CN106960019A - 一种数据增长率计算方法和装置 - Google Patents
一种数据增长率计算方法和装置 Download PDFInfo
- Publication number
- CN106960019A CN106960019A CN201710138240.1A CN201710138240A CN106960019A CN 106960019 A CN106960019 A CN 106960019A CN 201710138240 A CN201710138240 A CN 201710138240A CN 106960019 A CN106960019 A CN 106960019A
- Authority
- CN
- China
- Prior art keywords
- target data
- growth
- time
- growth rate
- forecasting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
Abstract
本发明提供一种数据增长率计算方法和装置,所述方法包括:确定预定数值、最初起算时间和最终结算时间;确定评估对象在所述最初起算时间之前预测的预测趋势为增长的目标数据;根据所述目标数据的数量将所述预定数值等分为若干部分,所述若干部分与所述目标数据一一对应;判断所述评估对象在所述最初起算时间至最终结算时间之间是否发布预测息;当所述评估对象在所述最初起算时间至最终结算时间之间未发布预测息时,根据各个目标数据在所述最初起算时间至最终结算时间之间的增长率,计算各个所述部分的增长结果,并根据所述增长结果的总和确定预定数值的增长率。
Description
技术领域
本发明涉及计算机数据挖掘和处理领域,具体涉及一种数据增长率计算方法和装置。
背景技术
随着计算机和互联网技术的发展,计算机处理数据的智能性得到了显著的提高。目前,计算机可以根据预定的规则或者算法,估计或预测某些数据在未来的变化。
例如某些数据本身会随着时间发生变化,而它们的变化过程是非线性的,或是不符合低维度的规律的。如果这些数据的变化会对相关产业差生重大影响,那么预测这些数据的变化则是十分必要的,预知数据的未来走势有助于提前做出应对方案。假设存在一台机器或者某个人可以对这些数据的变化进行预测,无论采用由计算机执行的深度学习算法还是依赖人为的经验,都很难预测出具体的数值,而通常只能够给出一种趋势预测,也即预测某个数据在未来的一段时间是增长、不变或减少。由于数据预测方通常会对大量的数据进行预测,所以用户很难验证数据预测方的大量结论的可信度,也即无法评价或确定数据预测方的性能。
发明内容
因此,本发明要解决的技术问题在于数据预测方的性能无法被评估或确定的问题。
有鉴于此,本发明提供一种数据增长率计算方法,包括:
确定预定数值、最初起算时间和最终结算时间;
确定评估对象在所述最初起算时间之前预测的预测趋势为增长的目标数据;
根据所述目标数据的数量将所述预定数值等分为若干部分,所述若干部分与所述目标数据一一对应;
判断所述评估对象在所述最初起算时间至最终结算时间之间是否发布预测息;
当所述评估对象在所述最初起算时间至最终结算时间之间未发布预测息时,根据各个目标数据在所述最初起算时间至最终结算时间之间的增长率,计算各个所述部分的增长结果,并根据所述增长结果的总和确定预定数值的增长率。
优选地,当所述评估对象在所述最初起算时间至最终结算时间之间发布了预测信息时,判断是否采纳所述预测信息;
当采纳所述预测信息时,根据所述预测信息重新确定目标数据以及与重新确定的目标数据对应的中间结算时间;
根据重新确定的目标数据在所述最初起算时间至所述中间结算时间之间的增长率,以及重新确定的目标数据在中间结算时间至最终结算时间之间的增长率,计算各个所述部分的增长结果,并根据所述增长结果的总和确定预定数值的增长率。
优选地,所述预测信息包括预测对象、预测趋势和预测时间;
所述判断是否采纳所述预测信息,包括:
判断所述预测对象是否为当前已有的目标数据;
当所述预测对象是当前已有的目标数据时,判断所述预测趋势是否为非增长;
当所述预测趋势为非增长时,判定所述预测信息需要被采纳;
当所述预测对象不是当前已有的目标数据时,判断所述预测趋势是否为增长;
当所述预测趋势为增长时,判定所述预测信息需要被采纳。
优选地,当采纳所述预测信息时,将所述预测时间作为中间结算时间;
当所述预测信息中的预测对象是当前已有的目标数据,且所述预测趋势为非增长时,所述根据重新确定的目标数据在所述最初起算时间至所述中间结算时间之间的增长率,以及重新确定的目标数据在中间结算时间至最终结算时间之间的增长率,计算各个所述部分的增长结果,包括:
确定各个所述目标数据在所述最初起算时间至所述中间结算时间的增长率;
根据各个所述目标数据的增长率计算相应部分增长后的数值;
