CN107122872A - 数据预测结果、基金估值结果的评估方法及装置 - Google Patents

Abstract

本申请实施例公开了一种数据预测结果、基金估值结果的评估方法及装置，用以实现对数据预测值的可靠性进行评估的效果。所述方法包括：在数据预测值的计算过程中，根据预设的预测因子集确定计算过程中命中的至少一个目标预测因子；获取预先配置的各预测因子与其对数据预测值的影响程度之间的对应关系，根据对应关系确定各目标预测因子分别对应的影响程度；根据各目标预测因子分别对应的影响程度，确定数据预测值的评估结果。该技术方案能够实现对数据预测值的评估，无需再将对数据预测值的预测可靠性产生影响的相关信息展示给用户，从而避免了大量相关信息给用户造成的使用困惑的问题，且避免了用户主观评估数据预测值的不准确问题。

Description

数据预测结果、基金估值结果的评估方法及装置

技术领域

本发明涉及通信领域，尤其涉及一种数据预测结果、基金估值结果的评估方法及装置。

背景技术

数据预测值是在数据公布之前，根据已有的数据以及相关信息对即将公布的数据进行预测的结果，其中，相关信息如数据运行环境、对数据产生影响的因素等等。现有技术中，在数据公布之前，用户可通过分析数据预测值进行某个(些)决策。例如，已知电脑硬盘的上一个时间点的可用空间，需要对下一个时间点的可用空间进行预测，那么根据上一个时间点的可用空间以及相关信息(如在硬盘中存储数据的频率、每次存储至硬盘的数据大小等)即可预测出下一个时间点的可用空间。

然而，由于数据预测值的计算过程中所依赖的相关信息包括多种不确定因素，导致对数据预测值的预测可靠性产生影响。因此，用户在使用数据预测值时，需要针对可能对数据预测值的预测可靠性产生影响的相关信息进行分析，从而对数据预测值进行评估，以确定是否使用数据预测值。但是，如果将可能对数据预测值的预测可靠性产生影响的相关信息展示给用户，由于很多用户对上述相关信息所产生的影响力并不十分清楚，因此不仅会造成用户使用上的困惑，且用户主观上对数据预测值的评估误差较大，导致评估结果不准确。

发明内容

本申请实施例的目的是提供一种数据预测结果、基金估值结果的评估方法及装置，用以实现对数据预测值的可靠性进行评估的效果。

为解决上述技术问题，本申请实施例是这样实现的：

一方面，本申请实施例提供一种数据预测结果的评估方法，包括：

在数据预测值的计算过程中，根据预设的预测因子集确定所述计算过程中命中的至少一个目标预测因子，所述预测因子集包括多个用于计算所述数据预测值时所依赖的预测因子；

获取预先配置的各预测因子与其对所述数据预测值的影响程度之间的对应关系，根据所述对应关系确定各所述目标预测因子分别对应的影响程度；

根据各所述目标预测因子分别对应的影响程度，确定所述数据预测值的评估结果。

可选地，所述预测因子包括以下至少一项：

数据历史值；

数据运行环境；

影响数据变化的外界因素。

可选地，所述影响程度包括数值形式的影响分值；

根据各所述目标预测因子分别对应的影响程度，确定所述数据预测值的评估结果，包括：

获取用于评估所述数据预测值的总分值；

利用所述总分值扣除各所述目标预测因子分别对应的影响分值，得到所述数据预测值的评估分值，确定所述评估分值为所述数据预测值的评估结果。

可选地，所述数据预测值的计算过程包括多个计算阶段；

所述根据预设的预测因子集确定所述计算过程中命中的至少一个目标预测因子，包括：

根据所述预测因子集，确定所述计算过程包括的各计算阶段分别命中的至少一个目标预测因子；

相应地，利用所述总分值扣除各所述目标预测因子分别对应的影响分值，得到所述数据预测值的评估分值，包括：

统计所述各计算阶段分别命中的至少一个目标预测因子对应的影响分值的总和；

利用所述总分值依次扣除所述各计算阶段分别对应的影响分值的总和，得到所述数据预测值的评估分值。

可选地，所述方法还包括：

当检测到任一所述目标预测因子对应的影响分值被更新时，确定命中该目标预测因子的计算阶段；

重新统计所述确定的计算阶段对应的影响分值的总和；

根据所述重新统计的影响分值的总和，更新所述数据预测值的评估分值。

可选地，利用所述总分值扣除各所述目标预测因子分别对应的影响分值，得到所述数据预测值的评估分值，包括：

当所述总分值小于各所述目标预测因子分别对应的影响分值之和时，确定所述数据预测值的评估分值为零。

可选地，确定所述数据预测值的评估结果之后，所述方法还包括：

当所述评估结果达到预设期望评估结果时，确定所述数据预测值为可靠数据预测值；将所述可靠数据预测值提供给用户；

或者，

将所述数据预测值及其对应的评估结果提供给用户，以使所述用户根据所述评估结果判定所述数据预测值是否属于可靠数据预测值。

另一方面，本申请实施例提供一种基金估值结果的评估方法，包括：

在基金估值的计算过程中，根据预设的风险因素集确定所述计算过程中命中的至少一个目标风险因素，所述风险因素集中包括多个用于计算所述基金估值时所依赖的风险因素；

获取预先配置的各风险因素与其针对所述基金估值的风险程度之间的对应关系，根据所述对应关系确定各所述目标风险因素分别对应的风险程度；

根据各所述目标风险因素分别对应的风险程度，确定所述基金估值的评估结果。

可选地，所述风险因素包括以下至少一项：

基金历史净值；

基金关联股票指数的历史收盘价格；

所述基金关联股票指数的权重因子；

所述基金关联股票指数的实时行情；

基金拆分/分红比例。

可选地，所述风险程度包括数值形式的风险分值；

根据各所述目标风险因素分别对应的风险程度，确定所述基金估值的评估结果，包括：

获取用于评估所述基金估值的总分值；

利用所述总分值依次扣除各所述目标风险因素分别对应的风险分值，得到所述基金估值的评估分值，确定所述评估分值为所述基金估值的评估结果。

可选地，所述基金估值的计算过程包括以下三个计算阶段：所依赖的风险因素的数据准备阶段、权重因子的计算阶段以及实时估值计算阶段；

所述根据预设的风险因素集确定所述计算过程中命中的至少一个目标风险因素，包括：

根据所述风险因素集，确定所述计算过程包括的各计算阶段分别命中的至少一个目标风险因素；

相应地，利用所述总分值依次扣除各所述目标风险因素分别对应的风险分值，得到所述基金估值的评估分值，包括：

统计所述各计算阶段分别命中的至少一个目标风险因素对应的风险分值的总和；

利用所述总分值依次扣除所述各计算阶段分别对应的风险分值的总和，得到所述基金估值的评估分值。

可选地，所述方法还包括：

当检测到任一所述目标风险因素对应的风险分值被更新时，确定命中该目标风险因素的计算阶段；

重新统计所述确定的计算阶段对应的风险分值的总和；

根据所述重新统计的风险分值的总和，更新所述基金估值的评估分值。

可选地，利用所述总分值依次扣除各所述目标风险因素分别对应的风险分值，得到所述基金估值的评估分值，包括：

当所述总分值小于各所述目标风险因素分别对应的风险分值之和，确定所述基金估值的评估分值为零。

可选地，确定所述基金估值的评估结果之后，所述方法还包括：

当所述评估结果达到预设期望评估结果时，确定所述基金估值为可靠基金估值；将所述可靠基金估值提供给用户；

或者，

将所述基金估值及其对应的评估结果提供给用户，以使所述用户根据所述评估结果判定所述基金估值是否属于可靠基金估值。

再一方面，本申请实施例提供一种数据预测结果的评估装置，包括：

预测因子确定模块，在数据预测值的计算过程中，根据预设的预测因子集确定所述计算过程中命中的至少一个目标预测因子，所述预测因子集包括多个用于计算所述数据预测值时所依赖的预测因子；

