[發明專利]金融衍生品價格的預測方法、預測裝置、存儲介質和設備

在審

• 申請號: 202210324409.3
• 申請日: 2022-03-29
• 公開（公告）號: CN114820199A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 姜青山;吳胤旭;周亞雯
• 申請（專利權）人: 深圳先進技術研究院
• 主分類號: G06Q40/06
• 分類號: G06Q40/06;G06Q40/04;G06Q10/04;G06N3/04;G06K9/62
• 代理公司: 深圳市銘粵知識產權代理有限公司 44304
• 代理人: 孫偉峰;劉燚圣

1.一種金融衍生品價格的預測方法，其特征在于，所述預測方法包括：

將獲取到的金融衍生品交易歷史數據集按照時間順序和災難類型分割成無災難交易數據集和若干類有災難交易數據集，其中所述無災難交易數據集包括金融衍生品特征數據和價格數據，每類所述有災難數據集包括災難特征數據、金融衍生品特征數據和價格數據；

將無災難交易數據集作為訓練樣本對預先構建的LSTM神經網絡模型進行訓練得到無災難預測子模型，依次將每一類所述有災難交易數據集分別作為訓練樣本對每一個預先構建的LSTM神經網絡模型進行訓練得到有災難預測子模型，將所述無災難預測子模型和若干個有災難預測模型共同構成總預測模型；

將實時獲取到的待預測數據輸入到所述總預測模型中，得到金融衍生品的價格預測序列結果。

2.根據權利要求1所述的金融衍生品價格的預測方法，其特征在于，所述金融衍生品交易歷史數據集包括金融市場行情歷史數據和災難歷史數據，將獲取到的金融衍生品交易歷史數據集按照時間順序和災難類型分割成無災難交易數據集和若干類有災難交易數據集的方法包括：

將各條金融市場行情歷史數據和災難歷史數據都加上時間戳并按時間順序進行排序；

按照時間先后順序，篩選出非空集的金融市場行情歷史數據和災難歷史數據；

將非空集的金融市場行情歷史數據和災難歷史數據按照災難類型組合成無災難交易數據集、地震災難交易數據集、洪水災難交易數據集、熱帶風暴災難交易數據集。

3.根據權利要求2所述的金融衍生品價格的預測方法，其特征在于，若干個有災難預測子模型分別是地震災難預測子模型、洪水災難預測子模型、熱帶風暴災難預測子模型。

4.根據權利要求3所述的金融衍生品價格的預測方法，其特征在于，所述實時獲取到的待預測數據包括金融衍生品特征數據和災難特征數據，所述將實時獲取到待預測數據輸入到所述總預測模型中，得到金融衍生品的價格預測序列結果的方法包括：

按照時間先后順序，依次判斷在同一時間上金融衍生品特征數據是否附帶有災難特征數據；

若有，則將所述金融衍生品特征數據和災難特征數據同時輸入到與災難特征數據的災難類型相同的有災難預測子模型中，得到預測值；

若無，則將所述金融衍生品特征數據輸入到無災難預測子模型中，得到預測值；

將得到的各個預測值按照時間先后順序進行排序得到價格預測序列結果。

5.一種金融衍生品價格的預測裝置，其特征在于，所述預測裝置包括：

數據分割模塊，用于將獲取到的金融衍生品交易歷史數據集按照時間順序和災難類型分割成無災難交易數據集和若干類有災難交易數據集，其中所述無災難交易數據集包括金融衍生品特征數據和價格數據，每類所述有災難數據集包括災難特征數據、金融衍生品特征數據和價格數據；

模型訓練模塊，用于將無災難交易數據集作為訓練樣本對預先構建的LSTM神經網絡模型進行訓練得到無災難預測子模型，依次將每一類所述有災難交易數據集分別作為訓練樣本對每一個預先構建的LSTM神經網絡模型進行訓練得到有災難預測子模型，將所述無災難預測子模型和若干個有災難預測模型共同構成總預測模型；

價格預測模塊，用于將實時獲取到的待預測數據輸入到所述總預測模型中，得到金融衍生品的價格預測序列結果。

6.根據權利要求5所述的金融衍生品價格的預測裝置，其特征在于，所述金融衍生品交易歷史數據集包括金融市場行情歷史數據和災難歷史數據，所述數據分割模塊包括：

排序單元，用于將各條金融市場行情歷史數據和災難歷史數據都加上時間戳并按時間順序進行排序；

篩選單元，用于按照時間先后順序，篩選出非空集的金融市場行情歷史數據和災難歷史數據；

組合單元，用于將非空集的金融市場行情歷史數據和災難歷史數據按照災難類型組合成無災難交易數據集、地震災難交易數據集、洪水災難交易數據集、熱帶風暴災難交易數據集。