【技術實現步驟摘要】
本申請涉及數據處理，尤其涉及一種金融時間序列預測方法及相關裝置。
技術介紹
1、隨著全球金融市場的不斷發展，市場波動性日益加劇，如何準確預測金融市場的走勢成為金融領域的重要課題。目前，多通過金融時間序列預測的方式實現對金融市場的走勢預測。金融時間序列預測是根據金融數據的歷史規律以及變化趨勢，對未來金融數據的發展狀況做出合理的推測。
2、隨著大數據和人工智能技術的發展，金融數據來源日益多樣化，不同來源的金融數據在時間、空間、尺度上存在差異，有效利用這些異構的金融數據對金融時間序列預測結果的準確性和穩定性具有重要意義。但是，現有的金融時間序列預測方案無法有效利用異構的金融數據，導致金融時間序列預測結果的準確性和穩定性較差。
3、因此，如何提供一種金融時間序列預測方法，以實現有效利用異構的金融數據，進而提升金融時間序列預測結果的準確性和穩定性，成為本領域技術人員亟待解決的技術問題。
技術實現思路
1、鑒于上述問題，本申請提供了一種金融時間序列預測方法及相關裝置，以實現有效利用異構的金融數據，進而提升金融時間序列預測結果的準確性和穩定性的目的。具體方案如下：
2、本申請第一方面提供一種金融時間序列預測方法，包括：
3、獲取原始金融數據，所述原始金融數據包括待預測金融時間序列的歷史數據以及所述待預測金融時間序列的相關參考數據；
4、對所述原始金融數據進行預處理，得到預處理后的金融數據；
5、對所述預處理后的金融數據進行特
6、將所述多維金融數據特征輸入訓練好的金融時間序列預測模型，得到所述待預測金融時間序列的預測結果，所述金融時間序列預測模型是由多層嵌入雙向長短期記憶網絡模型和大模型集成得到的。
7、在一種可能的實現中，所述對所述原始金融數據進行預處理，包括：
8、對原始金融數據的頻率進行統一、對原始金融數據的量綱進行統一、對原始金融數據的異常值進行處理以及對原始金融數據的缺失值進行處理中的至少一種。
9、在一種可能的實現中，所述對所述預處理后的金融數據進行特征提取及維度統一，得到多維金融數據特征，包括：
10、將各個預處理后的金融數據輸入特征提取模型，得到的多個金融數據特征，所述多個金融數據特征包括但不限于基本的統計特征、周期性特征、市場情緒特征和空間特征；
11、將所述多個金融數據特征降維至預設維度，得到多維金融數據特征。
12、在一種可能的實現中，所述將所述多維金融數據特征輸入訓練好的金融時間序列預測模型，得到所述待預測金融時間序列的預測結果，包括：
13、將所述多維金融數據特征輸入所述多層嵌入雙向長短期記憶網絡，得到第一金融數據特征；
14、將所述多維金融數據特征輸入所述大模型，得到第二金融數據特征；
15、將所述第一金融數據特征和所述第二金融數據特征進行融合，得到融合后的金融數據特征；
16、利用所述融合后的金融數據特征，得到所述待預測金融時間序列的預測結果。
17、在一種可能的實現中，所述利用所述融合后的金融數據特征，得到所述待預測金融時間序列的預測結果，包括：
18、將所述融合后的金融數據特征輸入所述多層嵌入雙向長短期記憶網絡，得到所述待預測金融時間序列的第一預測結果；
19、將所述融合后的金融數據特征輸入所述大模型，得到所述待預測金融時間序列的第二預測結果；
20、將所述待預測金融時間序列的第一預測結果和所述待預測金融時間序列的第二預測結果進行融合，得到所述待預測金融時間序列的預測結果。
21、在一種可能的實現中，所述金融時間序列預測模型的訓練過程，包括：
22、構建金融數據特征樣本集合，所述金融數據特征樣本集合中包含多個金融數據特征樣本；每個金融數據特征樣本對應一個金融時間序列樣本及相關參考數據樣本；
23、利用所述金融數據特征樣本集合對所述金融時間序列預測模型進行訓練、驗證與優化，得到訓練好的金融時間序列預測模型。
24、本申請第二方面提供一種金融時間序列預測裝置，包括：
25、獲取單元，用于獲取原始金融數據，所述原始金融數據包括待預測金融時間序列的歷史數據以及所述待預測金融時間序列的相關參考數據；
26、預處理單元，用于對所述原始金融數據進行預處理，得到預處理后的金融數據；
27、特征處理單元，用于對所述預處理后的金融數據進行特征提取及維度統一，得到多維金融數據特征；
28、預測單元，用于將所述多維金融數據特征輸入訓練好的金融時間序列預測模型，得到所述待預測金融時間序列的預測結果，所述金融時間序列預測模型是由多層嵌入雙向長短期記憶網絡模型和大模型集成得到的。
