本申请公开了一种股票市场波动率的确定方法、装置及电子设备。涉及人工智能领域，其中，该方法包括：获取当前时刻的房地产市场数据和金融市场数据，其中，房地产市场数据用于表征在当前时刻的房地产市场情况，金融市场数据至少包括在当前时刻的股票市场交易数据以及经济舆情数据；将房地产市场数据和金融市场数据输入至目标模型中，得到目标模型输出的目标结果，其中，目标结果用于表征在目标时刻的股票市场波动率，目标时刻与当前时刻之间间隔预设时长，目标时刻在当前时刻之后。本申请解决了现有技术中对于股票市场波动率的预测仅局限于基于股票市场自身相关因素进行预测，导致的对股票市场波动率预测准确性差的技术问题。题。题。
【技术实现步骤摘要】
股票市场波动率的确定方法、装置及电子设备
[0001]本申请涉及人工智能领域，具体而言，涉及一种股票市场波动率的确定方法、装置及电子设备。
技术介绍
[0002]现有技术中在对股票市场波动率进行预测时，通常只通过股票市场的交易情况以及相关经济新闻进行预测，例如，根据当天股市的交易状况预测股票市场波动率，根据最新的经济政策或者新闻报道预测股票市场波动率。
[0003]但是，现有技术中的对股票市场波动率的预测方式不仅需要大量的人工分析成本，还没有充分地考虑房地产市场的变化对于金融市场的影响，由于房地产市场属于资本交易量极大的市场，因此，房地产市场的走向会在很大程度上影响到股票市场的波动情况，现有技术中由于仅局限于股票市场自身相关因素进行预测，忽视了房地产市场等相关市场对股票市场的影响，因此存在对股票市场波动率预测准确性差的问题。
[0004]针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
[0005]本申请提供了一种股票市场波动率的确定方法、装置及电子设备，以至少解决现有技术中对于股票市场波动率的预测仅局限于基于股票市场自身相关因素进行预测，导致的对股票市场波动率预测准确性差的技术问题。
[0006]根据本申请的一个方面，提供了一种股票市场波动率的确定方法，包括：获取当前时刻的房地产市场数据和金融市场数据，其中，房地产市场数据用于表征在当前时刻的房地产市场情况，金融市场数据至少包括在当前时刻的股票市场交易数据以及经济舆情数据，经济舆情数据用于表征影响股票市场行情的舆情数据；将房地产市场数据和金融市场数据输入至目标模型中，得到目标模型输出的目标结果，其中，目标结果用于表征在目标时刻的股票市场波动率，目标时刻与当前时刻之间间隔预设时长，目标时刻在当前时刻之后，目标模型为基于历史时间段所产生的历史房地产市场数据和历史金融市场数据训练得到的神经网络模型。
[0007]进一步地，获取当前时刻的房地产市场数据，包括：获取当前时刻的第一市场数据，其中，第一市场数据用于表征当前时刻的房地产泡沫的情况，房地产泡沫表征房地产市场中供应量超过需求量；将第一市场数据作为房地产市场数据。
[0008]进一步地，获取当前时刻的第一市场数据，包括：获取房地产市场在当前时刻的投资增速，得到第一数据；获取在当前时刻的国民生产总值的增速，得到第二数据；计算第一数据与第二数据的比值，得到第一市场数据。
[0009]进一步地，获取当前时刻的房地产市场数据，包括：获取当前时刻的第二市场数据，其中，第二市场数据用于表征在当前时刻的房地产市场价格数据；将第二市场数据作为房地产市场数据。
[0010]进一步地，获取当前时刻的第二市场数据，包括：获取N个区域中每个区域在当前时刻对应的商品房平均交易价格，得到N个商品房平均交易价格，其中，N为正整数；从N个商品房平均交易价格中确定目标商品房平均交易价格，其中，目标商品房平均交易价格中为N个商品房平均交易价格中的最大值；将目标商品房平均交易价格作为第二市场数据。
[0011]进一步地，目标模型通过以下过程得到：获取M个历史房地产市场数据和M个历史金融市场数据，其中，M为正整数；将M个历史房地产市场数据和M个历史金融市场数据划分为M个训练集，其中，每个训练集中包括一个历史房地产市场数据和一个历史金融市场数据，并且每个训练集中的历史房地产市场数据所对应的时刻和该训练集中的历史金融市场数据所对应的时刻相同；将每个训练集中的历史房地产市场数据所对应的时刻确定为该训练集对应的历史时刻；根据每个训练集对应的历史时刻确定与该训练集相对应的历史股票市场波动率，其中，历史股票市场波动率对应的目标历史时刻与该训练集对应的历史时刻之间间隔预设时长，并且目标历史时刻在历史时刻之后；根据每个训练集以及每个训练集对应的历史股票市场波动率训练得到目标模型。
[0012]进一步地，股票市场波动率的确定方法还包括：确定每个训练集对应的历史股票市场波动率为该训练集对应的标签数据；将每个训练集以及每个训练集对应的标签数据输入至深度学习神经网络中，并进行迭代训练，得到目标模型。
[0013]进一步地，在得到目标模型输出的目标结果之后，股票市场波动率的确定方法还包括：根据目标结果检测目标时刻的股票市场波动率是否大于预设阈值；在股票市场波动率大于预设阈值的情况下，确定目标时刻为股票的交易时机，并根据目标时刻的股票市场波动率确定交易选择，其中，交易选择包括第一选择和第二选择，第一选择表征出售股票，第二选择表征购买股票。