影响程度确定模块，获取预先配置的各预测因子与其对所述数据预测值的影响程度之间的对应关系，根据所述对应关系确定各所述目标预测因子分别对应的影响程度；

评估结果确定模块，根据各所述目标预测因子分别对应的影响程度，确定所述数据预测值的评估结果。

可选地，所述预测因子包括以下至少一项：

数据历史值；

数据运行环境；

影响数据变化的外界因素。

可选地，所述影响程度包括数值形式的影响分值；

所述评估结果确定模块包括：

总分值获取单元，获取用于评估所述数据预测值的总分值；

评估结果确定单元，利用所述总分值扣除各所述目标预测因子分别对应的影响分值，得到所述数据预测值的评估分值，确定所述评估分值为所述数据预测值的评估结果。

可选地，所述数据预测值的计算过程包括多个计算阶段；

所述预测因子确定模块包括：

预测因子确定单元，根据所述预测因子集，确定所述计算过程包括的各计算阶段分别命中的至少一个目标预测因子；

相应地，所述评估结果确定单元，统计所述各计算阶段分别命中的至少一个目标预测因子对应的影响分值的总和；利用所述总分值依次扣除所述各计算阶段分别对应的影响分值的总和，得到所述数据预测值的评估分值。

可选地，所述装置还包括：

计算阶段确定模块，当检测到任一所述目标预测因子对应的影响分值被更新时，确定命中该目标预测因子的计算阶段；

影响分值统计模块，重新统计所述确定的计算阶段对应的影响分值的总和；

评估分值更新模块，根据所述重新统计的影响分值的总和，更新所述数据预测值的评估分值。

可选地，所述评估结果确定单元，当所述总分值小于各所述目标预测因子分别对应的影响分值之和时，确定所述数据预测值的评估分值为零。

可选地，所述装置还包括：

第一数据预测值提供模块，当所述评估结果达到预设期望评估结果时，确定所述数据预测值为可靠数据预测值；将所述可靠数据预测值提供给用户；

或者，

第二数据预测值提供模块，将所述数据预测值及其对应的评估结果提供给用户，以使所述用户根据所述评估结果判定所述数据预测值是否属于可靠数据预测值。

再一方面，本申请实施例提供一种基金估值结果的评估装置，包括：

风险因素确定模块，在基金估值的计算过程中，根据预设的风险因素集确定所述计算过程中命中的至少一个目标风险因素，所述风险因素集中包括多个用于计算所述基金估值时所依赖的风险因素；

风险程度确定模块，获取预先配置的各风险因素与其针对所述基金估值的风险程度之间的对应关系，根据所述对应关系确定各所述目标风险因素分别对应的风险程度；

评估结果确定模块，根据各所述目标风险因素分别对应的风险程度，确定所述基金估值的评估结果。

可选地，所述风险因素包括以下至少一项：

基金历史净值；

基金关联股票指数的历史收盘价格；

所述基金关联股票指数的权重因子；

所述基金关联股票指数的实时行情；

基金拆分/分红比例。

可选地，所述风险程度包括数值形式的风险分值；

所述评估结果确定模块包括：

总分值获取单元，获取用于评估所述基金估值的总分值；

评估结果确定单元，利用所述总分值依次扣除各所述目标风险因素分别对应的风险分值，得到所述基金估值的评估分值，确定所述评估分值为所述基金估值的评估结果。

可选地，所述基金估值的计算过程包括以下三个计算阶段：所依赖的风险因素的数据准备阶段、权重因子的计算阶段以及实时估值计算阶段；

所述风险因素确定模块包括：

风险因素确定单元，根据所述风险因素集，确定所述计算过程包括的各计算阶段分别命中的至少一个目标风险因素；

相应地，所述评估结果确定单元，统计所述各计算阶段分别命中的至少一个目标风险因素对应的风险分值的总和；利用所述总分值依次扣除所述各计算阶段分别对应的风险分值的总和，得到所述基金估值的评估分值。

可选地，所述装置还包括：

基金估值阶段确定模块，当检测到任一所述目标风险因素对应的风险分值被更新时，确定命中该目标风险因素的计算阶段；

风险分值统计模块，重新统计所述确定的计算阶段对应的风险分值的总和；

评估分值更新模块，根据所述重新统计的风险分值的总和，更新所述基金估值的评估分值。

可选地，所述评估结果确定单元，当所述总分值小于各所述目标风险因素分别对应的风险分值之和，确定所述基金估值的评估分值为零。

可选地，所述装置还包括：

第一基金估值提供模块，确定所述基金估值的评估结果之后，当所述评估结果达到预设期望评估结果时，确定所述基金估值为可靠基金估值；将所述可靠基金估值提供给用户；

或者，

第二基金估值提供模块，确定所述基金估值的评估结果之后，将所述基金估值及其对应的评估结果提供给用户，以使所述用户根据所述评估结果判定所述基金估值是否属于可靠基金估值。

再一方面，本申请实施例提供一种数据预测结果的评估装置，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：

在数据预测值的计算过程中，根据预设的预测因子集确定所述计算过程中命中的至少一个目标预测因子，所述预测因子集包括多个用于计算所述数据预测值时所依赖的预测因子；

获取预先配置的各预测因子与其对所述数据预测值的影响程度之间的对应关系，根据所述对应关系确定各所述目标预测因子分别对应的影响程度；

根据各所述目标预测因子分别对应的影响程度，确定所述数据预测值的评估结果。

再一方面，本申请实施例提供一种基金估值结果的评估装置，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：

在基金估值的计算过程中，根据预设的风险因素集确定所述计算过程中命中的至少一个目标风险因素，所述风险因素集中包括多个用于计算所述基金估值时所依赖的风险因素；

获取预先配置的各风险因素与其针对所述基金估值的风险程度之间的对应关系，根据所述对应关系确定各所述目标风险因素分别对应的风险程度；

根据各所述目标风险因素分别对应的风险程度，确定所述基金估值的评估结果。

采用本发明实施例的技术方案，能够在数据预测值的计算过程中，根据预设的预测因子集确定该计算过程中命中的至少一个目标预测因子，然后根据预先配置的各预测因子与其对数据预测值的影响程度之间的对应关系确定出各目标预测因子分别对应的影响程度，进而根据各目标预测因子分别对应的影响程度确定数据预测值的评估结果。因此，该技术方案能够实现对数据预测值的评估，从而以评估结果为用户提供数据预测值是否可靠的信息，从而使用户根据评估结果确定是否使用数据预测值。此外，该技术方案由于为用户提供了数据预测值的评估结果，因此无需再将对数据预测值的预测可靠性产生影响的相关信息展示给用户，从而避免了大量相关信息给用户造成的使用困惑的问题，且避免了用户主观评估数据预测值的不准确问题。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例的一种数据预测结果的评估方法的流程图；

