[发明专利]一种预测方法及装置

说明书

技术领域

本发明涉及计算机领域，尤其涉及一种预测方法及装置。

背景技术

随着经济的发展,股市是投资理财的重要市场,由于投资需求的短期波动,以及股市的高波动性、非线性关系,股市预测成为一项具有挑战性的任务。一些研究人员发现，许多标准经济计量模型无法产生比随机漫步模型更好的预测结果，这鼓励研究人员去开发更可预见的模型去预测股市。

在股市预测领域内，最早期的模型依赖于传统的统计方法，比如时间序列模型与多变量分析，在这些方法中，股票走势被建模成一种时间序列的函数并作为一个回归问题来解决。然而，由于股价的混沌性质，股价是很难去预测的。此外，在传统的统计方法中，使用了一些关于变量的假设，这可能不适合不遵循统计分布的数据集。

最近的研究表明，计算智能方法能够很好地模拟不稳定的股市并且可以产生比传统统计方法更好的预测结果。在各种计算智能方法中，人工神经网络(Artificial Neural Networks，ANNs)是比较好的一种，因为ANNs特别适用于在以复杂的、嘈杂的或者部分信息为特征的环境中找到准确的解决方案，可以映射任何没有关于数据先验假设的非线性函数。然而，该方法是黑盒方法，从黑盒方法中挖掘出来的规则是不容易理解的。

除了传统的统计方法和计算智能方法，技术分析方法是一种流行的被投资者用来做投资决定的方法，许多研究人员一直专注于利用技术分析来提高投资回报。技术分析方法中，股价和股票量是决定未来发展方向的两个最相关的因素，技术指标来自基于股价和股票量的数学公式，该数学公式可以应用于预测价格波动，为投资者提供数据，使投资者能够决定买入或者卖出股票的时机。但该技术分析方法基于个人经验，可能导致错误判断市场，导致经济损失。

发明内容

本发明实施例提供了一种预测方法及装置，解决了现有技术中的预测精准度不高的问题。

一方面，提供了一种预测方法，所述方法包括：根据获取的历史技术指标，训练Cox比例风险模型，获取上涨模型和下降模型、协变量；根据所述协变量，确定风险函数；并根据所述风险函数，确定累积风险函数；根据所述累积风险函数，以及当前时间、上一次上涨的时间、上一次下降的时间所构成的当前技术指标，上涨模型，下降模型，计算未来上涨的概率以及下降的概率，并根据所述未来上涨的概率以及下降的概率进行交易。

优选地，所述技术指标具体包括：累积变化率，平均收益率，累积流动率，平均流动率，随机K％，随机D％，随机J％，相对强弱指标，心理线指标。

优选地，所述根据所述协变量，确定风险函数；并根据所述风险函数，确定累积风险函数具体包括：利用公式λ(t|X(t))＝λ₀(t)g(X(t))＝λ₀(t)g(x₁(t),…,x_p(t))，计算风险函数，其中，λ₀(t)表示风险是如何随时间变化的，g(X(t))表示协变量的影响；利用表示计算化简后的风险函数，其中，B＝(b₁,···,b_p)表示协变量的系数；利用公式和S(t|X(t))＝exp(-Λ(t|X(t)))确定累积风险函数。

优选地，所述根据所述累积风险函数，以及当前时间、上一次上涨的时间、上一次下降的时间所构成的当前技术指标，上涨模型，下降模型，计算未来上涨的概率以及下降的概率，并根据所述未来上涨的概率以及下降的概率进行交易具体包括：利用计算未来上涨的概率；利用计算未来下降的概率；如果P_α(Tc-T_α)-P_β(Tc-T_β)≥θ就以开盘价买入；如果P_α(Tc-T_α)-P_β(Tc-T_β)≤θ就以收盘价卖出；其中，P_α为Tc-T_α时间段上涨的概率，P_β为Tc-T_α时间段下降的概率，T_α为上一次上涨的时间，T_β为上一次下降的时间，θ为阈值。