将所述预测趋势变更为非增长的目标数据对应的增长后的部分均分给当前剩余的其他目标数据;
剔除所述预测趋势变更为非增长的目标数据;
分别确定剩余的各个目标数据在所述中间结算时间至所述最终结算时间之间的增长率,并计算所述再次等分的各个部分的增长结果。
优选地,当采纳所述预测信息时,将所述预测时间作为中间结算时间;
当所述预测信息中的预测对象不是当前已有的目标数据,且所述预测趋势为增长时,所述根据重新确定的目标数据在所述最初起算时间至所述中间结算时间之间的增长率,以及重新确定的目标数据在中间结算时间至最终结算时间之间的增长率,计算各个所述部分的增长结果,包括:
将所述预测对象添加为目标数据;
分别确定在所述将所述预测对象添加为目标数据的步骤之前的各个目标数据在所述最初起算时间至所述中间结算时间之间的增长率,并根据所述增长率计算之前的各个所述部分的增长结果;
根据在所述将所述预测对象添加为目标数据的步骤之后的目标数据的数量将所述各个部分的增长结果的总和再次等分为若干部分,再次等分的若干部分与当前的目标数据一一对应;
分别确定当前的各个目标数据在所述中间结算时间至所述最终结算时间之间的增长率,并计算所述再次等分的各个部分的增长结果。
相应地,本发明还提供了一种数据增长率计算装置,包括:
参数确定模块,用于确定预定数值、最初起算时间和最终结算时间;
初始目标数据确定模块,用于确定评估对象在所述最初起算时间之前预测的预测趋势为增长的目标数据;
预定数值划分模块,用于根据所述目标数据的数量将所述预定数值等分为若干部分,所述若干部分与所述目标数据一一对应;
预测信息检测模块,用于判断所述评估对象在所述最初起算时间至最终结算时间之间是否发布预测息;
第一增长率计算模块,用于当所述评估对象在所述最初起算时间至最终结算时间之间未发布预测息时,根据各个目标数据在所述最初起算时间至最终结算时间之间的增长率,计算各个所述部分的增长结果,并根据所述增长结果的总和确定预定数值的增长率。
优选地,还包括:
预测信息检测判断模块,用于当所述评估对象在所述最初起算时间至最终结算时间之间发布了预测信息时,判断是否采纳所述预测信息;
中间参数确定模块,用于当采纳所述预测信息时,根据所述预测信息重新确定目标数据以及与重新确定的目标数据对应的中间结算时间;
第二增长率计算模块,用于根据重新确定的目标数据在所述最初起算时间至所述中间结算时间之间的增长率,以及重新确定的目标数据在中间结算时间至最终结算时间之间的增长率,计算各个所述部分的增长结果,并根据所述增长结果的总和确定预定数值的增长率。
优选地,所述预测信息包括预测对象、预测趋势和预测时间;
所述预测信息检测判断模块包括:
查重模块,用于判断所述预测对象是否为当前已有的目标数据;
非增长判断模块,用于当所述预测对象是当前已有的目标数据时,判断所述预测趋势是否为非增长;
第一判定模块,用于当所述预测趋势为非增长时,判定所述预测信息需要被采纳;
增长判断模块,用于当所述预测对象不是当前已有的目标数据时,判断所述预测趋势是否为增长;
第二判定模块,用于当所述预测趋势为增长时,判定所述预测信息需要被采纳。
优选地,当采纳所述预测信息时,将所述预测时间作为中间结算时间;
当所述预测信息中的预测对象是当前已有的目标数据,且所述预测趋势为非增长时,所述第二增长率计算模块包括:
目标数据增长率计算模块,用于确定各个所述目标数据在所述最初起算时间至所述中间结算时间的增长率;
预定数值计算模块,用于根据各个所述目标数据的增长率计算相应部分增长后的数值;
重新分配模块,用于将所述预测趋势变更为非增长的目标数据对应的增长后的部分均分给当前剩余的其他目标数据;
剔除模块,用于剔除所述预测趋势变更为非增长的目标数据;
剩余量计算模块,用于分别确定剩余的各个目标数据在所述中间结算时间至所述最终结算时间之间的增长率,并计算所述再次等分的各个部分的增长结果。
优选地,当采纳所述预测信息时,将所述预测时间作为中间结算时间;
当所述预测信息中的预测对象不是当前已有的目标数据,且所述预测趋势为增长时,所述第二增长率计算模块包括:
增加模块,用于将所述预测对象添加为目标数据;
中间量计算模块,用于分别确定在所述将所述预测对象添加为目标数据的步骤之前的各个目标数据在所述最初起算时间至所述中间结算时间之间的增长率,并根据所述增长率计算之前的各个所述部分的增长结果;
重新分配模块,用于根据在所述将所述预测对象添加为目标数据的步骤之后的目标数据的数量将所述各个部分的增长结果的总和再次等分为若干部分,再次等分的若干部分与当前的目标数据一一对应;
剩余量计算模块,用于分别确定当前的各个目标数据在所述中间结算时间至所述最终结算时间之间的增长率,并计算所述再次等分的各个部分的增长结果。
