CN107274004A - 一种融资项目热度预警方法及终端 - Google Patents

一种融资项目热度预警方法及终端 Download PDF

Info

Publication number
CN107274004A
CN107274004A CN201710330390.2A CN201710330390A CN107274004A CN 107274004 A CN107274004 A CN 107274004A CN 201710330390 A CN201710330390 A CN 201710330390A CN 107274004 A CN107274004 A CN 107274004A
Authority
CN
China
Prior art keywords
msub
mrow
msup
theta
financing
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
CN201710330390.2A
Other languages
English (en)
Inventor
陈强
李思龙
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.)
Guangdong Wangjin Holdings Co Ltd
Original Assignee
Guangdong Wangjin Holdings 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 Guangdong Wangjin Holdings Co Ltd filed Critical Guangdong Wangjin Holdings Co Ltd
Priority to CN201710330390.2A priority Critical patent/CN107274004A/zh
Publication of CN107274004A publication Critical patent/CN107274004A/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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Technology Law (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Liquid Crystal Substances (AREA)

Abstract

本发明涉及一种融资项目热度预警方法及终端，该方法包括以下步骤：获取新发布的融资项目的数据；从所述融资项目中得到融资金额、利率、预设购买份额和融资渠道的参数信息；根据公式计算热度值：当所述热度值大于预设阈值时，输出告警信息。本发明能够智能预测新发布的融资项目的热度，并及时发出告警信息，从而避免因发生抢购现象，导致服务器资源消耗严重及宕机。

