[发明专利]基于历史数据的日间流动性状况回溯方法及系统

权利要求书

1.一种基于历史数据的日间流动性状况回溯方法，其特征在于，包括：

获取历史交易数据；

对历史交易数据进行预处理；

提取历史交易数据的特征；

利用特征对回溯预测模型进行训练；

利用完成训练的回溯预测模型对日间流动性状况进行预测。

2.根据权利要求1所述的基于历史数据的日间流动性状况回溯方法，其特征在于，对历史交易数据进行预处理，包括：

按照支付渠道，将历史交易按渠道划分。

3.根据权利要求2所述的基于历史数据的日间流动性状况回溯方法，其特征在于，对历史交易数据进行预处理，还包括：

填充历史交易数据中的缺失数据。

4.根据权利要求1所述的基于历史数据的日间流动性状况回溯方法，其特征在于，回溯预测模型包括：分别训练的ARIMA模型、XGBoost模型及LSTM模型。

5.根据权利要求4所述的基于历史数据的日间流动性状况回溯方法，其特征在于，利用特征对回溯预测模型进行训练，包括：

利用训练数据分别训练ARIMA模型、XGBoost模型及LSTM模型；

对ARIMA模型、XGBoost模型及LSTM模型，按照各自的拟合效果进行线性融合。

6.根据权利要求1所述的基于历史数据的日间流动性状况回溯方法，其特征在于，利用特征对回溯预测模型进行训练，包括：

计算五天内、七天内、十四天内同一时刻的数据均值，并将时间分为月内五种类型，日间类型，进行独热编码后都作为预测的特征。

7.根据权利要求6所述的基于历史数据的日间流动性状况回溯方法，其特征在于，月内五种类型包括：前6天、6-12天、12-18天、18-24天、24-30天。

8.根据权利要求6所述的基于历史数据的日间流动性状况回溯方法，其特征在于，日间类型包括：6-8点、8-10点、10-12点、12-14点、14-16点、16-18点。

9.根据权利要求1所述的基于历史数据的日间流动性状况回溯方法，其特征在于，还包括：

在利用完成训练的回溯预测模型对日间流动性状况进行预测之前，对回溯预测模型进行效果评估。

10.一种基于历史数据的日间流动性状况回溯系统，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据权利要求1至9 任意一项所述的基于历史数据的日间流动性状况回溯方法。