图2是根据本发明实施例的一种数据预测结果的评估方法中的一种提供数据预测值的终端界面示意图；

图3是根据本发明实施例的一种数据预测结果的评估方法中的另一种提供数据预测值的终端界面示意图；

图4是根据本发明实施例的一种基金估值结果的评估方法的流程图；

图5是根据本发明实施例的一种基金估值结果的评估方法中的一种提供基金估值的终端界面示意图；

图6是根据本发明实施例的一种基金估值结果的评估方法中的另一种提供基金估值的终端界面示意图；

图7是根据本发明实施例的一种数据预测结果的评估装置的框图；

图8是根据本发明实施例的另一种数据预测结果的评估装置的框图；

图9是根据本发明实施例的另一种数据预测结果的评估装置的框图；

图10是根据本发明实施例的一种基金估值结果的评估装置的框图；

图11是根据本发明实施例的另一种基金估值结果的评估装置的框图；

图12是根据本发明实施例的另一种基金估值结果的评估装置的框图；

图13是根据本发明实施例的一种数据预测结果的评估装置的结构图；

图14是根据本发明实施例的一种基金估值结果的评估装置的结构图。

具体实施方式

本申请实施例提供一种数据预测结果、基金估值结果的评估方法及装置，用以实现对数据预测值的可靠性进行评估的效果。

为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

图1是根据本发明实施例的一种数据预测结果的评估方法的流程图，如图1所示，该方法包括以下步骤S101-S103：

步骤S101，在数据预测值的计算过程中，根据预设的预测因子集确定计算过程中命中的至少一个目标预测因子，该预测因子集包括多个用于计算数据预测值时所依赖的预测因子。

其中，预测因子包括以下至少一项：

(1)数据历史值。

(2)数据运行环境；

(3)影响数据变化的外界因素。

在步骤S101中，根据预设的预测因子集确定计算过程中命中的至少一个目标预测因子时，可通过判断数据预测值的计算所依赖的预测因子是否被包含在预测因子集中，若预测因子被包含在预测因子集中，则确定该预测因子为命中的目标预测因子；反之，若预测因子未被包含在预测因子集中，则确定该预测因子不属于命中的目标预测因子。在一个实施例中，预测因子集中会穷举所有可能影响数据预测值的预测因子，因此，在数据预测值的计算过程中，所依赖的各预测因子即为命中的目标预测因子。

例如，已知电脑硬盘的上一个时间点的可用空间，需要对下一个时间点的可用空间进行预测(即对可用空间对应的数据预测值进行计算)，那么根据至少一项预测因子即可预测出下一个时间点的可用空间，得到可用空间对应的数据预测值。假设预设因子集中包括数据历史值以及影响数据变化的外界因素，其中，数据历史值如历史每个时间点的可用空间，影响数据变化的外界因素可包括人为因素，如用户向硬盘中存储数据的频率、每次向硬盘中存储的数据大小等。当根据历史每个时间点的可用空间、用户向硬盘中存储数据的频率以及每次向硬盘中存储的数据大小来预测下一个时间点的可用空间时，由于历史每个时间点的可用空间、用户向硬盘中存储数据的频率以及每次向硬盘中存储的数据大小这三个预测因子均被包含于预测因子集中，因此这三个预测因子均为命中的目标预测因子。

步骤S102，获取预先配置的各预测因子与其对数据预测值的影响程度之间的对应关系，根据对应关系确定各目标预测因子分别对应的影响程度。

其中，各预测因子对数据预测值的影响程度可采用各种不同的形式表征。

例如，以数字大小、字母先后顺序所表示的影响等级来表征各预测因子对数据预测值的影响程度，具体地，预测因子对应的数字越大或者字母越靠前，说明该预测因子对数据预测值的影响等级越高，进而说明该预测因子对数据预测值的影响程度越高。

再例如，以数值形式来表征各预测因子对数据预测值的影响程度，预测因子对应的数值越大，说明该预测因子对数据预测值的影响程度越高。

步骤S103，根据各目标预测因子分别对应的影响程度，确定数据预测值的评估结果。

在该步骤中，确定数据预测值的评估结果时，影响程度的表征方式不同，其评估结果的表征方式也会有所不同。

例如，当以数字大小所表示的影响等级来表征各预测因子对数据预测值的影响程度时，数据预测值的评估结果可以由数字形式表征，根据数字大小来确定数据预测值的可靠性的高低。

再例如，当以字母先后顺序所表示的影响等级来表征各预测因子对数据预测值的影响程度时，数据预测值的评估结果也可以由字母形式表征，根据字母先后顺序来确定数据预测值的可靠性的高低；等等。

需要说明的是，影响程度的表征方式与评估结果的方式并不一定完全一致，即，也可采用不同的表征方式来分别表征影响程度以及评估结果。例如，当以数字大小所表示的影响等级来表征各预测因子对数据预测值的影响程度时，可采用字母形式表征数据预测值的评估结果，根据字母先后顺序来确定数据预测值的可靠性的高低。

在一个实施例中，执行步骤S103之后，即确定数据预测值的评估结果之后，上述方法还可继续实施以下步骤A1或者A2：

步骤A1，当评估结果达到预设期望评估结果时，确定数据预测值为可靠数据预测值；将可靠数据预测值提供给用户。

步骤A2，将数据预测值及其对应的评估结果提供给用户，以使用户根据评估结果判定数据预测值是否属于可靠数据预测值。

步骤A1或者A2中，预设期望评估结果的表征方式与数据预测值的评估结果的表征方式一致。

具体的，当以数字形式表征数据预测值的评估结果时，预设期望评估结果也采用数字形式来表征，数字越大，说明数据预测值的可靠性越高。例如，预设期望评估结果为80，当数据预测值的评估结果达到80时，可确定该数据预测值为可靠数据预测值，并将该可靠数据预测值提供给用户；或者，将数据预测值及其对应的评估结果(如评估结果为79分)提供给用户，以使用户根据该评估结果判定数据预测值是否属于可靠数据预测值。

当以字母形式表征数据预测值的评估结果时，预设期望评估结果也采用字母形式来表征，字母顺序越靠前，说明数据预测值的可靠性越高。例如，预设期望评估结果为B，若数据预测值的评估结果为A或者B，则说明该数据预测值为可靠数据预测值，此时将可靠数据预测值提供给用户；若数据预测值的评估结果为C，则说明该数据预测值不为可靠数据预测值。或者，将数据预测值及其对应的评估结果(如评估结果为A、B或者C)提供给用户。

当然，若数据预测值不属于可靠数据预测值，也可将该数据预测值提供给用户，同时在该数据预测值的对应位置添加用于表明该数据预测值不可靠或者可靠性低的标识。例如，在该数据预测值的对应位置添加文字标识“不可靠”。

本实施例中，可将可靠数据预测值提供给用户，使得用户可直接获知当前数据预测值为可靠数据预测值，进而使用可靠数据预测值；或者，也可将数据预测值及其对应的评估结果提供给用户，使得用户根据评估结果即可获知当前数据预测值是否可靠，进而确定是否使用当前数据预测值。由此可知，无论采用何种方式，都无需向用户提供对数据预测值的预测可靠性产生影响的相关信息，从而避免了大量相关信息给用户造成的使用困惑的问题，且避免了用户主观评估数据预测值的不准确问题。

上述实施例中，列举了几种可用于表征各预测因子对数据预测值的影响程度的形式，以下详细介绍当采用数值形式的分值来表征各预测因子对数据预测值的影响程度时如何确定数据预测值的评估结果。

在一个实施例中，各预测因子对数据预测值的影响程度包括数值形式的影响分值。预测因子对数据预测值的影响分值越大，说明该预测因子对数据预测值的影响程度越高。此外，预测因子对数据预测值的影响分值可根据实际应用进行调整。

本实施例中，可采用如下步骤B1-B2的方式确定数据预测值的评估结果：

步骤B1，获取用于评估数据预测值的总分值。

步骤B2，利用总分值扣除各目标预测因子分别对应的影响分值，得到数据预测值的评估分值，并确定评估分值为数据预测值的评估结果。

沿用上述举例，已知电脑硬盘的上一个时间点的可用空间，需要对下一个时间点的可用空间进行预测(即对可用空间对应的数据预测值进行计算)，那么根据至少一项预测因子即可预测出下一个时间点的可用空间，得到可用空间对应的数据预测值。在可用空间对应的数据预测值的计算过程中，命中的目标预测因子包括历史每个时间点的可用空间、用户向硬盘中存储数据的频率以及每次向硬盘中存储的数据大小。假设目标预测因子“历史每个时间点的可用空间”对应的影响分值10分，目标预测因子“用户向硬盘中存储数据的频率”对应的影响分值20分，目标预测因子“每次向硬盘中存储的数据大小”对应的影响分值15分。并且，用于评估数据预测值的总分值为100分。那么，利用总分值扣除各目标预测因子分别对应的影响分值(即100-10-20-15)，得到数据预测值的评估分值为55分。