Description

一种融资项目热度预警方法及终端
技术领域
本发明涉及计算机程序技术。
背景技术
当前互联网交易型银行所发布的融资项目，由于没有准确的数据支撑，难以准确地设定融资项目的各项属性参数，以达到收益最大化，例如在融资利率设定的过程中，往往需要人工从以往的经验中主观地设定融资利率。
而且对于融资项目发布后的情况，也难以准确的预测，因此也难以为融资项目预先提供适合的硬件资源，例如某个融资项目发布后很受欢迎，发生抢购现象，导致服务器资源消耗严重，甚至出现宕机。如果可以提前预测融资项目发布后的情况，则可以提前对服务器资源调动作准备，预防发生宕机情况。
发明内容
为了克服现有技术的不足，本发明的目的之一在于提供一种融资项目热度预警方法，其能解决服务器宕机的问题。
本发明的目的之二在于提供一种预警终端，其能解决服务器宕机的问题。
为了实现上述目的之一，本发明所采用的技术方案如下：
一种融资项目热度预警方法，其特征在于，包括以下步骤：
步骤1、获取新发布的融资项目的数据；
步骤2、从所述融资项目中得到融资金额、利率、预设购买份额和融资渠道的参数信息；
步骤3、根据以下公式计算热度值：
其中，f(x)为热度值，X0＝1，X1为新发布的融资项目的融资金额，X2为新发布的融资项目的利率，X3为新发布的融资项目的预设购买份额，X4为新发布的融资项目的融资渠道，θ0、θ1、θ2、θ3、θ4分别为各个参数的权重；
步骤4、当所述热度值大于预设阈值时，输出告警信息。
优选的，步骤3中的θ0、θ1、θ2、θ3、θ4由以下步骤得到：
步骤5.1、预设递增量为a，最大循环迭代次数为b，最小误差值为c，并随机设置θ0、θ1、θ2、θ3、θ4的值；
步骤5.2、分别用以下梯度下降公式，求解并更新θ0、θ1、θ2、θ3、θ4的值，
n表示历史的融资项目的样本数据量，i表示遍历每一条样本数据的序号，Yi表示第i条样本数据的热度值，X0＝1，X1为历史的融资项目的融资金额，X2为历史的融资项目的利率，X3为历史的融资项目的预设购买份额，X4为历史的融资项目的融资渠道；
步骤5.3、当θ0、θ1、θ2、θ3、θ4，均小于预设值c，或者循环迭代次数为大于预设值b，则表示θ0、θ1、θ2、θ3、θ4已是最优值，从而作为步骤3中的θ0、θ1、θ2、θ3、θ4，并中断循环迭代运算；否则，重复步骤5.2。
优选的，所述样本数据每隔预设时间进行更新，以使权重定期更新。
优选的，第i条样本数据的热度值由对应的历史的融资项目的实际购买份额、超募次数和募集时间计算得到，计算公式为：
为了实现上述目的之二，本发明所采用的技术方案如下：
一种预警终端，其包括存储器、处理器和显示器：
所述存储器，用于存储程序指令；
所述处理器，用于执行所述程序指令，以执行以下步骤：
步骤1、获取新发布的融资项目的数据；
步骤2、从所述融资项目中得到融资金额、利率、预设购买份额和融资渠道的参数信息；
步骤3、根据以下公式计算热度值：
其中，f(x)为热度值，X0＝1，X1为新发布的融资项目的融资金额，X2为新发布的融资项目的利率，X3为新发布的融资项目的预设购买份额，X4为新发布的融资项目的融资渠道，θ0、θ1、θ2、θ3、θ4分别为各个参数的权重；
步骤4、当所述热度值大于预设阈值时，输出告警信息；
所述显示器，用于显示所述告警信息。
优选的，步骤3中的θ0、θ1、θ2、θ3、θ4由以下步骤得到：
步骤5.1、预设递增量为a，最大循环迭代次数为b，最小误差值为c，并随机设置θ0、θ1、θ2、θ3、θ4的值；
步骤5.2、分别用以下梯度下降公式，求解并更新θ0、θ1、θ2、θ3、θ4的值，
n表示历史的融资项目的样本数据量，i表示遍历每一条样本数据的序号，Yi表示第i条样本数据的热度值，X0＝1，X1为历史的融资项目的融资金额，X2为历史的融资项目的利率，X3为历史的融资项目的预设购买份额，X4为历史的融资项目的融资渠道；
