[發(fā)明專利]交易數(shù)據(jù)的預(yù)測方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)及程序產(chǎn)品

在審

• 申請?zhí)枺?/td>: 202110738317.5
• 申請日: 2021-06-30
• 公開（公告）號(hào): CN113362179A
• 公開（公告）日: 2021-09-07
• 發(fā)明（設(shè)計(jì)）人: 李田雨
• 申請（專利權(quán)）人: 中國農(nóng)業(yè)銀行股份有限公司
• 主分類號(hào): G06Q40/04
• 分類號(hào): G06Q40/04;G06N20/20
• 代理公司: 北京同立鈞成知識(shí)產(chǎn)權(quán)代理有限公司 11205
• 代理人: 朱穎;黃健

本申請實(shí)施例提供一種交易數(shù)據(jù)的預(yù)測方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)及程序產(chǎn)品。該交易數(shù)據(jù)的預(yù)測方法包括：獲取待預(yù)測交易數(shù)據(jù)；根據(jù)所述待預(yù)測交易數(shù)據(jù)，確定至少兩個(gè)目標(biāo)預(yù)測模型；基于預(yù)設(shè)集成學(xué)習(xí)算法，對所述至少兩個(gè)目標(biāo)預(yù)測模型進(jìn)行整合，以得到組合預(yù)測模型；基于所述組合預(yù)測模型，根據(jù)所述待預(yù)測交易數(shù)據(jù)生成預(yù)測結(jié)果，實(shí)現(xiàn)了基于交易數(shù)據(jù)的特性自適應(yīng)確定多個(gè)預(yù)測模型，以及基于所確定的多個(gè)預(yù)測模型的組合模型進(jìn)行交易數(shù)據(jù)預(yù)測，提高了交易數(shù)據(jù)預(yù)測的準(zhǔn)確度。

技術(shù)領(lǐng)域

本申請實(shí)施例涉及機(jī)器學(xué)習(xí)技術(shù)領(lǐng)域，尤其涉及一種交易數(shù)據(jù)的預(yù)測方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)及程序產(chǎn)品。

背景技術(shù)

隨著機(jī)器學(xué)習(xí)的發(fā)展，為了降低操作風(fēng)險(xiǎn)，提前指定應(yīng)對措施，在交易量、資產(chǎn)收益率等交易數(shù)據(jù)的場景下，機(jī)器學(xué)習(xí)算法被普遍應(yīng)用于交易數(shù)據(jù)的預(yù)測。

在現(xiàn)有技術(shù)中，對于某一業(yè)務(wù)，通常使用預(yù)先訓(xùn)練的一個(gè)預(yù)測模型根據(jù)其歷史交易數(shù)據(jù)進(jìn)行預(yù)測。然而，由于交易數(shù)據(jù)的隨機(jī)性較強(qiáng)，采用單一預(yù)測模型進(jìn)行預(yù)測的預(yù)測準(zhǔn)確度較差。

發(fā)明內(nèi)容

本申請實(shí)施例提供一種交易數(shù)據(jù)的預(yù)測方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)及程序產(chǎn)品，針對交易數(shù)據(jù)，提供了一種自適應(yīng)、由多種預(yù)測模型組成的組合預(yù)測模型進(jìn)行數(shù)據(jù)預(yù)測，提高了數(shù)據(jù)預(yù)測的準(zhǔn)確度。

第一方面，本申請實(shí)施例提供了一種交易數(shù)據(jù)的預(yù)測方法，所述方法包括：

獲取待預(yù)測交易數(shù)據(jù)；根據(jù)所述待預(yù)測交易數(shù)據(jù)，確定至少兩個(gè)目標(biāo)預(yù)測模型；基于預(yù)設(shè)集成學(xué)習(xí)算法，對所述至少兩個(gè)目標(biāo)預(yù)測模型進(jìn)行整合，以得到組合預(yù)測模型；基于所述組合預(yù)測模型，根據(jù)所述待預(yù)測交易數(shù)據(jù)生成預(yù)測結(jié)果。

可選的，根據(jù)所述待預(yù)測交易數(shù)據(jù)，確定至少兩個(gè)目標(biāo)預(yù)測模型，包括：

根據(jù)所述待預(yù)測交易數(shù)據(jù)的數(shù)據(jù)維度和/或數(shù)據(jù)類型，確定各個(gè)所述目標(biāo)預(yù)測模型。

可選的，基于預(yù)設(shè)集成學(xué)習(xí)算法，對所述至少兩個(gè)目標(biāo)預(yù)測模型進(jìn)行整合，以得到組合預(yù)測模型，包括：

針對每個(gè)目標(biāo)預(yù)測模型，確定所述目標(biāo)預(yù)測模型的目標(biāo)樣本，并基于所述目標(biāo)樣本訓(xùn)練所述目標(biāo)預(yù)測模型；基于所述預(yù)設(shè)集成學(xué)習(xí)算法對應(yīng)的結(jié)合策略，對訓(xùn)練后的各個(gè)所述目標(biāo)預(yù)測模型進(jìn)行整合，以得到所述組合預(yù)測模型。

可選的，在基于所述目標(biāo)樣本訓(xùn)練所述目標(biāo)預(yù)測模型之后，所述方法還包括：

將歷史交易數(shù)據(jù)對應(yīng)的特征數(shù)據(jù)輸入訓(xùn)練后的所述目標(biāo)預(yù)測模型，以得到訓(xùn)練后的所述目標(biāo)預(yù)測模型輸出的目標(biāo)維度的預(yù)測值；確定所述歷史交易數(shù)據(jù)對應(yīng)的、所述目標(biāo)維度的實(shí)際值；基于目標(biāo)維度的所述實(shí)際值和預(yù)測值，確定所述目標(biāo)預(yù)測模型的平均絕對百分比誤差；根據(jù)所述平均絕對百分比誤差，確定并顯示所述目標(biāo)預(yù)測模型的準(zhǔn)確度。

可選的，在得到組合預(yù)測模型之后，所述方法還包括：

根據(jù)所述組合預(yù)測模型的結(jié)合策略以及所述組合預(yù)測模型中的各個(gè)目標(biāo)預(yù)測模型，生成并顯示所述組合預(yù)測模型的評估結(jié)果。

可選的，所述方法還包括：

根據(jù)所述評估結(jié)果判斷所述組合預(yù)測模型是否合格；若是，則基于所述組合預(yù)測模型，根據(jù)所述待預(yù)測交易數(shù)據(jù)生成預(yù)測結(jié)果。

可選的，所述預(yù)設(shè)集成學(xué)習(xí)算法包括Bagging集成學(xué)習(xí)算法、Boosting集成學(xué)習(xí)算法和隨機(jī)森林集成學(xué)習(xí)算法中的一項(xiàng)或多項(xiàng)。

可選的，在基于預(yù)設(shè)集成學(xué)習(xí)算法，對所述至少兩個(gè)目標(biāo)預(yù)測模型進(jìn)行整合，以得到組合預(yù)測模型之后，所述方法還包括：