CN107194724A - 塑料原料成交价格趋势预测方法及装置 - Google Patents

塑料原料成交价格趋势预测方法及装置 Download PDF

Info

Publication number
CN107194724A
CN107194724A CN201710353544.XA CN201710353544A CN107194724A CN 107194724 A CN107194724 A CN 107194724A CN 201710353544 A CN201710353544 A CN 201710353544A CN 107194724 A CN107194724 A CN 107194724A
Authority
CN
China
Prior art keywords
price
data
knock
plastics
raw materials
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.)
Pending
Application number
CN201710353544.XA
Other languages
English (en)
Inventor
辛云亮
林晓亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Plastic Network Technology Co Ltd
Original Assignee
Guangzhou Plastic Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Plastic Network Technology Co Ltd filed Critical Guangzhou Plastic Network Technology Co Ltd
Priority to CN201710353544.XA priority Critical patent/CN107194724A/zh
Publication of CN107194724A publication Critical patent/CN107194724A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Game Theory and Decision Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明公开了一种塑料原料成交价格趋势预测方法及装置，其中该方法包括：获取预设历史时间段内塑料原料的订单数据、塑料期货价格数据、原油期货价格数据、银行利率数据和汇率数据；按照预设条件对订单数据进行筛选；根据筛选后的订单数据、塑料期货价格数据、原油期货价格数据、银行利率数据和汇率数据，计算预设未来时间段内塑料原料的预估成交价格。本发明实施例的技术方案，获取的数据真实可靠；根据预设条件排除参考性不强的数据，把塑料期货、原油期货、银行利率、汇率这些在实际交易中会影响价格波动的因素都囊括在内，推算出未来一段时间内的价格走势，准确率高，参考性强，为塑料行业的生产企业提供最准确的市场分析依据。

