[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

本申請公開了一種匯率預測模型生成方法、匯率預測方法及相關設備，該匯率預測模型生成方法包括：在獲取到訓練數據和所述訓練數據對應的實際匯率之后，先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；再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，并繼續執行上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，以使匯率預測模型能夠準確地表示出匯率的非線性變化，從而使得利用該匯率預測模型預測得到的預測匯率更符合匯率的實際變化規律。

技術領域

本申請涉及數據處理技術領域，尤其涉及一種匯率預測模型訓練方法、匯率預測方法及相關設備。

背景技術

匯率(又稱外匯利率，外匯匯率或外匯行市)是指兩種貨幣之間兌換的比率。也就是說，匯率是指一國貨幣與另一國貨幣的比率或比價。

匯率預測是指根據歷史匯率數據確定未來匯率的過程。然而，因匯率變化比較復雜，導致匯率預測的準確性較低，從而導致如何準確地進行匯率預測成為一個亟待解決的技術問題。

發明內容

為了解決現有技術中存在的以上技術問題，本申請提供一種匯率預測模型生成方法、匯率預測方法及相關設備，能夠準確地進行匯率預測。

為了實現上述目的，本申請實施例提供的技術方案如下：

本申請實施例提供一種匯率預測模型生成方法，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。

可選的，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。

可選的，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。

可選的，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。

可選的，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。

本申請實施例還提供了一種匯率預測方法，所述方法包括：