CN108733746B - 电子装置、提取宏观指数特征的方法及存储介质 - Google Patents

电子装置、提取宏观指数特征的方法及存储介质 Download PDF

Info

Publication number
CN108733746B
CN108733746B CN201810292447.9A CN201810292447A CN108733746B CN 108733746 B CN108733746 B CN 108733746B CN 201810292447 A CN201810292447 A CN 201810292447A CN 108733746 B CN108733746 B CN 108733746B
Authority
CN
China
Prior art keywords
data
frequency
factor
preset
frequency spectrum
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.)
Active
Application number
CN201810292447.9A
Other languages
English (en)
Other versions
CN108733746A (zh
Inventor
李正洋
周璟
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen 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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201810292447.9A priority Critical patent/CN108733746B/zh
Priority to PCT/CN2018/102126 priority patent/WO2019192131A1/zh
Publication of CN108733746A publication Critical patent/CN108733746A/zh
Application granted granted Critical
Publication of CN108733746B publication Critical patent/CN108733746B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及一种电子装置、提取宏观指数特征的方法及存储介质，该方法包括：获取原始指数数据，将该原始指数数据分别输入至单个的预设类型的滤波器中，获取各滤波器输出的第一因子数据对应的频谱数据，分析各频谱数据中是否均有频率高于预定频率的频谱数据；若是，则将该原始指数数据分别输入至由两两预设类型的滤波器组合成的滤波器中，获取各组合成的滤波器最终输出的第二因子数据对应的频谱数据，分析各第二因子数据对应的频谱数据中是否均有频率高于该预定频率的频谱数据；若有第二因子数据对应的频谱数据的频率均不高于该预定频率，则将该第二因子数据作为提取的数据并纳入分析范围。本发明能够准确、高效地提取宏观经济指数中的特征。

Description

电子装置、提取宏观指数特征的方法及存储介质
技术领域
本发明涉及数据处理技术领域，尤其涉及一种电子装置、提取宏观指数特征的方法及存储介质。
背景技术
在金融分析领域，可以对宏观经济指数及微观经济指数进行分析，例如对上证180指数、沪深300指数进行分析，从而提取得到对于指数研究标的具有影响作用的特征，该特征为增长因子。目前，可以使用滤波器等手段对微观经济指数进行分析，但是对宏观经济指数的增长因子的分析研究较少，现有技术一般依赖人工分析，由于此类数据具有波动频率高、噪声比重较大等特征，难以被直接捕获，人工分析的效率与准确率均不高，无法为宏观经济指数的准确分析提供依据。
发明内容
本发明的目的在于提供一种电子装置、提取宏观指数特征的方法及存储介质，旨在准确、高效地提取宏观经济指数中的特征。
为实现上述目的，本发明提供一种电子装置，所述电子装置包括存储器及与所述存储器连接的处理器，所述存储器中存储有可在所述处理器上运行的处理系统，所述处理系统被所述处理器执行时实现如下步骤：