此外，当总分值小于各目标预测因子分别对应的影响分值之和时，确定数据预测值的评估分值为零。

确定数据预测值的评估分值之后，可将数据预测值及其对应的评估分值一并提供给用户，以使用户根据评估结果判定数据预测值是否属于可靠数据预测值。也可先根据数据预测值的评估分值判断数据预测值是否为可靠数据预测值，具体的，假设预设期望评估结果为50分，由于数据预测值的评估分值(55分)高于预设期望评估结果(50分)，因此可确定该数据预测值为可靠数据预测值，此时可将该数据预测值提供给用户。此外，若数据预测值不属于可靠数据预测值，也可将该数据预测值提供给用户，同时在该数据预测值的对应位置添加用于表明该数据预测值不可靠或者可靠性低的标识。例如，在该数据预测值的对应位置添加文字标识“不可靠”。

图2和图3分别示出了上述实施例中向用户提供数据预测值的两种终端界面图。当然，除图2和图3中所示出的两种终端界面图之外，还可采用其他方式向用户提供数据预测值，在此不一一举例。

在图2中的终端界面200上，显示了三个数据预测值及其对应的评估结果，其中，数据预测值“XX”对应的评估结果为“55分”，数据预测值“YY”对应的评估结果为“85分”，数据预测值“ZZ”对应的评估结果为“35分”。根据终端界面200上显示的各数据预测值对应的评估结果，用户即可获知哪个(些)数据预测值较为可靠以及哪个(些)数据预测值不可靠。此外，还可在终端界面200上的指定位置(例如终端界面200的上边缘位置或下边缘位置)显示预设期望评估结果(如图2中所示的终端界面200的下边缘位置)，例如“50分”，使得用户能够根据预设期望评估结果明确哪个(些)数据预测值属于可靠数据预测值。

在图3中的终端界面300上，显示了三个数据预测值以及用于标识各数据预测值是否可靠的文字标识。其中，数据预测值“XX”对应的文字标识为“可靠”，数据预测值“YY”对应的文字标识为“可靠”，数据预测值“ZZ”对应的文字标识为“不可靠”。根据终端界面300上显示的各数据预测值对应的文字标识，用户即可获知哪个(些)数据预测值可靠以及哪个(些)数据预测值不可靠。

在一个实施例中，数据预测值的计算过程包括多个计算阶段，此时，可根据预设的预测因子集确定出每个计算阶段分别命中的至少一个目标预测因子，进而可确定出每个计算阶段分别命中的目标预测因子对应的影响分值。因此，在确定数据预测值的评估分值时，可首先统计各计算阶段分别命中的至少一个目标预测因子对应的影响分值的总和，即各计算阶段分别对应的影响分值的总和；然后利用总分值依次扣除各计算阶段分别对应的影响分值的总和，得到数据预测值的评估分值。

例如，数据预测值的计算过程包括A、B、C三个计算阶段，经统计，计算阶段A对应的影响分值的总和为10分，计算阶段B对应的影响分值的总和为5分，计算阶段C对应的影响分值的总和为8分，则利用总分值(100分)依次扣除计算阶段A、B、C对应的影响分值的总和，得到数据预测值的评估分值为77分。

需要说明的是，在利用总分值依次扣除各计算阶段分别对应的影响分值的总和时，本实施例对各计算阶段分别对应的影响分值的总和的扣除顺序不做限定。

基于上述实施例，当数据预测值的计算过程包括多个计算阶段时，上述方法还包括以下步骤C1-C3：

步骤C1，当检测到任一目标预测因子对应的影响分值被更新时，确定命中该目标预测因子的计算阶段。

步骤C2，重新统计确定的计算阶段对应的影响分值的总和。

在重新统计确定的计算阶段对应的影响分值的总和时，可首先根据被更新的目标预测因子的影响分值的变化，确定该目标预测因子的影响分值在更新前后的差值，然后利用该差值响应增加或减少命中该目标预测因子的计算阶段对应的影响分值的总和。

步骤C3，根据重新统计的影响分值的总和，更新数据预测值的评估分值。

沿用上述举例，数据预测值的计算过程包括A、B、C三个计算阶段，经统计，计算阶段A对应的影响分值的总和为10分，计算阶段B对应的影响分值的总和为5分，计算阶段C对应的影响分值的总和为8分。则利用总分值(100分)依次扣除计算阶段A、B、C对应的影响分值的总和，得到数据预测值的评估分值为77分。当检测到其中任一目标预测因子对应的影响分值被更新时，假设目标预测因子X对应的影响分值由5分被更新为8分，则确定命中该目标预测因子X的计算阶段。本例中，假设命中目标预测因子X的计算阶段为计算阶段A，那么只需重新统计计算阶段A对应的影响分值的总和。在重新统计计算阶段A对应的影响分值的总和时，由于目标预测因子X对应的影响分值在更新前后的差值为增长3分，因此计算阶段A对应的影响分值的总和也会相应增加3分，即由原来的10分更新为13分。相应地，由于评估分值是由总分值扣除各计算阶段分别对应的影响分值的总和，因此当计算阶段A对应的影响分值的总和增长3分时，数据预测值的评估分值会相应减少3分，即由原来的77分更新为74分。

本实施例中，当检测到任一目标预测因子对应的影响分值被更新时，只需重新统计命中该目标预测因子的计算阶段对应的影响分值的总和，进而根据重新统计的该计算阶段对应的影响分值的总和更新数据预测值的评估分值，而无需重新统计所有计算阶段对应的影响分值。因此，本实施例的技术方案在实现了对数据预测值的评估的同时，还能够在任一目标预测因子对应的影响分值被更新时，及时快速地更新数据预测值的评估结果，从而确保为用户提供准确的评估结果。

采用本发明实施例的技术方案，能够在数据预测值的计算过程中，根据预设的预测因子集确定该计算过程中命中的至少一个目标预测因子，然后根据预先配置的各预测因子与其对数据预测值的影响程度之间的对应关系确定出各目标预测因子分别对应的影响程度，进而根据各目标预测因子分别对应的影响程度确定数据预测值的评估结果。因此，该技术方案能够实现对数据预测值的评估，从而以评估结果为用户提供数据预测值是否可靠的信息，从而使用户根据评估结果确定是否使用数据预测值。此外，该技术方案由于为用户提供了数据预测值的评估结果，因此无需再将对数据预测值的预测可靠性产生影响的相关信息展示给用户，从而避免了大量相关信息给用户造成的使用困惑的问题，且避免了用户主观评估数据预测值的不准确问题。

上述实施例所提供的数据预测结果的评估方法可用于对基金估值结果的评估。图4是根据本发明实施例的一种基金估值结果的评估方法的流程图，如图4所示，该方法包括以下步骤S401-S403：

步骤S401，在基金估值的计算过程中，根据预设的风险因素集确定计算过程中命中的至少一个目标风险因素，该风险因素集中包括多个用于计算基金估值时所依赖的风险因素。

其中，风险因素包括以下至少一项：

(1)基金历史净值；

(2)基金关联股票指数的历史收盘价格；

(3)基金关联股票指数的权重因子；

(4)基金关联股票指数的实时行情；

(5)基金拆分/分红比例。

在步骤S401中，根据预设的预测因子集确定计算过程中命中的至少一个目标风险因素时，可通过判断基金估值的计算所依赖的风险因素是否被包含在风险因素集中，若风险因素被包含在风险因素集中，则确定该风险因素为命中的目标风险因素；反之，若风险因素未被包含在风险因素集中，则确定该风险因素不属于命中的目标风险因素。

