[发明专利]业务数据处理方法、装置和服务器

权利要求书

1.一种业务数据处理方法，其特征在于，包括：

获取目标区域的历史业务数据，其中，所述历史业务数据包括目标区域在预设的历史时间段的多种因子数据和目标数据；

从所述历史业务数据中提取出多种因子数据，并通过相关性分析，从所述多种因子数据中筛选出多种目标因子数据；

通过网格算法根据所述多种目标因子数据，构建多个因子数据组合；

根据所述多个因子数据组合和所述历史业务数据，通过滚动训练，建立多个预测模型；

通过模型测评，从所述多个预测模型中确定出预测效果符合预设要求的预测模型作为目标模型，其中，所述目标模型用于进行关于目标区域的目标数据的数据处理。

2.根据权利要求1所述的方法，其特征在于，所述通过相关性分析，从所述多种因子数据中筛选出多种目标因子数据，包括：

根据所述历史业务数据，确定所述多种因子数据中的各种因子数据分别与所述目标数据的变化趋势；

筛选出变化趋势的相似度大于预设的相似度阈值的多种因子数据作为待定因子数据组；

根据所述历史业务数据，分别确定所述待定因子数据组中的因子数据对目标数据的贡献度；

根据所述贡献度，保留所述待定因子数据组中贡献度最大的因子数据作为目标因子数据。

3.根据权利要求1所述的方法，其特征在于，所述通过网格算法根据所述多种目标因子数据，构建多个因子数据组合，包括：

获取并根据参考区域的业务数据，确定适用的因子数据组合中所包含的因子数据的数量；

根据所述适用的因子数据组合中所包含的因子数据的数量，通过网格算法，从多种目标因子数据中抽取相应数量的因子数据，以构建多个因子数据组合。

4.根据权利要求1所述的方法，其特征在于，所述根据所述多个因子数据组合和所述历史业务数据，通过滚动训练，建立多个预测模型，包括：

确定多种匹配的算法模型；

根据所述多种匹配的算法模型和所述多个因子数据组合，构建多个初始模型；

根据历史业务数据，对所述多个初始模型进行滚动训练，以建立多个预测模型。

5.根据权利要求4所述的方法，其特征在于，所述根据历史业务数据，对所述多个初始模型进行滚动训练，包括：

按照以下方式对所述多个初始模型中的当前初始模型进行滚动训练：

从所述历史业务数据中提取出与当前初始模型所使用的因子数据组合对应的因子数据作为模型训练数据；

按照预设的时间间隔，将所述模型训练数据分成多个时间段的训练数据；

根据预设的训练规则，利用所述多个时间段的训练数据，对所述当前初始模型进行多轮次的滚动训练，以得到对应的预测模型。

6.根据权利要求4所述的方法，其特征在于，所述根据历史业务数据，对所述多个初始模型进行滚动训练，还包括：

根据预设的分配规则，将所述多个初始模型分配给分布式系统中的多个节点服务器；

控制所述多个节点服务器根据所述历史业务数据并行对所分配的初始模型进行滚动训练。

7.根据权利要求1所述的方法，其特征在于，在通过模型测评，从所述多个预测模型中确定出预测效果符合预设要求的预测模型作为目标模型后，所述方法还包括：

根据所述目标模型，确定出目标模型所使用的因子数据组合作为目标因子数据组合；

获取目标区域的待处理的业务数据，并从所述目标区域的待处理的业务数据中提取得到与所述目标因子数据组合对应的因子数据，作为输入数据；

调用所述目标模型根据所述输入数据进行数据处理，以确定出目标区域的目标数据的预测结果。

8.根据权利要求1所述的方法，其特征在于，在外汇交易的业务场景中，所述目标数据包括目标区域的外汇牌价，所述历史业务数据包括目标区域的历史经济数据。