[发明专利]一种市场价格走势预测方法在审

专利信息
申请号: 201811601887.4 申请日: 2018-12-26
公开(公告)号: CN109493150A 公开(公告)日: 2019-03-19
发明(设计)人: 李泽琦;李泽瑄 申请(专利权)人: 合肥优控科技有限公司
主分类号: G06Q30/02 分类号: G06Q30/02
代理公司: 合肥汇融专利代理有限公司 34141 代理人: 李帆
地址: 230601 安徽省合肥市经济技术开发区青龙*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 分类器 市场价格 数据块 预测 走势 分类器输出 价格走势 实时预测 增量学习 增量训练 综合考虑 准确度 初始化 融合 权重 集合 修正 输出
【说明书】:

发明公开了一种市场价格走势预测方法,包括以下步骤:初始化、对上一个数据块进行标记、在上一个数据块上训练新分类器、用上一个数据块增量训练已有分类器、求取分类器权重、对所有分类器输出融合得到最终预测、修正分类器集合、输出新的价格走势预测。本发明具有以下有益效果:1)综合考虑多种因素对市场价格走势进行实时预测,2)采用多种分类器进行融合具有较高的准确度与较强的稳定性,3)利用增量学习提高了所有分类器的适应性。

技术领域

本发明涉及数据分析领域,特别是涉及一种市场价格走势预测方法。

背景技术

经营者搞好市场行情的调查,可以为商品生产者和经营者提供决策依据,加强生产和经营的计划性;并为他们开展业务提供及时的、有效的信息,增强他们经营的灵活性和主动性,最终提高经济效益。为了在瞬息万变的市场环境中取得主动地位,必须实现实时的市场价格走势预测。而这项工作往往需要由计算机对大量的历史数据进行分析而实现。

文献[1]提出了一种基于变分模态分解、季节性差分自回归滑动平均模型和果蝇优化最小二乘支持向量机的混合模型。该方法利用变分模态分解方法将国际原油价格序列分解成一系列模态分量,然后针对周期性和非线性特征分量分别建立季节性差分自回归滑动平均模型和果蝇优化最小二乘支持向量机模型进行预测,最后将各分量的预测值求和作为最终的预测结果。这种方法目的是基于过去的价格时间序列预测未来的价格,输入的信息十分单一,只能应用于市场价格有固定规律的场景,而严格来说这种场景是较少的。

文献[2]提出了一种基于自适应遗传算法优化的BP神经网络股票价格预测方法。文献中,针对BP神经网络初始权值随机、遗传算法易陷入局部优化等问题,给出了一种基于自适应遗传算法优化的BP神经网络股票价格预测模型。该模型通过自适应遗传算法对BP神经网络初始权值进行优化,从而对股票价格进行预测分析。与文献[1]一样,其本质上也是一种时间序列预测。类似的还可见于文献[3]与文献[4]。

文献[5]公开了一种电力市场价格预测系统,综合考虑了电力需求、拥挤程度等信息进行电力市场价格的预测。但是,文中却没有涉及具体的预测方法。

文献[6]公开了一种电煤价格预测方法,所述预测方法包括以下步骤:输入电煤价格预测的选取指标并对各输入指标进行数据预处理,利用狼群算法对最小二乘支持向量机模型的参数进行优化,构建基于狼群算法和最小二乘支持向量机模型的电煤价格预测模型。为了提升最小二乘支持向量机性能,文献选用狼群算法对最小二乘支持向量机的参数进行寻优。但是,文献中公开的方法本质上只能用于静态环境,在变幻莫测的市场中往往会性能下降。

文献[7]公开了一种药材价格预测方法,包括如下步骤:药材价格数据准备、药材价格影响因素分析、建立小波神经网络预测模型、得出价格预测结果。本发明的有益效果是:预测效果很好,精度较高;同时,移植性较高,只需分析不同品种价格及其影响因素,均可进行检验和预测。文献考虑了面积、年产量、炒作因素、降水量、农业生产资料价格指数和农产品生产者价格指数等影响因素,因此相较于文献[1-4]有较高的预测能力。但是其本质上与文献[6]类似,仅适用于静态环境。

由于市场是动态变化的,所以对市场价格走势的预测模型必须能够适应这种变化,也就是说,该模型需要根据新进的历史数据调整模型参数。然而,现有的方法并不具备这种自适应的特性。

参考文献:

1、张金良,李德智,谭忠富.基于混合模型的国际原油价格预测研究[J/OL].北京理工大学学报(社会科学版),2019(01):1-6[2018-12-20].

2、郝继升,任浩然,井文红.基于自适应遗传算法优化的BP神经网络股票价格预测[J/OL].河南科学,2017(02):190-195[2018-12-20].

3、韩兴国,张蕾.基于ARIMA模型对氧化钕价格的预测分析[J].铸造技术,2018,39(10):2354-2359.

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于合肥优控科技有限公司,未经合肥优控科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811601887.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top