[发明专利]实时收益率预测方法、装置、电子设备及存储介质

权利要求书

1.一种实时收益率预测方法，其特征在于，所述方法包括：

获取历史时间段内的多种投资数据并进行特征提取，得到多种历史投资特征；

确定所述多种历史投资特征两两之间的相关度；

剔除所述多种历史投资特征中与其他历史投资特征不相关的历史投资特征，将剩余的多种历史投资特征存储到特征库中；

获取当前时间段内的多种投资数据并进行特征提取，得到多种投资特征；

依据所述特征库中各个历史投资特征的特征种类，对所述多种投资特征进行特征选择，得到多种当前投资特征；

根据所述多种当前投资特征和所述多种历史投资特征，预测所述当前时间段的下一单位时间的实时收益率。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取样本投资特征和对应的真实收益率；

按照对应的样本投资数据的产生时间的先后，对所述样本投资特征进行排序，得到样本投资特征序列；

以标记有对应的真实收益率的样本投资特征序列为训练样本，对预设模型进行训练，更新所述预设模型的模型参数，得到收益率预测基模型，所述预设模型为以下任一者：长短时记忆神经网络、门限循环单元神经网络、梯度提升决策树、支持向量机；

根据所述多种当前投资特征和所述多种历史投资特征，预测所述当前时间段的下一单位时间的实时收益率，包括：

按照对应的投资数据的产生时间的先后，对所述多种当前投资特征和所述多种历史投资特征分别进行排序，得到当前投资特征序列和历史投资特征序列；

将所述多种当前投资特征序列和所述多种历史投资特征序列，输入所述收益率预测基模型，得到所述当前时间段的下一单位时间的实时收益率。

3.根据权利要求2所述的方法，其特征在于，所述收益率预测基模型的数量是多个，多个所述收益率预测基模型组成集成模型；所述方法还包括：

获得多个所述收益率预测基模型各自的初始化权重；

将以所述样本投资特征分别输入多个所述收益率预测基模型，得到多个所述收益率预测基模型各自输出的预测收益率；

以标记有对应的真实收益率的多个预测收益率为训练样本，对所述集成模型进行训练，更新多个所述收益率预测基模型各自的权重，得到收益率预测集成模型；

根据所述多种当前投资特征和所述多种历史投资特征，预测所述当前时间段的下一单位时间的实时收益率，包括：

按照对应的投资数据的产生时间的先后，对所述多种当前投资特征和所述多种历史投资特征分别进行排序，得到当前投资特征序列和历史投资特征序列；

将所述多种当前投资特征序列和所述多种历史投资特征序列，输入所述收益率预测集成模型，得到所述当前时间段的下一单位时间的实时收益率。

4.根据权利要求3所述的方法，其特征在于，得到训练好的预测模型之后，所述方法还包括：

每当预设周期的结束时刻，根据当前周期内产生的投资特征和对应的真实收益率，对所述收益率预测集成模型和/或所述收益率预测基模型进行更新。

5.根据权利要求1-4任一所述的方法，其特征在于，获取任一时间段内的多种投资数据，包括：

根据所述多种投资数据各自的数据源，获取每种投资数据的数据源产生该种投资数据的时间间隔；以获取的最小时间间隔为预测周期，按照所述预测周期周期性获取多种投资数据；

根据所述多种当前投资特征和所述多种历史投资特征，预测所述当前时间段的下一单位时间的实时收益率，包括：

根据所述多种当前投资特征和所述多种历史投资特征，预测当前预测周期的下一预测周期的实时收益率。

6.根据权利要求1-4任一所述的方法，其特征在于，所述方法还包括：

根据预测出的各个单位时间的实时收益率，绘制实时收益率曲线并展示。