[發(fā)明專利]一種交易量預(yù)測(cè)方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202210593790.3
• 申請(qǐng)日: 2022-05-27
• 公開（公告）號(hào): CN114926283A
• 公開（公告）日: 2022-08-19
• 發(fā)明（設(shè)計(jì)）人: 鄭澤晨;張瑾;李科強(qiáng);祝捷;趙慶;翟翎;王偉;張鵬;王瑤;郝雄斌;幸蘭欣
• 申請(qǐng)（專利權(quán)）人: 中國(guó)銀行股份有限公司
• 主分類號(hào): G06Q40/04
• 分類號(hào): G06Q40/04;G06Q10/04;G06N20/00;G06N3/08;G06N3/04
• 代理公司: 北京三友知識(shí)產(chǎn)權(quán)代理有限公司 11127
• 代理人: 李輝;王維寧

1.一種交易量預(yù)測(cè)方法，其特征在于，包括：

獲取預(yù)測(cè)起始日的預(yù)測(cè)特征數(shù)據(jù)；

對(duì)所述預(yù)測(cè)特征數(shù)據(jù)進(jìn)行預(yù)處理，得到所述預(yù)測(cè)特征數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)特征向量；

基于所述預(yù)測(cè)特征向量和交易量預(yù)測(cè)模型，對(duì)所述預(yù)測(cè)起始日后的預(yù)設(shè)時(shí)間段內(nèi)的交易量進(jìn)行預(yù)測(cè)，得到交易量預(yù)測(cè)值；其中，所述交易量預(yù)測(cè)模型是基于預(yù)設(shè)時(shí)間段內(nèi)的歷史預(yù)測(cè)特征數(shù)據(jù)集、所述歷史預(yù)測(cè)特征數(shù)據(jù)集對(duì)應(yīng)的歷史交易量和原始模型訓(xùn)練得到的；

根據(jù)所述交易量預(yù)測(cè)值對(duì)后臺(tái)服務(wù)器資源進(jìn)行調(diào)配。

2.如權(quán)利要求1所述的方法，其特征在于，所述預(yù)測(cè)特征數(shù)據(jù)包括：預(yù)測(cè)起始日前預(yù)設(shè)時(shí)間段內(nèi)的每日交易量和活動(dòng)信息。

3.如權(quán)利要求1所述的方法，其特征在于，獲取預(yù)測(cè)起始日的預(yù)測(cè)特征數(shù)據(jù)包括以下步驟：

獲取所述預(yù)測(cè)起始日前預(yù)設(shè)時(shí)間段內(nèi)的交易日志文件；

從所述交易日志文件中提取所述預(yù)測(cè)特征數(shù)據(jù)。

4.如權(quán)利要求1所述的方法，其特征在于，基于預(yù)設(shè)時(shí)間段內(nèi)的歷史預(yù)測(cè)特征數(shù)據(jù)集、所述歷史預(yù)測(cè)特征數(shù)據(jù)集對(duì)應(yīng)的歷史交易量和原始模型訓(xùn)練得到所述交易量預(yù)測(cè)模型包括以下步驟：

獲取預(yù)設(shè)時(shí)間段內(nèi)的歷史預(yù)測(cè)特征數(shù)據(jù)集和所述歷史預(yù)測(cè)特征數(shù)據(jù)集對(duì)應(yīng)的歷史交易量；其中，所述歷史預(yù)測(cè)特征數(shù)據(jù)集包括歷史起始日和歷史起始日的預(yù)測(cè)特征數(shù)據(jù)；

對(duì)所述歷史預(yù)測(cè)特征數(shù)據(jù)進(jìn)行預(yù)處理，得到所述歷史預(yù)測(cè)特征數(shù)據(jù)對(duì)應(yīng)的歷史預(yù)測(cè)特征向量；