29、在一種可能的實現中，所述預處理單元，具體用于：
30、對原始金融數據的頻率進行統一、對原始金融數據的量綱進行統一、對原始金融數據的異常值進行處理以及對原始金融數據的缺失值進行處理中的至少一種。
31、在一種可能的實現中，所述特征處理單元，具體用于：
32、將各個預處理后的金融數據輸入特征提取模型，得到的多個金融數據特征，所述多個金融數據特征包括但不限于基本的統計特征、周期性特征、市場情緒特征和空間特征；
33、將所述多個金融數據特征降維至預設維度，得到多維金融數據特征。
34、在一種可能的實現中，所述預測單元，包括：
35、第一金融數據特征確定單元，用于將所述多維金融數據特征輸入所述多層嵌入雙向長短期記憶網絡，得到第一金融數據特征；
36、第二金融數據特征確定單元，用于將所述多維金融數據特征輸入所述大模型，得到第二金融數據特征；
37、特征融合單元，用于將所述第一金融數據特征和所述第二金融數據特征進行融合，得到融合后的金融數據特征；
38、預測結果確定單元，用于利用所述融合后的金融數據特征，得到所述待預測金融時間序列的預測結果。
39、在一種可能的實現中，所述預測結果確定單元，具體用于：
40、將所述融合后的金融數據特征輸入所述多層嵌入雙向長短期記憶網絡，得到所述待預測金融時間序列的第一預測結果；
41、將所述融合后的金融數據特征輸入所述大模型，得到所述待預測金融時間序列的第二預測結果；
42、將所述待預測金融時間序列的第一預測結果和所述待預測金融時間序列的第二預測結果進行融合，得到所述待預測金融時間序列的預測結果。
43、在一種可能的實現中，所述裝置還包括：金融時間序列預測模型訓練單元，所述金融時間序列預測模型訓練單元，具體用于：
44、構建金融數據特征樣本集合，所述金融數據特征樣本集合中包含多個金融數據特征樣本；每個金融數據特征樣本對應一個金融時間序列樣本及相關參本文檔來自技高網...
【技術保護點】
1.一種金融時間序列預測方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述對所述原始金融數據進行預處理，包括：
3.根據權利要求1或2所述的方法，其特征在于，所述對所述預處理后的金融數據進行特征提取及維度統一，得到多維金融數據特征，包括：
4.根據權利要求1所述的方法，其特征在于，所述將所述多維金融數據特征輸入訓練好的金融時間序列預測模型，得到所述待預測金融時間序列的預測結果，包括：
5.根據權利要求4所述的方法，其特征在于，所述利用所述融合后的金融數據特征，得到所述待預測金融時間序列的預測結果，包括：
6.根據權利要求4所述的方法，其特征在于，所述金融時間序列預測模型的訓練過程，包括：
7.一種金融時間序列預測裝置，其特征在于，包括：
8.一種計算機程序產品，其特征在于，包括計算機可讀指令，當所述計算機可讀指令在電子設備上運行時，使得所述電子設備實現如權利要求1至6中任意一項所述的金融時間序列預測方法。
9.一種電子設備，其特征在于，包括至少一個處理器和與所述處
10.一種計算機可讀存儲介質，其特征在于，所述存儲介質承載有一個或多個計算機程序，當所述一個或多個計算機程序被電子設備執行時，能夠使所述電子設備實現如權利要求1至6中任意一項所述的金融時間序列預測方法。
...【技術特征摘要】
1.一種金融時間序列預測方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述對所述原始金融數據進行預處理，包括：
3.根據權利要求1或2所述的方法，其特征在于，所述對所述預處理后的金融數據進行特征提取及維度統一，得到多維金融數據特征，包括：
4.根據權利要求1所述的方法，其特征在于，所述將所述多維金融數據特征輸入訓練好的金融時間序列預測模型，得到所述待預測金融時間序列的預測結果，包括：
5.根據權利要求4所述的方法，其特征在于，所述利用所述融合后的金融數據特征，得到所述待預測金融時間序列的預測結果，包括：
6.根據權利要求4所述的方...
【專利技術屬性】
技術研發人員：朱家玲，倪佳偉，張偉，
申請(專利權)人：合肥訊飛數碼科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。