[發明專利]資產數據的處理方法及裝置

在審

• 申請號: 202110241979.1
• 申請日: 2021-03-04
• 公開（公告）號: CN112598526A
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 李晨;王世均
• 申請（專利權）人: 螞蟻智信（杭州）信息技術有限公司
• 主分類號: G06Q40/04
• 分類號: G06Q40/04
• 代理公司: 北京國昊天誠知識產權代理有限公司 11315
• 代理人: 朱文杰

本說明書一個或多個實施例公開了一種資產數據的處理方法及裝置。所述方法包括：獲取待交易的資產數據，將所述資產數據輸入預先訓練的資產交易預測模型。通過所述資產交易預測模型將所述資產數據識別為圖像數據，并提取所述圖像數據中的圖像特征。利用所述資產交易預測模型分析所述圖像特征，并根據分析結果確定使所述資產數據對應的資產收益達到預設收益條件的目標資產交易方式。

技術領域

本說明書涉及數據處理技術領域，尤其涉及一種資產數據的處理方法及裝置。

背景技術

隨著人工智能技術的發展，人工智能技術已逐漸深入各行各業。目前，在資產交易場景中，有少量使用機器學習算法進行資產量化交易的方式，例如利用機器學習算法進行股票量化交易。但是，這種方式目前的局限性較大，一方面，這類量化交易算法大多數為傳統的機器學習算法驅動，算法表達能力有限。另一方面，傳統的機器學習算法不具有普適性，尤其是在某些具有固定收益類的資產交易場景中，無法預測有效、準確的資產交易策略。

因此，亟需一種更能有效、準確的預測資產交易策略的算法。

發明內容

一方面，本說明書一個或多個實施例提供一種資產數據的處理方法，包括：獲取待交易的資產數據，將所述資產數據輸入預先訓練的資產交易預測模型。通過所述資產交易預測模型將所述資產數據識別為圖像數據，并提取所述圖像數據中的圖像特征。所述圖像特征包括時間序列特征、空間結構特征、頻率特征中的至少一項。利用所述資產交易預測模型分析所述圖像特征，并根據分析結果確定使所述資產數據對應的資產收益達到預設收益條件的目標資產交易方式。

另一方面，本說明書一個或多個實施例提供一種資產數據的處理裝置，包括：第一獲取模塊，獲取待交易的資產數據，將所述資產數據輸入預先訓練的資產交易預測模型。第一提取模塊，通過所述資產交易預測模型將所述資產數據識別為圖像數據，并提取所述圖像數據中的圖像特征。所述圖像特征包括時間序列特征、空間結構特征、頻率特征中的至少一項。分析及確定模塊，利用所述資產交易預測模型分析所述圖像特征，并根據分析結果確定使所述資產數據對應的資產收益達到預設收益條件的目標資產交易方式。

再一方面，本說明書一個或多個實施例提供一種資產數據的處理設備，包括處理器和與所述處理器電連接的存儲器，所述存儲器存儲有計算機程序，所述處理器用于從所述存儲器調用并執行所述計算機程序以實現：獲取待交易的資產數據，將所述資產數據輸入預先訓練的資產交易預測模型。通過所述資產交易預測模型將所述資產數據識別為圖像數據，并提取所述圖像數據中的圖像特征。所述圖像特征包括時間序列特征、空間結構特征、頻率特征中的至少一項。利用所述資產交易預測模型分析所述圖像特征，并根據分析結果確定使所述資產數據對應的資產收益達到預設收益條件的目標資產交易方式。

再一方面，本說明書實施例提供一種存儲介質，用于存儲計算機程序，所述計算機程序能夠被處理器執行以實現以下流程：獲取待交易的資產數據，將所述資產數據輸入預先訓練的資產交易預測模型。通過所述資產交易預測模型將所述資產數據識別為圖像數據，并提取所述圖像數據中的圖像特征。所述圖像特征包括時間序列特征、空間結構特征、頻率特征中的至少一項。利用所述資產交易預測模型分析所述圖像特征，并根據分析結果確定使所述資產數據對應的資產收益達到預設收益條件的目標資產交易方式。

附圖說明

為了更清楚地說明本說明書一個或多個實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本說明書一個或多個實施例中記載的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖；

圖1是根據本說明書一實施例的一種資產數據的處理方法的示意性流程圖；

圖2是根據本說明書一實施例的一種資產數據的處理方法中資產交易預測模型預測的示意性流程圖；

圖3是根據本說明書一實施例的一種資產數據的處理方法中深度學習神經網絡的示意性結構圖；