Description

塑料原料成交价格趋势预测方法及装置
技术领域
本发明实施例涉及数据处理技术，尤其涉及一种塑料原料成交价格趋势预测方法及装置。
背景技术
塑料原料属于大宗商品范畴，客单价高，不同的塑料品种价格差异大，并且受原油价格等因素影响，塑料原料价格的波动范围也比较大。
为了规避风险，塑料终端厂家需要类似于股指期货的指导价格，以此来分析市场行情走势，帮助企业制定生产计划。
目前市场上还没有对塑料原料交易价格走势的趋势预测方法，传统企业大多基于大连商品交易所的塑料期货价格以及从业经验做出分析判断，但是这样得到的结果准确性不高，可参考性比较小。
发明内容
本发明提供一种塑料原料成交价格趋势预测方法及装置，以实现较为准确的塑料原料价格趋势预测，提高预测结果的可参考性。
第一方面，本发明实施例提供了一种塑料原料成交价格趋势预测方法，包括：
获取预设历史时间段内塑料原料的订单数据、塑料期货价格数据、原油期货价格数据、银行利率数据和汇率数据；
按照预设条件对所述订单数据进行筛选；
根据筛选后的订单数据、所述塑料期货价格数据、所述原油期货价格数据、所述银行利率数据和所述汇率数据，计算预设未来时间段内塑料原料的预估成交价格。
第二方面，本发明实施例还提供了一种塑料原料成交价格趋势预测装置，包括：
数据获取模块，用于获取预设历史时间段内塑料原料的订单数据、塑料期货价格数据、原油期货价格数据、银行利率数据和汇率数据；
数据筛选模块，用于按照预设条件对所述订单数据进行筛选；
价格计算模块，用于根据筛选后的订单数据、所述塑料期货价格数据、所述原油期货价格数据、所述银行利率数据和所述汇率数据，计算预设未来时间段内塑料原料的预估成交价格。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如本发明任意实施例所述的塑料原料成交价格趋势预测方法。
第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本发明任意实施例所述的塑料原料成交价格趋势预测方法。
本发明实施例的技术方案，从交易网站获取真实的交易数据，有银行往来单据，数据真实可靠；根据预设条件排除参考性不强的数据，把塑料期货、原油期货、银行利率、汇率这些在实际交易中会影响价格波动的因素都囊括在内，推算出未来一段时间内的价格走势，准确率高，参考性强，能够为塑料行业的生产企业提供最准确的市场分析依据，降低企业的经营风险。
附图说明
图1是本发明实施例一提供的塑料原料成交价格趋势预测方法的流程图；
图2是本发明实施例一提供的预估成交价格趋势的曲线示意图；
图3是本发明实施例三提供的塑料原料成交价格趋势预测装置的结构框图；
图4是本发明实施例四提供的计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
首先对本发明实施例涉及到的一些名词进行说明。常用的塑料品种包括：聚乙烯PE、聚氯乙烯PVC、聚丙烯PP、聚酯PET或PETP、聚偏二氯乙烯PVDC、聚碳酸酯PC、发泡聚苯乙烯EPS、丙烯腈-丁二烯-苯乙烯共聚物ABS、尼龙PA等。不同的塑料品种有其对应的应用场合。塑料牌号是厂家根据塑料的不同性能编定的号码。对于某类塑料品种，可以有多个厂家生产，而一个厂家生产同一品种的塑料，可以对应多个塑料牌号。
实施例一
图1是本发明实施例一提供的塑料原料成交价格趋势预测方法的流程图，本实施例可适用于塑料原料成交价格趋势预测的情况，该方法可以由具有通信和计算功能的设备来执行。如图1所示，该方法具体包括如下步骤：
步骤110，获取预设历史时间段内塑料原料的订单数据、塑料期货价格数据、原油期货价格数据、银行利率数据和汇率数据。
其中，预设历史时间段可以是过去的一段时间，例如，某天、某周、某月等。塑料原料的订单数据可以从一些塑料交易网站获得，例如，从找塑料网的交易数据库中调取预设历史时间段的订单数据。具体的，用户可以输入或选取某历史时间段，设备根据用户输入的信息从交易网站获取这个时间段的所有订单数据。用户还可以输入或选取塑料品种或塑料牌号信息，设备根据用户输入的信息从交易网站获取相应时间段内相应塑料品种或塑料牌号的所有订单数据。
塑料期货价格数据是指塑料期货价格的同比数据和环比数据，可以从国内塑料交易市场获取塑料期货价格数据，例如，大连商品交易所、郑州商品交易所等。同比数据是指与去年的同期相比的数据，例如用某季度的数据与上年同期的数据相对比。同比数据主要是为了消除季节变动的影响，用以说明本期发展水平与去年同期发展水平的对比，而达到的相对发展速度。环比数据是指与同年的上一期相比的数据，例如，本周数据与上周数据相对比。具体的，可以从国内塑料交易市场获取预设历史时间段内的塑料期货价格数据、去年同期的塑料期货价格数据以及今年上一期的塑料期货价格数据，用于后续计算。
