【技术实现步骤摘要】
本申请实施例涉及数据处理，尤其涉及一种基于大数据的对象价格监控方法、系统、计算设备及存储介质。
技术介绍
1、随着数字化时代的到来，大数据已成为推动各行各业发展的关键因素，尤其在金融、零售和房地产等领域，价格波动的预测变得日益重要。传统的价格预测方法往往依赖于单一数据源和简单的统计模型，难以捕捉市场复杂多变的本质，尤其是在面对突发性事件、季节性波动或长期趋势时，传统方法的预测精度和实时性往往大打折扣。
2、近年来，随着大数据技术的发展，越来越多的研究开始关注如何利用海量、多样化的数据资源来提升价格预测的准确性。大数据不仅包含传统的结构化数据，还涵盖了社交媒体、新闻报道、宏观经济指标等非结构化信息，这些数据蕴含着丰富的市场情绪、消费者行为和经济环境变化的信号，能够为价格预测提供更为全面和深入的视角。
3、然而，将大数据应用于价格预测往往由于数据来源不足，以及数据处理不恰当使得价格预测结果不准确。
技术实现思路
1、本申请实施例提供一种基于大数据的对象价格监控方法、系统、计算设备及存储介质，用以解决现有技术中价格预测结果不准确的问题。
2、第一方面，本申请实施例中提供了一种基于大数据的对象价格监控方法，包括：
3、从多个来源收集与目标对象的历史价格相关的数据；
4、从所述数据中提取多个关键特征；
5、根据所述目标对象的历史价格以及所述多个关键特征预测目标价格；
6、通过对所述目标对象的历史价格进行时间序
7、将所述目标价格以及所述目标价格的趋势信息作为预测结果反馈给用户，以供用户基于所述预测结果采取相关措施。
8、可选地，所述根据所述目标对象的历史价格以及所述关键特征预测目标价格，包括：
9、确定所述多个关键特征对所述目标对象的历史价格的影响程度，以得到每个关键特征对应的适应性权重系数；
10、基于所述每个关键特征以及所述每个关键特征对应的适应性权重系数构建关键特征集，以通过所述关键特征集训练价格预测模型；
11、将所述目标对象的历史价格以及所述关键特征输入所述价格预测模型，以通过所述价格预测模型预测目标价格。
12、可选地，所述通过对所述目标对象的历史价格进行时间序列分析，以预测所述目标价格的趋势信息，包括：
13、根据所述历史价格构建时间序列，所述时间序列按照时间顺序进行排列；
14、提取所述时间序列的时间序列特性，所述时间序列特性至少包括：所述时间序列是否存在周期性波动、所述时间序列身份存在上升或者下降的趋势；
15、根据所述时间序列的时间序列特性，预测所述目标价格的趋势信息。
16、可选地，所述根据所述时间序列的时间序列特性，预测所述目标价格的趋势信息，包括：
17、根据所述时间序列的时间序列特性，选择相匹配的趋势预测模型；
18、根据所述历史价格的时间序列构建训练集和测试集以训练所述趋势预测模型，并将所述目标价格的时间序列输入所述趋势预测模型，以通过所述趋势预测模型预测所述目标价格的趋势信息。
19、可选地，还包括：
20、检测所述目标价格是否存在异常波动；
21、若是，生成异常检测结果，并将所述异常检测结果反馈给用户。
22、可选地，在所述从所述数据中提取多个关键特征之前，还包括：
23、对所述数据进行预处理，所述预处理至少包括：去除重复数据、缺失值填充、异常值检测和修正、数据标准化。
24、可选地，所述确定所述多个关键特征对所述目标对象的历史价格的影响程度，以得到每个关键特征对应的适应性权重系数，包括：
25、通过公式：确定每个关键特征对应的适应性权重系数；
26、其中，awci(t)表示为第i个关键特征在时间点t的适应性权重系数，所述权重系数用于指示第i个关键特征在时间点t的影响程度，α表示为可调节参数，用于控制权重系数的调整速度，xi(t-j)表示为第i个关键特征在(t-j)时间点的值，y(t-j)表示为(t-j)时间点的历史价格，corr(xi(t-j)，y(t-j))表示为在时间点(t-j)上，第i个关键特征和历史价格y之间的即时相关性，j表示滞后参数，表示在时间序列中回溯的步骤，n表示为关键特征的数据长度，m表示为所有关键特征的总数，k表示为索引变量，用于遍历所有关键特征，xk(t-k)表示为第k个关键特征在(t-k)时间点的值，y(t-k)表示为(t-k)时间点的历史价格。
27、第二方面，本申请实施例提供了一种基于大数据的对象价格监控系统，包括：
28、采集模块，用于从多个来源收集与目标对象的历史价格相关的数据；