步骤5.3、当θ0、θ1、θ2、θ3、θ4，均小于预设值c，或者循环迭代次数为大于预设值b，则表示θ0、θ1、θ2、θ3、θ4已是最优值，从而作为步骤3中的θ0、θ1、θ2、θ3、θ4，并中断循环迭代运算；否则，重复步骤5.2。
优选的，所述样本数据每隔预设时间进行更新，以使权重定期更新。
优选的，第i条样本数据的热度值由对应的历史的融资项目的实际购买份额、超募次数和募集时间计算得到，计算公式为：
相比现有技术，本发明的有益效果在于：
能够智能预测新发布的融资项目的热度，并及时发出告警信息，从而避免因发生抢购现象，导致服务器资源消耗严重及宕机。
附图说明
图1为本发明较佳实施例的融资项目热度预警方法的流程图；
图2为本发明较佳实施例的预警终端的结构示意图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述：
术语解释：
下面，详细解释融资项目热度(即本发明的热度值)的推导过程。
1、从历史融资项目数据中，提取每个融资项目的与项目热度相关的7个关键参数：{融资金额、利率、预设购买份额、融资渠道、实际购买份额、超募次数、募集时间}，其中融资渠道以品牌效益排序，数值表示。
2、从每个融资项目的7个关键参数中提取3个参数{实际购买份额、超募次数、募集时间}，应用公式：算出每秒购买次数，作为融资项目的热度值。
但算出来的值有可能跨度过大，不利于作百分比判断比较，因此应用logit函数将项目热度值转换为范围在[0，1]的数值，
3、由前面2步，可以整理出历史融资项目的基础数据集，包括5个属性参数{融资金额、利率、预设购买份额、融资渠道、项目热度}，以此作为样本数据集。
4、由于融资金额、利率、预设购买份额、融资渠道4个属性参数与项目热度存在线性关系，例如融资金额越小，或者利率越大，或者预设购买份额越小，则募集时间就越短；融资渠道品牌效应越大，则实际购买份额或者超募次数就越大，因此，可以作出以下假设：
Y＝融资项目热度
X0＝1
X1＝融资金额
X2＝利率
X3＝预设购买份额
X4＝融资渠道
θ0、θ1、θ2、θ3、θ4分别为各个属性参数的权重，并且由于第2个步骤已将项目热度值转换为[0,1]范围的数值，为了方便比较，Y值也应用logit函数转换为数值范围在[0,1]的数值。
则得到的融资项目热度的预测公式为：
为了方便描述，再假设
则Y＝f(x)。
其中，e为自然底数，数值已知；
在样本数据集中，X1、X2、X3、X4是已知的，Y在第2个步骤中已
计算得到；
因此只需要计算出权重值θ0、θ1、θ2、θ3、θ4，就可以应用以
上公式预测新发布的融资项目的热度值。
5、使用梯度下降算法，迭代计算θ0、θ1、θ2、θ3、θ4的最优解。
5.1、预设递增量为a，最大循环迭代次数为b，最小误差值为c，并随机设置θ0、θ1、θ2、θ3、θ4值；
5.2、循环迭代计算θ0、θ1、θ2、θ3、θ4值最优值，分别用以下梯度下降公式，求解并更新θ0、θ1、θ2、θ3、θ4的值。
n表示样本数据量，i表示遍历每一条样本数据的序号，f(x)在此前已有定义，Yi表示第i条样本数据的融资项目热度值。
5.3如果θ0、θ1、θ2、θ3、θ4，均小于预设值c，或者循环迭代次数为大于预设值b，则表示θ0、θ1、θ2、θ3、θ4已是最优值，中断循环迭代运算；否则，则重复5.2步骤；
经过以上5个步骤，已解得θ0、θ1、θ2、θ3、θ4最优值，代入f(x)公式中，则完整的f(x)公式已被推导出来。
当新融资项目发布，将项目中4个已知的属性参数{融资金额、利率、预设购买份额、融资渠道}输入f(x)公式中计算，即可计算出该融资项目的热度。
作为优化的，由于使用梯度下降算法，存在一定的概率计算出的θ0、θ1、θ2、θ3、θ4值并不是全局最优解，而是局部最优解，因此可以多次重复步骤5，并使用样本数据集，测试预测值，选择预测结果最优的一组θ0、θ1、θ2、θ3、θ4值。