根据本发明实施例提供的数据增长率计算方法及装置,首先为目标数据分配预定数额,然后根据各个目标数据在最初起算时间至最终结算时间之间的增长率,计算各个分配部分的增长结果最终根据这些增长结果的总和确定预定数值的增长率,依次可以体现评估对象在一个时间段内的综合性收益,此收益即量化出了数据预测方的性能。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的一个实施例中的数据增长率计算方法的流程图;
图2为本发明的另一个实施例中的数据增长率计算方法的流程图;
图3为本发明的第三个实施例中的数据增长率计算方法装置的结构示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。在本发明的描述中,需要说明的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本发明可以应用在股票数据计算场景中。从数据层面来看,股票的价格会随时间发生变化,而股票分析师会发布针对个股的研报,研报中至少包括对股票未来走势的预测结论,也即股票价格从其发布研报之日起会增长、维持当前水平或者下跌。关于某一份研报的预测结论是否正确,是比较容易被验证的,即通过监测股票在该研报发布日期起,经过一段时间后的价格与发布研报之日的价格进行比较即可验证该预测结论是否正确。但是同一分析师通常会不定期地针对多个股票发布多个研报,仅仅分别验证各个研报的预测结论的正确率不足以体现该分析师所给出的预测结论的价值。
本发明实施例提供了一种数据增长率计算方法,可以基于股票分析师的所给出的预测结论的计算分析师的收益,如图1所示,该方法包括:
S1,确定预定数值、最初起算时间和最终结算时间,例如起算时间是某年的1月1日,结算日期是当年的12月31日,预定数值可以看做虚拟资金,取值例如为100万。本方案最终即是要计算某分析师在这一年的收益率。
S2,确定评估对象在所述最初起算时间之前预测的预测趋势为增长的目标数据。其中,评估对象为分析师,目标数据为股票价格。假设分析师在该年的1月1日之前发布过2个预测结论为增长的研报,2个研报分别针对股票a1和股票a2,这2个股票的价格即为目标数据。需要说明的是,本方案在此步骤需要对分析师所发的研报进行筛选,因为同一分析师可能会针对同一只股票发布多个研报,并且多个研报中的预测结论可能是不同的,所以在此步骤需要筛选出分析师认为当前趋势仍为增长的股票。
进一步需要说明的是,通常对股票市值的预测趋势最多为5种,在本领域中也将此称为对股票的评级,例如某些研报数据使用“买入”、“增持”、“中性”、“减持”、“卖出”这5个用词来表达对股票市值的预测趋势,显然其中“买入”和“增持”表示的是正向增长的趋势,“中性”表示的是维持与之前相同的趋势,“减持”、“卖出”表示的是逆向下跌的趋势。不同机构发布的研报数据的格式可能是不同的,并且其中的用词也可能是不同的,例如某些研报数据还可能使用系数(数值)表示趋势。在此步骤中,即可以采用关键字匹配的方式来确定预测趋势,也可以结合预设阈值匹配的方式来确定预测趋势。研报数据的格式和表达方式是符合一定行业标准的,因此表达方式也是有限的,所以可以针对来自不同机构的研报数据采取相应的识别方式来筛选出趋势为正向增长的研报数据。
S3,根据所述目标数据的数量将所述预定数值等分为若干部分,所述若干部分与所述目标数据一一对应,即将100万等分为p1和p2,均为50万,分别对应股票a1和股票a2;
S4,判断所述评估对象在所述最初起算时间至最终结算时间之间是否发布预测息,当所述评估对象在所述最初起算时间至最终结算时间之间未发布预测息时执行步骤S5,否则执行步骤S6。例如分析师在该年1月1日至12月31日之间未发布研报,则执行步骤S5;例如分析师在该年1月1日至12月31日之间发布了新的研报,则执行步骤S6。
S5,根据各个目标数据在所述最初起算时间至最终结算时间之间的增长率,计算各个所述部分的增长结果,并根据所述增长结果的总和确定预定数值的增长率。例如其中一只股票在该年1月1日至12月31日之间增长了20%,另一只股票在该年1月1日至12月31日之间增长了30%,则相应的第一个50万变为50(1+20%)=60万,相应的另一个50万变为50(1+30%)=65万,那么虚拟资金从100万增长到了125万,其增长率为25%。
S6,判断是否采纳所述预测信息,判断方式有多种,例如可以根据预测信息所针对的预测对象进行判断,或者结合预测信息中的预测趋势信息进行判断。当采纳所述预测信息时,执行步骤S7-S8,否则不必进行计算,可以返回步骤S4,继续判断是否存在另外的预测信息。
S7,根据所述预测信息重新确定目标数据以及与重新确定的目标数据对应的中间结算时间。由于发布了新的研报,所以有可能需要增加新的股票作为增加的目标数据,也有可能是当前某一个或几个作为目标数据的股票的评级被调整为了下跌,所以需要从当前的目标数据中去掉某一个或几个目标数据。无论是增加新的目标数据还是剔除已有的目标数据,对计算收益率的操作均会产生影响,具体则是需要重新分配当前的本金和收益(各个部分的增长结果的总和)以及确定各个股票的起算时间或者结算时间。
