龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：哈尔滨师范大学
申请日：2024-02-08
公开（公告）日：2024-05-14
公开（公告）号：CN118037448A
主分类号：G06Q40/04
分类号：G06Q40/04;G06Q40/06;G06N5/04;G06N5/025
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.05.31#实质审查的生效;2024.05.14#公开
摘要：本发明涉及金融预测领域，预测方法：一，从以往市场获取数据集；二，对数据集进行预处理以及特征提取；三，设置系统的置信分布；四，构建波动预测体系；五，融合在线更新方法；六，获取金融市场波动预测结果。本发明考虑了金融市场价格的突然变化，通过将预测结果错误的样本转化为规则加入到规则库，将预测结果正确的样本融入规则库中，进行在线更新。能够有效地处理金融股票市场的不确定性特征，更新后的BRB较初始BRB更紧密地匹配基准BRB，对金融市场价格波动分析的结果更有效。本发明能充分的考虑金融市场的波动情况，进行合理、客观的预测分析，预测结果具有透明性和鲁棒性，对于金融市场的不确定性有了较高的适应能力和应用价值。
主权项：1.一种基于在线更新系统的金融市场波动预测方法，其特征在于，包括如下步骤：步骤一，通过以往的金融股票市场采集金融股市的各项指标，整理得到实测数据集；步骤二，对步骤一获取的数据集利用随机森林来进行特征选择，选择对金融市场影响程度较高的指标进行模型的构建，然后对数据进行分析找出异常值并对其进行处理；利用专家知识初始化置信规则库初始模型中前提属性的参考值；步骤三，设置系统的置信分布，根据步骤二中利用专家知识初始化的前提属性的参考值，再基于专家知识给定结果的初始置信分布；步骤四，构建金融市场波动预测体系，根据步骤二和步骤三获得的前提属性参考值、结果标签以及结果标签的置信度范围，通过笛卡尔积的方式组合形成规则，每一条规则包括前提属性参考值、结果标签和置信度范围，且在构建基于专家知识的置信规则库模型时，将每个规则的权重和属性的权重初始化为1；步骤五，融合在线更新方法，基于步骤四所得到的模型，将预测结果错误的数据转化为规则加入到规则库中，预测结果正确的数据集融合到规则库中，并采用递归算法对模型中规则权重和属性权重进一步调优；步骤六，获取金融市场波动预测结果，应用证据推理算法对步骤五中的在线更新BRB模型进行推理，获取金融市场波动预测结果。
全文数据：
权利要求：
百度查询： 哈尔滨师范大学 一种基于在线更新系统的金融市场波动预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号