在一个实施例中，风险因素集中会穷举所有可能影响基金估值的风险因素，因此，在数据预测值的计算过程中，所依赖的各风险因素即为命中的目标风险因素。

步骤S402，获取预先配置的各风险因素与其针对基金估值的风险程度之间的对应关系，根据对应关系确定各目标风险因素分别对应的风险程度。

其中，各风险因素对基金估值的风险程度可采用各种不同的形式表征。

例如，以数字大小、字母先后顺序所表示的风险等级来表征各风险因素对基金估值的风险程度，具体地，风险因素对应的数字越大或者字母越靠前，说明该风险因素对基金估值的风险等级越高，进而说明该基金估值的风险程度越高。

再例如，以数值形式来表征各风险因素对基金估值的影响程度，风险因素对应的数值越大，说明该风险因素对基金估值的风险程度越高。

步骤S403，根据各目标风险因素分别对应的风险程度，确定基金估值的评估结果。

在该步骤中，确定基金估值的评估结果时，风险程度的表征方式不同，其评估结果的表征方式也会有所不同。

例如，当以数字大小所表示的风险等级来表征各风险因素对基金估值的风险程度时，基金估值的评估结果可以由数字形式表征，根据数字大小来确定基金估值的可靠性的高低。

再例如，当以字母先后顺序所表示的风险等级来表征各风险因素对基金估值的风险程度时，基金估值的评估结果也可以由字母形式表征，根据字母先后顺序来确定基金估值的可靠性的高低；等等。

需要说明的是，风险程度的表征方式与评估结果的方式并不一定完全一致，即，也可采用不同的表征方式来分别表征风险程度以及评估结果。例如，当以数字大小所表示的风险等级来表征各风险因素对基金估值的风险程度时，可采用字母形式表征基金估值的评估结果，根据字母先后顺序来确定基金估值的可靠性的高低。

在一个实施例中，执行步骤S403之后，即确定数据预测值的评估结果之后，上述方法还可继续实施以下步骤D1或者D2：

步骤D1，当评估结果达到预设期望评估结果时，确定基金估值为可靠基金估值；将可靠基金估值提供给用户。

步骤D2，将基金估值及其对应的评估结果提供给用户，以使用户根据评估结果判定基金估值是否属于可靠基金估值。

步骤D1或者D2中，预设期望评估结果的表征方式与基金估值的评估结果的表征方式一致。

具体的，当以数字形式表征基金估值的评估结果时，预设期望评估结果也采用数字形式来表征，数字越大，说明基金估值的可靠性越高。例如，预设期望评估结果为80，当基金估值的评估结果达到80时，可确定该基金估值为可靠基金估值，并将该可靠基金估值提供给用户；或者，将基金估值及其对应的评估结果(如评估结果为79分)提供给用户，以使用户根据该评估结果判定基金估值是否属于可靠基金估值。

当以字母形式表征基金估值的评估结果时，预设期望评估结果也采用字母形式来表征，字母顺序越靠前，说明基金估值的可靠性越高。例如，预设期望评估结果为B，若基金估值的评估结果为A或者B，则说明该基金估值为可靠基金估值，此时将可靠基金估值提供给用户；若基金估值的评估结果为C，则说明该基金估值不为可靠基金估值。或者，将基金估值及其对应的评估结果(如评估结果为A、B或者C)提供给用户。

当然，若基金估值不属于可靠基金估值，也可将该基金估值提供给用户，同时在该基金估值的对应位置添加用于表明该基金估值不可靠或者可靠性低的标识。例如，在该基金估值的对应位置添加文字标识“不可靠”。

本实施例中，可将可靠基金估值提供给用户，使得用户可直接获知当前基金估值为可靠基金估值，进而使用可靠基金估值；或者，也可将基金估值及其对应的评估结果提供给用户，使得用户根据评估结果即可获知当前基金估值是否可靠，进而确定是否使用当前基金估值。由此可知，无论采用何种方式，都无需向用户提供对基金估值的预测可靠性产生风险的相关信息，从而避免了大量相关信息给用户造成的使用困惑的问题，且避免了用户主观评估基金估值的不准确问题。

上述实施例中，列举了几种可用于表征各风险因素对基金估值的风险程度的形式，以下详细介绍当采用数值形式的分值来表征各风险因素对基金估值的风险程度时如何确定基金估值的评估结果。

在一个实施例中，各风险因素对基金估值的风险程度包括数值形式的风险分值。风险因素对基金估值的风险分值越大，说明该风险因素对基金估值的风险程度越高。此外，风险因素对基金估值的风险分值可根据实际情况进行调整。

本实施例中，可采用如下步骤E1-E2的方式确定基金估值的评估结果：

步骤E1，获取用于评估基金估值的总分值。

步骤E2，利用总分值依次扣除各目标风险因素分别对应的风险分值，得到基金估值的评估分值，确定评估分值为基金估值的评估结果。

例如，在基金估值的计算过程中，命中的目标风险因素包括基金历史净值、基金关联股票指数的历史收盘价格以及基金关联股票指数的权重因子。假设目标风险因素“基金历史净值”对应的风险分值10分，目标风险因素“基金关联股票指数的历史收盘价格”对应的风险分值20分，目标风险因素“基金关联股票指数的权重因子”对应的风险分值15分。并且，用于评估基金估值的总分值为100分。那么，利用总分值扣除各目标风险因素分别对应的风险分值(即100-10-20-15)，得到基金估值的评估分值为55分。

此外，当总分值小于各目标风险因素分别对应的风险分值之和时，确定基金估值的评估分值为零。

确定基金估值的评估分值之后，可将基金估值及其对应的评估分值一并提供给用户，以使用户根据评估结果判定基金估值是否属于可靠基金估值。也可先根据基金估值的评估分值判断基金估值是否为可靠基金估值，具体的，假设预设期望评估结果为50分，由于基金估值的评估分值(55分)高于预设期望评估结果(50分)，因此可确定该基金估值为可靠基金估值，此时可将该基金估值提供给用户。此外，若基金估值不属于可靠基金估值，也可将该基金估值提供给用户，同时在该基金估值的对应位置添加用于表明该基金估值不可靠或者可靠性低的标识。例如，在该基金估值的对应位置添加文字标识“不可靠”。

图5和图6分别示出了上述实施例中向用户提供基金估值的两种终端界面图。当然，除图2和图3中所示出的两种终端界面图之外，还可采用其他方式向用户提供基金估值，在此不一一举例。

在图5中的终端界面500上，显示了三个基金估值及其对应的评估结果，其中，基金估值“1.1440”对应的评估结果为“55分”，基金估值“1.1210”对应的评估结果为“85分”，基金估值“1.2327”对应的评估结果为“35分”。根据终端界面500上显示的各基金估值对应的评估结果，用户即可获知哪个(些)基金估值较为可靠以及哪个(些)基金估值不可靠。此外，还可在终端界面500上的指定位置(如图5中所示的终端界面500的下边缘位置)显示预设期望评估结果，例如“50分”，使得用户能够根据预设期望评估结果明确哪个(些)基金估值属于可靠基金估值。

