【技术实现步骤摘要】
本专利技术属于数据要素市场定价领域，尤其涉及一种数据定价模型的训练方法、装置、设备和存储介质。
技术介绍
1、与其他经济生产要素类似，数据要素存在着重要的社会价值和经济价值，但目前数据要素市场处于培育阶段，数据资产的定价技术属于世界性难题，数据交易流通需要一套完整、稳定、公平、合理并且实践性强的评估和定价机制。数据交易要想顺利完成，数据定价是关键。
2、现有的数据定价模型有三种建构方法，从资源化层面构建定价模型、从资产化层面构建定价模型和从资本化层面构建定价模型。这三种方法各有利弊。传统定价技术未能充分考虑数据要素的显著特性，其缺点主要在于量化困难和要素分析不全面，计算得到的结果严重偏离数据要素价值。目前大多数的研究主要从资本化、资产化以及资本化的某一环节进行分析讨论，缺乏对数据从原始模式到形成最终数据资产的全流程研究，缺乏对市场成型的讨论与分析。这些问题的存在要求为数据市场提供一个合理全面的定价模型。
技术实现思路
1、本专利技术实施例的目的在于提供一种数据定价模型的训练方法、装置、设备和存储介质，旨在解决为数据市场提供一个合理全面的定价模型。
2、本专利技术实施例是这样实现的，一种数据定价模型的训练方法，所述数据定价模型的训练方法包括：
3、结合数据资产的成本法、市场法、收益法和质量法的四种参数构建数据定价模型；
4、在价格“冷启动”阶段，利用德尔菲法实现主观客观化，得到某一数据产品的价格参数，结合所述数据定价模型与所述价格参数，
5、在价格“收敛”阶段，用所述收益法的修正模型修正所述数据定价模型，利用所述历史价格参数和第三方机构数据，采用gbdt模型方法迭代训练所述数据定价模型；
6、所述收益法的修正模型为：；
7、其中，表示数据的价格，n表示收益期限，表示数据资产第t年的预期收益，i表示折现率；k表示所述收益法的修正指标；
8、其中，所述修正指标k表示为：；r表示行业系数，z表示交易频率系数，l表示时效系数。
9、本专利技术实施例的另一目的在于一种包含所述的数据定价模型训练方法的装置，所述数据定价模型的训练装置包括：
10、建模模块，结合数据资产的成本法、市场法、收益法和质量法的四种参数构建数据定价模型；
11、第一训练模块，在价格“冷启动”阶段，利用德尔菲法实现主观客观化，得到某一数据产品的价格参数，结合所述数据定价模型与所述价格参数，计算得到最终价格，并将所述价格参数沉淀为历史价格参数；
12、第二训练模块，在价格“收敛”阶段，用所述收益法的修正模型修正所述数据定价模型，利用所述历史价格参数和第三方机构数据，采用gbdt模型方法迭代训练所述数据定价模型；
13、所述收益法的修正模型为：；
14、其中，表示数据的价格，n表示收益期限，表示数据资产第t年的预期收益，i表示折现率；k表示所述收益法的修正指标；
15、其中，所述修正指标k表示为：；r表示行业系数，z表示交易频率系数，l表示时效系数。
16、本专利技术实施例的另一目的在于一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述数据定价模型的训练方法的步骤。
17、本专利技术实施例的另一目的在于一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述数据定价模型的训练方法的步骤。
18、本专利技术实施例提供的一种数据定价模型的训练方法，用所述收益法的修正模型修正所述数据定价模型，利用沉淀的历史数据价格参数，采用gbdt模型方法迭代训练预设的数据定价模型，使得能够通过数据定价模型为交易双方提供数据定价指导。数据定价模型训练分两阶段进行。在价格“冷启动”阶段，数据要素市场中的数据产品交易量稀缺、交易价格数据少或偏于定制化产品，无法获取从市场获取锚定价格、成本、效益、数据质量等有效信息，利用德尔菲法对数据定价模型训练，使得通过数据定价模型能够获得最初初步的数据价格，解决数据定价从“无”到“有”的问题。在价格“收敛”阶段，用所述收益法的修正模型修正所述数据定价模型，利用沉淀的历史数据价格参数，采用gbdt模型方法迭代训练数据定价模型，使得通过数据定价模型能够获得精准的数据价格，解决数据定价从“有”到“优”的问题。本专利技术采用多种方法、分阶段训练定价模型，简化数据定价的难度，提高数据定价精准可预测。
本文档来自技高网...【技术保护点】
1.一种数据定价模型的训练方法，其特征在于，所述数据定价模型的训练方法包括：
2.根据权利要求1所述的数据定价模型的训练方法，其特征在于，所述价格参数通过德尔菲法得到，具体步骤为：
3.根据权利要求2所述的数据定价模型的训练方法，其特征在于，在计算所述价格参数之前，需要对所述量化评估指标与所述评估权重系数做信度检验，检验的公式为：
4.根据权利要求1所述的数据定价模型的训练方法，其特征在于，所述数据定价模型为：；
5.根据权利要求4所述的数据定价模型的训练方法，其特征在于，所述采用GBDT模型方法迭代训练所述数据定价模型，具体如下：
6.根据权利要求1所述的数据定价模型的训练方法，其特征在于，训练完所述数据定价模型之后，需要给出定价区间，具体如下：
7.一种包含权利要求1-6任一所述的数据定价模型训练方法的装置，其特征在于，所述数据定价模型的训练装置包括：
8.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1至6中任一所述的数据定价模型的训练方法的步骤。
...【技术特征摘要】
1.一种数据定价模型的训练方法，其特征在于，所述数据定价模型的训练方法包括：
2.根据权利要求1所述的数据定价模型的训练方法，其特征在于，所述价格参数通过德尔菲法得到，具体步骤为：
3.根据权利要求2所述的数据定价模型的训练方法，其特征在于，在计算所述价格参数之前，需要对所述量化评估指标与所述评估权重系数做信度检验，检验的公式为：
4.根据权利要求1所述的数据定价模型的训练方法，其特征在于，所述数据定价模型为：；
5.根据权利要求4所述的数据定价模型的训练方法，其特征在于，所述采用gbdt模型方法迭代训练所述数据定价模型，具体如下：
6.根据权利要求1所述...
【专利技术属性】
技术研发人员：陈荣辉，李喆，方匡南，张琳艳，张丽姣，杨永明，刘铠华，
申请(专利权)人：福建省数据治理与数据流通工程研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。