第一特征向量进行时序分析，生成第二特征向量；
[0021]采用预设长度的全连接层及softmax分类器对所述第二特征向量进行分类评分，得到得到所述目标项目价格趋势的第二预测结果。
[0022]在一些实施例中，所述分类评分包括上涨概率评分、下跌概率评分；
[0023]所述XGBoost模型是根据样本项目的多源历史数据的特征数据，以及所述样本数据已知的分类评分结果训练得到的；
[0024]采用预设长度的全连接层及softmax分类器对所述第二特征向量进行分类评分，得到得到所述目标项目价格趋势的第二预测结果，包括：
[0025]按照所述上涨概率评分、所述下跌概率评分，计算所述目标项目的真实涨跌幅，采用sigmoid函数制作所述目标项目的涨跌幅标签。
[0026]在一些实施例中，所述聚合所述第一预测结果和所述第二预测结果，得到所述目标项目的价格趋势预测结果，包括：
[0027]通过预设长度的全连接层聚合所述第一预测结果和所述第二预测结果，输出层输出最终的项目数据波动预测结果。
[0028]在一些实施例中，所述从所述目标项目的多源历史数据中提取特征数据，包括：
[0029]获取与所述目标项目相关的参考项目的多源历史数据，所述参考项目的多源历史数据是在预测时间点之前预设时间段内与所述参考项目的波动预测相关的量化数据；
[0030]将所述目标项目的多源历史数据的特征数据以及所述参考项目的多源历史数据的特征数据输入注意力网络中，得到所述目标项目与各个参考项目的相似度；
[0031]基于所述相似度，确定各个参考项目的加权权重；
[0032]基于所述加权权重，对所述目标项目的特征数据进行加权求和，并根据加权求和结果对所述目标项目的特征数据进行修正，得到所述目标项目的修正后的特征数据。
[0033]在一些实施例中，所述第二预测单元还包括Dropout层，所述Dropout层设置在GRU模型与全连接层之间。
[0034]第二方面提供了一种项目数据波动预测装置，包括：
[0035]获取单元，用于获取目标项目的多源历史数据；
[0036]特征提取单元，用于从所述目标项目的多源历史数据中提取特征数据；
[0037]预测单元，用于将所述特征数据输入预测模型中，根据所述特征数据生成多个不
同时间尺度的特征数据，并根据所述多个不同时间尺度的特征数据得到所述目标项目的波动数据的预测结果。
[0038]第三方面提供了一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行上述所述项目数据波动预测方法的步骤。
[0039]第四方面提供了一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述所述项目数据波动预测方法的步骤。
[0040]上述项目数据波动预测方法、装置、计算机设备和存储介质，首先获取目标项目的多源历史数据，目标项目的多源历史数据是在预测时间点之前预设时间段内与目标项目的波动预测相关的量化数据；其次从目标项目的多源历史数据中提取特征数据；最后将特征数据输入预测模型中，根据特征数据生成多个不同时间尺度的特征数据，并根据多个不同时间尺度的特征数据得到目标项目的波动数据的预测结果。通过在不同时间尺度下采样直接获得多尺度模式，多尺度信息指多种类型的尺度信息，对时间序列进行多尺度多方面的细化，最终可以达到频率细分的目的。因此，该方法运行速度更快，准确度更高，鲁棒性更好，预测标准差更低，能更好的实现目标项目的数据的波动趋势预测。
附图说明
[0041]图1为一个实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种项目数据波动预测方法，其特征在于，所述方法包括：获取目标项目的多源历史数据；从所述目标项目的多源历史数据中提取特征数据；将所述特征数据输入预测模型中，根据所述特征数据生成多个不同时间尺度的特征数据，并根据所述多个不同时间尺度的特征数据得到所述目标项目的波动数据的预测结果。2.根据权利要求1所述的项目数据波动预测方法，其特征在于，所述预测模型包括第一预测单元和第二预测单元；所述将所述特征数据输入预测模型中，根据所述特征数据生成多个不同时间尺度的特征数据，并根据所述多个不同时间尺度的特征数据得到所述目标项目的价格趋势预测结果，包括：将所述特征数据输入第一预测单元中，对所述特征数据进行多个时间尺度的离散小波变换，得到各个时间尺度的第一特征矩阵，所述第一预测单元根据所述第一特征矩阵得到所述目标项目的第一预测结果；将所述特征数据输入第二预测单元中，所述第二预测单元对所述特征数据进行多个不同时间尺度的下采样，得到各个时间尺度的第二特征矩阵，所述第二模型根据所述第二特征矩阵得到所述目标项目的第二预测结果；聚合所述第一预测结果和所述第二预测结果，得到所述目标项目的价格趋势预测结果。3.根据权利要求2所述的项目数据波动预测方法，其特征在于，所述第一预测单元包括小波变换模型和XGBoost模型，所述第二预测单元包括CNN模型和GRU模型；所述第一预测单元根据所述第一特征矩阵得到所述目标项目的第一预测结果，包括：将所述第一特征矩阵输入所述XGBoost模型，得到所述目标项目价格趋势的第一预测结果；所述所述第二模型根据所述第二特征矩阵得到所述目标项目的第二预测结果，包括：将所述第二特征矩阵输入所述CNN模型进行卷积和池化操作，得到多个时间尺度的第一特征向量；对所述多个时间尺度的第一特征向量进行序列长度的补充，使得所述第一特征向量具有相同维数；将所述第一特征向量输入所述GRU模型，采用所述GRU模型对所述第一特征向量进行时序分析，生成第二特征向量；采用预设长度的全连接层及softmax分类器对所述第二特征向量进行分类评分，得到得到所述目标项目价格趋势的第二预测结果。4.根据权利要求3所述的项目数据波动预测方法，其特征在于，所述分类评分包括上涨概率评分、下跌概率评分；所述XGBoost模型是根据样本项...

【专利技术属性】
技术研发人员：刘广，
申请(专利权)人：中国平安人寿保险股份有限公司，
类型：发明
国别省市：