原油期货价格数据是指原油期货价格的同比数据和环比数据，可以从原油交易市场获取原油期货价格数据，例如，纽约商业交易所的轻质低硫原油即“西德克萨斯中质油”期货、高硫原油期货、伦敦国际石油交易所的布伦特原油期货、新加坡交易所的迪拜酸性原油期货。具体的，可以从原油交易市场获取预设历史时间段内的原油期货价格数据、去年同期的原油期货价格数据以及今年上一期的原油期货价格数据，用于后续计算。
银行利率数据是指银行利率的同比数据，具体的，可以从银行网站获取预设历史时间段内的银行利率和去年同期的银行利率。汇率数据是指汇率的同比数据，具体的，可以获取预设历史时间段内的汇率和去年同期的汇率。较优的，可以使用美元汇率数据。
步骤120，按照预设条件对订单数据进行筛选。
其中，预设条件可以是利用阈值筛选出符合阈值范围的订单数据，例如，筛选出订单价格小于1500且大于500的订单数据。本步骤是为了排除一些参考性不强的数据，提高预估价格的准确性。
步骤130，根据筛选后的订单数据、塑料期货价格数据、原油期货价格数据、银行利率数据和汇率数据，计算预设未来时间段内塑料原料的预估成交价格。
本步骤中，预设未来时间段是指将来的一段时间，例如，明天、下周、下个月等。具体的，可以根据实际情况设置历史时间与未来时间的对应关系，根据其对应关系计算未来时间的塑料原料预估价格。例如，某塑料牌号明天的预估价格是根据该牌号过去5天的数据计算得到，或者明天的预估价格是根据去年同一天的数据得到等。具体的，可以对预设历史时间段的订单数据计算平均值，然后结合该时间段的塑料期货价格数据、原油期货价格数据、银行利率数据和汇率数据(即考虑到这些数据对塑料价格走势的影响)，计算得到预估成交价格。
本实施例的塑料原料成交价格趋势预测方法，从交易网站获取真实的交易数据，有银行往来单据，数据真实可靠；根据预设条件排除参考性不强的数据，把塑料期货、原油期货、银行利率、汇率这些在实际交易中会影响价格波动的因素都囊括在内，推算出未来一段时间内的价格走势，准确率高，参考性强，能够为塑料行业的生产企业提供最准确的市场分析依据，降低企业的经营风险。
在上述技术方案的基础上，优选的，在计算预设未来时间段内塑料原料的预估成交价格之后，可以对计算得到的预估成交价格进行处理，得到具有预设位数的预估成交价格。具体的，可以利用预设函数对预估成交价格进行处理，例如，price＝round(成交价，-1)，其中，price表示处理后的价格，函数round(X，D)返回参数X，其值接近于最近似的整数；在有两个参数的情况下，返回X，其值保留到小数点后D位，而第D位的保留方式是四舍五入。D为负值，则保留X值小数点左边的D位。这样对每个预估成交价格进行处理后，得到统一表示的价格，方便后续处理或展示。
另外，在进行计算之前，可以对获取的数据均进行处理(例如利用round函数进行处理)，得到预设位数的数据，以便于后续计算。
优选的，计算得到预估成交价格后，可以输出预估成交价格，供买方和卖方查看参考，例如，在显示屏上显示。具体的，可以对预估成交价格进行分类处理并分类显示，例如，可以按照塑料品种、厂家、牌号、卖家所在区域(例如华南、华东、华北、东北、西南、东北地区)等类别进行分类显示。较优的，可以曲线图的形式展示预设未来时间段内塑料原料的预估成交价格，绘制价格时间曲线图，能够更加简洁直观地展示价格趋势。曲线图也可以按照品种、厂家、牌号、卖家所在区域等类别进行绘制，在同一张曲线图中，可以使用颜色或曲线虚实来区分不同类别，如图2所示，纵坐标表示价格，横坐标表示日期，按照塑料品种绘制曲线图，用户可以很直观地获得各类塑料的价格走势。
实施例二
在上述实施例一的基础上，本实施例提供了步骤120的一种实施方式，优选的，步骤120可以包括如下步骤：根据订单数据分别获取各塑料牌号在预设历史时间段内每个交易日的最高成交价、最低成交价和平均成交价；根据塑料牌号在当前交易日的最高成交价、最低成交价和平均成交价确定该塑料牌号在当前交易日的最大价格波动值和最小价格波动值；根据最大价格波动值和最小价格波动值对塑料牌号在当前交易日的订单数据进行筛选。
其中，最高成交价、最低成交价、平均成交价以及预估成交价格均是指每吨塑料原料的单价。最大价格波动值是Max–A，最小价格波动值是A–Min，其中，A表示平均成交价，Max表示最高成交价，Min表示最低成交价。