[0014]进一步地，根据目标时刻的股票市场波动率确定交易选择，包括：获取股票市场波动率对应的波动趋势，其中，波动趋势表征股票市场为下跌趋势或上涨趋势；在波动趋势表征股票市场为下跌趋势时，确定第一选择为交易选择；在波动趋势表征股票市场为上涨趋势时，确定第二选择为交易选择。
[0015]根据本申请实施例的另一方面，还提供了一种股票市场波动率的确定装置，包括：获取模块，用于获取当前时刻的房地产市场数据和金融市场数据，其中，房地产市场数据用于表征在当前时刻的房地产市场情况，金融市场数据至少包括在当前时刻的股票市场交易数据以及经济舆情数据，经济舆情数据用于表征影响股票市场行情的舆情数据；处理模块，用于将房地产市场数据和金融市场数据输入至目标模型中，得到目标模型输出的目标结果，其中，目标结果用于表征在目标时刻的股票市场波动率，目标时刻与当前时刻之间间隔预设时长，目标时刻在当前时刻之后，目标模型为基于历史时间段所产生的历史房地产市场数据和历史金融市场数据训练得到的神经网络模型。
[0016]根据本申请的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，其中，计算机程序被设置为运行时执行上述的股票市场波动率的确定方法。
[0017]根据本申请的另一方面，还提供了一种电子设备，电子设备包括一个或多个处理器；存储器，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现用于运行程序，其中，程序被设置为运行时执行上述的股票市场
波动率的确定方法。
[0018]在本申请中，首先获取当前时刻的房地产市场数据和金融市场数据，其中，房地产市场数据用于表征在当前时刻的房地产市场情况，金融市场数据至少包括在当前时刻的股票市场交易数据以及经济舆情数据，经济舆情数据用于表征影响股票市场行情的舆情数据；然后将房地产市场数据和金融市场数据输入至目标模型中，得到目标模型输出的目标结果，其中，目标结果用于表征在目标时刻的股票市场波动率，目标时刻与当前时刻之间间隔预设时长，目标时刻在当前时刻之后，目标模型为基于历史时间段所产生的历史房地产市场数据和历史金融市场数据训练得到的神经网络模型。
[0019]在上述过程中，通过房地产市场数据和金融市场数据，结合神经网络模型(目标模型)对股票市场波动率进行预测，从而实现了提高股票市场波动率预测的准确性的技术效果，进而解决了现有技术中对于股票市场波动率的预测仅局限于基本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种股票市场波动率的确定方法，其特征在于，包括：获取当前时刻的房地产市场数据和金融市场数据，其中，所述房地产市场数据用于表征在所述当前时刻的房地产市场情况，所述金融市场数据至少包括在所述当前时刻的股票市场交易数据以及经济舆情数据，所述经济舆情数据用于表征影响股票市场行情的舆情数据；将所述房地产市场数据和所述金融市场数据输入至目标模型中，得到所述目标模型输出的目标结果，其中，所述目标结果用于表征在目标时刻的股票市场波动率，所述目标时刻与所述当前时刻之间间隔预设时长，所述目标时刻在所述当前时刻之后，所述目标模型为基于历史时间段所产生的历史房地产市场数据和历史金融市场数据训练得到的神经网络模型。2.根据权利要求1所述的方法，其特征在于，获取当前时刻的房地产市场数据，包括：获取所述当前时刻的第一市场数据，其中，所述第一市场数据用于表征所述当前时刻的房地产泡沫的情况，所述房地产泡沫表征房地产市场中供应量超过需求量；将所述第一市场数据作为所述房地产市场数据。3.根据权利要求2所述的方法，其特征在于，获取所述当前时刻的第一市场数据，包括：获取所述房地产市场在所述当前时刻的投资增速，得到第一数据；获取在所述当前时刻的国民生产总值的增速，得到第二数据；计算所述第一数据与所述第二数据的比值，得到所述第一市场数据。4.根据权利要求1所述的方法，其特征在于，获取当前时刻的房地产市场数据，包括：获取所述当前时刻的第二市场数据，其中，所述第二市场数据用于表征在所述当前时刻的房地产市场价格数据；将所述第二市场数据作为所述房地产市场数据。5.根据权利要求4所述的方法，其特征在于，获取所述当前时刻的第二市场数据，包括：获取N个区域中每个区域在所述当前时刻对应的商品房平均交易价格，得到N个商品房平均交易价格，其中，N为正整数；从所述N个商品房平均交易价格中确定目标商品房平均交易价格，其中，所述目标商品房平均交易价格中为所述N个商品房平均交易价格中的最大值；将所述目标商品房平均交易价格作为所述第二市场数据。6.根据权利要求1所述的方法，其特征在于，所述目标模型通过以下过程得到：获取M个历史房地产市场数据和M个历史金融市场数据，其中，M为正整数；将所述M个历史房地产市场数据和所述M个历史金融市场数据划分为M个训练集，其中，每个训练集中包括一个历史房地产市场数据和一个历史金融市场数据，并且所述每个训练集中的历史房地产市场数据所对应的时刻和该训练集中的历史金融市场数据所对应的时刻相同；将所述每个训练集中的历史房地产市场数据所对应的时刻确定为该训练集对应的历史时刻；根据所述每个训练集对应的历史时刻确定与该训练集相对应的历史股票市场波动率，其中，所述历史股票市场波动率对应的...
【专利技术属性】
技术研发人员：伏勇，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。