通过上述的热度值推导，由此可得出如图1所示的本实施例的一种融资项目热度预警方法，其包括以下步骤：
步骤S1、获取新发布的融资项目的数据；
步骤S2、从所述融资项目中得到融资金额、利率、预设购买份额和融资渠道的参数信息；
步骤S3、根据以下公式计算热度值：
其中，f(x)为热度值，X0＝1，X1为新发布的融资项目的融资金额，X2为新发布的融资项目的利率，X3为新发布的融资项目的预设购买份额，X4为新发布的融资项目的融资渠道，θ0、θ1、θ2、θ3、θ4分别为各个参数的权重；
步骤S4、当所述热度值大于预设阈值时，输出告警信息。
优选的，步骤S3中的θ0、θ1、θ2、θ3、θ4由以下步骤得到：
步骤S5.1、预设递增量为a，最大循环迭代次数为b，最小误差值为c，并随机设置θ0、θ1、θ2、θ3、θ4的值；
步骤S5.2、分别用以下梯度下降公式，求解并更新θ0、θ1、θ2、θ3、θ4的值，
n表示历史的融资项目的样本数据量，i表示遍历每一条样本数据的序号，Yi表示第i条样本数据的热度值，X0＝1，X1为历史的融资项目的融资金额，X2为历史的融资项目的利率，X3为历史的融资项目的预设购买份额，X4为历史的融资项目的融资渠道；其中，所述样本数据每隔预设时间进行更新，以使权重定期更新，例如每隔一天或每周自动更新，保持各权重的定期更新。另外，第i条样本数据的热度值由对应的历史的融资项目的实际购买份额、超募次数和募集时间计算得到，计算公式为：这样，可以使得新发布的融资项目的热度值更为精准。
步骤S5.3、当θ0、θ1、θ2、θ3、θ4，均小于预设值c，或者循环迭代次数为大于预设值b，则表示θ0、θ1、θ2、θ3、θ4已是最优值，从而作为步骤3中的θ0、θ1、θ2、θ3、θ4，并中断循环迭代运算；否则，重复步骤S5.2。
如图2所示，本实施例还提出一种预警终端，其包括存储器、处理器和显示器：
所述存储器，用于存储程序指令；
所述处理器，用于执行所述程序指令，以执行以下步骤：
步骤S11、获取新发布的融资项目的数据；
步骤S12、从所述融资项目中得到融资金额、利率、预设购买份额和融资渠道的参数信息；
步骤S13、根据以下公式计算热度值：
其中，f(x)为热度值，X0＝1，X1为新发布的融资项目的融资金额，X2为新发布的融资项目的利率，X3为新发布的融资项目的预设购买份额，X4为新发布的融资项目的融资渠道，θ0、θ1、θ2、θ3、θ4分别为各个参数的权重；
步骤S14、当所述热度值大于预设阈值时，输出告警信息；
所述显示器，用于显示所述告警信息。
优选的，步骤S3中的θ0、θ1、θ2、θ3、θ4由以下步骤得到：
步骤S15.1、预设递增量为a，最大循环迭代次数为b，最小误差值为c，并随机设置θ0、θ1、θ2、θ3、θ4的值；
步骤S15.2、分别用以下梯度下降公式，求解并更新θ0、θ1、θ2、θ3、θ4的值，
n表示历史的融资项目的样本数据量，i表示遍历每一条样本数据的序号，Yi表示第i条样本数据的热度值，X0＝1，X1为历史的融资项目的融资金额，X2为历史的融资项目的利率，X3为历史的融资项目的预设购买份额，X4为历史的融资项目的融资渠道；其中，所述样本数据每隔预设时间进行更新，以使权重定期更新，例如每隔一天或每周自动更新，保持各权重的定期更新。另外，第i条样本数据的热度值由对应的历史的融资项目的实际购买份额、超募次数和募集时间计算得到，计算公式为：这样，可以使得新发布的融资项目的热度值更为精准。
步骤S15.3、当θ0、θ1、θ2、θ3、θ4，均小于预设值c，或者循环迭代次数为大于预设值b，则表示θ0、θ1、θ2、θ3、θ4已是最优值，从而作为步骤S3中的θ0、θ1、θ2、θ3、θ4，并中断循环迭代运算；否则，重复步骤S15.2。
对本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。