S8,根据重新确定的目标数据在所述最初起算时间至所述中间结算时间之间的增长率,以及重新确定的目标数据在中间结算时间至最终结算时间之间的增长率,计算各个所述部分的增长结果,并根据所述增长结果的总和确定预定数值的增长率。
在此步骤中,首先需要确定加入新的目标数据的时间点t1,或者剔除当前某个目标数据的时间点t2,t1或t2就是当前采纳的研报的发布日。然后需要计算在这个时间点t1或t2之前,各个目标数据的增长率,进而计算各个相应部分p1和p2的增长结果,例如第一部分的增长结果为p1’、第二部分的增长结果为p2’。
计算完成后,对于加入1个新的目标数据的情况,需要将p1’和p2’的总和重新分配给当前的3个目标数据,然后以这个时间点t1作为新的起算日,如果后续没有新的研报,则计算这3个目标数据到最终结算日的增长率,进而计算各个相应部分的增长结果,最终确定预定数值的增长率。
对于剔除掉1个已有的目标数据的情况,例如剔除的是股票a1,则需要将p1’平均分配给剩余的目标数据(根据之前的举例情况,此时只剩下股票a2),然后以这个时间点t2作为新的起算日,如果后续没有新的研报,则计算保留的目标数据到最终结算日的增长率,进而计算各个相应部分的增长结果,最终确定预定数值的增长率。
如果在t1或t2之后,且在最终结算日之前,还存在需要采纳的研报(即需要添加或剔除目标数据的情况),则按照上述两种计算方式继续计算,直至没有需要采纳的研报为止。
本方法不限于应用在股票数据计算领域中,只要是评估对象能够预测某种随时间变化的参数的场景,都可以利用本方法计算评估对象的收益率。例如评估对象可以是某种计算机软件模型,具体可以是神经网络模型、深度学习模型、机器学习模型等。
根据本发明实施例提供的数据增长率计算方法,首先为目标数据分配预定数额,然后根据各个目标数据在最初起算时间至最终结算时间之间的增长率,计算各个分配部分的增长结果最终根据这些增长结果的总和确定预定数值的增长率,依次可以体现评估对象在一个时间段内的综合性收益,此收益即量化出了数据预测方的性能。
如上所述,在本实施例中预测信息即为研报数据,该信息包括预测对象(研报所针对的股票)、预测趋势(股票价格的走势)和预测时间(研报的发布时间)。本实施例提供一种优选的判断是否采纳预测信息的方式,如图2所示,上述步骤S6具体可以包括如下步骤:
S61,判断所述预测对象是否为当前已有的目标数据。当所述预测对象是当前已有的目标数据时执行步骤S62,否则执行步骤S63。
S62,判断所述预测趋势是否为非增长。当所述预测趋势为非增长时,执行步骤S64,否则执行步骤S65。
S63,判断所述预测趋势是否为增长,当所述预测趋势为增长时执行步骤S64,否则执行步骤S65;
S64,采纳所述预测信息;
S65,不采纳所述预测信息。
作为第一种采纳了预测信息的情况,例如该分析师在当年的6月1日发布了一个研报,该研报针对的是股票a1,且预测趋势不是增长。在此情况下将所述预测时间作为中间结算时间,即研报的发布时间-6月1日,这种情况下需要剔除已有的目标数据,即上述步骤S8具体可以包括如下步骤:
S81a,确定各个所述目标数据在所述最初起算时间至所述中间结算时间的增长率。具体地,首先确定股票a1从1月1日到6月1日的增长率,假设该增长率为10%,以及股票a2从1月1日到6月1日的增长率,假设该增长率为20%。
S82a,根据各个所述目标数据的增长率计算相应部分增长后的数值。按照最初的分配情况p1和p2均为50万,在此根据股票a1的增长率计算p1的增长结果p1’,即p1’=50万(1+10%)=55万;根据股票a2的增长率计算p2的增长结果p2’,即p2’=50万(1+20%)=60万。
S83a,将所述预测趋势变更为非增长的目标数据对应的增长后的部分均分给当前剩余的其他目标数据,在本实施例中只剩一个目标数据-股票a2,因此将股票a1对应的p1’分配给a2,分配后股票a2对应的部分为p1’+p2’=115万;
S84a,剔除所述预测趋势变更为非增长的目标数据,之后不再计算股票a1的相关内容。
S85a,分别确定剩余的各个目标数据在所述中间结算时间至所述最终结算时间之间的增长率,并计算所述再次等分的各个部分的增长结果。
假设6月1日之后没有新的研报数据,则计算股票a2从6月1日至12月31日的增长率,假设增长率为5%,则虚拟资金的结果是115万(1+5%)=120.75万,该分析师的收益率为(120.75-100)/100=20.75%。
作为另一种采纳了预测信息的情况,例如该分析师在当年的6月1日发布了一个研报,该研报针对的是股票a3,且预测趋势为增长,在此情况下将所述预测时间作为中间结算时间,即研报的发布时间-6月1日,这种情况下需添加一个目标数据,即上述步骤S8具体可以包括如下步骤:
