点阵图量化方法、装置、设备、介质和程序产品制造方法及图纸

本申请涉及一种点阵图量化方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：基于目标时间段的利率点阵图获取目标利率的多个预测值，确定多个预测值的第一统计数据，根据第一统计数据，确定利率预测因子和趋势预测因子；其中，利率预测因子用于确定目标利率的预计利率范围，趋势预测因子用于确定目标利率的预计加息幅度或概率。采用本方法能够对利率点阵图进行量化分析并形成可直接观测并放入数学模型的利率预测因子和趋势预测因子并且可以基于利率预测因子和趋势预测因子，对后续是否进行加息提供了理论依据。对后续是否进行加息提供了理论依据。对后续是否进行加息提供了理论依据。

【技术实现步骤摘要】
点阵图量化方法、装置、设备、介质和程序产品


[0001]本申请涉及数据分析
，特别是涉及一种点阵图量化方法、装置、设备、介质和程序产品。

技术介绍

[0002]美联储利率作为重要的大类资产价格分析指标，对各类资产的价格走势都有较大的影响。美联储利率点阵图作为美联储利率决议委员会重要的经济预测数据信息，是美联储实际利率变化的重要指向性图表。但由于美联储利率点阵图的展现形式是一个整体的图表。无法以直观的单列数据作为观测指标放入其他数学模型中。
[0003]因此，亟需一种能够将美联储点阵图中的数据信息转化为可放入数学模型中的预测数据的点阵图量化方法。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够将美联储点阵图中的数据信息转化为可放入数学模型中的预测数据的点阵图量化方法、装置、设备、介质和程序产品。
[0005]第一方面，本申请提供了一种点阵图量化方法。该方法包括：
[0006]基于目标时间段的利率点阵图获取目标利率的多个预测值；
[0007]确定多个预测值的第一统计数据；
[0008]根据第一统计数据，确定利率预测因子和趋势预测因子；其中，利率预测因子用于确定目标利率的预计利率范围，趋势预测因子用于确定目标利率的预计加息幅度或概率。
[0009]在其中一个实施例中，第一统计数据包括多个预测值的加权平均值和方差；根据第一统计数据，确定利率预测因子，包括：
[0010]根据多个预测值的加权平均值和方差以及预先确定的第一映射关系，确定利率预测因子；第一映射关系包括加权平均值、方差和第一常数与利率预测因子之间的对应关系。
[0011]在其中一个实施例中，第一映射关系的确定方式包括：
[0012]基于历史时间段的利率点阵图获取目标利率的多个实际值；
[0013]确定多个实际值的第二统计数据；第二统计数据包括多个实际值的范围的均值；
[0014]利用多个实际值的范围的均值、预测值的加权平均值和方差以及预设的第一回归方程进行回归拟合，确定第一常数；
[0015]根据预设回归方程和第一常数确定第一映射关系。
[0016]在其中一个实施例中，第一统计数据包括多个预测值的加权平均值和方差；趋势预测因子确定过程，包括：
[0017]根据多个预测值的加权平均值和方差确定目标斜率；
[0018]根据目标斜率和预先确定的第二映射关系，确定趋势预测因子；第二映射关系包括目标斜率和第二常数与趋势预测因子之间的对应关系。
[0019]在其中一个实施例中，第二映射关系的确定方式，包括：
[0020]基于历史时间段的利率点阵图获取目标利率的多个实际值；
[0021]根据多个实际值确定多个整体变化斜率；
[0022]利用多个整体变化斜率以及预设的第二回归方程进行回归拟合，确定第二常数；
[0023]根据第二回归方程和第二常数确定第二映射关系。
[0024]在其中一个实施例中，根据多个预测值的加权平均值和方差确定目标斜率，包括：
[0025]根据多个预测值的加权平均值和对应的时间点，确定初始斜率；
[0026]根据多个预测值的方差确定修正值；
[0027]利用修正值对初始斜率进行修正，得到目标斜率。
[0028]第二方面，本申请还提供了一种点阵图量化装置。该装置包括：
[0029]获取模块，用于基于目标时间段的利率点阵图获取目标利率的多个预测值；
[0030]第一确定模块，用于确定多个预测值的第一统计数据；
[0031]第二确定模块，用于根据第一统计数据，确定利率预测因子和趋势预测因子；其中，利率预测因子用于确定目标利率的预计利率范围，趋势预测因子用于确定目标利率的预计加息幅度或概率。
[0032]第三方面，本申请还提供了一种计算机设备。计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述第一方面任一项实施例中方法的步骤。