第一分析步骤，获取预设时间范围内的原始指数数据，将该原始指数数据分别输入至单个的预设类型的滤波器中，获取各滤波器输出的第一因子数据，获取各第一因子数据对应的频谱数据，分析各第一因子数据对应的频谱数据中是否均有频率高于预定频率的频谱数据；
第二分析步骤，若各第一因子数据对应的频谱中均有频率高于预定频率的频谱数据，则将该原始指数数据分别输入至由两两预设类型的滤波器组合成的滤波器中，获取各组合成的滤波器最终输出的第二因子数据，获取各第二因子数据对应的频谱数据，分析各第二因子数据对应的频谱数据中是否均有频率高于该预定频率的频谱数据；
处理步骤，若有第二因子数据对应的频谱数据的频率均不高于该预定频率，则将该第二因子数据作为提取的数据并纳入分析范围。
优选地，所述处理系统被所述处理器执行时，还实现如下步骤：
若各第二因子数据对应的频谱中均有频率高于该预定频率的频谱数据，则将该原始指数数据分别输入至由三种预设类型的滤波器组合成的滤波器中，获取各组合成的滤波器最终输出的第三因子数据，获取各第三因子数据对应的频谱数据，分析各第三因子数据对应的频谱数据中是否均有频率高于该预定频率的频谱数据；
若有第三因子数据对应的频谱数据的频率均不高于该预定频率，则将该第三因子数据作为提取的数据并纳入分析范围。
优选地，所述处理系统被所述处理器执行时，还实现如下步骤：
若各第三因子数据对应的频谱中均有频率高于该预定频率的频谱数据，则在各第一因子数据对应的频谱数据、各第二因子数据对应的频谱数据及各第三因子数据对应的频谱数据中，获取频峰数量最少的频谱数据对应的因子数据，以该因子数据作为提取的数据并纳入分析范围。
优选地，所述处理系统被所述处理器执行时，还实现如下步骤：
若有第一因子数据对应的频谱数据的频率均不高于该预定频率，则将该第一因子数据作为提取的数据并纳入分析范围。
为实现上述目的，本发明还提供一种提取宏观指数特征的方法，所述提取宏观指数特征的方法包括：
S1，获取预设时间范围内的原始指数数据，将该原始指数数据分别输入至单个的预设类型的滤波器中，获取各滤波器输出的第一因子数据，获取各第一因子数据对应的频谱数据，分析各第一因子数据对应的频谱数据中是否均有频率高于预定频率的频谱数据；
S2，若各第一因子数据对应的频谱中均有频率高于预定频率的频谱数据，则将该原始指数数据分别输入至由两两预设类型的滤波器组合成的滤波器中，获取各组合成的滤波器最终输出的第二因子数据，获取各第二因子数据对应的频谱数据，分析各第二因子数据对应的频谱数据中是否均有频率高于该预定频率的频谱数据；
S3，若有第二因子数据对应的频谱数据的频率均不高于该预定频率，则将该第二因子数据作为提取的数据并纳入分析范围。
优选地，所述步骤S2之后，还包括：
S4，若各第二因子数据对应的频谱中均有频率高于该预定频率的频谱数据，则将该原始指数数据分别输入至由三种预设类型的滤波器组合成的滤波器中，获取各组合成的滤波器最终输出的第三因子数据，获取各第三因子数据对应的频谱数据，分析各第三因子数据对应的频谱数据中是否均有频率高于该预定频率的频谱数据；
S5，若有第三因子数据对应的频谱数据的频率均不高于该预定频率，则将该第三因子数据作为提取的数据并纳入分析范围。
优选地，所述步骤S4之后，还包括：
若各第三因子数据对应的频谱中均有频率高于该预定频率的频谱数据，则在各第一因子数据对应的频谱数据、各第二因子数据对应的频谱数据及各第三因子数据对应的频谱数据中，获取频峰数量最少的频谱数据对应的因子数据，以该因子数据作为提取的数据并纳入分析范围。
优选地，所述步骤S1之后，还包括：
若有第一因子数据对应的频谱数据的频率均不高于该预定频率，则将该第一因子数据作为提取的数据并纳入分析范围。
优选地，所述预设类型的滤波器包括FIR低通滤波器、巴特沃斯低通滤波器、维纳低通滤波器及维纳带通滤波器。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有处理系统，所述处理系统被处理器执行时实现上述的提取宏观指数特征的方法的步骤。
本发明的有益效果是：本发明在对宏观经济指数进行分析时，首先由单个的预设类型的滤波器对原始指数数据进行滤波，然后刻画滤波后的因子数据的频谱，如果频率均高于预定频率，则再由两两预设类型的滤波器组合成的滤波器对原始指数数据进行滤波，刻画滤波后的因子数据的频谱，分析频率是否均高于预定频率，如果有频率均不高于该预定频率的频谱，则说明对应的因子数据的形态满足分析需求，相比于现有的分析方式，本发明能够准确、高效地提取宏观经济指数中的特征，为宏观经济指数的准确分析提供依据。
