[发明专利]生成行业基本面组合预测模型的方法和装置

权利要求书

1.一种生成行业基本面组合预测模型的方法，其特征在于，包括以下步骤：

获取与目标行业的基本面相关的历史数据，所述历史数据包括所述目标行业的历史基本面数据、所述目标行业的上游和/或下游的历史基本面数据、以及宏观信息数据；

对所述历史数据进行预处理；

选择经预处理的历史数据的至少一部分作为训练数据集，并且选择所述经预处理的历史数据的至少一部分作为验证数据集，其中，所述训练数据集至少部分地不同于所述验证数据集；

利用所述训练数据集来训练多个机器学习模型；

利用所述验证数据集来评估所述多个机器学习模型的预测效果；

根据所述预测效果来确定所述多个机器学习模型作为组合预测模型时所对应的权重。

2.如权利要求1所述的方法，其特征在于，还包括：使用滚动时间窗口的方式来更新经预处理的历史数据，并且将经更新的所述目标行业的上游和/或下游的历史基本面数据、以及宏观信息数据输入到所述组合预测模型，以对未来预定时间段的目标行业的基本面进行预测。

3.如权利要求1所述的方法，其特征在于，对所述历史数据进行预处理包括以下各项中的一项或多项：

数据填充；

数据补齐；

数据标准化。

4.如权利要求1所述的方法，其特征在于，还包括：选择所述经预处理的历史数据的至少一部分作为调参数据集，所述调参数据集至少部分地不同于所述训练数据集。

5.如权利要求4所述的方法，其特征在于，还包括：在利用所述训练数据集进行训练之后并在利用所述验证数据集进行评估之前，利用所述调参数据集对所述多个机器学习模型中的至少一个机器学习模型的模型参数进行调整。

6.如权利要求1所述的方法，其特征在于，所述多个机器学习模型包括以下各项中的一项或多项：

随机森林模型；

长短期记忆模型；

多元线性回归模型。

7.如权利要求1或5所述的方法，其特征在于，根据所述预测效果来确定所述多个机器学习模型作为组合预测模型时所对应的权重包括：根据预定准则来选择所述多个机器学习模型中的两个或多个机器学习模型作为所述组合预测模型，并确定所述两个或多个机器学习模型作为所述组合预测模型时所对应的权重。

8.如权利要求1所述的方法，其特征在于，所述组合预测模型为线性融合模型。

9.如权利要求8所述的方法，其特征在于，所述多个机器学习模型作为所述线性融合模型时所对应的权重通过线性回归来确定。

10.一种有形的计算机可读存储介质，该介质包括指令，该指令在被执行时引起计算设备至少用于：

获取与目标行业的基本面相关的历史数据，所述历史数据包括所述目标行业的历史基本面数据、所述目标行业的上游和/或下游的历史基本面数据、以及宏观信息数据；

对所述历史数据进行预处理；

选择经预处理的历史数据的至少一部分作为训练数据集，并且选择所述经预处理的历史数据的至少一部分作为验证数据集，其中，所述训练数据集至少部分地不同于所述验证数据集；

利用所述训练数据集来训练多个机器学习模型；

利用所述验证数据集来评估所述多个机器学习模型的预测效果；

根据所述预测效果来确定所述多个机器学习模型作为组合预测模型时所对应的权重。

11.如权利要求10所述的计算机可读存储介质，其特征在于，该指令在被执行时引起所述计算设备使用滚动时间窗口的方式来更新与目标行业的基本面相关的历史数据，并且将经更新的所述目标行业的上游和/或下游的历史基本面数据、以及宏观信息数据输入到所述组合预测模型，以对未来预定时间段的目标行业的基本面进行预测。

12.如权利要求10所述的计算机可读存储介质，其特征在于，对所述历史数据进行预处理包括以下各项中的一项或多项：

数据填充；

数据补齐；

数据标准化。

13.如权利要求10所述的计算机可读存储介质，其特征在于，该指令在被执行时引起所述计算设备选择所述经预处理的历史数据的至少一部分作为调参数据集，所述调参数据集至少部分地不同于所述训练数据集。