[发明专利]训练收率预测模型的方法和装置

权利要求书

1.一种训练收率预测模型的方法，包括：

获得训练数据，所述训练数据包括多个第一指标的数据以及收率的数据，所述多个第一指标包括可控指标和不可控指标；

基于所述多个第一指标的数据，从所述不可控指标中确定与任意所述可控指标的相关性大于第一阈值的不可控指标作为第一类不可控指标，以及将其他不可控指标确定为第二类不可控指标，所述第一类不可控指标会随可控指标变化；

将所述可控指标的数据和所述第二类不可控指标的数据作为输入，将所述第一类不可控指标的数据和所述收率的数据作为输出，训练所述收率预测模型；

获得待调优的时间点的所述可控指标的数据和所述第二类不可控指标的数据；

通过经训练的所述收率预测模型，得到所述待调优的时间点的收率的预测数据；以及

调整输入的所述可控指标的数据，使得所述收率的预测数据达到最大值，将使所述收率的预测数据达到最大值的可控指标的数据确定为优化结果。

2.根据权利要求1所述的方法，其中，所述获得训练数据包括：

获得原始数据，所述原始数据包括多个第二指标的数据以及收率的数据；

确定所述多个第二指标中与收率的相关性高于第二阈值的第二指标作为第一指标；

生成包括多个第一指标的数据以及收率的数据的训练数据。

3.根据权利要求1所述的方法，其中，所述收率预测模型包括用于预测收率的神经网络模型，所述神经网络模型包括多个隐藏层，所述隐藏层包括全连接层、RNN层或者LSTM层中的至少一种。

4.一种训练收率预测模型的装置，包括：

第一获得模块，用于获得训练数据，所述训练数据包括多个第一指标的数据以及收率的数据，所述多个第一指标包括可控指标和不可控指标；

分类模块，用于基于所述多个第一指标的数据，从所述不可控指标中确定与任意所述可控指标的相关性大于第一阈值的不可控指标作为第一类不可控指标，以及将其他不可控指标确定为第二类不可控指标，所述第一类不可控指标会随可控指标变化；

训练模块，用于将所述可控指标的数据和所述第二类不可控指标的数据作为输入，将所述第一类不可控指标的数据和所述收率的数据作为输出，训练所述收率预测模型；

第二获得模块，用于获得待调优的时间点的所述可控指标的数据和所述第二类不可控指标的数据；

预测模块，用于通过经训练的所述收率预测模型，得到所述待调优的时间点的收率的预测数据；以及

调优模块，用于调整输入的所述可控指标的数据，使得所述收率的预测数据达到最大值，将使所述收率的预测数据达到最大值的可控指标的数据确定为优化结果。

5.根据权利要求4所述的装置，其中，所述第一获得模块包括：

获得子模块，用于获得原始数据，所述原始数据包括多个第二指标的数据以及收率的数据；

确定子模块，用于确定所述多个第二指标中与收率的相关性高于第二阈值的第二指标作为第一指标；

生成子模块，用于生成包括多个第一指标的数据以及收率的数据的训练数据。

6.根据权利要求4所述的装置，其中，所述收率预测模型包括用于预测收率的神经网络模型，所述神经网络模型包括多个隐藏层，所述隐藏层包括全连接层、RNN层或者LSTM层中的至少一种。