一种预测方法及装置制造方法及图纸

本发明专利技术实施例涉及一种预测方法及装置，所述方法包括：根据获取的历史技术指标，训练Cox比例风险模型，获取上涨模型和下降模型、协变量；根据所述协变量，确定风险函数；并根据风险函数，确定累积风险函数；根据累积风险函数，以及当前时间、上一次上涨的时间、上一次下降的时间所构成的当前技术指标，上涨模型，下降模型，计算未来上涨的概率以及下降的概率，并根据未来上涨的概率以及下降的概率进行交易。由上可见，本发明专利技术实施例的预测结果的精确度更高，有利于帮助投资者做出最合理的决策，提高利润、降低风险。

Prediction method and device

The embodiment of the invention relates to a device and method, the method comprises: according to historical technical indicators obtained by training the Cox proportional hazards model, model and model, gets up down covariate; according to the covariates, determine the risk function; and according to the risk function, determine the cumulative risk function based on the cumulative risk function; and, a drop rise in the current time, the last time, the last time the current technology index rose decline model, probability model, probability calculation of the future rise and falling, and not to trade according to probability increase and decrease the probability of. The accuracy of the prediction result of the embodiment of the invention is higher, which is beneficial to help the investors to make the most reasonable decision, improve the profit and reduce the risk.

