[发明专利]一种选择指标数据的方法、装置、设备及存储介质

说明书

本发明公开了一种选择指标数据的方法、装置、设备及存储介质，所述方法包括：当接收到触发指令时，从预设金融平台获取目标金融产品在第一设定时间段内的行情时序数据，并从所述行情时序数据中提取出行情特征向量；从预设数据库获取预设的各个指标数据的历史表现数据，并从所述历史表现数据中提取出历史表现特征向量；将所述行情特征向量和所述历史表现特征向量输入到预设的指标评估模型中，以得到每个指标数据的估计值；按照估计值由大到小对所有指标数据进行排列，并将排在设定数量之前的指标数据发送至指定终端；本发明能够选择出可靠性更高的指标数据。

技术领域

本发明涉及数据分析技术领域，特别涉及一种选择指标数据的方法、装置、设备及存储介质。

背景技术

随着机器学习算法的不断发展，机器学习算法越来越多的被应用到各个领域以解决例如：数据预测、数据分类和数据聚类的问题；在使用机器学习算法时，需要将计算机作为运算设备，以通过计算机训练出模型并计算出结果；为了得到可靠性更高的模型，需要使用大量的样本数据进行模型训练；此外，为了得到准确性更高的结果，需要将多维度的特征向量输入到模型中。因此，当计算机作为运算设备需要处理的数据越来越多时，不仅会消耗大量的运算时间，也会占用大量的CPU资源，从而降低了训练模型和使用模型的效率。在金融投资领域，也会利用机器学习算法来确定出影响投资策略的指标数据，通过参考指标数据从而进行金融产品的投资。由于金融数据在短时间内会发生巨大的变化，若计算机的处理速度过慢而不能及时的确定出投资策略，则会直接影响到公司的收益。

发明内容

本发明的目的在于提供一种选择指标数据的方法、装置、设备及存储介质，不仅能选择出可靠性更高的指标数据，还能提高确定指标数据的效率。

根据本发明的一个方面，提供了一种选择指标数据的方法，所述方法包括：

当接收到触发指令时，从预设金融平台获取目标金融产品在第一设定时间段内的行情时序数据，并从所述行情时序数据中提取出行情特征向量；

从预设数据库获取预设的各个指标数据的历史表现数据，并从所述历史表现数据中提取出历史表现特征向量；

将所述行情特征向量和所述历史表现特征向量输入到预设的指标评估模型中，以得到每个指标数据的估计值；其中，所述指标评估模型是以所述目标金融产品在第二设定时间段内的收益率为目标训练得到的；

按照估计值由大到小对所有指标数据进行排列，并将排在设定数量之前的指标数据发送至指定终端。

可选的，所述从预设金融平台获取目标金融产品在第一设定时间段内的行情时序数据，具体包括：

从预设金融平台获取所述目标金融产品在当前时间点之前的各个交易日的日行情数据；

对每个日行情数据进行升维处理以及标准化处理；

将所述第一设定时间段内的日行情数据形成行情时序数据。

可选的，所述从所述行情时序数据中提取出行情特征向量，具体包括：

利用预设的卷积神经网络模型根据所述行情时序数据确定出与时间无关的全局特征向量；

对所述行情时序数据进行短时傅里叶变换以得到行情时频谱图，并对所述行情时频谱图进行局部特征提取以得到局部特征向量；

利用注意力机制，通过所述全局特征向量确定所述局部特征向量的重要度，以得到与所述局部特征向量对应的时频谱图局部特征向量；

将所述全局特征向量与所述时频谱图局部特征向量进行融合以得到行情特征向量。

可选的，一个指标数据的历史表现数据包括：滚动累计收益率、最大回撤、和夏普率；

所述从所述历史表现数据中提取出历史表现特征向量，具体包括：