优选的，根据最大价格波动值和最小价格波动值对塑料牌号在当前交易日的订单数据进行筛选，具体包括如下步骤：判断当前订单成交价是否满足：最高成交价与当前订单成交价的差值小于最大价格波动值且当前订单成交价与最低成交价的差值大于最小价格波动值；如果满足，则保留当前订单成交价对应的订单数据；如果不满足，则删除当前订单成交价对应的订单数据。由此便筛除了一些参考性不强的数据，提高计算结果的可参考性。
步骤130可以采用以下公式计算预设未来时间段内塑料原料的预估成交价格：
P＝sum(订单成交价)/订单数+T1+T2+T3+T4，
其中，P表示塑料牌号在未来交易日的预估成交价格；订单成交价是筛选后的该塑料牌号每个订单的成交价；sum函数表示求和；T1表示利率影响因子，T1＝X1×t1，X1表示同期利率差值，t1表示利率权重；T2表示汇率影响因子，T2＝X2×t2，X2表示同期汇率差值，t2表示汇率权重；T3表示塑料期货影响因子，T3＝X3×t3，X3表示塑料期货差值，t3表示塑料期货权重；T4表示原油期货影响因子，T4＝X4×t4，X4表示原油期货差值，t4表示原油期货权重。
各影响因子的权重可以根据影响因子的重要性进行设置。塑料期货差值可以通过以下方法获得：分别计算塑料期货的同比数据的差值和环比数据的差值，取最大差值作为最终的塑料期货差值参与计算。同理，原油期货差值也可以这样获得，不再赘述。
下面结合一个例子对塑料原料成交价格趋势预测方法进行说明。
(1)从找塑料网交易数据库中调取预设历史时间范围内的订单数据，可以按照品种、生产厂家、物性牌号、卖家所在区域等属性对订单数据进行分类，归纳出每个订单的成交价及对应的交易时间。
(2)获取该历史时间范围内塑料期货价格的同比数据和环比数据，以及原油期货价格的同比数据和环比数据。
(3)对获取的订单数据，计算出每个牌号每个交易日的最高成交价、最低成交价和平均成交价，并确定价格波动值。符合价格波动值条件的订单数据被保留。其中，最高成交价Max_price，最低成交价Min_price，平均成交价Aprice(即所有订单成交价的平均值)。最大价格波动值为Max_price–Aprice，最小价格波动值为Aprice–Min_price。如果最高成交价与当前订单成交价的差值小于最大价格波动值且当前订单成交价与最低成交价的差值大于最小价格波动值，则保留当前订单成交价对应的订单数据，由此排除了参考性不高的数据。
对于筛选后的订单数据及其对应时间内的塑料期货数据、原油期货数据，按照交易时间段，整理成去年同期的对比数据和今年同期的环比数据。
(4)按照历史时间范围，获取去年同期和今年的银行利率调整范围、美元汇率波动范围，并按交易时间与上述数据对应起来。对塑料期货价格、原油期货价格、银行利率、汇率这些影响因子按照重要性给予不同的权重，例如：
利率影响因子T1＝X1×0.1，X1是同期利率差值，权重t1＝0.1，
汇率影响因子T2＝X2×0.1，X2是同期汇率差值，权重t2＝0.1，
塑料期货影响因子T3＝X3×0.8，X3是塑料期货差值，权重t3＝0.8，
原油期货影响因子T4＝X4×0.5，X4是原油期货差值，权重t4＝0.5。
(5)按以下公式计算未来指定时间段内的预估成交价格：
预估成交价格price＝sum(订单成交价)/订单数+T1+T2+T3+T4，其中，sum函数表示求和。
然后对计算得到的价格进行处理ref_price＝Round(price，-1)，其中，round函数的含义是：round(X，D)返回参数X，其值接近于最近似的整数；在有两个参数的情况下，返回X，其值保留到小数点后D位，而第D位的保留方式为四舍五入。D为负值，则保留X值小数点左边的D位。
以曲线图的方式表现预估价格趋势，曲线图如图2所示。
实施例三
图3是本发明实施例三提供的塑料原料成交价格趋势预测装置的结构框图，如图3所示，该装置包括：数据获取模块31、数据筛选模块32和价格计算模块33。
数据获取模块31，用于获取预设历史时间段内塑料原料的订单数据、塑料期货价格数据、原油期货价格数据、银行利率数据和汇率数据；
数据筛选模块32，用于按照预设条件对订单数据进行筛选；
价格计算模块33，用于根据筛选后的订单数据、塑料期货价格数据、原油期货价格数据、银行利率数据和汇率数据，计算预设未来时间段内塑料原料的预估成交价格。
本实施例的塑料原料成交价格趋势预测装置，从交易网站获取真实的交易数据，数据真实可靠；根据预设条件排除参考性不强的数据，把塑料期货、原油期货、银行利率、汇率这些在实际交易中会影响价格波动的因素都囊括在内，推算出未来一段时间内的价格走势，准确率高，参考性强，能够为塑料行业的生产企业提供最准确的市场分析依据，降低企业的经营风险。