附图说明
图1为本发明电子装置一实施例的硬件架构的示意图；
图2为本发明提取宏观指数特征的方法一实施例的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。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。
需要说明的是，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
参阅图1所示，为本发明电子装置一实施例的硬件架构的示意图，电子装置1是一种能够按照事先设定或者存储的指令，自动进行数值计算和/或信息处理的设备。所述电子装置1可以是计算机、也可以是单个网络服务器、多个网络服务器组成的服务器组或者基于云计算的由大量主机或者网络服务器构成的云，其中云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。
在本实施例中，电子装置1可包括，但不仅限于，可通过系统总线相互通信连接的存储器11、处理器12、网络接口13，存储器11存储有可在处理器12上运行的处理系统。需要指出的是，图1仅示出了具有组件11-13的电子装置1，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
其中，存储器11包括内存及至少一种类型的可读存储介质。内存为电子装置1的运行提供缓存；可读存储介质可为如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等的非易失性存储介质。在一些实施例中，可读存储介质可以是电子装置1的内部存储单元，例如该电子装置1的硬盘；在另一些实施例中，该非易失性存储介质也可以是电子装置1的外部存储设备，例如电子装置1上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。本实施例中，存储器11的可读存储介质通常用于存储安装于电子装置1的操作系统和各类应用软件，例如存储本发明一实施例中的处理系统的程序代码等。此外，存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器12在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器12通常用于控制所述电子装置1的总体操作，例如执行与所述其他设备进行数据交互或者通信相关的控制和处理等。本实施例中，所述处理器12用于运行所述存储器11中存储的程序代码或者处理数据，例如运行处理系统等。
所述网络接口13可包括无线网络接口或有线网络接口，该网络接口13通常用于在所述电子装置1与其他电子设备之间建立通信连接。
所述处理系统存储在存储器11中，包括至少一个存储在存储器11中的计算机可读指令，该至少一个计算机可读指令可被处理器器12执行，以实现本申请各实施例的方法；以及，该至少一个计算机可读指令依据其各部分所实现的功能不同，可被划为不同的逻辑模块。
在一实施例中，上述处理系统被所述处理器12执行时实现如下步骤：
第一分析步骤，获取预设时间范围内的原始指数数据，将该原始指数数据分别输入至单个的预设类型的滤波器中，获取各滤波器输出的第一因子数据，获取各第一因子数据对应的频谱数据，分析各第一因子数据对应的频谱数据中是否均有频率高于预定频率的频谱数据；
其中，对于宏观经济指数数据而言，数据的时间跨度较大，因此，预设时间范围内的原始指数数据可以是过去8年或10年等的原始指数数据，原始指数数据例如为上证180指数、沪深300指数等。以沪深300指数为例，所纳入分析考量的沪深300指数的增长因子可以包括13种，包括：中债国债到期收益率-中债企业债到期收益率、风险溢价、股息率、SlowD、MACD Histogram、Bollinger Bands、MA of RSI(14)[M＝22]、4-period MA of 4-week MAof modified OBV-(MA4*4)、CR指标、大小盘换手率比值、RSRS指标、沪深300溢价率、沪深300主动买入额等。
对于宏观经济指数数据而言，所希望获得的是其低频的趋势性信息，而去除其高频的噪声信息。在初步分析的第一阶段中，可以将该原始指数数据分别输入至单个的预设类型的滤波器中，优选地，预设类型的滤波器包括FIR(Finite Impulse Response，有限长单位冲激响应)滤波器、巴特沃斯滤波器、维纳滤波，当然，本实施例不限定仅使用这些类型的滤波器。
