[发明专利]一种数据分配权重的预测方法、装置、设备及存储介质

说明书

本发明公开了一种数据分配权重的预测方法、装置、设备及存储介质，通过获取历史市场信息数据，对历史市场信息数据进行预处理，生成专家经验数据，并将专家经验数据存储到第一缓存表中；设置第一网络模型，通过获取当前市场信息数据，以使第一网络模型输出当前市场信息数据的资产分配权重，得到当前经验数据，将当前经验数据存储到第二缓存表中；按照预设的权重比例，分别采集第一缓存表和第二缓存表对应的经验数据，并根据经验数据，对第一网络模型进行更新，获取最优第一网络模型，以使最优第一网络模型输出最优资产分配权重。与现有技术相比，本发明通过设置两个经验数据缓存表，实现对网络模型进行更新训练，提高对数据预测的准确性。

技术领域

本发明涉及计算机信息处理的技术领域，特别是涉及一种数据分配权重的预测方法、装置、设备及存储介质。

背景技术

量化投资分析多数使用数理统计的方法辅助投资者做出的投资策略，而通过使用高性能的计算机技术，可以有效地分析大量数据，并根据预先编程的指令自动执行投资的动作。近年来，通过计算机技术，尤其是机器学习算法实现量化投资的方法越来越受到投资者和研究者的关注。而传统量化方法通过监督学习对未来股票数据进行预测，仅能对下一个时刻的股票数据的趋势走向进行预测，却无法预测基于股票市场波动性大导致的滑点，导致无法合理分配资产的权重，且现有技术的方法，多数针对一种投资资产，算法容易过拟合，在应用到其他资产时不具有鲁棒性，并且很难控制风险。

发明内容

本发明要解决的技术问题是：提供一种数据分配权重的预测方法、装置、设备及存储介质，通过设置两个经验数据缓存表，实现对网络模型进行更新训练，提高对数据预测的准确性。

为了解决上述技术问题，本发明提供了一种数据分配权重的预测方法，包括：

获取历史市场信息数据，对所述历史市场信息数据进行预处理，生成专家经验数据，并将所述专家经验数据存储到第一缓存表中；

设置第一网络模型，通过获取当前市场信息数据，以使所述第一网络模型输出所述当前市场信息数据的资产分配权重，并根据所述资产分配权重，得到当前经验数据，将所述当前经验数据存储到第二缓存表中；

按照预设的权重比例，分别采集所述第一缓存表和所述第二缓存表对应的经验数据，并根据所述经验数据，对所述第一网络模型进行更新，获取最优第一网络模型，以使所述最优第一网络模型输出最优资产分配权重。

进一步地，所述按照预设的权重比例，分别采集所述第一缓存表和所述第二缓存表对应的经验数据，并根据所述经验数据，对所述第一网络模型进行更新，具体为：

设置第二网络模型，根据采集的所述第一缓存表的专家经验数据和所述第二缓存表的当前经验数据，生成所述第一缓存表对应的第一损失函数和所述第二缓存表对应的第二损失函数；

按照预设的权重比例，结合所述第一损失函数和所述第二损失函数，生成所述第二网络模型的损失函数，计算并根据所述第二网络模型的最小化损失函数，更新所述第二网络模型；

根据更新后的所述第二网络模型，得到所述第一网络模型的损失函数，计算并根据所述第一网络模型的最小化损失函数，更新所述第一网络模型。

进一步地，所述获取历史市场信息数据，对所述历史市场信息数据进行预处理，生成专家经验数据，具体为：

获取历史市场信息数据，并将所述历史市场信息数据划分为训练集和测试集；

基于智能体对所述训练集对应的历史市场信息数据进行观测，并结合金融技术指标参数，获取所述训练集对应的历史市场信息数据中的历史最优资产分配权重，并根据所述历史最优资产分配权重，生成专家经验数据。

进一步地，所述通过获取当前市场信息数据，以使所述第一网络模型输出所述当前市场信息数据的资产分配权重，并根据所述资产分配权重，得到当前经验数据，具体为：