[發明專利]一種市場價格走勢預測方法

在審

• 申請號: 201811601887.4
• 申請日: 2018-12-26
• 公開（公告）號: CN109493150A
• 公開（公告）日: 2019-03-19
• 發明（設計）人: 李澤琦;李澤瑄
• 申請（專利權）人: 合肥優控科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 合肥匯融專利代理有限公司 34141
• 代理人: 李帆

本發明公開了一種市場價格走勢預測方法，包括以下步驟：初始化、對上一個數據塊進行標記、在上一個數據塊上訓練新分類器、用上一個數據塊增量訓練已有分類器、求取分類器權重、對所有分類器輸出融合得到最終預測、修正分類器集合、輸出新的價格走勢預測。本發明具有以下有益效果：1)綜合考慮多種因素對市場價格走勢進行實時預測，2)采用多種分類器進行融合具有較高的準確度與較強的穩定性，3)利用增量學習提高了所有分類器的適應性。

技術領域

本發明涉及數據分析領域，特別是涉及一種市場價格走勢預測方法。

背景技術

經營者搞好市場行情的調查，可以為商品生產者和經營者提供決策依據，加強生產和經營的計劃性；并為他們開展業務提供及時的、有效的信息，增強他們經營的靈活性和主動性，最終提高經濟效益。為了在瞬息萬變的市場環境中取得主動地位，必須實現實時的市場價格走勢預測。而這項工作往往需要由計算機對大量的歷史數據進行分析而實現。

文獻[1]提出了一種基于變分模態分解、季節性差分自回歸滑動平均模型和果蠅優化最小二乘支持向量機的混合模型。該方法利用變分模態分解方法將國際原油價格序列分解成一系列模態分量，然后針對周期性和非線性特征分量分別建立季節性差分自回歸滑動平均模型和果蠅優化最小二乘支持向量機模型進行預測，最后將各分量的預測值求和作為最終的預測結果。這種方法目的是基于過去的價格時間序列預測未來的價格，輸入的信息十分單一，只能應用于市場價格有固定規律的場景，而嚴格來說這種場景是較少的。

文獻[2]提出了一種基于自適應遺傳算法優化的BP神經網絡股票價格預測方法。文獻中，針對BP神經網絡初始權值隨機、遺傳算法易陷入局部優化等問題，給出了一種基于自適應遺傳算法優化的BP神經網絡股票價格預測模型。該模型通過自適應遺傳算法對BP神經網絡初始權值進行優化，從而對股票價格進行預測分析。與文獻[1]一樣，其本質上也是一種時間序列預測。類似的還可見于文獻[3]與文獻[4]。

文獻[5]公開了一種電力市場價格預測系統，綜合考慮了電力需求、擁擠程度等信息進行電力市場價格的預測。但是，文中卻沒有涉及具體的預測方法。

文獻[6]公開了一種電煤價格預測方法，所述預測方法包括以下步驟：輸入電煤價格預測的選取指標并對各輸入指標進行數據預處理，利用狼群算法對最小二乘支持向量機模型的參數進行優化，構建基于狼群算法和最小二乘支持向量機模型的電煤價格預測模型。為了提升最小二乘支持向量機性能，文獻選用狼群算法對最小二乘支持向量機的參數進行尋優。但是，文獻中公開的方法本質上只能用于靜態環境，在變幻莫測的市場中往往會性能下降。

文獻[7]公開了一種藥材價格預測方法，包括如下步驟：藥材價格數據準備、藥材價格影響因素分析、建立小波神經網絡預測模型、得出價格預測結果。本發明的有益效果是：預測效果很好，精度較高；同時，移植性較高，只需分析不同品種價格及其影響因素，均可進行檢驗和預測。文獻考慮了面積、年產量、炒作因素、降水量、農業生產資料價格指數和農產品生產者價格指數等影響因素，因此相較于文獻[1-4]有較高的預測能力。但是其本質上與文獻[6]類似，僅適用于靜態環境。

由于市場是動態變化的，所以對市場價格走勢的預測模型必須能夠適應這種變化，也就是說，該模型需要根據新進的歷史數據調整模型參數。然而，現有的方法并不具備這種自適應的特性。

參考文獻：

1、張金良,李德智,譚忠富.基于混合模型的國際原油價格預測研究[J/OL].北京理工大學學報(社會科學版),2019(01):1-6[2018-12-20].

2、郝繼升,任浩然,井文紅.基于自適應遺傳算法優化的BP神經網絡股票價格預測[J/OL].河南科學,2017(02):190-195[2018-12-20].

3、韓興國,張蕾.基于ARIMA模型對氧化釹價格的預測分析[J].鑄造技術,2018,39(10):2354-2359.