[发明专利]业务数据处理方法、装置和服务器

说明书

本申请实施例提供了一种业务数据处理方法、装置和服务器，其中，该方法包括：获取目标区域的历史业务数据；先从历史业务数据中提取出多种因子数据，并通过相关性分析，剔除相关性较高且贡献度较小的因子数据，筛选出多种效果较好的因子数据作为目标因子数据；再通过网格算法根据多种目标因子数据，构建多个因子数据组合；根据多个因子数据组合和历史业务数据，通过滚动训练，来建立多个预测模型；再从多个预测模型中确定出用于进行关于目标区域的目标数据的数据处理的目标模型。从而解决了现有方法存在的所建立的目标模型准确度低、稳定性差，使用时数据处理效果不理想的技术问题，达到能高效、准确地预测目标区域的目标数据的趋势变化技术效果。

技术领域

本申请涉及数据处理技术领域，特别涉及一种业务数据处理方法、装置和服务器。

背景技术

在许多业务场景中，常常需要利用一些已知的业务数据，来预测目标业务数据的变化趋势。例如，在外汇交易场景中，通常需要构建相应的预测模型，并利用该预测模型基于目标区域已知的一些经济数据去预测该区域的外汇牌价趋势。

但是，现有的业务数据处理方法具体实施时，往往存在所建立的预测模型稳定性差、准确度低，且使用时效果不理想的技术问题。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种业务数据处理方法、装置和服务器，以解决解决现有方法中存在的所建立的预测模型准确度低、稳定性差，使用时数据处理效果不理想的技术问题，达到能高效、准确地预测目标区域的目标数据的趋势变化技术效果。

本申请实施例提供了一种业务数据处理方法，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。

在一个实施例中，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。

在一个实施例中，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。

在一个实施例中，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；