【技术实现步骤摘要】
本申请涉及结售汇汇率预测的，具体而言，涉及一种结售汇汇率预测方法、装置、存储介质和电子设备。
技术介绍
1、企业或个人在跨境电商、对外贸易等场景中常需要与银行进行结汇业务与售汇业务，其中结汇即外汇结算，是指外汇收入所有者将其外汇收入出售给外汇指定银行，外汇指定银行按一定汇率付给等值的本币的行为，售汇即外汇出售，是指外汇指定银行将外汇卖给外汇使用者，并根据交易行为发生之日的人民币汇率收取等值人民币的行为。由于结售汇交易量等因素会引起汇率的动态变化，对于银行结售汇业务而言，合理预估未来一段时间内的结售汇趋势，对于降低损失和提高收益具有重要意义。
2、传统的汇率预测方法基于统计学提出了很多线性和非线性回归模型。其中分别较为典型的是arima模型和支持向量机(svm)。arima又称差分整合移动平均自回归模型，该模型被广泛运用于对各类时间序列数据分析和建模，是根据历史数据的波动特征来预测未来趋势的一种方法。通过对数变换或差分使数据序列变得平稳或呈弱平稳，其均值和方差不随时间变化，自相关函数仅与时间差有关。
3、通过对结售汇汇率数据和一些现有技术的预测模型的观察研究发现，传统的预测模型在使用过程中可能会出现过拟合、不稳定以及对参数选择要求高等问题，且普遍不如基于深度学习技术的神经网络模型。
技术实现思路
1、本申请的主要目的在于提供一种结售汇汇率预测方法、装置、存储介质和电子设备，以至少解决传统的预测模型在使用过程中可能会出现过拟合、不稳定以及对参数选择要求高的问题。
2、为了实现上述目的，根据本申请的一个方面，提供了一种结售汇汇率预测方法，包括：获取历史时间段的原结售汇时序数据和待测时间段内的置0数据序列，其中，所述原结售汇时序数据包括所述历史时间段各采样时间点以及所述采样时间点的各目标币种的各结汇交易方式的汇率和售汇交易方式的汇率；对所述原结售汇时序数据进行预处理操作，得到预处理后的结售汇时序数据；将所述结售汇时序数据和所述待测时间段内的所述置0数据序列作为transformer模型的输入，确定所述待测时间段内的结售汇汇率的预测结果为所述transformer模型的输出，使用所述预测结果调整所述结售汇汇率。
3、可选地，在将所述结售汇时序数据输入和所述待测时间段内的所述置0数据序列作为transformer模型的输入之前，所述方法还包括：构建所述transformer模型，其中，所述transformer模型包括输入模块、编码模块、解码模块和输出模块，其中，所述输入模块用于将所述结售汇时序数据中的数字表示转变为向量表示，所述编码模块用于将输入的向量编码成一个固定长度的上下文向量，所述解码模块用于对输入的所述上下文向量进行特征映射提取操作，得到特征映射数据，所述输出模块用于对所述解码模块的输出进行线性变换得到完整的特征映射数据。
4、可选地，所述transformer模型的所述输入模块包含源序列数据嵌入层及其位置编码器和数据嵌入层及其位置编码器。
5、可选地，所述输入模块用于将所述结售汇时序数据中的数字表示转变为向量表示，包括：所述输入模块用于将事件约束机制、市场恐慌指数vix以及时间戳信息嵌入所述位置编码器中，以对所述结售汇时序数据进行特征提取得到特征向量，所述事件约束机制表征至少对经济日历提供的新闻事件强度进行约束。
6、可选地，所述transformer模型的编码模块由n个编码器层堆叠而成，其中，每个所述编码器层由第一编码子层和第二编码子层连接结构组成，所述第一编码子层连接结构为由一个多头自注意力层、一个规范化层和一个残差连接而构成的结构，所述第二编码子层连接结构由一个前馈全连接子层、一个所述规范化层和一个所述残差连接而构成的结构；所述transformer模型的解码模块由n个解码器层堆叠而成，其中，每个所述解码器层由第一解码子层、第二解码子层和第三解码子层连接结构组成，所述第一解码子层连接结构由一个所述多头自注意力层、一个所述规范化层和一个所述残差连接而构成的结构，所述第二解码子层连接结构由一个所述多头自注意力层、一个所述规范化层和一个所述残差连接而构成的结构，所述第三解码子层连接结构由一个所述前馈全连接子层、一个所述规范化层和一个所述残差连接而构成的结构；所述transformer模型的所述输出模块是一个线性层。
7、可选地，对所述原结售汇时序数据进行预处理操作，得到预处理后的结售汇时序数据，包括：采用小波降噪技术去除所述原结售汇时序数据中的数据噪声，得到所述结售汇时序数据。
8、可选地，确定所述待测时间段内的结售汇汇率的预测结果为所述transformer模型的输出，包括：确定所述transformer模型的输出为可视化的预测的结售汇时间序列，其中，所述结售汇时间序列包括各采样时间点的各币种各交易方式的结售汇汇率；确定所述待测时间段内的结售汇汇率的预测结果为所述可视化的预测的结售汇时间序列。