在图6中的终端界面600上，显示了三个基金估值以及用于标识各基金估值是否可靠的文字标识。其中，基金估值“1.1440”对应的文字标识为“可靠”，基金估值“1.1210”对应的文字标识为“可靠”，基金估值“1.2327”对应的文字标识为“不可靠”。根据终端界面600上显示的各基金估值对应的文字标识，用户即可获知哪个(些)基金估值可靠以及哪个(些)基金估值不可靠。在本例中，基金估值的结果仅为示例性数字，不代表实际应用中的基金估值。

在一个实施例中，基金估值的计算过程包括以下三个计算阶段：所依赖的风险因素的数据准备阶段、权重因子的计算阶段以及实时估值计算阶段。此时，可根据预设的风险因素集确定出每个计算阶段分别命中的至少一个目标风险因素，进而可确定出每个计算阶段分别命中的目标风险因素对应的风险分值。因此，在确定基金估值的评估分值时，可首先统计各计算阶段分别命中的至少一个目标风险因素对应的风险分值的总和，即各计算阶段分别对应的风险分值的总和；然后利用总分值依次扣除各计算阶段分别对应的风险分值的总和，得到基金估值的评估分值。

例如，基金估值的计算过程包括A、B、C三个计算阶段，经统计，计算阶段A对应的风险分值的总和为10分，计算阶段B对应的风险分值的总和为5分，计算阶段C对应的风险分值的总和为8分，则利用总分值(100分)依次扣除计算阶段A、B、C对应的风险分值的总和，得到基金估值的评估分值为77分。

需要说明的是，在利用总分值依次扣除各计算阶段分别对应的风险分值的总和时，本实施例对各计算阶段分别对应的风险分值的总和的扣除顺序不做限定。

基于上述实施例，当基金估值的计算过程包括多个计算阶段时，上述方法还包括以下步骤F1-F3：

步骤F1，当检测到任一目标风险因素对应的风险分值被更新时，确定命中该目标风险因素的计算阶段。

步骤F2，重新统计确定的计算阶段对应的风险分值的总和。

在重新统计确定的计算阶段对应的风险分值的总和时，可首先根据被更新的目标风险因素的风险分值的变化，确定该目标风险因素的风险分值在更新前后的差值，然后利用该差值响应增加或减少命中该目标风险因素的计算阶段对应的风险分值的总和。

步骤F3，根据重新统计的风险分值的总和，更新基金估值的评估分值。

沿用上述举例，基金估值的计算过程包括A、B、C三个计算阶段，经统计，计算阶段A对应的风险分值的总和为10分，计算阶段B对应的风险分值的总和为5分，计算阶段C对应的风险分值的总和为8分。则利用总分值(100分)依次扣除计算阶段A、B、C对应的风险分值的总和，得到基金估值的评估分值为77分。当检测到其中任一目标风险因素对应的风险分值被更新时，假设目标风险因素X对应的风险分值由5分被更新为8分，则确定命中该目标风险因素X的计算阶段。本例中，假设命中目标风险因素X的计算阶段为计算阶段A，那么只需重新统计计算阶段A对应的风险分值的总和。在重新统计计算阶段A对应的风险分值的总和时，由于目标风险因素X对应的风险分值在更新前后的差值为增长3分，因此计算阶段A对应的风险分值的总和也会相应增加3分，即由原来的10分更新为13分。相应地，由于评估分值是由总分值扣除各计算阶段分别对应的风险分值的总和，因此当计算阶段A对应的风险分值的总和增长3分时，基金估值的评估分值会相应减少3分，即由原来的77分更新为74分。

本实施例中，当检测到任一目标风险因素对应的风险分值被更新时，只需重新统计命中该目标风险因素的计算阶段对应的风险分值的总和，进而根据重新统计的该计算阶段对应的风险分值的总和更新基金估值的评估分值，而无需重新统计所有计算阶段对应的风险分值。因此，本实施例的技术方案在实现了对基金估值的评估的同时，还能够在任一目标风险因素对应的风险分值被更新时，及时快速地更新基金估值的评估结果，从而确保为用户提供准确的评估结果。

采用本发明实施例的技术方案，能够在基金估值的计算过程中，根据预设的风险因素集确定该计算过程中命中的至少一个目标风险因素，然后根据预先配置的各风险因素与其对基金估值的风险程度之间的对应关系确定出各目标风险因素分别对应的风险程度，进而根据各目标风险因素分别对应的风险程度确定基金估值的评估结果。因此，该技术方案能够实现对基金估值的评估，从而以评估结果为用户提供基金估值是否可靠的信息，从而使用户根据评估结果确定是否使用基金估值。此外，该技术方案由于为用户提供了基金估值的评估结果，因此无需再将对基金估值的预测可靠性产生影响的相关信息展示给用户，从而避免了大量相关信息给用户造成的使用困惑的问题，且避免了用户主观评估基金估值的不准确问题。

以上详述了本申请实施例提供的数据预测结果的评估方法，基于同样的思路，本申请实施例还提供一种数据预测结果的评估装置，如图7所示，该装置包括：

预测因子确定模块710，在数据预测值的计算过程中，根据预设的预测因子集确定计算过程中命中的至少一个目标预测因子，预测因子集包括多个用于计算数据预测值时所依赖的预测因子；

影响程度确定模块720，获取预先配置的各预测因子与其对数据预测值的影响程度之间的对应关系，根据对应关系确定各目标预测因子分别对应的影响程度；

评估结果确定模块730，根据各目标预测因子分别对应的影响程度，确定数据预测值的评估结果。

可选地，预测因子包括以下至少一项：

数据历史值；

数据运行环境；

影响数据变化的外界因素。

可选地，影响程度包括数值形式的影响分值；

如图8所示，评估结果确定模块730包括：

总分值获取单元731，获取用于评估数据预测值的总分值；

评估结果确定单元732，利用总分值扣除各目标预测因子分别对应的影响分值，得到数据预测值的评估分值，确定评估分值为数据预测值的评估结果。

可选地，数据预测值的计算过程包括多个计算阶段；

预测因子确定模块710包括：

预测因子确定单元，根据预测因子集，确定计算过程包括的各计算阶段分别命中的至少一个目标预测因子；

相应地，评估结果确定单元732还用于：

统计各计算阶段分别命中的至少一个目标预测因子对应的影响分值的总和；

利用总分值依次扣除各计算阶段分别对应的影响分值的总和，得到数据预测值的评估分值。

可选地，如图9所示，上述装置还包括：

计算阶段确定模块740，当检测到任一目标预测因子对应的影响分值被更新时，确定命中该目标预测因子的计算阶段；

影响分值统计模块750，重新统计确定的计算阶段对应的影响分值的总和；

评估分值更新模块760，根据重新统计的影响分值的总和，更新数据预测值的评估分值。

可选地，评估结果确定单元732还用于：

当总分值小于各目标预测因子分别对应的影响分值之和时，确定数据预测值的评估分值为零。

可选地，上述装置还包括：

第一数据预测值提供模块，当评估结果达到预设期望评估结果时，确定数据预测值为可靠数据预测值；将可靠数据预测值提供给用户；

或者，

第二数据预测值提供模块，将数据预测值及其对应的评估结果提供给用户，以使用户根据评估结果判定数据预测值是否属于可靠数据预测值。

此外，以上还详述了本申请实施例提供的基金估值结果的评估方法，基于同样的思路，本申请实施例还提供一种基金估值结果的评估装置，如图10所示，该装置包括：

风险因素确定模块1010，在基金估值的计算过程中，根据预设的风险因素集确定计算过程中命中的至少一个目标风险因素，风险因素集中包括多个用于计算基金估值时所依赖的风险因素；

