[发明专利]价格预测模型的处理方法、装置、计算机和存储介质在审

专利信息
申请号: 201910897426.4 申请日: 2019-09-23
公开(公告)号: CN110619440A 公开(公告)日: 2019-12-27
发明(设计)人: 陈昱成;章志容;李实;彭添才 申请(专利权)人: 东莞市大易产业链服务有限公司
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q30/02
代理公司: 44224 广州华进联合专利商标代理有限公司 代理人: 罗佳龙
地址: 523000 广东省东莞市南城街道周*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 样本数据 差分数据 自相关 预测模型 检验 差分处理 价格预测 结果检测 存储介质 计算机 回归 申请
【权利要求书】:

1.一种价格预测模型的处理方法,其特征在于,所述方法包括:

获得样本数据;

对所述样本数据进行单位根检验,根据对所述样本数据的单位根检验的结果检测所述样本数据是否平稳;

当所述样本数据不平稳时,对所述样本数据进行对数后差分处理,获得差分数据;

对所述差分数据进行单位根检验,根据对所述差分数据的单位根检验的结果检测所述差分数据是否平稳;

当所述差分数据平稳时,根据所述样本数据获得所述样本数据的自相关图和偏自相关图;

根据所述自相关图和所述偏自相关图确定预测模型。

2.根据权利要求1所述的方法,其特征在于,所述根据所述自相关图和所述偏自相关图确定预测模型的步骤包括:

检测所述自相关图和所述偏自相关图的AC和PAC系数是否收敛于0;

当所述自相关图和所述偏自相关图的AC和PAC系数收敛于0时,则建立ARMA模型,确定所述预测模型为ARMA模型。

3.根据权利要求2所述的方法,其特征在于,所述根据所述自相关图和所述偏自相关图确定预测模型的步骤还包括:

当所述自相关图和所述偏自相关图的AC和PAC系数不收敛于0时,建立AR模型、MA模型和ARMA模型;

获取所述AR模型、所述MA模型和所述ARMA模型的AIC值;

对比所述AR模型、所述MA模型和所述ARMA模型的AIC值,以AIC值最小的模型为所述预测模型。

4.根据权利要求1所述的方法,其特征在于,所述获得样本数据的步骤包括:

获得一个预设时期内的价格数据,对所述价格数据进行去时间参数处理,得到样本数据。

5.根据权利要求1所述的方法,其特征在于,所述根据所述自相关图和所述偏自相关图确定预测模型的步骤之后还包括:

基于所述确定的预测模型对价格进行预测。

6.一种价格预测模型的处理装置,其特征在于,所述装置包括:

样本数据获得模块,用于获得样本数据;

第一单位根检验模块,用于对所述样本数据进行单位根检验,根据对所述样本数据的单位根检验的结果检测所述样本数据是否平稳;

对数差分处理模块,用于当所述样本数据不平稳时,对所述样本数据进行对数后差分处理,获得差分数据;

第二单位根检验模块,用于对所述差分数据进行单位根检验,根据对所述差分数据的单位根检验的结果检测所述差分数据是否平稳;

相关图获取模块,用于当所述差分数据平稳时,根据所述样本数据获得所述样本数据的自相关图和偏自相关图;

预测模型确定模块,用于根据所述自相关图和所述偏自相关图确定预测模型。

7.根据权利要求6所述的装置,其特征在于,所述预测模型确定模块包括:

收敛检测单元,用于检测所述自相关图和所述偏自相关图的AC和PAC系数是否收敛于0;

第一预测模型确定单元,用于当所述自相关图和所述偏自相关图的AC和PAC系数收敛于0时,则建立ARMA模型,确定所述预测模型为ARMA模型。

8.根据权利要求7所述的装置,其特征在于,所述预测模型确定模块还包括:

模型建立单元,用于当所述自相关图和所述偏自相关图的AC和PAC系数不收敛于0时,建立AR模型、MA模型和ARMA模型;

AIC值获取单元,用于获取所述AR模型、所述MA模型和所述ARMA模型的AIC值;

第二预测模型确定单元,用于对比所述AR模型、所述MA模型和所述ARMA模型的AIC值,以AIC值最小的模型为所述预测模型。

9.一种计算机,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东莞市大易产业链服务有限公司,未经东莞市大易产业链服务有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910897426.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top