Claims (8)

1.一种融资项目热度预警方法，其特征在于，包括以下步骤：
步骤1、获取新发布的融资项目的数据；
步骤2、从所述融资项目中得到融资金额、利率、预设购买份额和融资渠道的参数信息；
步骤3、根据以下公式计算热度值：
<mrow> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <msup> <mi>e</mi> <mrow> <mo>(</mo> <msub> <mi>&amp;theta;</mi> <mn>0</mn> </msub> <msub> <mi>X</mi> <mn>0</mn> </msub> <mo>+</mo> <msub> <mi>&amp;theta;</mi> <mn>1</mn> </msub> <msub> <mi>X</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <mi>&amp;theta;</mi> <mn>2</mn> </msub> <msub> <mi>X</mi> <mn>2</mn> </msub> <mo>+</mo> <msub> <mi>&amp;theta;</mi> <mn>3</mn> </msub> <msub> <mi>X</mi> <mn>3</mn> </msub> <mo>+</mo> <msub> <mi>&amp;theta;</mi> <mn>4</mn> </msub> <msub> <mi>X</mi> <mn>4</mn> </msub> <mo>)</mo> </mrow> </msup> <mrow> <mn>1</mn> <mo>+</mo> <msup> <mi>e</mi> <mrow> <mo>(</mo> <msub> <mi>&amp;theta;</mi> <mn>0</mn> </msub> <msub> <mi>X</mi> <mn>0</mn> </msub> <mo>+</mo> <msub> <mi>&amp;theta;</mi> <mn>1</mn> </msub> <msub> <mi>X</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <mi>&amp;theta;</mi> <mn>2</mn> </msub> <msub> <mi>X</mi> <mn>2</mn> </msub> <mo>+</mo> <msub> <mi>&amp;theta;</mi> <mn>3</mn> </msub> <msub> <mi>X</mi> <mn>3</mn> </msub> <mo>+</mo> <msub> <mi>&amp;theta;</mi> <mn>4</mn> </msub> <msub> <mi>X</mi> <mn>4</mn> </msub> <mo>)</mo> </mrow> </msup> </mrow> </mfrac> </mrow>
其中，f(x)为热度值，X0＝1，X1为新发布的融资项目的融资金额，X2为新发布的融资项目的利率，X3为新发布的融资项目的预设购买份额，X4为新发布的融资项目的融资渠道，θ0、θ1、θ2、θ3、θ4分别为各个参数的权重；
步骤4、当所述热度值大于预设阈值时，输出告警信息。
2.如权利要求1所述的融资项目热度预警方法，其特征在于，步骤3中的θ0、θ1、θ2、θ3、θ4由以下步骤得到：
步骤5.1、预设递增量为a，最大循环迭代次数为b，最小误差值为c，并随机设置θ0、θ1、θ2、θ3、θ4的值；
步骤5.2、分别用以下梯度下降公式，求解并更新θ0、θ1、θ2、θ3、θ4的值，
<mrow> <msub> <mi>&amp;theta;</mi> <mn>0</mn> </msub> <mo>=</mo> <msub> <mi>&amp;theta;</mi> <mn>0</mn> </msub> <mo>-</mo> <mi>a</mi> <mfrac> <mn>1</mn> <mi>n</mi> </mfrac> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> </mrow> <mi>n</mi> </munderover> <mrow> <mo>(</mo> <mi>f</mi> <mo>(</mo> <msup> <mi>X</mi> <mi>i</mi> </msup> <mo>)</mo> <mo>-</mo> <msup> <mi>Y</mi> <mi>i</mi> </msup> <mo>)</mo> </mrow> <msub> <msup> <mi>X</mi> <mo>&amp;prime;</mo> </msup> <mn>0</mn> </msub> </mrow>
<mrow> <msub> <mi>&amp;theta;</mi> <mn>1</mn> </msub> <mo>=</mo> <msub> <mi>&amp;theta;</mi> <mn>1</mn> </msub> <mo>-</mo> <mi>a</mi> <mfrac> <mn>1</mn> <mi>n</mi> </mfrac> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <mrow> <mo>(</mo> <mi>f</mi> <mo>(</mo> <msup> <mi>X</mi> <mi>i</mi> </msup> <mo>)</mo> <mo>-</mo> <msup> <mi>Y</mi> <mi>i</mi> </msup> <mo>)</mo> </mrow> <msub> <msup> <mi>X</mi> <mo>&amp;prime;</mo> </msup> <mi>i</mi> </msub> </mrow>
<mrow> <msub> <mi>&amp;theta;</mi> <mn>2</mn> </msub> <mo>=</mo> <msub> <mi>&amp;theta;</mi> <mn>2</mn> </msub> <mo>-</mo> <mi>a</mi> <mfrac> <mn>1</mn> <mi>n</mi> </mfrac> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <mrow> <mo>(</mo> <mi>f</mi> <mo>(</mo> <msup> <mi>X</mi> <mi>i</mi> </msup> <mo>)</mo> <mo>-</mo> <msup> <mi>Y</mi> <mi>i</mi> </msup> <mo>)</mo> </mrow> <msub> <msup> <mi>X</mi> <mo>&amp;prime;</mo> </msup> <mn>2</mn> </msub> </mrow>