【技术实现步骤摘要】

本专利技术涉及计算机领域，尤其涉及一种预测方法及装置。
技术介绍
随着经济的发展,股市是投资理财的重要市场,由于投资需求的短期波动,以及股市的高波动性、非线性关系,股市预测成为一项具有挑战性的任务。一些研究人员发现，许多标准经济计量模型无法产生比随机漫步模型更好的预测结果，这鼓励研究人员去开发更可预见的模型去预测股市。在股市预测领域内，最早期的模型依赖于传统的统计方法，比如时间序列模型与多变量分析，在这些方法中，股票走势被建模成一种时间序列的函数并作为一个回归问题来解决。然而，由于股价的混沌性质，股价是很难去预测的。此外，在传统的统计方法中，使用了一些关于变量的假设，这可能不适合不遵循统计分布的数据集。最近的研究表明，计算智能方法能够很好地模拟不稳定的股市并且可以产生比传统统计方法更好的预测结果。在各种计算智能方法中，人工神经网络(ArtificialNeuralNetworks，ANNs)是比较好的一种，因为ANNs特别适用于在以复杂的、嘈杂的或者部分信息为特征的环境中找到准确的解决方案，可以映射任何没有关于数据先验假设的非线性函数。然而，该方法是黑盒方法，从黑盒方法中挖掘出来的规则是不容易理解的。除了传统的统计方法和计算智能方法，技术分析方法是一种流行的被投资者用来做投资决定的方法，许多研究人员一直专注于利用技术分析来提高投资回报。技术分析方法中，股价和股票量是决定未来发展方向的两个最相关的因素，技术指标来自基于股价和股票量的数学公式，该数学公式可以应用于预测价格波动，为投资者提供数据，使投资者能够决定买入或者卖出股票的时机。但该技术分析方法基于个人经验，可能导致错误判断市场，导致经济损失。
技术实现思路
本专利技术实施例提供了一种预测方法及装置，解决了现有技术中的预测精准度不高的问题。一方面，提供了一种预测方法，所述方法包括：根据获取的历史技术指标，训练Cox比例风险模型，获取上涨模型和下降模型、协变量；根据所述协变量，确定风险函数；并根据所述风险函数，确定累积风险函数；根据所述累积风险函数，以及当前时间、上一次上涨的时间、上一次下降的时间所构成的当前技术指标，上涨模型，下降模型，计算未来上涨的概率以及下降的概率，并根据所述未来上涨的概率以及下降的概率进行交易。优选地，所述技术指标具体包括：累积变化率，平均收益率，累积流动率，平均流动率，随机K％，随机D％，随机J％，相对强弱指标，心理线指标。优选地，所述根据所述协变量，确定风险函数；并根据所述风险函数，确定累积风险函数具体包括：利用公式λ(t|X(t))＝λ0(t)g(X(t))＝λ0(t)g(x1(t),…,xp(t))，计算风险函数，其中，λ0(t)表示风险是如何随时间变化的，g(X(t))表示协变量的影响；利用表示计算化简后的风险函数，其中，B＝(b1,···,bp)表示协变量的系数；利用公式和S(t|X(t))＝exp(-Λ(t|X(t)))确定累积风险函数。优选地，所述根据所述累积风险函数，以及当前时间、上一次上涨的时间、上一次下降的时间所构成的当前技术指标，上涨模型，下降模型，计算未来上涨的概率以及下降的概率，并根据所述未来上涨的概率以及下降的概率进行交易具体包括：利用计算未来上涨的概率；利用计算未来下降的概率；如果Pα(Tc-Tα)-Pβ(Tc-Tβ)≥θ就以开盘价买入；如果Pα(Tc-Tα)-Pβ(Tc-Tβ)≤θ就以收盘价卖出；其中，Pα为Tc-Tα时间段上涨的概率，Pβ为Tc-Tα时间段下降的概率，Tα为上一次上涨的时间，Tβ为上一次下降的时间，θ为阈值。另一方面，提供了一种预测装置，所述装置包括获取单元，确定单元，预测单元；其中，所述获取单元，用于根据获取的历史技术指标，训练Cox比例风险模型，获取上涨模型和下降模型、协变量；所述确定单元，用于根据所述协变量，确定风险函数；并根据所述风险函数，确定累积风险函数；所述预测单元，用于根据所述累积风险函数，以及当前时间、上一次上涨的时间、上一次下降的时间所构成的当前技术指标，上涨模型，下降模型，计算未来上涨的概率以及下降的概率，并根据所述未来上涨的概率以及下降的概率进行交易。优选地，所述技术指标具体包括：累积变化率，平均收益率，累积流动率，平均流动率，随机K％，随机D％，随机J％，相对强弱指标，心理线指标。优选地，所述确定单元具体用于，利用公式λ(t|X(t))＝λ0(t)g(X(t))＝λ0(t)g(x1(t),…,xp(t))，计算风险函数，其中，λ0(t)表示风险是如何随时间变化的，g(X(t))表示协变量的影响；利用表示计算化简后的风险函数，其中，B＝(b1,···,bp)表示协变量的系数；利用公式和S(t|X(t))＝exp(-Λ(t|X(t)))确定累积风险函数。优选地，所述预测单元具体用于，利用计算未来上涨的概率；利用计算未来下降的概率；如果Pα(Tc-Tα)-Pβ(Tc-Tβ)≥θ就以开盘价买入；如果Pα(Tc-Tα)-Pβ(Tc-Tβ)≤θ就以收盘价卖出；其中，Pα为Tc-Tα时间段上涨的概率，Pβ为Tc-Tα时间段下降的概率，Tα为上一次上涨的时间，Tβ为上一次下降的时间，θ为阈值。相较于现有技术，本专利技术实施例中，根据获取的历史技术指标，训练Cox比例风险模型，获取上涨模型和下降模型、协变量；根据所述协变量，确定风险函数；并根据风险函数，确定累积风险函数；根据累积风险函数，以及当前时间、上一次上涨的时间、上一次下降的时间所构成的当前技术指标，上涨模型，下降模型，计算未来上涨的概率以及下降的概率，并根据未来上涨的概率以及下降的概率进行交易。由上可见，本专利技术实施例的预测结果的精确度更高，有利于帮助投资者做出最合理的决策，提高利润、降低风险。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例。图1为本专利技术实施例提供的一种预测方法流程图；图2是本专利技术实施例提供的事件示意图；图3a为本专利技术实施例提供的上升模型的时间-累积风险函数曲线图；图3b为本专利技术实施例提供的上升模型的时间-生存函数曲线图；图3c为本专利技术实施例提供的下降模型的时间-累积风险函数曲线图；图3d为本专利技术实施例提供的下降模型的时间-生存函数曲线图；图4为本专利技术实施例提供的预测装置结构图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图和实施例，对本专利技术实施例中的技术方案进行清楚地描述。图1为本专利技术实施例提供的一种预测方法流程图，该方法可以由服务器执行，该预测方法可以应用在大宗交易中，大宗交易包括但不限于，期货、原油、股票，在本申请中，以该预测方法应用在股票预测中为例进行说明。如图1所示，该方法包括以下步骤：S110，根据获取的历史技术指标，训练Cox比例风险模型，获取上涨模型和下降模型、协变量。为买入和卖出时间点的预测问题选择几个技术指标作为协变量。技术指标包括但不限于：累积变化率，平均收益率，累积流动率，平均流动率，随机K％，随机D％，随机J％，相对强弱指标，心理线指标。累积变化率(AcROC)：定义为从最近的“事件”发生到当前时间点的累积收益：平均变化率(A本文档来自技高网...