29、提取模块，用于从所述数据中提取多个关键特征；
30、预测模块，用于根据所述目标对象的历史价格以及所述多个关键特征预测目标价格；通过对所述目标对象的历史价格进行时间序列分析，以预测所述目标价格的趋势信息；
31、反馈模块，用于将所述目标价格以及所述目标价格的趋势信息作为预测结果反馈给用户，以供用户基于所述预测结果采取相关措施。
32、第三方面，本申请实施例提供了一种计算设备，包括处理组件以及存储组件；所述存储组件存储一个或多个计算机指令；所述一个或多个计算机指令用以被所述处理组件调用执行，实现如上述第一方面所述的一种基于大数据的对象价格监控方法。
33、第四方面，本申请实施例提供了一种计算机存储介质，存储有计算机程序，所述计算程序被计算机执行时，实现如上述第一方面所述的一种基于大数据的对象价格监控方法。
34、本申请实施例中，从多个来源收集与目标对象的历史价格相关的数据；从所述数据中提取多个关键特征；根据所述目标对象的历史价格以及所述多个关键特征预测目标价格；通过对所述目标对象的历史价格进行时间序列分析，以预测所述目标价格的趋势信息；将所述目标价格以及所述目标价格的趋势信息作为预测结果反馈给用户，以供用户基于所述预测结果采取相关措施。
35、本方法的有益效果体现在以下几个方面：
36、多源数据整合与关键特征提取：通过从多个来源收集与目标对象历史价格相关的数据，本方法能够覆盖更广泛的信息源，提高预测的全面性和可靠性。同时，关键特征的提取能够有效减少数据维度，聚焦于对价格变动真正有影响的因素，从而提高预测模型的效率和准确性。
37、深度学习与时间序列分析结合：本方法利用深度学习技术构建预测模型，能够自动学习数据中的复杂模式和非线性关系，提高了模型的拟合能力和泛化能力。结合时间序列分析，不仅能够捕捉价格的短期波动，还能预测长期趋势，为用户提供更加全面的市场洞察。
38、实时反馈与决策支持：通过将预测结果实时反馈给用户，本方法能够帮助用户及时掌握价格动向，基于预测结果采取相关措施，比本文档来自技高网...
【技术保护点】
1.一种基于大数据的对象价格监控方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述目标对象的历史价格以及所述关键特征预测目标价格，包括：
3.根据权利要求1所述的方法，其特征在于，所述通过对所述目标对象的历史价格进行时间序列分析，以预测所述目标价格的趋势信息，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述时间序列的时间序列特性，预测所述目标价格的趋势信息，包括：
5.根据权利要求1所述的方法，其特征在于，还包括：
6.根据权利要求1所述的方法，其特征在于，在所述从所述数据中提取多个关键特征之前，还包括：
7.根据权利要求2所述的方法，其特征在于，所述确定所述多个关键特征对所述目标对象的历史价格的影响程度，以得到每个关键特征对应的适应性权重系数，包括：
8.一种基于大数据的对象价格监控系统，其特征在于，包括：
9.一种计算设备，其特征在于，包括处理组件以及存储组件；所述存储组件存储一个或多个计算机指令；所述一个或多个计算机指令用以被所述处理组
10.一种计算机存储介质，其特征在于，存储有计算机程序，所述计算程序被计算机执行时，实现如权利要求1～7任一项所述的一种基于大数据的对象价格监控方法。
...【技术特征摘要】
1.一种基于大数据的对象价格监控方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述目标对象的历史价格以及所述关键特征预测目标价格，包括：
3.根据权利要求1所述的方法，其特征在于，所述通过对所述目标对象的历史价格进行时间序列分析，以预测所述目标价格的趋势信息，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述时间序列的时间序列特性，预测所述目标价格的趋势信息，包括：
5.根据权利要求1所述的方法，其特征在于，还包括：
6.根据权利要求1所述的方法，其特征在于，在所述从所述数据中提取多个关键特征之前，还包括：
【专利技术属性】
技术研发人员：文建平，陈欣，韩昱，
申请(专利权)人：北京奥维云网大数据科技股份有限公司，
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。