在上述技术方案的基础上，数据筛选模块32可以包括：价格获取单元、波动值确定单元和数据筛选单元。其中，价格获取单元，用于根据订单数据分别获取各塑料牌号在预设历史时间段内每个交易日的最高成交价、最低成交价和平均成交价；波动值确定单元，根据塑料牌号在当前交易日的最高成交价、最低成交价和平均成交价确定该塑料牌号在当前交易日的最大价格波动值和最小价格波动值；数据筛选单元，用于根据最大价格波动值和最小价格波动值对塑料牌号在当前交易日的订单数据进行筛选。
优选的，最大价格波动值是Max–A，最小价格波动值是A–Min，其中，A表示平均成交价，Max表示最高成交价，Min表示最低成交价。
数据筛选单元具体用于：判断当前订单成交价是否满足：最高成交价与当前订单成交价的差值小于最大价格波动值且当前订单成交价与最低成交价的差值大于最小价格波动值；如果满足，则保留当前订单成交价对应的订单数据；如果不满足，则删除当前订单成交价对应的订单数据。
价格计算模块33可以采用以下公式计算预设未来时间段内塑料原料的预估成交价格：
P＝sum(订单成交价)/订单数+T1+T2+T3+T4，
其中，P表示塑料牌号在未来交易日的预估成交价格；订单成交价是筛选后的该塑料牌号每个订单的成交价；sum函数表示求和；T1表示利率影响因子，T1＝X1×t1，X1表示同期利率差值，t1表示利率权重；T2表示汇率影响因子，T2＝X2×t2，X2表示同期汇率差值，t2表示汇率权重；T3表示塑料期货影响因子，T3＝X3×t3，X3表示塑料期货差值，t3表示塑料期货权重；T4表示原油期货影响因子，T4＝X4×t4，X4表示原油期货差值，t4表示原油期货权重。
优选的，上述装置还可以包括：价格处理模块，用于对计算得到的预估成交价格进行处理，得到具有预设位数的预估成交价格。
优选的，上述装置还可以包括：价格展示模块，用于以曲线图的形式展示预设未来时间段内塑料原料的预估成交价格，供用户更加直观的查看价格趋势。
本发明实施例所提供的塑料原料成交价格趋势预测装置可执行本发明任意实施例所提供的塑料原料成交价格趋势预测方法，具备执行方法相应的功能模块和有益效果。
实施例四
图4是本发明实施例四提供的计算机设备的结构示意图，如图4所示，该计算机设备包括：处理器40、存储器41、输入装置42和输出装置43。计算机设备中处理器40的数量可以是一个或多个，图4中以一个处理器40为例；计算机设备中的处理器40、存储器41、输入装置42和输出装置43可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储器41作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的塑料原料成交价格趋势预测方法对应的程序指令/模块(例如，塑料原料成交价格趋势预测装置中的数据获取模块31、数据筛选模块32和价格计算模块33)。处理器40通过运行存储在存储器41中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述的塑料原料成交价格趋势预测方法。
存储器41可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器41可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器41可进一步包括相对于处理器40远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置42可用于接收输入的数字或字符信息，以及产生与计算机设备的用户设置以及功能控制有关的键信号输入，例如，接收用户输入或选取的历史时间段、塑料品种、塑料牌号等。输出装置43可包括显示屏等显示设备，例如，用于显示计算得到的预估成交价格或者显示根据预估成交价格绘制的曲线图。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行上述实施例一和二所述的塑料原料成交价格趋势预测方法。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述塑料原料成交价格趋势预测装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种塑料原料成交价格趋势预测方法，其特征在于，包括：
获取预设历史时间段内塑料原料的订单数据、塑料期货价格数据、原油期货价格数据、银行利率数据和汇率数据；