风险程度确定模块1020，获取预先配置的各风险因素与其针对基金估值的风险程度之间的对应关系，根据对应关系确定各目标风险因素分别对应的风险程度；

评估结果确定模块1030，根据各目标风险因素分别对应的风险程度，确定基金估值的评估结果。

可选地，风险因素包括以下至少一项：

基金历史净值；

基金关联股票指数的历史收盘价格；

基金关联股票指数的权重因子；

基金关联股票指数的实时行情；

基金拆分/分红比例。

可选地，风险程度包括数值形式的风险分值；

如图11所示，评估结果确定模块1030包括：

总分值获取单元1031，获取用于评估基金估值的总分值；

评估结果确定单元1032，利用总分值依次扣除各目标风险因素分别对应的风险分值，得到基金估值的评估分值，确定评估分值为基金估值的评估结果。

可选地，基金估值的计算过程包括以下三个计算阶段：所依赖的风险因素的数据准备阶段、权重因子的计算阶段以及实时估值计算阶段；

风险因素确定模块1010包括：

风险因素确定单元，根据风险因素集，确定计算过程包括的各计算阶段分别命中的至少一个目标风险因素；

相应地，评估结果确定单元1032还用于：

统计各计算阶段分别命中的至少一个目标风险因素对应的风险分值的总和；

利用总分值依次扣除各计算阶段分别对应的风险分值的总和，得到基金估值的评估分值。

可选地，如图12所示，上述装置还包括：

基金估值阶段确定模块1040，当检测到任一目标风险因素对应的风险分值被更新时，确定命中该目标风险因素的计算阶段；

风险分值统计模块1050，重新统计确定的计算阶段对应的风险分值的总和；

评估分值更新模块1060，根据重新统计的风险分值的总和，更新基金估值的评估分值。

可选地，评估结果确定单元1032还用于：

当总分值小于各目标风险因素分别对应的风险分值之和，确定基金估值的评估分值为零。

可选地，上述装置还包括：

第一基金估值提供模块，确定基金估值的评估结果之后，当评估结果达到预设期望评估结果时，确定基金估值为可靠基金估值；将可靠基金估值提供给用户；

或者，

第二基金估值提供模块，确定基金估值的评估结果之后，将基金估值及其对应的评估结果提供给用户，以使用户根据评估结果判定基金估值是否属于可靠基金估值。

本领域的技术人员应可理解，图7至图9中的数据预测结果的评估装置能够用来实现前文所述的数据预测结果的评估方法，图10至图12中的基金估值结果的评估装置能够用来实现前文所述的基金估值结果的评估方法，其中的细节描述应与前文方法部分描述类似，为避免繁琐，此处不另赘述。

基于同样的思路，本申请实施例还提供一种数据预测结果的评估装置，如图13所示。数据预测结果的评估装置可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器1301和存储器1302，存储器1302中可以存储有一个或一个以上存储应用程序或数据。其中，存储器1302可以是短暂存储或持久存储。存储在存储器1302的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对数据预测结果的评估装置中的一系列计算机可执行指令。更进一步地，处理器1301可以设置为与存储器1302通信，在数据预测结果的评估装置上执行存储器1302中的一系列计算机可执行指令。数据预测结果的评估装置还可以包括一个或一个以上电源1303，一个或一个以上有线或无线网络接口1304，一个或一个以上输入输出接口1305，一个或一个以上键盘1306。

具体在本实施例中，数据预测结果的评估装置包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对数据预测结果的评估装置中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：

在数据预测值的计算过程中，根据预设的预测因子集确定所述计算过程中命中的至少一个目标预测因子，所述预测因子集包括多个用于计算所述数据预测值时所依赖的预测因子；

获取预先配置的各预测因子与其对所述数据预测值的影响程度之间的对应关系，根据所述对应关系确定各所述目标预测因子分别对应的影响程度；

根据各所述目标预测因子分别对应的影响程度，确定所述数据预测值的评估结果。

基于同样的思路，本申请实施例还提供一种基金估值结果的评估装置，如图14所示。基金估值结果的评估装置可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器1401和存储器1402，存储器1402中可以存储有一个或一个以上存储应用程序或数据。其中，存储器1402可以是短暂存储或持久存储。存储在存储器1402的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对基金估值结果的评估装置中的一系列计算机可执行指令。更进一步地，处理器1401可以设置为与存储器1402通信，在基金估值结果的评估装置上执行存储器1402中的一系列计算机可执行指令。基金估值结果的评估装置还可以包括一个或一个以上电源1403，一个或一个以上有线或无线网络接口1404，一个或一个以上输入输出接口1405，一个或一个以上键盘1406。

具体在本实施例中，基金估值结果的评估装置包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对基金估值结果的评估装置中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：

在基金估值的计算过程中，根据预设的风险因素集确定所述计算过程中命中的至少一个目标风险因素，所述风险因素集中包括多个用于计算所述基金估值时所依赖的风险因素；

获取预先配置的各风险因素与其针对所述基金估值的风险程度之间的对应关系，根据所述对应关系确定各所述目标风险因素分别对应的风险程度；

根据各所述目标风险因素分别对应的风险程度，确定所述基金估值的评估结果。

本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行上述数据预测结果的评估方法，并具体用于执行：

在数据预测值的计算过程中，根据预设的预测因子集确定所述计算过程中命中的至少一个目标预测因子，所述预测因子集包括多个用于计算所述数据预测值时所依赖的预测因子；

获取预先配置的各预测因子与其对所述数据预测值的影响程度之间的对应关系，根据所述对应关系确定各所述目标预测因子分别对应的影响程度；

根据各所述目标预测因子分别对应的影响程度，确定所述数据预测值的评估结果。

本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行上述基金估值的评估方法，并具体用于执行：

在基金估值的计算过程中，根据预设的风险因素集确定所述计算过程中命中的至少一个目标风险因素，所述风险因素集中包括多个用于计算所述基金估值时所依赖的风险因素；

获取预先配置的各风险因素与其针对所述基金估值的风险程度之间的对应关系，根据所述对应关系确定各所述目标风险因素分别对应的风险程度；

根据各所述目标风险因素分别对应的风险程度，确定所述基金估值的评估结果。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (22)