S81b,将所述预测对象添加为目标数据,也即将股票a3添加为目标数据,此时目标数据为a1、a2和a3;
S82b,分别确定在步骤S81b之前的各个目标数据在所述最初起算时间至所述中间结算时间之间的增长率,并根据所述增长率计算之前的各个所述部分的增长结果。
具体地,首先确定股票a1从1月1日到6月1日的增长率,假设该增长率为10%,以及股票a2从1月1日到6月1日的增长率,假设该增长率为20%。
然后按照最初的分配情况p1和p2均为50万,在此根据股票a1的增长率计算p1的增长结果p1’,即p1’=50万(1+10%)=55万;根据股票a2的增长率计算p2的增长结果p2’,即p2’=50万(1+20%)=60万。
S83b,根据在步骤S81b之后的目标数据的数量将所述各个部分的增长结果的总和再次等分为若干部分,再次等分的若干部分与当前的目标数据一一对应。此时目标数据的数量变为3个,因此需要将p1’+p2’的和115万均分为3等分-部分p1’‘’=38.3万、部分p2’‘’=38.3万、部分p3’‘’=38.3万。
S84b,分别确定当前的各个目标数据在所述中间结算时间至所述最终结算时间之间的增长率,并计算所述再次等分的各个部分的增长结果。即分别根据股票a1、a2、a3从6月1日至12月31日的增长率,计算p1’‘’、p2’‘’、p3’‘’的增长结果。
假设6月1日之后没有新的研报数据,则根据p1’‘’、p2’‘’、p3’‘’的增长结果的总和与最初的预定数值100万计算分析师在这一年的收益率。
本发明另一实施例还提供了一种数据增长率计算装置,如图3所示,该装置包括:
参数确定模块31,用于确定预定数值、最初起算时间和最终结算时间;
初始目标数据确定模块32,用于确定评估对象在所述最初起算时间之前预测的预测趋势为增长的目标数据;
预定数值划分模块33,用于根据所述目标数据的数量将所述预定数值等分为若干部分,所述若干部分与所述目标数据一一对应;
预测信息检测模块34,用于判断所述评估对象在所述最初起算时间至最终结算时间之间是否发布预测息;
第一增长率计算模块35,用于当所述评估对象在所述最初起算时间至最终结算时间之间未发布预测息时,根据各个目标数据在所述最初起算时间至最终结算时间之间的增长率,计算各个所述部分的增长结果,并根据所述增长结果的总和确定预定数值的增长率。
优选地,该装置还包括:
预测信息检测判断模块36,用于当所述评估对象在所述最初起算时间至最终结算时间之间发布了预测信息时,判断是否采纳所述预测信息;
中间参数确定模块37,用于当采纳所述预测信息时,根据所述预测信息重新确定目标数据以及与重新确定的目标数据对应的中间结算时间;
第二增长率计算模块38,用于根据重新确定的目标数据在所述最初起算时间至所述中间结算时间之间的增长率,以及重新确定的目标数据在中间结算时间至最终结算时间之间的增长率,计算各个所述部分的增长结果,并根据所述增长结果的总和确定预定数值的增长率。
根据本发明实施例提供的数据增长率计算装置,首先为目标数据分配预定数额,然后根据各个目标数据在最初起算时间至最终结算时间之间的增长率,计算各个分配部分的增长结果最终根据这些增长结果的总和确定预定数值的增长率,依次可以体现评估对象在一个时间段内的综合性收益,此收益即量化出了数据预测方的性能。
优选地,所述预测信息包括预测对象、预测趋势和预测时间;
所述预测信息检测判断模块包括:
查重模块,用于判断所述预测对象是否为当前已有的目标数据;
非增长判断模块,用于当所述预测对象是当前已有的目标数据时,判断所述预测趋势是否为非增长;
第一判定模块,用于当所述预测趋势为非增长时,判定所述预测信息需要被采纳;
增长判断模块,用于当所述预测对象不是当前已有的目标数据时,判断所述预测趋势是否为增长;
第二判定模块,用于当所述预测趋势为增长时,判定所述预测信息需要被采纳。
优选地,当采纳所述预测信息时,将所述预测时间作为中间结算时间;
当所述预测信息中的预测对象是当前已有的目标数据,且所述预测趋势为非增长时,所述第二增长率计算模块包括:
目标数据增长率计算模块,用于确定各个所述目标数据在所述最初起算时间至所述中间结算时间的增长率;
预定数值计算模块,用于根据各个所述目标数据的增长率计算相应部分增长后的数值;
重新分配模块,用于将所述预测趋势变更为非增长的目标数据对应的增长后的部分均分给当前剩余的其他目标数据;
剔除模块,用于剔除所述预测趋势变更为非增长的目标数据;
剩余量计算模块,用于分别确定剩余的各个目标数据在所述中间结算时间至所述最终结算时间之间的增长率,并计算所述再次等分的各个部分的增长结果。
优选地,当采纳所述预测信息时,将所述预测时间作为中间结算时间;
当所述预测信息中的预测对象不是当前已有的目标数据,且所述预测趋势为增长时,所述第二增长率计算模块包括:
增加模块,用于将所述预测对象添加为目标数据;
中间量计算模块,用于分别确定在所述将所述预测对象添加为目标数据的步骤之前的各个目标数据在所述最初起算时间至所述中间结算时间之间的增长率,并根据所述增长率计算之前的各个所述部分的增长结果;
重新分配模块,用于根据在所述将所述预测对象添加为目标数据的步骤之后的目标数据的数量将所述各个部分的增长结果的总和再次等分为若干部分,再次等分的若干部分与当前的目标数据一一对应;
剩余量计算模块,用于分别确定当前的各个目标数据在所述中间结算时间至所述最终结算时间之间的增长率,并计算所述再次等分的各个部分的增长结果。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种数据增长率计算方法,其特征在于,包括:
确定预定数值、最初起算时间和最终结算时间;
确定评估对象在所述最初起算时间之前预测的预测趋势为增长的目标数据;
根据所述目标数据的数量将所述预定数值等分为若干部分,所述若干部分与所述目标数据一一对应;
判断所述评估对象在所述最初起算时间至最终结算时间之间是否发布预测息;
当所述评估对象在所述最初起算时间至最终结算时间之间未发布预测息时,根据各个目标数据在所述最初起算时间至最终结算时间之间的增长率,计算各个所述部分的增长结果,并根据所述增长结果的总和确定预定数值的增长率。
2.根据权利要求1所述的方法,其特征在于,当所述评估对象在所述最初起算时间至最终结算时间之间发布了预测信息时,判断是否采纳所述预测信息;
当采纳所述预测信息时,根据所述预测信息重新确定目标数据以及与重新确定的目标数据对应的中间结算时间;
根据重新确定的目标数据在所述最初起算时间至所述中间结算时间之间的增长率,以及重新确定的目标数据在中间结算时间至最终结算时间之间的增长率,计算各个所述部分的增长结果,并根据所述增长结果的总和确定预定数值的增长率。
3.根据权利要求2所述的方法,其特征在于,所述预测信息包括预测对象、预测趋势和预测时间;
所述判断是否采纳所述预测信息,包括:
判断所述预测对象是否为当前已有的目标数据;
当所述预测对象是当前已有的目标数据时,判断所述预测趋势是否为非增长;
当所述预测趋势为非增长时,判定所述预测信息需要被采纳;
当所述预测对象不是当前已有的目标数据时,判断所述预测趋势是否为增长;
当所述预测趋势为增长时,判定所述预测信息需要被采纳。
4.根据权利要求3所述的方法,其特征在于,当采纳所述预测信息时,将所述预测时间作为中间结算时间;
当所述预测信息中的预测对象是当前已有的目标数据,且所述预测趋势为非增长时,所述根据重新确定的目标数据在所述最初起算时间至所述中间结算时间之间的增长率,以及重新确定的目标数据在中间结算时间至最终结算时间之间的增长率,计算各个所述部分的增长结果,包括:
确定各个所述目标数据在所述最初起算时间至所述中间结算时间的增长率;
根据各个所述目标数据的增长率计算相应部分增长后的数值;
将所述预测趋势变更为非增长的目标数据对应的增长后的部分均分给当前剩余的其他目标数据;
剔除所述预测趋势变更为非增长的目标数据;
分别确定剩余的各个目标数据在所述中间结算时间至所述最终结算时间之间的增长率,并计算所述再次等分的各个部分的增长结果。
5.根据权利要求3所述的方法,其特征在于,当采纳所述预测信息时,将所述预测时间作为中间结算时间;
当所述预测信息中的预测对象不是当前已有的目标数据,且所述预测趋势为增长时,所述根据重新确定的目标数据在所述最初起算时间至所述中间结算时间之间的增长率,以及重新确定的目标数据在中间结算时间至最终结算时间之间的增长率,计算各个所述部分的增长结果,包括:
将所述预测对象添加为目标数据;
分别确定在所述将所述预测对象添加为目标数据的步骤之前的各个目标数据在所述最初起算时间至所述中间结算时间之间的增长率,并根据所述增长率计算之前的各个所述部分的增长结果;
根据在所述将所述预测对象添加为目标数据的步骤之后的目标数据的数量将所述各个部分的增长结果的总和再次等分为若干部分,再次等分的若干部分与当前的目标数据一一对应;
分别确定当前的各个目标数据在所述中间结算时间至所述最终结算时间之间的增长率,并计算所述再次等分的各个部分的增长结果。
6.一种数据增长率计算装置,其特征在于,包括:
参数确定模块,用于确定预定数值、最初起算时间和最终结算时间;
初始目标数据确定模块,用于确定评估对象在所述最初起算时间之前预测的预测趋势为增长的目标数据;
预定数值划分模块,用于根据所述目标数据的数量将所述预定数值等分为若干部分,所述若干部分与所述目标数据一一对应;
预测信息检测模块,用于判断所述评估对象在所述最初起算时间至最终结算时间之间是否发布预测息;
第一增长率计算模块,用于当所述评估对象在所述最初起算时间至最终结算时间之间未发布预测息时,根据各个目标数据在所述最初起算时间至最终结算时间之间的增长率,计算各个所述部分的增长结果,并根据所述增长结果的总和确定预定数值的增长率。
