[发明专利]时间序列模型建立方法及装置

权利要求书

1.一种时间序列模型建立方法，其特征在于，应用于银行的电子设备，用于对所述银行的资产负债进行预测，所述方法包括：

获取所述银行的历史数据序列；

判断历史数据序列是否满足预设条件；

当所述历史数据序列满足预设条件时，对所述历史数据序列进行多次模型拟合，得到最终模型群；

对所述最终模型群进行筛选，得到最终模型；

根据所述最终模型，得到所述银行的预测数据序列。

2.如权利要求1所述的方法，其特征在于，所述判断历史数据序列是否满足预设条件的步骤，还包括：

对所述历史数据序列进行白噪声检验，以判断所述历史数据序列是否为纯随机序列；

当所述历史数据序列不是纯随机序列时，对所述历史数据序列进行平稳性检验，以判断所述历史数据序列是否为平稳序列；

当所述历史数据序列不是平稳序列时，对所述历史数据序列进行定阶差分，以得到平稳序列；

当所述历史数据序列是平稳序列时，判定所述历史数据序列满足预设条件。

3.如权利要求1所述的方法，其特征在于，所述对历史数据序列进行多次模型拟合，得到最终模型群的步骤，包括：

对所述历史数据序列进行多次模型拟合，建立多个模型，构成一个中间模型群；

获取所述中间模型群中每个模型的残差；

对所述中间模型群中每个模型的残差进行残差检验，若残差为白噪声则保留该模型，若残差非白噪声则剔除该模型，以得到最终模型群。

4.如权利要求1所述的方法，其特征在于，所述对最终模型群进行筛选，得到最终模型的步骤，包括：

计算最终模型群中每个模型的aicc值；

获取aicc值最小的模型，并将该模型作为备选模型；

对所述备选模型进行t检验，以判断所述备选模型的自回归系数是否具有显著性；

当所述自回归系数具有显著性时，设置所述备选模型为所述最终模型；

当所述自回归系数不具有显著性时，对所述备选模型进行疏系数分析，以得到所述最终模型。

5.如权利要求4所述的方法，其特征在于，所述对备选模型进行疏系数分析，以得到所述最终模型的步骤，包括：

根据所述备选模型，建立疏系数模型；

获取所述疏系数模型的aicc值；

当所述备选模型的aicc值小于所述疏系数模型的aicc值时，设置所述备选模型为最终模型；

当所述疏系数模型的aicc值小于所述备选模型的aicc值时，设置所述疏系数模型为最终模型。

6.如权利要求1所述的方法，其特征在于，所述根据最终模型，得到所述银行的预测数据序列的步骤，包括：

利用所述最终模型，输出所述银行的预测数据序列；

利用Bonferroni算法，检测所述历史数据序列和所述预测数据序列中的异常值。

7.一种时间序列模型建立装置，其特征在于，应用于银行的电子设备，用于对所述银行的资产负债进行预测，所述装置包括：

历史数据序列获取模块，用于获取所述银行的历史数据序列；

判断模块，用于判断历史数据序列是否满足预设条件；

最终模型群获得模块，用于当所述历史数据序列满足预设条件时，对所述历史数据序列进行多次模型拟合，得到最终模型群；

最终模型获得模块，用于对所述最终模型群进行筛选，得到最终模型；

预测数据序列获得模块，用于根据所述最终模型，得到所述银行的预测数据序列。

8.如权利要求7所述的装置，其特征在于，所述判断模块包括：

白噪声检验单元，用于对所述历史数据序列进行白噪声检验，以判断所述历史数据序列是否为纯随机序列；

平稳性检验单元，用于当所述历史数据序列不是纯随机序列时，对所述历史数据序列进行平稳性检验，以判断所述历史数据序列是否为平稳序列；

定阶差分单元，用于当所述历史数据序列不是平稳序列时，对所述历史数据序列进行定阶差分，以得到平稳序列；

判定单元，当所述历史数据序列是平稳序列时，判定所述历史数据序列满足预设条件。