[发明专利]用于贵金属领域的数据预测方法、装置及存储介质

权利要求书

1.一种用于贵金属领域的数据预测方法，其特征在于，所述方法包括：

获取实时经济数据，所述实时经济数据是在第一预定时刻后公开的与目标经济指标相关联的经济数据，所述实时经济数据包括所述贵金属的开盘价、收盘价、最高价、最低价和成交量中的至少一种；

获取数据预测模型，所述数据预测模型是采用历史经济数据进行训练得到的模型，所述历史经济数据是在所述第一预定时刻前公开的与所述目标经济指标相关联的经济数据；

根据所述实时经济数据，采用所述数据预测模型计算得到所述目标经济指标的预测值。

2.根据权利要求1所述的方法，其特征在于，所述根据所述实时经济数据，采用所述数据预测模型计算得到所述目标经济指标的预测值，包括：

将所述实时经济数据输入至所述数据预测模型计算得到所述目标经济指标的所述预测值；

其中，所述数据预测模型是具有基于所述实时经济数据对所述目标经济指标进行预测的功能的逐步回归模型，所述实时经济数据是与所述目标经济指标的关联度高于第一阈值的经济数据。

3.根据权利要求1所述的方法，其特征在于，所述获取数据预测模型，包括：

获取训练样本集，所述训练样本集包括m个训练集和测试集，所述m为正整数；

对于所述m个训练集中的每个所述训练集，对所述原始参数模型进行训练得到候选模型；

根据所述测试集，对m个所述候选模型进行测试得到m个所述候选模型各自对应的误差值；

根据所述m个候选模型各自对应的误差值生成所述数据预测模型，所述数据预测模型的模型参数为所述m个候选模型各自对应的误差值的平均值或最小值。

4.根据权利要求3所述的方法，其特征在于，所述对于所述m个训练集中的每个所述训练集，对所述原始参数模型进行训练得到候选模型，包括：

对于所述m个训练集中的每个所述训练集，采用逐步回归算法对原始参数模型进行训练，得到所述数据预测模型，所述数据预测模型中的模型参数包括与所述目标经济指标关联度高于第一阈值的历史经济数据对应的权重。

5.根据权利要求3所述的方法，其特征在于，所述测试集包括n组历史数据组，所述n为正整数；所述根据所述测试集，对m个所述候选模型进行测试得到m个所述候选模型各自对应的误差值，包括：

对于m个所述候选模型中的每个所述候选模型，采用第i个所述历史数据组对所述候选模型进行测试得到第i个子误差值，所述i为小于或者等于所述n的正整数；

对于m个所述候选模型中的每个所述候选模型，将所述n组历史数据组各自对应的所述子误差值进行加权求和，计算得到所述候选模型对应的所述误差值。

6.根据权利要求1至5任一所述的方法，其特征在于，所述实时经济数据是在所述第一预定时刻之后且在第二预定时刻之前公开的与目标经济指标相关联的经济数据，所述第一预定时刻小于所述第二预定时刻，所述根据所述实时经济数据，采用所述数据预测模型计算得到所述目标经济指标的预测值之后，还包括：

获取在所述第二预定时刻公开的所述目标经济指标的实际值；

根据所述实时经济数据、所述目标经济指标的所述预测值和所述实际值，绘制并展示折线图，所述折线图用于指示所述数据预测模型对所述目标经济指标进行预测的效果。

7.根据权利要求1至5任一所述的方法，其特征在于，当所述目标经济指标为下一个交易日的所述贵金属的价格公布值时，所述实时经济数据还包括所述贵金属的实时价格、波动值、波动均值、跌涨值、振幅值中的至少一个；

其中，所述实时价格为在所述交易日中所述贵金属的当前价格，所述波动值为预定时间间隔内所述最高价与所述最低价之间的差值绝对值，所述波动均值为k个所述波动值的均值，所述跌涨值为所述交易日的所述收盘价与上一个所述交易日的所述收盘价的差值，所述振幅值为所述交易日的交易差值与上一个所述交易日的所述收盘价之间的除数，所述交易差值为所述交易日内所述最高价与所述最低价之间的差值绝对值，所述k为正整数。