[发明专利]一种商品价格预测方法以及装置

说明书

技术领域

本发明涉及数据分析技术领域，具体而言，涉及一种商品价格预测方法以及装置。

背景技术

商品价格的预测方法是市场预测分析与商品生产销售决策的基础，是市场预测领域中的一个重要问题，在商品生产、销售等很多问题中起着关键作用，而预测方法中的数据对预测方法的通用性和准确性有着很大的影响。

传统的针对商品价格走势的预测，因受限于解释变量数据难以获取，往往采用时间序列分析的方法，在模型中使用被解释变量的滞后项作为解释变量，即基于基础解释变量计算出被解释变量之后，将计算出来的被解释变量作为新的解释变量，来对之后的被解释变量进行计算。

但是实际上，被解释变量在计算的时候，会引入一定的误差。将计算出来的被解释变量作为新的解释变量，来对之后的被解释变量进行计算，会导致这一误差不断的被累积放大，最终导致中长期预测值的可信度呈现指数递减。

发明内容

有鉴于此，本发明实施例的目的在于提供一种商品价格预测方法以及装置，能够减少计算误差，增加中长期预测的可信度。

第一方面，本发明实施例提供了一种商品价格预测方法，包括：

获取多个第一历史时间点对应的待预测商品的历史价格信息、多个第二历史时间点对应的历史气象指数信息，以及多个未来时间点对应的预测气象指数信息；

基于所述历史价格信息和所述历史气象指数信息构建价格预测模型并对所述价格预测模型进行训练；

基于训练后的价格预测模型以及所述预测气象指数信息对待预测商品的价格进行预测，得到多个未来时间点对应的商品价格预测值；

其中，所述第一历史时间点、所述第二历史时间点、以及所述未来时间点数量相同。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中：基于所述历史价格信息和所述历史气象指数信息构建价格预测模型，具体包括：

确定进行价格预测所基于的已知预测模型；其中，所述已知预测模型将待预测商品价格信息作为被解释变量，将商品历史价格信息作为第一解释变量；

为所述已知预测模型增加第二解释变量，构建价格预测模型；其中，所述第二解释变量为气象指数。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中：采用如下方法对所述价格预测模型进行训练：

将所述多个第一历史时间点对应的待预测商品的历史价格信息作为第一解释变量的值，将所述多个第二历史时间点对应的历史气象指数信息作为第二解释变量的值，将所述多个第二历史时间点对应的待预测商品的历史价格信息作为被解释变量的值输入所构建的价格预测模型；

生成运算矩阵，并将输入的信息作为所述运算矩阵中的对应元素代入所述运算矩阵；

其中，所述运算矩阵包括：解释变量矩阵、参数矩阵和被解释变量矩阵；所述解释变量矩阵的列表征第一解释变量和第二解释变量，所述解释变量矩阵的行表征第一解释变量和第二解释变量分别对应的不同时间点，且解释变量矩阵的每一行中，第一解释变量对应的时间点与第二解释变量对应的时间点之间的时间差均相同；所述参数矩阵的行表征不同解释变量对应的参数；所述被解释变量矩阵的行表征被解释变量对应的时间点，且每行被解释变量对应的时间点与所述解释变量矩阵中对应行中第二解释变量对应的时间点相同；

基于所述运算矩阵，采用预设算法确定各解释变量的参数，从而得到训练后的价格预测模型。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中：基于训练后的价格预测模型以及所述预测气象指数信息对待预测商品的价格进行预测，具体包括：

将多个第三历史时间点对应的待预测商品的历史价格信息作为第一解释变量的值，将所述未来时间点对应的预测气象指数信息作为第二解释变量的值，以及训练得到的各解释变量的参数输入训练后的价格预测模型；

将输入的信息作为所述运算矩阵中的对应元素代入所述运算矩阵，得到多个未来时间点对应的商品价格预测值。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中：还包括：

为所述已知预测模型增加至少一个第三解释变量，构建价格预测模型；其中，不同第三解释变量表征对待预测商品价格的不同影响元素。

结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中：采用如下方法对所述价格预测模型进行训练：