【技术实现步骤摘要】
本专利技术属于数据处理，具体涉及一种公积金数据处理方法、系统、电子设备以及存储介质。
技术介绍
1、经济指数是衡量一个国家或地区整体经济活动水平的重要工具，而公积金数据与经济指数存在强相关性；近年来，机器学习模型被越来越广泛的用于处理经济数据以满足人们对于经济数据分析、经济数据挖掘、经济预测的需求。
2、目前，如何利用机器学习模型基于公积金数据进行经济指数分析成为有待解决的问题。
技术实现思路
1、本专利技术提供一种公积金数据处理方法、系统、电子设备以及存储介质，用以克服现有技术中存在的至少一个技术问题。
2、为实现上述目的，本专利技术提供一种公积金数据处理方法，方法包括：获取宏观经济数据和公积金数据；
3、根据宏观经济数据构建宏观经济指标时间序列并获取宏观经济指标的初始权重矩阵，根据所述公积金数据构建公积金指标时间序列并获取公积金指标的初始权重矩阵；
4、根据所述宏观经济指标的初始权重和公积金指标的初始权重矩阵确定初始权重向量，基于所述初始权重向量、所述宏观经济指标时间序列和所述公积金指标时间序列构建协整模型，基于所述协整模型获取最优公积金指标权重；基于所述最优公积金指标权重确定公积金指数；
5、将所述公积金指数的时间序列输入预设的公积金指数预测的循环神经网络并进行公积金指数预测。
6、进一步，优选的方法为，所述公积金数据的指标包括汇缴单位数量一阶差分、单位缴存比例、单位缴存金额、缴存基数、实缴存额、缴存余额
7、所述宏观经济数据的指标包括企业景气指数、企业家信心指数、国内生产总值、制造业采购经理指数、非制造业采购经理指数、企业个数和企业利润。
8、进一步，优选的方法为，获取公积金指标的初始权重矩阵的方法包括，
9、根据公积金指标和企业经营状况之间的相关性将公积金数据的指标进行分类并确定分类对应的级别；
10、对确定分类以及分类对应的级别后的公积金数据的指标赋予初始权重，以狄利克雷分布作为公积金指数预测的先验分布，获得公积金指标的初始权重矩阵；其中，狄利克雷分布的概率密度函数为：
11、
12、其中，x为多元向量组，α为参数组，α确定了分布的xi的峰值和区域，当α越大时，xi在坐标轴上的分布会越来越集中于中心区域；并且αi越大，对应生成的xi就越大。
13、进一步，优选的方法为，在获取基于所述协整模型获取最优公积金指标向量之前还包括对公积金指数数据与宏观经济指数数据进行平稳性检测，方法包括，
14、利用ols构建公积金真实指数数据与公积金预测指数数据之间的回归方程；
15、利用所述回归方程对所述宏观经济指标时间序列和所述公积金指标时间序列进行单位根检验；
16、当判定不存在单位根时，所述宏观经济指标时间序列和所述公积金指标时间序列存在协整关系。
17、进一步，优选的方法为，利用所述回归方程对所述宏观经济指标时间序列和所述公积金指标时间序列进行单位根检验通过以下公式实现：
18、h0：b1＝0存在单位根，所述宏观经济指标时间序列和所述公积金指标时间序列不存在协整关系；
19、h1：b1≠0，不存在单位根，所述宏观经济指标时间序列和所述公积金指标时间序列存在协整关系；
20、其中，∈t＝b0+b1*∈t-1；∈t为回归方程的残差；h0为时间序列至少存在一个单位根；h1为假设的时间序列不存在一个单位根。
21、进一步，优选的方法为，在根据所述公积金数据构建公积金指标时间序列并获取公积金指标的初始权重矩阵之前，还包括通过以下公式对公积金数据进行数据去量纲化预处理；
22、
23、xscaled＝xstd*(xmax-xmin)+xmin
24、其中，x为公积金数据按照时间排序的矩阵，xij为第i行第j列的数据，xjmin为矩阵第j列数据的最小值，xjmax为矩阵第j列数据的最大值。xmax为归一化范围的最大值；xmin为归一化范围最小值。
25、进一步，优选的方法为，在根据宏观经济数据构建宏观经济指标时间序列并获取宏观经济指标的初始权重矩阵之前，还包括对宏观经济数据进行预处理：
26、对所述宏观经济数据进行填充，利用线性差值法分别对宏观经济数据季度值之间的数据进行插值，获取宏观经济月度数据；
27、基于所述月度数据，分别对两个季度之间的数据进行插值，获取宏观经济季度数据。
28、为了解决上述问题，本专利技术还提供一种公积金数据处理系统，系统包括，
29、数据获取单元，用于获取宏观经济数据和公积金数据；
30、初始权重获取单元，用于根据宏观经济数据构建宏观经济指标时间序列并获取宏观经济指标的初始权重矩阵，根据所述公积金数据构建公积金指标时间序列并获取公积金指标的初始权重矩阵；根据所述宏观经济指标的初始权重和公积金指标的初始权重矩阵确定初始权重向量，基于所述初始权重向量、所述宏观经济指标时间序列和所述公积金指标时间序列构建协整模型，基于所述协整模型获取最优公积金指标权重；基于所述最优公积金指标权重确定公积金指数；
31、预测单元，用于将所述公积金指数的时间序列输入预设的公积金指数预测的循环神经网络并进行公积金指数预测。
32、为了解决上述问题，本专利技术还提供一种电子设备，电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述的公积金数据处理方法中的步骤。
33、为了解决上述问题，本专利技术还提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上述的公积金数据处理方法。
34、本专利技术的一种公积金数据处理方法、系统、电子设备以及存储介质，具有有益效果如下：首先基于宏观经济数据和公积金数据获取历史公积金指数，然后基于所述历史公积金指数通过循环神经网络进行未来公积金指数预测，进而根据公积金指数预测宏观经济走势；本专利技术通过考虑时间序列的平稳性以及无约束条件的线性优化对公积金指数的权重进行了调整，使得所获取的公积金指数的结果更具鲁棒性，能够更好地预测宏观经济走势。
本文档来自技高网...【技术保护点】
1.一种公积金数据处理方法，其特征在于，包括：
2.根据权利要求1所述的公积金数据处理方法，其特征在于，
3.根据权利要求1所述的公积金数据处理方法，其特征在于，
4.根据权利要求1所述的公积金数据处理方法，其特征在于，
5.根据权利要求4所述的公积金数据处理方法，其特征在于，
6.根据权利要求1所述的公积金数据处理方法，其特征在于，
7.根据权利要求1所述的公积金数据处理方法，其特征在于，在根据宏观经济数据构建宏观经济指标时间序列并获取宏观经济指标的初始权重矩阵之前，还包括对宏观经济数据进行预处理：
8.一种公积金数据处理系统，其特征在于，系统包括：
9.一种电子设备，其特征在于，所述电子设备包括：
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一所述的公积金数据处理方法。
【技术特征摘要】
1.一种公积金数据处理方法，其特征在于，包括：
2.根据权利要求1所述的公积金数据处理方法，其特征在于，
3.根据权利要求1所述的公积金数据处理方法，其特征在于，
4.根据权利要求1所述的公积金数据处理方法，其特征在于，
5.根据权利要求4所述的公积金数据处理方法，其特征在于，
6.根据权利要求1所述的公积金数据处理方法，其特征在于，
7.根据权利要求1所...
【专利技术属性】
技术研发人员：熊雨晨，吴文，
申请(专利权)人：华信永道北京科技股份有限公司，
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。