7.根据权利要求6所述的装置,其特征在于,还包括:
预测信息检测判断模块,用于当所述评估对象在所述最初起算时间至最终结算时间之间发布了预测信息时,判断是否采纳所述预测信息;
中间参数确定模块,用于当采纳所述预测信息时,根据所述预测信息重新确定目标数据以及与重新确定的目标数据对应的中间结算时间;
第二增长率计算模块,用于根据重新确定的目标数据在所述最初起算时间至所述中间结算时间之间的增长率,以及重新确定的目标数据在中间结算时间至最终结算时间之间的增长率,计算各个所述部分的增长结果,并根据所述增长结果的总和确定预定数值的增长率。
8.根据权利要求7所述的方法,其特征在于,所述预测信息包括预测对象、预测趋势和预测时间;
所述预测信息检测判断模块包括:
查重模块,用于判断所述预测对象是否为当前已有的目标数据;
非增长判断模块,用于当所述预测对象是当前已有的目标数据时,判断所述预测趋势是否为非增长;
第一判定模块,用于当所述预测趋势为非增长时,判定所述预测信息需要被采纳;
增长判断模块,用于当所述预测对象不是当前已有的目标数据时,判断所述预测趋势是否为增长;
第二判定模块,用于当所述预测趋势为增长时,判定所述预测信息需要被采纳。
9.根据权利要求8所述的装置,其特征在于,当采纳所述预测信息时,将所述预测时间作为中间结算时间;
当所述预测信息中的预测对象是当前已有的目标数据,且所述预测趋势为非增长时,所述第二增长率计算模块包括:
目标数据增长率计算模块,用于确定各个所述目标数据在所述最初起算时间至所述中间结算时间的增长率;
预定数值计算模块,用于根据各个所述目标数据的增长率计算相应部分增长后的数值;
重新分配模块,用于将所述预测趋势变更为非增长的目标数据对应的增长后的部分均分给当前剩余的其他目标数据;
剔除模块,用于剔除所述预测趋势变更为非增长的目标数据;
剩余量计算模块,用于分别确定剩余的各个目标数据在所述中间结算时间至所述最终结算时间之间的增长率,并计算所述再次等分的各个部分的增长结果。
10.根据权利要求8所述的装置,其特征在于,当采纳所述预测信息时,将所述预测时间作为中间结算时间;
当所述预测信息中的预测对象不是当前已有的目标数据,且所述预测趋势为增长时,所述第二增长率计算模块包括:
增加模块,用于将所述预测对象添加为目标数据;
中间量计算模块,用于分别确定在所述将所述预测对象添加为目标数据的步骤之前的各个目标数据在所述最初起算时间至所述中间结算时间之间的增长率,并根据所述增长率计算之前的各个所述部分的增长结果;
重新分配模块,用于根据在所述将所述预测对象添加为目标数据的步骤之后的目标数据的数量将所述各个部分的增长结果的总和再次等分为若干部分,再次等分的若干部分与当前的目标数据一一对应;
剩余量计算模块,用于分别确定当前的各个目标数据在所述中间结算时间至所述最终结算时间之间的增长率,并计算所述再次等分的各个部分的增长结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710138240.1A CN106960019A (zh) | 2017-03-09 | 2017-03-09 | 一种数据增长率计算方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710138240.1A CN106960019A (zh) | 2017-03-09 | 2017-03-09 | 一种数据增长率计算方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106960019A true CN106960019A (zh) | 2017-07-18 |
Family
ID=59470070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710138240.1A Withdrawn CN106960019A (zh) | 2017-03-09 | 2017-03-09 | 一种数据增长率计算方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106960019A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110057406A (zh) * | 2019-05-22 | 2019-07-26 | 西安因联信息科技有限公司 | 一种多尺度自适应的机械设备趋势预警方法 |
US11488408B2 (en) * | 2021-02-18 | 2022-11-01 | Green Monster Co., Ltd. | Prediction device, prediction method, prediction program |
