[發(fā)明專(zhuān)利]構(gòu)建預(yù)測(cè)模型的方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201810707589.7
• 申請(qǐng)日: 2018-07-02
• 公開(kāi)（公告）號(hào): CN108921688A
• 公開(kāi)（公告）日: 2018-11-30
• 發(fā)明（設(shè)計(jì)）人: 安然
• 申請(qǐng)（專(zhuān)利權(quán)）人: 阿里巴巴集團(tuán)控股有限公司
• 主分類(lèi)號(hào): G06Q40/02
• 分類(lèi)號(hào): G06Q40/02;G06Q40/04
• 代理公司: 北京億騰知識(shí)產(chǎn)權(quán)代理事務(wù)所 11309
• 代理人: 陳霽;周良玉

1.一種構(gòu)建預(yù)測(cè)模型的方法，所述預(yù)測(cè)模型用于預(yù)測(cè)可交換資源的流動(dòng)性指標(biāo)，所述方法包括：

獲取第一變量序列、第二變量序列以及指標(biāo)序列，所述第一變量序列和第二變量序列分別為，在按時(shí)間順序排列的多個(gè)歷史時(shí)段分別對(duì)第一變量和第二變量進(jìn)行采樣形成的變量序列，其中所述第一變量與所述可交換資源的操作規(guī)模相關(guān)聯(lián)，所述第二變量與所述可交換資源的回報(bào)率相關(guān)聯(lián)；所述指標(biāo)序列包括，所述多個(gè)歷史時(shí)段分別對(duì)應(yīng)的流動(dòng)性指標(biāo)；

檢測(cè)第一變量序列、第二變量序列和指標(biāo)序列的平穩(wěn)性，從而獲取平穩(wěn)的第一變量序列、第二變量序列和指標(biāo)序列；

基于平穩(wěn)的第一變量序列、第二變量序列和指標(biāo)序列，確定各個(gè)歷史時(shí)段對(duì)應(yīng)的列向量，其中第i歷史時(shí)段對(duì)應(yīng)的列向量Yi包括，該第i歷史時(shí)段的第一變量、第二變量，以及該第i歷史時(shí)段的流動(dòng)性指標(biāo)；

將所述各個(gè)歷史時(shí)段對(duì)應(yīng)的列向量輸入向量自回歸VAR模型，確定VAR模型的模型參數(shù)，從而將包含上述模型參數(shù)的VAR模型作為所述預(yù)測(cè)模型。

2.根據(jù)權(quán)利要求1所述的方法，其中，

所述第一變量包括以下變量中的一個(gè)或多個(gè)：逆回購(gòu)，中期借貸便利MLF，超短期逆回購(gòu)SLO，常備借貸便利SLF，抵押補(bǔ)充貸款PSL；

所述第二變量包括以下變量中的一組或多組：回購(gòu)利率和交易量；同業(yè)拆借利率和交易量；利率互換利率和交易量；國(guó)債收益率和交易量。

3.根據(jù)權(quán)利要求1所述的方法，其中，所述檢測(cè)第一變量序列、第二變量序列和指標(biāo)序列的平穩(wěn)性包括：采用單位根檢驗(yàn)，來(lái)檢測(cè)第一變量序列、第二變量序列和指標(biāo)序列的平穩(wěn)性，將存在單位根的序列作為不平穩(wěn)序列。

4.根據(jù)權(quán)利要求1所述的方法，其中，檢測(cè)第一變量序列、第二變量序列和指標(biāo)序列的平穩(wěn)性，從而獲取平穩(wěn)的第一變量序列、第二變量序列和指標(biāo)序列包括：

在檢測(cè)到第一變量序列、第二變量序列和指標(biāo)序列中任一序列不平穩(wěn)的情況下，對(duì)該不平穩(wěn)的序列進(jìn)行差分運(yùn)算，并再次進(jìn)行檢驗(yàn)，直到獲取到平穩(wěn)的第一變量序列、第二變量序列和指標(biāo)序列。

5.根據(jù)權(quán)利要求1所述的方法，還包括：

對(duì)第一變量序列/第二變量序列進(jìn)行與指標(biāo)序列的格蘭杰因果關(guān)系檢驗(yàn)，以檢驗(yàn)第一變量/第二變量與流動(dòng)性指標(biāo)之間的因果影響關(guān)系。

6.根據(jù)權(quán)利要求5所述的方法，其中所述第一變量和第二變量中的至少一個(gè)變量與所述流動(dòng)性指標(biāo)具有格蘭杰雙向因果關(guān)系。

7.根據(jù)權(quán)利要求5所述的方法，其中對(duì)第一變量序列/第二變量序列進(jìn)行與指標(biāo)序列的格蘭杰因果關(guān)系檢驗(yàn)包括：

確定滯后階數(shù)m；

基于滯后階數(shù)，對(duì)流動(dòng)性指標(biāo)的滯后項(xiàng)進(jìn)行第一回歸處理，基于第一回歸處理結(jié)果對(duì)第一變量/第二變量的滯后項(xiàng)進(jìn)行第二回歸處理，得到統(tǒng)計(jì)量；

基于所述統(tǒng)計(jì)量利用F檢驗(yàn)來(lái)檢驗(yàn)第一變量/第二變量是否與流動(dòng)性指標(biāo)存在格蘭杰因果關(guān)系。

8.根據(jù)權(quán)利要求1所述的方法，其中所述VAR模型用于，對(duì)于滯后階數(shù)m，基于連續(xù)m個(gè)歷史時(shí)段的列向量、對(duì)應(yīng)的m個(gè)參數(shù)矩陣，以及擾動(dòng)項(xiàng)，確定在所述連續(xù)m個(gè)歷史時(shí)段之后的下一歷史時(shí)段對(duì)應(yīng)的列向量；所述確定VAR模型的模型參數(shù)包括：

確定滯后階數(shù)m；

基于所述各個(gè)歷史時(shí)段對(duì)應(yīng)的列向量，確定所述m個(gè)參數(shù)矩陣和所述擾動(dòng)項(xiàng)。

9.根據(jù)權(quán)利要求7或8所述的方法，其中所述確定滯后階數(shù)m包括：

采用似然比LR檢驗(yàn)確定滯后階數(shù)m；或者

根據(jù)赤池信息量準(zhǔn)則AIC，確定滯后階數(shù)m；或者

根據(jù)施瓦茨信息準(zhǔn)則SC，確定滯后階數(shù)m。

10.根據(jù)權(quán)利要求1所述的方法，還包括，針對(duì)所述VAR模型進(jìn)行脈沖響應(yīng)分析，確定第一變量/第二變量對(duì)流動(dòng)性指標(biāo)的脈沖效應(yīng)。