基于所述歷史預(yù)測(cè)特征向量和所述歷史交易量對(duì)所述原始模型進(jìn)行訓(xùn)練，得到所述交易量預(yù)測(cè)模型。

5.如權(quán)利要求4所述的方法，其特征在于，所述原始模型為差分整合移動(dòng)平均自回歸模型或長(zhǎng)短時(shí)神經(jīng)網(wǎng)絡(luò)模型。

6.如權(quán)利要求5所述的方法，其特征在于，基于所述歷史預(yù)測(cè)特征向量和所述歷史交易量對(duì)所述原始模型進(jìn)行訓(xùn)練，得到所述交易量預(yù)測(cè)模型包括以下步驟：

基于所述歷史預(yù)測(cè)特征向量和所述歷史交易量對(duì)所述差分整合移動(dòng)平均自回歸模型進(jìn)行訓(xùn)練，得到第一預(yù)測(cè)模型；

基于所述歷史預(yù)測(cè)特征向量和所述歷史交易量對(duì)所述長(zhǎng)短時(shí)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到第二預(yù)測(cè)模型；

使用加權(quán)算法對(duì)所述第一預(yù)測(cè)模型和所述第二預(yù)測(cè)模型進(jìn)行融合，得到所述交易量預(yù)測(cè)模型。

7.一種交易量預(yù)測(cè)裝置，其特征在于，包括：

獲取模塊，用于獲取預(yù)測(cè)起始日的預(yù)測(cè)特征數(shù)據(jù)；

數(shù)據(jù)處理模塊，用于對(duì)所述預(yù)測(cè)特征數(shù)據(jù)進(jìn)行預(yù)處理，得到所述預(yù)測(cè)特征數(shù)據(jù)對(duì)應(yīng)的預(yù)測(cè)特征向量；

預(yù)測(cè)模塊，用于基于所述預(yù)測(cè)特征向量和交易量預(yù)測(cè)模型，對(duì)所述預(yù)測(cè)起始日后的預(yù)設(shè)時(shí)間段內(nèi)的交易量進(jìn)行預(yù)測(cè)，得到交易量預(yù)測(cè)值；其中，所述交易量預(yù)測(cè)模型是基于預(yù)設(shè)時(shí)間段內(nèi)的歷史預(yù)測(cè)特征數(shù)據(jù)集、所述歷史預(yù)測(cè)特征數(shù)據(jù)集對(duì)應(yīng)的歷史交易量和原始模型訓(xùn)練得到的；

調(diào)度模塊，用于根據(jù)所述交易量預(yù)測(cè)值對(duì)后臺(tái)服務(wù)器資源進(jìn)行調(diào)配。

8.如權(quán)利要求7所述的裝置，其特征在于，所述獲取模塊包括：

獲取單元，用于獲取所述預(yù)測(cè)起始日前預(yù)設(shè)時(shí)間段內(nèi)的交易日志文件；

特征提取單元，用于從所述交易日志文件中提取所述預(yù)測(cè)特征數(shù)據(jù)。

9.如權(quán)利要求7所述的裝置，其特征在于，還包括：

樣本獲取模塊，用于獲取預(yù)設(shè)時(shí)間段內(nèi)的歷史預(yù)測(cè)特征數(shù)據(jù)集和所述歷史預(yù)測(cè)特征數(shù)據(jù)集對(duì)應(yīng)的歷史交易量；其中，所述歷史預(yù)測(cè)特征數(shù)據(jù)集包括歷史起始日和歷史起始日的預(yù)測(cè)特征數(shù)據(jù)；

預(yù)處理模塊，用于對(duì)所述歷史預(yù)測(cè)特征數(shù)據(jù)進(jìn)行預(yù)處理，得到所述歷史預(yù)測(cè)特征數(shù)據(jù)對(duì)應(yīng)的歷史預(yù)測(cè)特征向量；

模型訓(xùn)練模塊，用于基于所述歷史預(yù)測(cè)特征向量和所述歷史交易量對(duì)所述原始模型進(jìn)行訓(xùn)練，得到所述交易量預(yù)測(cè)模型。