[0033]第四方面，本申请还提供了一种计算机可读存储介质。计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述第一方面任一项实施例中方法的步骤。
[0034]第五方面，本申请还提供了一种计算机程序产品。计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述第一方面任一项实施例中方法的步骤。
[0035]上述点阵图量化方法、装置、设备、介质和程序产品，通过基于目标时间段的利率点阵图获取目标利率的多个预测值，确定多个预测值的第一统计数据，根据第一统计数据，确定利率预测因子和趋势预测因子；其中，利率预测因子用于确定目标利率的预计利率范围，趋势预测因子用于确定目标利率的预计加息幅度或概率，能够对利率点阵图进行量化分析并形成可直接观测并放入数学模型的利率预测因子和趋势预测因子，并且可以基于利率预测因子和趋势预测因子，对后续是否进行加息提供理论依据。
附图说明
[0036]图1为一个实施例中美联储利率点阵图的示意图；
[0037]图2为一个实施例中计算机设备的内部结构图；
[0038]图3为一个实施例中点阵图量化方法的流程示意图；
[0039]图3
‑
a为一个实施例中点阵图转换结果示意图；
[0040]图4为另一个实施例中点阵图量化方法的流程示意图；
[0041]图5为另一个实施例中点阵图量化方法的流程示意图；
[0042]图6为另一个实施例中点阵图量化方法的流程示意图；
[0043]图7为另一个实施例中点阵图量化方法的流程示意图；
[0044]图8为一个实施例中点阵图量化装置的结构框图。
具体实施方式
[0045]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0046]基于在债券、外汇、贵金属和大宗商品价格的模型成果，结合市场主流研究机构的研究报告、学术研究成果，完善大类资产的分析框架，可根据框架进行资产价格变动的归因分析。基于分析框架，能够挖掘更高效的因子，形成大类资产模型的因子清单。通过算法模型在大类资产价格的涨跌方向、趋势、路径预测、预测概率区间等方面提升短期、中期和长期预测效果。利用预测结果和分析框架进行相互验证，形成研究观点，提供相应的研究结果，以供研究员、金融市场部相关人员进行参考和投资策略安排。
[0047]目前已有的宏观经济分析框架，周期研究的成果，结合各类资产的分析框架与模型结果，对影响各大类资产的共性因素进行分析、提取，得到宏观因子变量。通过上述宏观因子以及各类资产预测模型结果，探索宏观因子对冲和大类资产配置模型；根据结果形成研究观点，提供相应的研究成果供研究员、金融市场部相关人员进行参考和投资策略安排。给出相关的研究观点、报告和策略框架。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种点阵图量化方法，其特征在于，该方法包括：基于目标时间段的利率点阵图获取目标利率的多个预测值；确定多个所述预测值的第一统计数据；根据所述第一统计数据，确定利率预测因子和趋势预测因子；其中，所述利率预测因子用于确定所述目标利率的预计利率范围，所述趋势预测因子用于确定所述目标利率的预计加息幅度或概率。2.根据权利要求1所述的方法，其特征在于，所述第一统计数据包括所述多个预测值的加权平均值和方差；所述根据所述第一统计数据，确定利率预测因子，包括：根据所述多个预测值的加权平均值和方差以及预先确定的第一映射关系，确定所述利率预测因子；所述第一映射关系包括所述加权平均值、所述方差和第一常数与所述利率预测因子之间的对应关系。3.根据权利要求2所述的方法，其特征在于，所述第一映射关系的确定方式包括：基于历史时间段的利率点阵图获取所述目标利率的多个实际值；确定多个所述实际值的第二统计数据；所述第二统计数据包括所述多个实际值的范围的均值；利用所述多个实际值的范围的均值、所述预测值的加权平均值和方差以及预设的第一回归方程进行回归拟合，确定所述第一常数；根据所述预设回归方程和所述第一常数确定所述第一映射关系。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述第一统计数据包括所述多个预测值的加权平均值和方差；所述趋势预测因子确定过程，包括：根据所述多个预测值的加权平均值和方差确定目标斜率；根据所述目标斜率和预先确定的第二映射关系，确定所述趋势预测因子；所述第二映射关系包括所述目标斜率和第二常数与所述趋势预测因子之间的对应...

【专利技术属性】
技术研发人员：杨蕊菱，徐建程，赵禹平，杨雅薰，杜梦如，卢成浩，赵乐，
申请(专利权)人：上海金仕达软件科技有限公司，
类型：发明
国别省市：