<mrow> <msub> <mi>&amp;theta;</mi> <mn>3</mn> </msub> <mo>=</mo> <msub> <mi>&amp;theta;</mi> <mn>3</mn> </msub> <mo>-</mo> <mi>a</mi> <mfrac> <mn>1</mn> <mi>n</mi> </mfrac> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> </mrow> <mi>n</mi> </munderover> <mrow> <mo>(</mo> <mi>f</mi> <mo>(</mo> <msup> <mi>X</mi> <mi>i</mi> </msup> <mo>)</mo> <mo>-</mo> <msup> <mi>Y</mi> <mi>i</mi> </msup> <mo>)</mo> </mrow> <msub> <msup> <mi>X</mi> <mo>&amp;prime;</mo> </msup> <mn>3</mn> </msub> </mrow>
<mrow> <msub> <mi>&amp;theta;</mi> <mn>4</mn> </msub> <mo>=</mo> <msub> <mi>&amp;theta;</mi> <mn>4</mn> </msub> <mo>-</mo> <mi>a</mi> <mfrac> <mn>1</mn> <mi>n</mi> </mfrac> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> </mrow> <mi>n</mi> </munderover> <mrow> <mo>(</mo> <mi>f</mi> <mo>(</mo> <msup> <mi>X</mi> <mi>i</mi> </msup> <mo>)</mo> <mo>-</mo> <msup> <mi>Y</mi> <mi>i</mi> </msup> <mo>)</mo> </mrow> <msub> <msup> <mi>X</mi> <mo>&amp;prime;</mo> </msup> <mn>4</mn> </msub> </mrow>
n表示历史的融资项目的样本数据量，i表示遍历每一条样本数据的序号，Yi表示第i条样本数据的热度值，X0＝1，X1为历史的融资项目的融资金额，X2为历史的融资项目的利率，X3为历史的融资项目的预设购买份额，X4为历史的融资项目的融资渠道；
步骤5.3、当θ0、θ1、θ2、θ3、θ4，均小于预设值c，或者循环迭代次数为大于预设值b，则表示θ0、θ1、θ2、θ3、θ4已是最优值，从而作为步骤3中的θ0、θ1、θ2、θ3、θ4，并中断循环迭代运算；否则，重复步骤5.2。
3.如权利要求2所述的融资项目热度预警方法，其特征在于，所述样本数据每隔预设时间进行更新，以使权重定期更新。
4.如权利要求2所述的融资项目热度预警方法，其特征在于，第i条样本数据的热度值由对应的历史的融资项目的实际购买份额、超募次数和募集时间计算得到，计算公式为：
5.一种预警终端，其特征在于，包括存储器、处理器和显示器：
所述存储器，用于存储程序指令；
所述处理器，用于执行所述程序指令，以执行以下步骤：
步骤1、获取新发布的融资项目的数据；
步骤2、从所述融资项目中得到融资金额、利率、预设购买份额和融资渠道的参数信息；
步骤3、根据以下公式计算热度值：
<mrow> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <msup> <mi>e</mi> <mrow> <mo>(</mo> <msub> <mi>&amp;theta;</mi> <mn>0</mn> </msub> <msub> <mi>X</mi> <mn>0</mn> </msub> <mo>+</mo> <msub> <mi>&amp;theta;</mi> <mn>1</mn> </msub> <msub> <mi>X</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <mi>&amp;theta;</mi> <mn>2</mn> </msub> <msub> <mi>X</mi> <mn>2</mn> </msub> <mo>+</mo> <msub> <mi>&amp;theta;</mi> <mn>3</mn> </msub> <msub> <mi>X</mi> <mn>3</mn> </msub> <mo>+</mo> <msub> <mi>&amp;theta;</mi> <mn>4</mn> </msub> <msub> <mi>X</mi> <mn>4</mn> </msub> <mo>)</mo> </mrow> </msup> <mrow> <mn>1</mn> <mo>+</mo> <msup> <mi>e</mi> <mrow> <mo>(</mo> <msub> <mi>&amp;theta;</mi> <mn>0</mn> </msub> <msub> <mi>X</mi> <mn>0</mn> </msub> <mo>+</mo> <msub> <mi>&amp;theta;</mi> <mn>1</mn> </msub> <msub> <mi>X</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <mi>&amp;theta;</mi> <mn>2</mn> </msub> <msub> <mi>X</mi> <mn>2</mn> </msub> <mo>+</mo> <msub> <mi>&amp;theta;</mi> <mn>3</mn> </msub> <msub> <mi>X</mi> <mn>3</mn> </msub> <mo>+</mo> <msub> <mi>&amp;theta;</mi> <mn>4</mn> </msub> <msub> <mi>X</mi> <mn>4</mn> </msub> <mo>)</mo> </mrow> </msup> </mrow> </mfrac> </mrow>
其中，f(x)为热度值，X0＝1，X1为新发布的融资项目的融资金额，X2为新发布的融资项目的利率，X3为新发布的融资项目的预设购买份额，X4为新发布的融资项目的融资渠道，θ0、θ1、θ2、θ3、θ4分别为各个参数的权重；
步骤4、当所述热度值大于预设阈值时，输出告警信息；
所述显示器，用于显示所述告警信息。
6.如权利要求5所述的预警终端，其特征在于，步骤3中的θ0、θ1、θ2、θ3、θ4由以下步骤得到：
步骤5.1、预设递增量为a，最大循环迭代次数为b，最小误差值为c，并随机设置θ0、θ1、θ2、θ3、θ4的值；
步骤5.2、分别用以下梯度下降公式，求解并更新θ0、θ1、θ2、θ3、θ4的值，
