[发明专利]一种数据处理方法、装置、设备及可读存储介质

说明书

本发明公开了一种数据处理方法、装置、设备及可读存储介质，该方法包括：当接收到针对目标指标的数据处理指令时，获取在初始时间点之前与所述目标指标关联的历史数据以及所述目标指标在所述初始时间点的初始指标值；根据所述历史数据，利用预设预测模型计算出所述目标指标在目标时间段内指标值的涨跌幅的均值和标准差；根据所述初始指标值、均值和标准差，利用预设期望算法计算出所述目标时间段内每个时间点的期望指标值；在当前时间点到达所述目标时间段内的目标时间点后，根据所述目标时间点的真实指标值和所述目标时间点的期望指标值，利用最优停止算法判断所述目标时间点的真实指标值是否为所述目标指标在未来时间段的估算极值。

技术领域

本发明涉及数据处理技术领域，特别涉及一种数据处理方法、装置、设备及可读存储介质。

背景技术

时间序列是目标统计指标的指标值按其发生的时间先后顺序排序而成的数列；时间序列是经常被使用的研究对象，单个时间序列上的高低点信息具有重要含义，例如，河流水位的最高最低点、气温的最高最低点、商品价格的最高最低点等等；通常，在进行数据回溯时很容易判断出过去一段时间内的最高点和最低点，但是在实际的应用场景中，往往需要判断当前时间点的指标值是否为未来一段时间内的最高点或最低点；但是，由于未来信息具有不确定性，依靠现有技术，很难进行判断。

发明内容

本发明的目的在于提供一种数据处理方法、装置、设备及可读存储介质，提供了一种基于机器学习算法和动态最优停止算法的在时间序列上选择高低点的技术方案，能够判断当前时间点的指标值是否为目标指标在未来时间段的极值。

根据本发明的一个方面，提供了一种数据处理方法，所述方法包括：

当接收到针对目标指标的数据处理指令时，获取在初始时间点之前与所述目标指标关联的历史数据以及所述目标指标在所述初始时间点的初始指标值；

根据所述历史数据，利用预设预测模型计算出所述目标指标在目标时间段内指标值的涨跌幅的均值和标准差；其中，所述目标时间段是以所述初始时间点开始的时间段，且所述目标时间段被单位时间划分出多个时间点；

根据所述初始指标值、均值和标准差，利用预设期望算法计算出所述目标时间段内每个时间点的期望指标值；其中，一个时间点的期望指标值用于表征在所述时间点之后期望出现的所述目标指标的指标极值；

在当前时间点到达所述目标时间段内的目标时间点后，根据所述目标时间点的真实指标值和所述目标时间点的期望指标值，利用最优停止算法判断所述目标时间点的真实指标值是否为所述目标指标在未来时间段的估算极值；其中，所述未来时间段为所述目标时间段中位于所述目标时间点之后的时间范围。

可选的，所述根据所述历史数据，利用预设预测模型计算出所述目标指标在目标时间段内指标值的涨跌幅的均值和标准差，具体包括：

从所述历史数据中提取出预设特征参数，并将提取出的特征参数输入至预先训练好的用于执行回归任务的预测模型中，以得到所述目标指标在目标时间段内指标值的涨跌幅的均值和标准差。

可选的，在判断所述目标时间点的真实指标值是否为所述目标指标在未来时间段的估算极大值的场景中，所述根据所述初始指标值、均值和标准差，利用预设期望算法计算出所述目标时间段内每个时间点的期望指标值，具体包括：

设所述目标时间段被单位时间划分出M个时间点，且所述目标时间段是以第M个时间点结束的时间段；