9、根据本申请的另一方面，提供了一种结售汇汇率预测装置，包括：获取单元，用于获取历史时间段的原结售汇时序数据和待测时间段内的置0数据序列，其中，所述原结售汇时序数据包括所述历史时间段各采样时间点以及所述采样时间点的各目标币种的各结汇交易方式的汇率和售汇交易方式的汇率；预处理单元，用于对所述原结售汇时序数据进行预处理操作，得到预处理后的结售汇时序数据；确定单元，用于将所述结售汇时序数据和所述待测时间段内的所述置0数据序列作为transformer模型的输入，确定所述待测时间段内的结售汇汇率的预测结果为所述transformer模型的输出，使用所述预测结果调整所述结售汇汇率。
10、根据本申请的再一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行任意一种所述的结售汇汇率预测方法。
11、根据本申请的又一方面，提供了一种电子设备，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行任意一种所述的结售汇汇率预测方法。
12、应用本申请的技术方案，获取历史时间段的原结售汇时序数据和待测时间段内的置0数据序列，其中，原结售汇时序数据包括历史时间段各采样时间点以及采样时间点的各目标币种的各结汇交易方式的汇率和售汇交易方式的汇率；对原结售汇时序数据进行预处理操作，得到预处理后的结售汇时序数据；将结售汇时序数据和待测时间段内的置0数据序列作为transformer模型的输入，确定待测时间段内的结售汇汇率的预测结果为transformer模型的输出，使用所述预测结果调整结售汇汇率。transformer模型是一个encoder-decoder结构的模型，其精巧的自注意力并行结构具备了更强的长期依赖建模能力，更适用于处理长序列相关任务，能解决类rnn模型面对长序列时无法完全消除梯度消失和本文档来自技高网...
【技术保护点】
1.一种结售汇汇率预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在将所述结售汇时序数据输入和所述待测时间段内的所述置0数据序列作为Transformer模型的输入之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述Transformer模型的所述输入模块包含源序列数据嵌入层及其位置编码器和数据嵌入层及其位置编码器。
4.根据权利要求3所述的方法，其特征在于，所述输入模块用于将所述结售汇时序数据中的数字表示转变为向量表示，包括：
5.根据权利要求2所述的方法，其特征在于，
6.根据权利要求1至5中任一项所述的方法，其特征在于，对所述原结售汇时序数据进行预处理操作，得到预处理后的结售汇时序数据，包括：
7.根据权利要求1至5中任一项所述的方法，其特征在于，确定所述待测时间段内的结售汇汇率的预测结果为所述Transformer模型的输出，包括：
8.一种结售汇汇率预测装置，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，所述计算机可读存
10.一种电子设备，其特征在于，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行权利要求1至7中任意一项所述的结售汇汇率预测方法。
...【技术特征摘要】
1.一种结售汇汇率预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在将所述结售汇时序数据输入和所述待测时间段内的所述置0数据序列作为transformer模型的输入之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述transformer模型的所述输入模块包含源序列数据嵌入层及其位置编码器和数据嵌入层及其位置编码器。
4.根据权利要求3所述的方法，其特征在于，所述输入模块用于将所述结售汇时序数据中的数字表示转变为向量表示，包括：
5.根据权利要求2所述的方法，其特征在于，
6.根据权利要求1至5中任一项所述的方法，其特征在于，对所述原结售汇时序数据进行预处理操作，得到预处理后的结售汇时序...
【专利技术属性】
技术研发人员：王正洋，彭伟，白彬佐，范丽文，许艳松，
申请(专利权)人：中国邮政储蓄银行股份有限公司，
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。