按照预设条件对所述订单数据进行筛选；
根据筛选后的订单数据、所述塑料期货价格数据、所述原油期货价格数据、所述银行利率数据和所述汇率数据，计算预设未来时间段内塑料原料的预估成交价格。
2.根据权利要求1所述的方法，其特征在于，按照预设条件对所述订单数据进行筛选，包括：
根据所述订单数据分别获取各塑料牌号在所述预设历史时间段内每个交易日的最高成交价、最低成交价和平均成交价；
根据所述塑料牌号在当前交易日的最高成交价、最低成交价和平均成交价确定该塑料牌号在当前交易日的最大价格波动值和最小价格波动值；
根据所述最大价格波动值和所述最小价格波动值对所述塑料牌号在当前交易日的订单数据进行筛选。
3.根据权利要求2所述的方法，其特征在于，所述最大价格波动值是Max–A，所述最小价格波动值是A–Min，其中，A表示平均成交价，Max表示最高成交价，Min表示最低成交价；
根据所述最大价格波动值和所述最小价格波动值对所述塑料牌号在当前交易日的订单数据进行筛选，包括：
判断当前订单成交价是否满足：最高成交价与当前订单成交价的差值小于所述最大价格波动值且当前订单成交价与最低成交价的差值大于所述最小价格波动值；
如果满足，则保留所述当前订单成交价对应的订单数据；
如果不满足，则删除所述当前订单成交价对应的订单数据。
4.根据权利要求1所述的方法，其特征在于，采用以下公式计算预设未来时间段内塑料原料的预估成交价格：
P＝sum(订单成交价)/订单数+T1+T2+T3+T4，
其中，P表示塑料牌号在未来交易日的预估成交价格；订单成交价是筛选后的该塑料牌号每个订单的成交价；sum函数表示求和；T1表示利率影响因子，T1＝X1×t1，X1表示同期利率差值，t1表示利率权重；T2表示汇率影响因子，T2＝X2×t2，X2表示同期汇率差值，t2表示汇率权重；T3表示塑料期货影响因子，T3＝X3×t3，X3表示塑料期货差值，t3表示塑料期货权重；T4表示原油期货影响因子，T4＝X4×t4，X4表示原油期货差值，t4表示原油期货权重。
5.根据权利要求1所述的方法，其特征在于，在计算预设未来时间段内塑料原料的预估成交价格之后，所述方法还包括：
对计算得到的预估成交价格进行处理，得到具有预设位数的预估成交价格。
6.根据权利要求1所述的方法，其特征在于，在计算预设未来时间段内塑料原料的预估成交价格之后，所述方法还包括：
以曲线图的形式展示所述预设未来时间段内塑料原料的预估成交价格。
7.一种塑料原料成交价格趋势预测装置，其特征在于，包括：
数据获取模块，用于获取预设历史时间段内塑料原料的订单数据、塑料期货价格数据、原油期货价格数据、银行利率数据和汇率数据；
数据筛选模块，用于按照预设条件对所述订单数据进行筛选；
价格计算模块，用于根据筛选后的订单数据、所述塑料期货价格数据、所述原油期货价格数据、所述银行利率数据和所述汇率数据，计算预设未来时间段内塑料原料的预估成交价格。
8.根据权利要求7所述的装置，其特征在于，所述数据筛选模块包括：
价格获取单元，用于根据所述订单数据分别获取各塑料牌号在所述预设历史时间段内每个交易日的最高成交价、最低成交价和平均成交价；
波动值确定单元，根据所述塑料牌号在当前交易日的最高成交价、最低成交价和平均成交价确定该塑料牌号在当前交易日的最大价格波动值和最小价格波动值；
数据筛选单元，用于根据所述最大价格波动值和所述最小价格波动值对所述塑料牌号在当前交易日的订单数据进行筛选。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6中任一项所述的塑料原料成交价格趋势预测方法。
10.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1至6中任一项所述的塑料原料成交价格趋势预测方法。
CN201710353544.XA 2017-05-18 2017-05-18 塑料原料成交价格趋势预测方法及装置 Pending CN107194724A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710353544.XA CN107194724A (zh) 2017-05-18 2017-05-18 塑料原料成交价格趋势预测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710353544.XA CN107194724A (zh) 2017-05-18 2017-05-18 塑料原料成交价格趋势预测方法及装置