1.一种数据预测结果的评估方法，包括：

在数据预测值的计算过程中，根据预设的预测因子集确定所述计算过程中命中的至少一个目标预测因子，所述预测因子集包括多个用于计算所述数据预测值时所依赖的预测因子；

获取预先配置的各预测因子与其对所述数据预测值的影响程度之间的对应关系，根据所述对应关系确定各所述目标预测因子分别对应的影响程度；

根据各所述目标预测因子分别对应的影响程度，确定所述数据预测值的评估结果。

2.根据权利要求1所述的方法，所述预测因子包括以下至少一项：

数据历史值；

数据运行环境；

影响数据变化的外界因素。

3.根据权利要求1所述的方法，所述影响程度包括数值形式的影响分值；

根据各所述目标预测因子分别对应的影响程度，确定所述数据预测值的评估结果，包括：

获取用于评估所述数据预测值的总分值；

利用所述总分值扣除各所述目标预测因子分别对应的影响分值，得到所述数据预测值的评估分值，确定所述评估分值为所述数据预测值的评估结果。

4.根据权利要求3所述的方法，所述数据预测值的计算过程包括多个计算阶段；

所述根据预设的预测因子集确定所述计算过程中命中的至少一个目标预测因子，包括：

根据所述预测因子集，确定所述计算过程包括的各计算阶段分别命中的至少一个目标预测因子；

相应地，利用所述总分值扣除各所述目标预测因子分别对应的影响分值，得到所述数据预测值的评估分值，包括：

统计所述各计算阶段分别命中的至少一个目标预测因子对应的影响分值的总和；

利用所述总分值依次扣除所述各计算阶段分别对应的影响分值的总和，得到所述数据预测值的评估分值。

5.根据权利要求4所述的方法，所述方法还包括：

当检测到任一所述目标预测因子对应的影响分值被更新时，确定命中该目标预测因子的计算阶段；

重新统计所述确定的计算阶段对应的影响分值的总和；

根据所述重新统计的影响分值的总和，更新所述数据预测值的评估分值。

6.根据权利要求3-5中任一项所述的方法，利用所述总分值扣除各所述目标预测因子分别对应的影响分值，得到所述数据预测值的评估分值，包括：

当所述总分值小于各所述目标预测因子分别对应的影响分值之和时，确定所述数据预测值的评估分值为零。

7.根据权利要求1所述的方法，确定所述数据预测值的评估结果之后，所述方法还包括：

当所述评估结果达到预设期望评估结果时，确定所述数据预测值为可靠数据预测值；将所述可靠数据预测值提供给用户；

或者，

将所述数据预测值及其对应的评估结果提供给用户，以使所述用户根据所述评估结果判定所述数据预测值是否属于可靠数据预测值。

8.一种基金估值结果的评估方法，包括：

在基金估值的计算过程中，根据预设的风险因素集确定所述计算过程中命中的至少一个目标风险因素，所述风险因素集中包括多个用于计算所述基金估值时所依赖的风险因素；

获取预先配置的各风险因素与其针对所述基金估值的风险程度之间的对应关系，根据所述对应关系确定各所述目标风险因素分别对应的风险程度；

根据各所述目标风险因素分别对应的风险程度，确定所述基金估值的评估结果。

9.根据权利要求8所述的方法，所述风险因素包括以下至少一项：

基金历史净值；

基金关联股票指数的历史收盘价格；

所述基金关联股票指数的权重因子；

所述基金关联股票指数的实时行情；

基金拆分/分红比例。

10.根据权利要求8所述的方法，所述风险程度包括数值形式的风险分值；

根据各所述目标风险因素分别对应的风险程度，确定所述基金估值的评估结果，包括：

获取用于评估所述基金估值的总分值；

利用所述总分值依次扣除各所述目标风险因素分别对应的风险分值，得到所述基金估值的评估分值，确定所述评估分值为所述基金估值的评估结果。

11.根据权利要求10所述的方法，所述基金估值的计算过程包括以下三个计算阶段：所依赖的风险因素的数据准备阶段、权重因子的计算阶段以及实时估值计算阶段；

所述根据预设的风险因素集确定所述计算过程中命中的至少一个目标风险因素，包括：

根据所述风险因素集，确定所述计算过程包括的各计算阶段分别命中的至少一个目标风险因素；

相应地，利用所述总分值依次扣除各所述目标风险因素分别对应的风险分值，得到所述基金估值的评估分值，包括：

统计所述各计算阶段分别命中的至少一个目标风险因素对应的风险分值的总和；

利用所述总分值依次扣除所述各计算阶段分别对应的风险分值的总和，得到所述基金估值的评估分值。

12.根据权利要求11所述的方法，所述方法还包括：

当检测到任一所述目标风险因素对应的风险分值被更新时，确定命中该目标风险因素的计算阶段；

重新统计所述确定的计算阶段对应的风险分值的总和；

根据所述重新统计的风险分值的总和，更新所述基金估值的评估分值。

13.根据权利要求10-12中任一项所述的方法，利用所述总分值依次扣除各所述目标风险因素分别对应的风险分值，得到所述基金估值的评估分值，包括：

当所述总分值小于各所述目标风险因素分别对应的风险分值之和，确定所述基金估值的评估分值为零。

14.根据权利要求8所述的方法，确定所述基金估值的评估结果之后，所述方法还包括：

当所述评估结果达到预设期望评估结果时，确定所述基金估值为可靠基金估值；将所述可靠基金估值提供给用户；

或者，

将所述基金估值及其对应的评估结果提供给用户，以使所述用户根据所述评估结果判定所述基金估值是否属于可靠基金估值。

15.一种数据预测结果的评估装置，包括：

预测因子确定模块，在数据预测值的计算过程中，根据预设的预测因子集确定所述计算过程中命中的至少一个目标预测因子，所述预测因子集包括多个用于计算所述数据预测值时所依赖的预测因子；

影响程度确定模块，获取预先配置的各预测因子与其对所述数据预测值的影响程度之间的对应关系，根据所述对应关系确定各所述目标预测因子分别对应的影响程度；

评估结果确定模块，根据各所述目标预测因子分别对应的影响程度，确定所述数据预测值的评估结果。

16.一种基金估值结果的评估装置，包括：

风险因素确定模块，在基金估值的计算过程中，根据预设的风险因素集确定所述计算过程中命中的至少一个目标风险因素，所述风险因素集中包括多个用于计算所述基金估值时所依赖的风险因素；

风险程度确定模块，获取预先配置的各风险因素与其针对所述基金估值的风险程度之间的对应关系，根据所述对应关系确定各所述目标风险因素分别对应的风险程度；

评估结果确定模块，根据各所述目标风险因素分别对应的风险程度，确定所述基金估值的评估结果。

17.根据权利要求16所述的装置，所述风险程度包括数值形式的风险分值；

所述评估结果确定模块包括：

总分值获取单元，获取用于评估所述基金估值的总分值；

评估结果确定单元，利用所述总分值依次扣除各所述目标风险因素分别对应的风险分值，得到所述基金估值的评估分值，确定所述评估分值为所述基金估值的评估结果。

18.根据权利要求17所述的装置，所述基金估值的计算过程包括以下三个计算阶段：所依赖的风险因素的数据准备阶段、权重因子的计算阶段以及实时估值计算阶段；

所述风险因素确定模块包括：

风险因素确定单元，根据所述风险因素集，确定所述计算过程包括的各计算阶段分别命中的至少一个目标风险因素；

相应地，所述评估结果确定单元，统计所述各计算阶段分别命中的至少一个目标风险因素对应的风险分值的总和；利用所述总分值依次扣除所述各计算阶段分别对应的风险分值的总和，得到所述基金估值的评估分值。

19.根据权利要求18所述的装置，所述装置还包括：

基金估值阶段确定模块，当检测到任一所述目标风险因素对应的风险分值被更新时，确定命中该目标风险因素的计算阶段；

风险分值统计模块，重新统计所述确定的计算阶段对应的风险分值的总和；

评估分值更新模块，根据所述重新统计的风险分值的总和，更新所述基金估值的评估分值。

20.根据权利要求16所述的装置，所述装置还包括：

第一基金估值提供模块，确定所述基金估值的评估结果之后，当所述评估结果达到预设期望评估结果时，确定所述基金估值为可靠基金估值；将所述可靠基金估值提供给用户；

或者，

第二基金估值提供模块，确定所述基金估值的评估结果之后，将所述基金估值及其对应的评估结果提供给用户，以使所述用户根据所述评估结果判定所述基金估值是否属于可靠基金估值。

21.一种数据预测结果的评估装置，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：

在数据预测值的计算过程中，根据预设的预测因子集确定所述计算过程中命中的至少一个目标预测因子，所述预测因子集包括多个用于计算所述数据预测值时所依赖的预测因子；

获取预先配置的各预测因子与其对所述数据预测值的影响程度之间的对应关系，根据所述对应关系确定各所述目标预测因子分别对应的影响程度；

根据各所述目标预测因子分别对应的影响程度，确定所述数据预测值的评估结果。

22.一种基金估值结果的评估装置，其特征在于，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：

在基金估值的计算过程中，根据预设的风险因素集确定所述计算过程中命中的至少一个目标风险因素，所述风险因素集中包括多个用于计算所述基金估值时所依赖的风险因素；

获取预先配置的各风险因素与其针对所述基金估值的风险程度之间的对应关系，根据所述对应关系确定各所述目标风险因素分别对应的风险程度；

根据各所述目标风险因素分别对应的风险程度，确定所述基金估值的评估结果。