其中，FIR滤波器的通道频率为低通、巴特沃斯滤波器的通道频率为低通、维纳低通滤波的通道频率为低通及带通，在该第一阶段中，将该原始指数数据分别输入至FIR低通滤波器、巴特沃斯低通滤波器、维纳低通滤波、维纳带通滤波，获取各滤波器输出的第一因子数据。
FIR滤波器在保证任意幅频特性的同时具有严格的线性相频特性，同时其单位抽样响应是有限长的，FIR滤波器是稳定的系统，其为：
Figure BDA0001617898430000071
在式中，x(n-i)为原始指数数据，h(i)为已知的滤波参数，y(n)为滤波后输出的第一因子数据。
巴特沃斯滤波器的特点是通频带的频率响应曲线最平滑，其为：
Figure BDA0001617898430000072
在式中，x(n-m)为滤波前的原始指数数据，ak、bm为H(z)系统函数分母与分子的系统数组，y(n)即为滤波后输出的第一因子数据。x(n-m)与y(n)的长度相等，且a0＝1，经过迭代，可以求出第一因子数据y(n)的所有值。
维纳滤波器为一种基于最小均方误差准则、对平稳过程的最优估计器，这种滤波器的输出与期望输出之间的均方误差为最小，其为：
x(n)＝s(n)+v(n)，
Figure BDA0001617898430000081
在式中，x(n)为滤波前的原始指数数据，y(n)为滤波后输出的第一因子数据。x(n)中的s(n)为有用信号，v(n)为噪声，y(n)为对有用信号s(n)的估计
Figure BDA0001617898430000082
由于s(n)是期望得到的信号，
Figure BDA0001617898430000083
为维纳滤波器实际输出的观测信号，则滤波前后的误差为：
Figure BDA0001617898430000084
对应的均方误差为：J＝E(e2)，求解使均方误差J达到最小时可以求得维纳滤波器的各参数。对于维纳低通滤波器，设置其截止频率为预定的频率f1即可，由此实现维纳低通滤波，在维纳低通滤波中输入原始指数数据后得到滤波输出的第一因子数据。
对于维纳带通滤波器，其允许一定频率范围的信号通过，在求得维纳滤波器的各参数后，设置维纳带通滤波的截止频率为f2<f<f3即可，由此实现维纳带通滤波，在维纳带通滤波中输入原始指数数据后得到滤波输出的第一因子数据。
在宏观经济领域，优选地，根据不同的增长因子的种类选择对应的低频频率点，本实施例的低频阶段点位选在20HZ-300HZ之间，其与声音、图像等的低频频率点不同，即上述的频率f1、f2、f3可以选20HZ-300HZ之间的值。
在将原始指数数据分别输入至上述的FIR低通滤波器、巴特沃斯低通滤波器、维纳低通滤波、维纳带通滤波，获取各滤波器输出的第一因子数据后，刻画各第一因子数据对应的频谱数据，然后分析各第一因子数据对应的频谱数据中是否均有频率高于预定频率的频谱数据，优选地，该预定频率处于20HZ-300HZ之间。
在一实施例中，如果有第一因子数据对应的频谱数据的频率均不高于该预定频率，说明原始指数数据经过第一阶段的滤波后，能够得出满足形态要求的数据，可以用来分析指数数据的稳定周期性、变动周期性、趋势性和峰值性等特征，将该第一因子数据作为提取的数据并纳入分析范围。
第二分析步骤，若各第一因子数据对应的频谱中均有频率高于预定频率的频谱数据，则将该原始指数数据分别输入至由两两预设类型的滤波器组合成的滤波器中，获取各组合成的滤波器最终输出的第二因子数据，获取各第二因子数据对应的频谱数据，分析各第二因子数据对应的频谱数据中是否均有频率高于该预定频率的频谱数据；
如果各第一因子数据对应的频谱中均有频率高于预定频率的频谱数据，说明原始指数数据经过第一阶段的滤波后，还不能够得出满足形态要求的数据，需要进一步进行滤波处理。本实施例在第二阶段选用滤波器两两组合的方式对原始指数数据滤波，以便能够进一步将原始指数数据中更多的噪声进行滤除掉。优选地，两两预设类型的滤波器组合包括维纳带通滤波与FIR低通滤波组合、维纳带通滤波与巴特沃斯低通滤波组合。
其中，在维纳带通滤波与FIR低通滤波组合中，首先将原始指数数据经过维纳带通滤波器，然后将维纳带通滤波器输出的数据输入至FIR低通滤波器中，得到最终输出的第二因子数据；在维纳带通滤波与巴特沃斯低通滤波组合中，首先将原始指数数据经过维纳带通滤波器，然后将维纳带通滤波器输出的数据输入至巴特沃斯低通滤波器中，得到最终输出的第二因子数据。