<mrow> <msub> <mi>&amp;theta;</mi> <mn>0</mn> </msub> <mo>=</mo> <msub> <mi>&amp;theta;</mi> <mn>0</mn> </msub> <mo>-</mo> <mi>a</mi> <mfrac> <mn>1</mn> <mi>n</mi> </mfrac> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> </mrow> <mi>n</mi> </munderover> <mrow> <mo>(</mo> <mi>f</mi> <mo>(</mo> <msup> <mi>X</mi> <mi>i</mi> </msup> <mo>)</mo> <mo>-</mo> <msup> <mi>Y</mi> <mi>i</mi> </msup> <mo>)</mo> </mrow> <msub> <msup> <mi>X</mi> <mo>&amp;prime;</mo> </msup> <mn>0</mn> </msub> </mrow>
<mrow> <msub> <mi>&amp;theta;</mi> <mn>1</mn> </msub> <mo>=</mo> <msub> <mi>&amp;theta;</mi> <mn>1</mn> </msub> <mo>-</mo> <mi>a</mi> <mfrac> <mn>1</mn> <mi>n</mi> </mfrac> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <mrow> <mo>(</mo> <mi>f</mi> <mo>(</mo> <msup> <mi>X</mi> <mi>i</mi> </msup> <mo>)</mo> <mo>-</mo> <msup> <mi>Y</mi> <mi>i</mi> </msup> <mo>)</mo> </mrow> <msub> <msup> <mi>X</mi> <mo>&amp;prime;</mo> </msup> <mi>i</mi> </msub> </mrow>
<mrow> <msub> <mi>&amp;theta;</mi> <mn>2</mn> </msub> <mo>=</mo> <msub> <mi>&amp;theta;</mi> <mn>2</mn> </msub> <mo>-</mo> <mi>a</mi> <mfrac> <mn>1</mn> <mi>n</mi> </mfrac> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <mrow> <mo>(</mo> <mi>f</mi> <mo>(</mo> <msup> <mi>X</mi> <mi>i</mi> </msup> <mo>)</mo> <mo>-</mo> <msup> <mi>Y</mi> <mi>i</mi> </msup> <mo>)</mo> </mrow> <msub> <msup> <mi>X</mi> <mo>&amp;prime;</mo> </msup> <mn>2</mn> </msub> </mrow>
<mrow> <msub> <mi>&amp;theta;</mi> <mn>3</mn> </msub> <mo>=</mo> <msub> <mi>&amp;theta;</mi> <mn>3</mn> </msub> <mo>-</mo> <mi>a</mi> <mfrac> <mn>1</mn> <mi>n</mi> </mfrac> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> </mrow> <mi>n</mi> </munderover> <mrow> <mo>(</mo> <mi>f</mi> <mo>(</mo> <msup> <mi>X</mi> <mi>i</mi> </msup> <mo>)</mo> <mo>-</mo> <msup> <mi>Y</mi> <mi>i</mi> </msup> <mo>)</mo> </mrow> <msub> <msup> <mi>X</mi> <mo>&amp;prime;</mo> </msup> <mn>3</mn> </msub> </mrow>
<mrow> <msub> <mi>&amp;theta;</mi> <mn>4</mn> </msub> <mo>=</mo> <msub> <mi>&amp;theta;</mi> <mn>4</mn> </msub> <mo>-</mo> <mi>a</mi> <mfrac> <mn>1</mn> <mi>n</mi> </mfrac> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> </mrow> <mi>n</mi> </munderover> <mrow> <mo>(</mo> <mi>f</mi> <mo>(</mo> <msup> <mi>X</mi> <mi>i</mi> </msup> <mo>)</mo> <mo>-</mo> <msup> <mi>Y</mi> <mi>i</mi> </msup> <mo>)</mo> </mrow> <msub> <msup> <mi>X</mi> <mo>&amp;prime;</mo> </msup> <mn>4</mn> </msub> </mrow> 2
n表示历史的融资项目的样本数据量，i表示遍历每一条样本数据的序号，Yi表示第i条样本数据的热度值，X0＝1，X1为历史的融资项目的融资金额，X2为历史的融资项目的利率，X3为历史的融资项目的预设购买份额，X4为历史的融资项目的融资渠道；
步骤5.3、当θ0、θ1、θ2、θ3、θ4，均小于预设值c，或者循环迭代次数为大于预设值b，则表示θ0、θ1、θ2、θ3、θ4已是最优值，从而作为步骤3中的θ0、θ1、θ2、θ3、θ4，并中断循环迭代运算；否则，重复步骤5.2。
7.如权利要求6所述的预警终端，其特征在于，所述样本数据每隔预设时间进行更新，以使权重定期更新。
8.如权利要求6所述的预警终端，其特征在于，第i条样本数据的热度值由对应的历史的融资项目的实际购买份额、超募次数和募集时间计算得到，计算公式为：
CN201710330390.2A 2017-05-11 2017-05-11 一种融资项目热度预警方法及终端 Pending CN107274004A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710330390.2A CN107274004A (zh) 2017-05-11 2017-05-11 一种融资项目热度预警方法及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710330390.2A CN107274004A (zh) 2017-05-11 2017-05-11 一种融资项目热度预警方法及终端

