【技术实现步骤摘要】
本申请涉及收益率预测，尤其涉及收益率预测方法、装置、设备、存储介质及计算机程序产品。
技术介绍
1、现有技术中，增益分析模型方法，可以用来预测收益和成本的变化量，这些对应于roi(return on investment，投资回报率)公式的分子和分母，这就需要预测两次，第一次是预测分子的变化量，第二次是预测分母的变化量，然后二者相除。这样做的缺点是需要训练和维护两个预测模型，不如一个预测模型方便；而且每个模型的预测都会有误差，二者相除会进一步放大误差，并且当分母较小时，预测的结果会变得更不稳定。
2、因此，如何有效提高收益率预测的效率、准确性以及稳定性是目前亟需解决的一个问题。
3、上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
1、本申请的主要目的在于提供一种收益率预测方法、装置、设备及存储介质，旨在解决如何有效提高收益率预测的效率、准确性以及稳定性的技术问题。
2、为实现上述目的，本申请提出一种收益率预测方法，所述的方法包括：
3、基于历史投资数据进行随机对照试验，得到随机对照试验数据；
4、基于所述随机对照试验数据训练初始收益率预测模型，得到目标收益率预测模型，其中，所述初始收益率预测模型是基于潜在因果框架构建的；
5、通过所述目标收益率预测模型根据待投资用户的特征数据进行预测，得到当前预测收益率。
6、在一实施例中，所述基于历史投资数据进行随机对照试验
7、获取预设数量的样本数据以及样本变量；
8、根据所述样本变量将所述预设数量的样本数据随机划分为处理组样本以及对照组样本；
9、基于所述历史投资数据对所述处理组样本以及所述对照组样本进行对照试验，得到随机对照试验数据。
10、在一实施例中，所述基于所述历史投资数据对所述处理组样本以及所述对照组样本进行对照试验，得到随机对照试验数据，包括：
11、基于所述历史投资数据生成所述处理组样本的第一特征数据和所述对照组样本的第二特征数据；
12、通过预设业务模型基于所述第一特征数据和所述第二特征数据分别生成所述处理组样本的第一业务数据和所述对照组样本的第二业务数据；
13、根据所述第一业务数据、所述第二业务数据确定随机对照试验数据。
14、在一实施例中，所述基于所述随机对照试验数据训练初始收益率预测模型，得到目标收益率预测模型，包括：
15、基于潜在因果框架构建初始收益率预测模型；
16、通过所述随机对照试验数据对所述初始收益率预测模型进行训练，得到预测损失值；
17、根据所述预测损失值确定目标收益率预测模型。
18、在一实施例中，所述通过所述随机对照试验数据对所述初始收益率预测模型进行训练，得到预测损失值，包括：
19、基于所述随机对照试验数据构建数据集；
20、将所述数据集中各样本的特征输入至所述初始收益率预测模型，得到历史预测收益率；
21、基于所述数据集中各样本的业务数据确定参考收益率；
22、基于所述历史预测收益率、所述参考收益率以及凸损失函数确定预测损失值。
23、在一实施例中，所述通过所述随机对照试验数据对所述初始收益率预测模型进行训练，得到预测损失值，包括：
24、基于所述随机对照试验数据构建数据集；
25、将所述数据集中各样本的特征输入至所述初始收益率预测模型，得到历史预测收益率；
26、基于所述数据集中各样本的业务数据确定参考收益率；
27、基于所述历史预测收益率、所述参考收益率以及凸损失函数确定预测损失值。
28、此外，为实现上述目的，本申请还提出一种收益率预测装置，所述收益率预测装置包括：
29、试验模块，用于基于历史投资数据进行随机对照试验，得到随机对照试验数据；
30、训练模块，用于基于所述随机对照试验数据训练初始收益率预测模型，得到目标收益率预测模型，其中，所述初始收益率预测模型是基于潜在因果框架构建的；
31、预测模块，用于通过所述目标收益率预测模型根据待投资用户的特征数据进行预测，得到收益率。
32、此外，为实现上述目的，本申请还提出一种收益率预测设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的收益率预测方法的步骤。
33、此外，为实现上述目的，本申请还提出一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文所述的收益率预测方法的步骤。
34、此外，为实现上述目的，本申请还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上文所述的收益率预测方法的步骤。
35、本申请提供了一种收益率预测方法，本申请通过首先基于历史投资数据进行随机对照试验，得到随机对照试验数据；基于所述随机对照试验数据训练初始收益率预测模型，得到目标收益率预测模型，其中，所述初始收益率预测模型是基于潜在因果框架构建的；通过所述目标收益率预测模型根据待投资用户的特征数据进行预测，得到当前预测收益率，能够有效提高收益率预测的效率、准确性以及稳定性。
36、综上可知，本申请通过使用进行随机对照试验得到的随机对照试验数据训练初始收益率预测模型，有效提高目标收益率预测模型的稳定性和预测准确性，进而使用目标收益率预测模型根据待投资用户的特征数据能够快速准确地得到当前预测收益率，克服了现有的收益率预测方法效率和准确性差的技术缺陷，能够有效提高收益率预测的效率、准确性以及稳定性。
本文档来自技高网...【技术保护点】
1.一种收益率预测方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述基于历史投资数据进行随机对照试验，得到随机对照试验数据，包括：
3.如权利要求2所述的方法，其特征在于，所述基于所述历史投资数据对所述处理组样本以及所述对照组样本进行对照试验，得到随机对照试验数据，包括：
4.如权利要求1所述的方法，其特征在于，所述基于所述随机对照试验数据训练初始收益率预测模型，得到目标收益率预测模型，包括：
5.如权利要求4所述的方法，其特征在于，所述通过所述随机对照试验数据对所述初始收益率预测模型进行训练，得到预测损失值，包括：
6.如权利要求4所述的方法，其特征在于，所述根据所述预测损失值确定目标收益率预测模型，包括：
7.一种收益率预测装置，其特征在于，所述收益率预测装置包括：
8.一种收益率预测设备，其特征在于，所述收益率预测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的收益率预测程序，所述收益率预测程序配置为实现如权利要求1至6中任一项所述的收益率预测
9.一种存储介质，其特征在于，所述存储介质上存储有收益率预测程序，所述收益率预测程序被处理器执行时实现如权利要求1至6中任一项所述的收益率预测方法。
10.一种计算机程序产品，其特征在于，所述计算机程序产品包括收益率预测程序，所述收益率预测程序被处理器执行时实现如权利要求1至6中任一项所述的收益率预测方法的步骤。
...【技术特征摘要】
1.一种收益率预测方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述基于历史投资数据进行随机对照试验，得到随机对照试验数据，包括：
3.如权利要求2所述的方法，其特征在于，所述基于所述历史投资数据对所述处理组样本以及所述对照组样本进行对照试验，得到随机对照试验数据，包括：
4.如权利要求1所述的方法，其特征在于，所述基于所述随机对照试验数据训练初始收益率预测模型，得到目标收益率预测模型，包括：
5.如权利要求4所述的方法，其特征在于，所述通过所述随机对照试验数据对所述初始收益率预测模型进行训练，得到预测损失值，包括：
6.如权利要求4所述的方法，其特征在于，所述根据所述预测损...
【专利技术属性】
技术研发人员：艾盟，丁雪莲，王一帆，侯建龙，陈卓，王冀彬，
申请(专利权)人：中移动信息技术有限公司，
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。