-
2017
- 2017-03-09 CN CN201710138240.1A patent/CN106960019A/zh not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110057406A (zh) * | 2019-05-22 | 2019-07-26 | 西安因联信息科技有限公司 | 一种多尺度自适应的机械设备趋势预警方法 |
CN110057406B (zh) * | 2019-05-22 | 2022-05-17 | 西安因联信息科技有限公司 | 一种多尺度自适应的机械设备趋势预警方法 |
US11488408B2 (en) * | 2021-02-18 | 2022-11-01 | Green Monster Co., Ltd. | Prediction device, prediction method, prediction program |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109492945A (zh) | 企业风险识别监控方法、装置、设备及存储介质 | |
CN107633265A (zh) | 用于优化信用评估模型的数据处理方法及装置 | |
CN107464037A (zh) | 基于多指标维度模型的企业画像方法及系统 | |
CN105354210A (zh) | 移动游戏支付账户行为数据处理方法和装置 | |
CN106780001A (zh) | 一种发票虚开企业监控识别方法及系统 | |
CN105989441A (zh) | 模型参数调整方法和装置 | |
CN111008896A (zh) | 金融风险预警方法、装置、电子设备及存储介质 | |
US11144844B2 (en) | Refining customer financial security trades data model for modeling likelihood of successful completion of financial security trades | |
CN109740865A (zh) | 风险评估方法、系统、设备及存储介质 | |
CN107992978A (zh) | 一种网贷平台的风险预警方法及相关装置 | |
CN111708883A (zh) | 一种基于机器学习和设备指纹的授信额度确定方法及装置 | |
CN106960019A (zh) | 一种数据增长率计算方法和装置 | |
CN114638696A (zh) | 信贷风险预测模型的训练方法及系统 | |
CN109242165A (zh) | 一种模型训练及基于模型训练的预测方法及装置 | |
CN108122166A (zh) | 采用智能量化金融技术对股票进行归类和评分的方法 | |
Pan | The use of genetic programming for the construction of a financial management model in an enterprise | |
Mileris et al. | Data reduction influence on the accuracy of credit risk estimation models | |
CN113793208A (zh) | 一种基于区块链的小额金融债权纠纷智慧诉讼系统 | |
CN109214929A (zh) | 投资监督方法及装置 | |
CN116433364A (zh) | 一种基于优化bp神经网络模型的车况评估方法及系统 | |
TWI471818B (zh) | 微型企業融資風險評估方法 | |
Modina | Credit Rating and Bank-Firm Relationships: New Models to Better Evaluate SMEs | |
CN108022189A (zh) | 一种发明专利价值计算方法和装置 | |
CN109214714A (zh) | 资产负债预警分析方法、装置及计算机可读存储介质 | |
Rogers | Can facility managers impact the expected budgetary outcomes of robust asset management programs? |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20170718 |
|
WW01 | Invention patent application withdrawn after publication |