[發明專利]交易數據的預測方法、裝置、設備、存儲介質及程序產品

在審

• 申請號: 202110738317.5
• 申請日: 2021-06-30
• 公開（公告）號: CN113362179A
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 李田雨
• 申請（專利權）人: 中國農業銀行股份有限公司
• 主分類號: G06Q40/04
• 分類號: G06Q40/04;G06N20/20
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 朱穎;黃健

1.一種交易數據的預測方法，其特征在于，所述方法包括：

獲取待預測交易數據；

根據所述待預測交易數據，確定至少兩個目標預測模型；

基于預設集成學習算法，對所述至少兩個目標預測模型進行整合，以得到組合預測模型；

基于所述組合預測模型，根據所述待預測交易數據生成預測結果。

2.根據權利要求1所述的方法，其特征在于，根據所述待預測交易數據，確定至少兩個目標預測模型，包括：

根據所述待預測交易數據的數據維度和/或數據類型，確定各個所述目標預測模型。

3.根據權利要求1所述的方法，其特征在于，基于預設集成學習算法，對所述至少兩個目標預測模型進行整合，以得到組合預測模型，包括：

針對每個目標預測模型，確定所述目標預測模型的目標樣本，并基于所述目標樣本訓練所述目標預測模型；

基于所述預設集成學習算法對應的結合策略，對訓練后的各個所述目標預測模型進行整合，以得到所述組合預測模型。

4.根據權利要求3所述的方法，其特征在于，在基于所述目標樣本訓練所述目標預測模型之后，所述方法還包括：

將歷史交易數據對應的特征數據輸入訓練后的各個所述目標預測模型，以得到訓練后的各個所述目標預測模型輸出的目標維度的預測值；

確定所述歷史交易數據對應的、所述目標維度的實際值；

基于目標維度的所述實際值和預測值，確定所述目標預測模型的平均絕對百分比誤差；

根據所述平均絕對百分比誤差，確定并顯示所述目標預測模型的準確度。

5.根據權利要求1所述的方法，其特征在于，在得到組合預測模型之后，所述方法還包括：

根據所述組合預測模型的結合策略以及所述組合預測模型中的各個目標預測模型，生成并顯示所述組合預測模型的評估結果。

6.根據權利要求5所述的方法，其特征在于，所述方法還包括：

根據所述評估結果判斷所述組合預測模型是否合格；

若是，則基于所述組合預測模型，根據所述待預測交易數據生成預測結果。

7.根據權利要求1-6任一項所述的方法，其特征在于，所述預設集成學習算法包括Bagging集成學習算法、Boosting集成學習算法和隨機森林集成學習算法中的一項或多項。

8.根據權利要求1-6任一項所述的方法，其特征在于，在基于預設集成學習算法，對所述至少兩個目標預測模型進行整合，以得到組合預測模型之后，所述方法還包括：

確定并顯示所述組合預測模型的可調參數，其中，所述可調參數包括所述組合預測模型中至少一個預設預測模型的權重、超參數或者預設金融維度的參數因子，所述參數因子與所述組合預測模型中至少一個預設預測模型的權重相關聯；

根據用戶輸入的參數調整指令，修改對應的所述可調參數；

根據修改后的所述可調參數，確定所述組合預測模型的模型參數，以得到修改后的組合預測模型；

相應的，基于所述組合預測模型，根據所述待預測交易數據生成預測結果，包括：

基于修改后的組合預測模型，根據所述待預測交易數據生成預測結果。

9.根據權利要求8所述的方法，其特征在于，確定所述組合預測模型的可調參數，包括：

針對所述組合預測模型中的非線性模型，基于預設近似算法將所述非線性模型線性化；

根據線性化后的所述非線性模型的模型參數，確定所述組合預測模型的可調參數。

10.根據權利要求8所述的方法，其特征在于，所述方法還包括：

根據所述組合預測模型以及修改后的所述組合預測模型在預設時間段內各個時間節點輸出的預測值以及各個所述時間節點對應的實際值，分別繪制所述組合預測模型以及修改后的所述組合預測模型對應的預測誤差曲線。