Publications (1)

Publication Number Publication Date
CN107274004A true CN107274004A (zh) 2017-10-20

Family

ID=60074125

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710330390.2A Pending CN107274004A (zh) 2017-05-11 2017-05-11 一种融资项目热度预警方法及终端

Country Status (1)

Country Link
CN (1) CN107274004A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109087206A (zh) * 2018-08-01 2018-12-25 深圳前海桔子信息技术有限公司 一种金融产品的发布方法、装置、设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104537563A (zh) * 2015-01-05 2015-04-22 中国农业银行股份有限公司 一种额度数据处理方法及服务器
CN104820871A (zh) * 2015-04-30 2015-08-05 清华大学 Tps交易量预测与阈值范围预测的可视化方法与系统
CN106126558A (zh) * 2016-06-16 2016-11-16 东软集团股份有限公司 一种舆情监控方法及装置
CN106503209A (zh) * 2016-10-26 2017-03-15 Tcl集团股份有限公司 一种话题热度预测方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104537563A (zh) * 2015-01-05 2015-04-22 中国农业银行股份有限公司 一种额度数据处理方法及服务器
CN104820871A (zh) * 2015-04-30 2015-08-05 清华大学 Tps交易量预测与阈值范围预测的可视化方法与系统
CN106126558A (zh) * 2016-06-16 2016-11-16 东软集团股份有限公司 一种舆情监控方法及装置
CN106503209A (zh) * 2016-10-26 2017-03-15 Tcl集团股份有限公司 一种话题热度预测方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王长宁 等: "对微博舆情热度监测及预警的指标体系的研究", 《计算机与现代化》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109087206A (zh) * 2018-08-01 2018-12-25 深圳前海桔子信息技术有限公司 一种金融产品的发布方法、装置、设备和存储介质

Similar Documents

Publication Publication Date Title
Sadaei et al. Combining ARFIMA models and fuzzy time series for the forecast of long memory time series
Chen et al. A novel grey wave forecasting method for predicting metal prices
CN102541920A (zh) 联合基于用户和项目的协同过滤提高准确度的方法及装置
CN111695791A (zh) 一种业务指标预测方法及装置
CN102279963B (zh) 两级预算合理性检查提醒及自动优化的方法、设备和系统
CN107194430A (zh) 一种样本筛选方法及装置，电子设备
EP3633560A1 (en) Optimization device and method of controlling optimization device
Gong et al. Bayesian probabilistic decline curve analysis quantifies shale gas reserves uncertainty
CN107133190A (zh) 一种机器学习系统的训练方法和训练系统
Abd El Hady Exponentiated transmuted weibull distribution a generalization of the weibull distribution
Wu et al. Phase field benchmark problems for nucleation
US20100268639A1 (en) Characterizing Creditworthiness Credit Score Migration
EP4040421A2 (en) Method and apparatus for predicting traffic data and electronic device
CN113538137A (zh) 一种基于双图谱融合计算的资金流监控方法及装置
Jean-Baptiste et al. Meta meta-analytics for risk forecast using big data meta-regression in financial industry
CN107274004A (zh) 一种融资项目热度预警方法及终端
CN114037518A (zh) 风险预测模型的构建方法、装置、电子设备和存储介质
CN110287048A (zh) 数据异常检测方法和装置
Budinski-Petković et al. Fractal properties of financial markets
CN116663717A (zh) 车流量预测模型训练、车流量预测方法、装置及设备
CN116311893A (zh) 一种交通拥堵时间预测方法、装置、电子设备及存储介质
CN112235425B (zh) 一种区块链的矿池形成方法、装置、系统及可读存储介质
CN110322342A (zh) 借贷风险预测模型的构建方法、系统及借贷风险预测方法
CN116050250A (zh) 基于混合驱动模型的电网数字孪生模型建模方法及装置
CN106559310B (zh) 一种接入虚拟交互平台的激励更新方法和系统

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
AD01 Patent right deemed abandoned

Effective date of abandoning: 20210827

AD01 Patent right deemed abandoned