[發明專利]一種匯率預測模型生成方法、匯率預測方法及相關設備

在審

• 申請號: 202010903775.5
• 申請日: 2020-09-01
• 公開（公告）號: CN112037063A
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 陳紹真;張興華;張程;陳平祥;周峰;廖會敏;王建文;尚曉賀;曾四鳴;史善哲
• 申請（專利權）人: 國網雄安金融科技集團有限公司;國網河北省電力有限公司電力科學研究院;國網能源研究院有限公司
• 主分類號: G06Q40/04
• 分類號: G06Q40/04;G06N3/04
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 馮柳偉

1.一種匯率預測模型生成方法，其特征在于，所述方法包括：

獲取訓練數據和所述訓練數據對應的實際匯率；其中，所述訓練數據包括第一歷史時間段內第一國家消費者物價指數月度環比、第一歷史時間段內第二國家消費者物價指數月度環比、第一歷史時間段內第一國家銀行間同業拆借利率、第一歷史時間段內第二國家銀行間同業拆借利率、以及第一歷史時間段內第一貨幣兌第二貨幣匯率月度均值；所述第一貨幣為第一國家的法定貨幣；所述第二貨幣為第二國家的法定貨幣；

將所述訓練數據輸入神經網絡模型，得到所述神經網絡模型輸出的所述訓練數據對應的預測匯率；

根據所述訓練數據對應的實際匯率與所述訓練數據對應的預測匯率之間的差值，對所述神經網絡模型進行更新，并繼續執行所述將所述訓練數據輸入神經網絡模型，直至達到停止條件時，根據所述神經網絡模型，生成匯率預測模型。

2.根據權利要求1所述的方法，其特征在于，所述停止條件為所述訓練數據對應的實際匯率與所述訓練數據對應的預測匯率之間的差值低于預設差值閾值。

3.根據權利要求1所述的方法，其特征在于，所述神經網絡模型的模型函數為：

式中，y為預測匯率；W₀為模型常數項；W_j為第j個隱藏層的權重；w_0,j為第j個隱藏層的常數項；w_i,j為第j個隱藏層中第i個神經元節點的權重；ε為誤差項；n為所述神經網絡模型中的隱藏層個數；m_j為第j個隱藏層的神經元節點個數。

4.根據權利要求1所述的方法，其特征在于，若預先設定所述神經網絡模型的隱藏層個數為T，則所述對所述神經網絡模型進行更新，包括：

對所述神經網絡模型的模型參數進行更新。

5.根據權利要求1所述的方法，其特征在于，所述對所述神經網絡模型進行更新，包括：

對所述神經網絡模型的模型參數及其超參數進行更新。

6.一種匯率預測方法，其特征在于，所述方法包括：

根據歷史匯率數據，確定待預測數據；其中，所述待預測數據包括第二歷史時間段內的第一國家消費者物價指數月度環比、第二歷史時間段內的第二國家消費者物價指數月度環比、第二歷史時間段內的第一國家銀行間同業拆借利率、第二歷史時間段內的第二國家銀行間同業拆借利率、以及第二歷史時間段內的第一貨幣兌第二貨幣匯率月度均值；所述第一貨幣為第一國家的法定貨幣；所述第二貨幣為第二國家的法定貨幣；

將所述待預測數據輸入匯率預測模型，得到所述匯率預測模型輸出的所述待預測數據對應的預測匯率；其中，所述匯率預測模型是利用權利要求1-5任一項所述的匯率預測模型生成方法生成的；

將所述待預測數據對應的預測匯率，確定為目標時間段的匯率。

7.一種匯率預測模型生成裝置，其特征在于，所述裝置包括：

數據獲取單元，用于獲取訓練數據和所述訓練數據對應的實際匯率；所述訓練數據包括第一歷史時間段內第一國家消費者物價指數月度環比、第一歷史時間段內第二國家消費者物價指數月度環比、第一歷史時間段內第一國家銀行間同業拆借利率、第一歷史時間段內第二國家銀行間同業拆借利率、以及第一歷史時間段內第一貨幣兌第二貨幣匯率月度均值；所述第一貨幣為第一國家的法定貨幣；所述第二貨幣為第二國家的法定貨幣；

第一預測單元，用于將所述訓練數據輸入神經網絡模型，得到所述神經網絡模型輸出的所述訓練數據對應的預測匯率；

模型更新單元，用于根據所述訓練數據對應的實際匯率與所述訓練數據對應的預測匯率之間的差值，對所述神經網絡模型進行更新，并繼續執行所述將所述訓練數據輸入神經網絡模型，直至達到停止條件時，根據所述神經網絡模型，生成匯率預測模型。