Publications (1)

Publication Number Publication Date
CN107194724A true CN107194724A (zh) 2017-09-22

Family

ID=59874111

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710353544.XA Pending CN107194724A (zh) 2017-05-18 2017-05-18 塑料原料成交价格趋势预测方法及装置

Country Status (1)

Country Link
CN (1) CN107194724A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107633369A (zh) * 2017-10-09 2018-01-26 广州市万表科技股份有限公司 一种商品资产在线评估方法和系统
CN109961304A (zh) * 2017-12-22 2019-07-02 北京京东尚科信息技术有限公司 用于生成信息的方法和装置
CN110599258A (zh) * 2019-09-20 2019-12-20 中国银行股份有限公司 定期事件对产品价格变化影响信息的提示方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107633369A (zh) * 2017-10-09 2018-01-26 广州市万表科技股份有限公司 一种商品资产在线评估方法和系统
CN109961304A (zh) * 2017-12-22 2019-07-02 北京京东尚科信息技术有限公司 用于生成信息的方法和装置
CN109961304B (zh) * 2017-12-22 2021-09-17 北京京东尚科信息技术有限公司 用于生成信息的方法和装置
CN110599258A (zh) * 2019-09-20 2019-12-20 中国银行股份有限公司 定期事件对产品价格变化影响信息的提示方法及装置

Similar Documents

Publication Publication Date Title
Kourentzes et al. Improving forecasting by estimating time series structural components across multiple frequencies
Diebold et al. Forecasting the term structure of government bond yields
Hashim et al. Expected-loss-based accounting for impairment of financial instruments: The FASB and IASB proposals 2009–2016
Yadav et al. Retailer's optimal policy under inflation in fuzzy environment with trade credit
US20100169237A1 (en) Investment classification and tracking system using diamond ratings
Owusu-Ansah A review of hedonic pricing models in housing research
Hahn et al. Optimising a value-based performance indicator in mid-term sales and operations planning
Bogomolov Pairs trading based on statistical variability of the spread process
JP2007526529A (ja) 不確実な将来の利益をモデル化するためのシステム、方法およびコンピュータプログラムプロダクト
AU2019202967A2 (en) Stratified composite portfolios of investment securities
CN103927615A (zh) 将实体与类别相关联
CN107194724A (zh) 塑料原料成交价格趋势预测方法及装置
Puelz et al. Portfolio selection for individual passive investing
Nitsche et al. Mapping supply chain collaboration research: a machine learning-based literature review
Liebl et al. Improving estimation in functional linear regression with points of impact: Insights into google adwords
Biziorek et al. Public-private partnership national programs through the portfolio perspective: A system dynamics model of the UK PFI/PF2 programs
Majumder et al. Limitation of ARIMA in extremely collapsed market: A proposed method
US8660930B2 (en) Target portfolio templates
Çılgın et al. The Effect of Outlier Detection Methods in Real Estate Valuation with Machine Learning
Dastkhan A framework to assess the valuation techniques for new technology-based firms: a case in an emerging market
Takahashi et al. Generating a target payoff distribution with the cheapest dynamic portfolio: an application to hedge fund replication
CN107688979A (zh) 用于提供信用参考信息的方法和装置
CN112767132A (zh) 一种数据处理方法及系统
Madan et al. Option overlay strategies
Cattell An overview of component unit pricing theory

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170922