[发明专利]一种业务发生量的预测方法、装置及设备

说明书

本说明书实施例公开了一种业务发生量的预测方法、装置及设备，该方法包括：将预定时间段之前的历史业务数据进行离散化处理，得到时间颗粒度的业务发生量向量，另外，可以根据历史业务数据中连续时间的业务发生量，生成业务发生量分布特征向量，最终，可以根据时间颗粒度的业务发生量向量和业务发生量分布特征向量确定预定时间段内的业务发生量。

技术领域

本说明书涉及计算机技术领域，尤其涉及一种业务发生量的预测方法、装置及设备。

背景技术

随着网络技术和终端技术的不断发展，电子商务在人们日常生活中越来越重要，例如，人们可以通过网络支付在购物网站中购买各种商品等。不仅如此，线上海外购和线下当面付等业务也得到了迅猛发展，这样，支付应用(如支付宝等)需要支持商户、买家之间以不同的货币进行支付与收款。这样，支付应用就需要结算相应国家的货币给相应的商家，因此，支付应用存在大量的换汇需求。

通常，支付应用需要在每个工作日购买一定数量的外汇以应对业务需求，为了尽量减少汇率波动对支付应用的影响，支付应用会在工作日当天与交易对手锁定当天的购汇金额。在实际应用中，可以通过时间序列算法，具体如移动平均法、滑动平均值、ARIMA(Autoregressive Integrated Moving Average Model，自回归积分滑动平均模型)或者Holt-Winters等给出预定时间段的发展趋势，但是，上述时间序列算法对时间序列趋势的一致性要求较高，如果最近的业务发展趋势有异常，则根据上述算法得出的预测结果很有可能也是异常的，造成预测值偏差较大，这样，就需要提供一种能够准确实时预测业务发生量，且能够减少业务风险以及提高资金利用效率的方案。

发明内容

本说明书实施例的目的是提供一种业务发生量的预测方法、装置及设备，以提供一种能够准确实时预测业务发生量，同时，能够减少业务风险以及提高资金利用效率的方案。

为实现上述技术方案，本说明书实施例是这样实现的：

本说明书实施例提供的一种业务发生量的预测方法，所述方法包括：

将预定时间段之前的历史业务数据进行离散化处理，得到时间颗粒度的业务发生量向量，以及根据所述历史业务数据中连续时间的业务发生量，生成业务发生量分布特征向量；

根据所述时间颗粒度的业务发生量向量和所述业务发生量分布特征向量，确定所述预定时间段内的业务发生量。

可选地，所述历史业务数据包括距离所述预定时间段最近的第一时间段的第一历史业务数据和除所述第一历史业务数据外的第二历史业务数据，

所述根据所述时间颗粒度的业务发生量向量和所述历史业务数据中连续时间的业务发生量，生成业务发生量分布特征向量，包括：

根据所述第一历史业务数据中连续时间的业务发生量，生成业务发生量分布的第一特征向量；

根据所述第二历史业务数据中连续时间的业务发生量，生成业务发生量分布的第二特征向量。

可选地，所述根据所述时间颗粒度的业务发生量向量和所述业务发生量分布特征向量，确定所述预定时间段内的业务发生量之前，所述方法还包括：

确定所述第一特征向量和所述第二特征向量之间的相似度；

根据所述第一特征向量和所述第二特征向量之间的相似度，确定所述第二特征向量的权重。

可选地，所述确定所述第一特征向量和所述第二特征向量之间的相似度，包括：

通过以下任一种方法确定所述第一特征向量和所述第二特征向量之间的相似度：欧式距离、向量的夹角余弦值，以及向量的差的绝对值。

可选地，所述根据所述时间颗粒度的业务发生量向量和所述业务发生量分布特征向量，确定所述预定时间段内的业务发生量，包括：