【技术保护点】
一种预测方法，其特征在于，所述方法包括：根据获取的历史技术指标，训练Cox比例风险模型，获取上涨模型和下降模型、协变量；根据所述协变量，确定风险函数；并根据所述风险函数，确定累积风险函数；根据所述累积风险函数，以及当前时间、上一次上涨的时间、上一次下降的时间所构成的当前技术指标，上涨模型，下降模型，计算未来上涨的概率以及下降的概率，并根据所述未来上涨的概率以及下降的概率进行交易。

【技术特征摘要】
1.一种预测方法，其特征在于，所述方法包括：根据获取的历史技术指标，训练Cox比例风险模型，获取上涨模型和下降模型、协变量；根据所述协变量，确定风险函数；并根据所述风险函数，确定累积风险函数；根据所述累积风险函数，以及当前时间、上一次上涨的时间、上一次下降的时间所构成的当前技术指标，上涨模型，下降模型，计算未来上涨的概率以及下降的概率，并根据所述未来上涨的概率以及下降的概率进行交易。2.根据权利要求1所述的方法，其特征在于，所述技术指标具体包括：累积变化率，平均收益率，累积流动率，平均流动率，随机K％，随机D％，随机J％，相对强弱指标，心理线指标。3.根据权利要1所述的方法，其特征在于，所述根据所述协变量，确定风险函数；并根据所述风险函数，确定累积风险函数具体包括：利用公式λ(t|X(t))＝λ0(t)g(X(t))＝λ0(t)g(x1(t),···,xp(t))，计算风险函数，其中，λ0(t)表示风险是如何随时间变化的，g(X(t))表示协变量的影响；利用表示计算化简后的风险函数，其中，B＝(b1,···,bp)表示协变量的系数；利用公式和S(t|X(t))＝exp(-Λ(t|X(t)))确定累积风险函数。4.根据权利要求1或3所述的方法，其特征在于，所述根据所述累积风险函数，以及当前时间、上一次上涨的时间、上一次下降的时间所构成的当前技术指标，上涨模型，下降模型，计算未来上涨的概率以及下降的概率，并根据所述未来上涨的概率以及下降的概率进行交易具体包括：利用计算未来上涨的概率；利用计算未来下降的概率；如果Pα(Tc-Tα)-Pβ(Tc-Tβ)≥θ就以开盘价买入；如果Pα(Tc-Tα)-Pβ(Tc-Tβ)≤θ就以收盘价卖出；其中，Pα为Tc-Tα时间段上涨的概率，Pβ为Tc...

【专利技术属性】
技术研发人员：卜湛，曹杰，高光亮，
申请(专利权)人：南京财经大学，
类型：发明
国别省市：江苏;32