刻画各第二因子数据对应的频谱数据，然后分析各第二因子数据对应的频谱数据中是否均有频率高于预定频率的频谱数据，该预定频率处于20HZ-300HZ之间。
处理步骤，若有第二因子数据对应的频谱数据的频率均不高于该预定频率，则将该第二因子数据作为提取的数据并纳入分析范围。
其中，如果有第二因子数据对应的频谱数据的频率均不高于该预定频率，说明原始指数数据经过第二阶段的滤波后，能够得出满足形态要求的数据，可以用来分析指数数据的稳定周期性、变动周期性、趋势性和峰值性等特征，将该第二因子数据作为提取的数据并纳入分析范围。
若各第二因子数据对应的频谱中均有频率高于该预定频率的频谱数据，则将该原始指数数据分别输入至由三种预设类型的滤波器组合成的滤波器中，获取各组合成的滤波器最终输出的第三因子数据，获取各第三因子数据对应的频谱数据，分析各第三因子数据对应的频谱数据中是否均有频率高于该预定频率的频谱数据；
如果各第二因子数据对应的频谱中均有频率高于预定频率的频谱数据，说明原始指数数据经过第二阶段的滤波后，还不能够得出满足形态要求的数据，需要进一步进行滤波处理。本实施例在第三阶段选用三种滤波器组合的方式对原始指数数据滤波，以便能够更进一步将原始指数数据中更多的噪声进行滤除掉。优选地，三种预设类型的滤波器组合包括维纳带通滤波+FIR低通滤波+巴特沃斯低通滤波、维纳低通滤波+FIR低通滤波+巴特沃斯低通滤波。
其中，在维纳带通滤波+FIR低通滤波+巴特沃斯低通滤波组合中，首先将原始指数数据经过维纳带通滤波器，然后将维纳带通滤波器输出的数据输入至FIR低通滤波器中，再将FIR低通滤波器输出的数据输入至巴特沃斯低通滤波器中，得到最终输出的第三因子数据；在维纳低通滤波+FIR低通滤波+巴特沃斯低通滤波组合中，首先将原始指数数据经过维纳低通滤波器，然后将维纳低通滤波器输出的数据输入至FIR低通滤波器中，再将FIR低通滤波器输出的数据输入至巴特沃斯低通滤波器中，得到最终输出的第三因子数据。
刻画各第三因子数据对应的频谱数据，然后分析各第三因子数据对应的频谱数据中是否均有频率高于预定频率的频谱数据，该预定频率处于20HZ-300HZ之间。
如果有第三因子数据对应的频谱数据的频率均不高于该预定频率，说明原始指数数据经过第三阶段的滤波后，能够得出满足形态要求的数据，可以用来分析指数数据的稳定周期性、变动周期性、趋势性和峰值性等特征，将该第三因子数据作为提取的数据并纳入分析范围。
如果各第三因子数据对应的频谱中均有频率高于该预定频率的频谱数据，则在各第一因子数据对应的频谱数据、各第二因子数据对应的频谱数据及各第三因子数据对应的频谱数据共8种滤波结果对应的频谱数据中，获取频峰数量最少的频谱数据对应的因子数据，频峰数量最少的频谱数据相对来说高频成分最少，因此以该因子数据作为提取的数据并纳入分析范围。
在其他实施例中，还可以在第一阶段采用单个的预设类型的滤波器，在第二阶段采用由三种预设类型的滤波器组合成的滤波器进行滤波的方式，或者，在第一阶段采用由两两预设类型的滤波器组合成的滤波器进行滤波，在第二阶段采用由三种预设类型的滤波器组合成的滤波器进行滤波的方式，本实施例不做过多限定。
与现有技术相比，本发明在对宏观经济指数进行分析时，首先由单个的预设类型的滤波器对原始指数数据进行滤波，然后刻画滤波后的因子数据的频谱，如果频率均高于预定频率，则再由两两预设类型的滤波器组合成的滤波器对原始指数数据进行滤波，刻画滤波后的因子数据的频谱，分析频率是否均高于预定频率，如果有频率均不高于该预定频率的频谱，则说明对应的因子数据的形态满足分析需求，相比于现有的分析方式，本发明能够准确、高效地提取宏观经济指数中的特征，为宏观经济指数的准确分析提供依据。
如图2所示，图2为本发明提取宏观指数特征的方法一实施例的流程示意图，该提取宏观指数特征的方法包括以下步骤：
步骤S1，获取预设时间范围内的原始指数数据，将该原始指数数据分别输入至单个的预设类型的滤波器中，获取各滤波器输出的第一因子数据，获取各第一因子数据对应的频谱数据，分析各第一因子数据对应的频谱数据中是否均有频率高于预定频率的频谱数据；
其中，对于宏观经济指数数据而言，数据的时间跨度较大，因此，预设时间范围内的原始指数数据可以是过去8年或10年等的原始指数数据，原始指数数据例如为上证180指数、沪深300指数等。以沪深300指数为例，所纳入分析考量的沪深300指数的增长因子可以包括13种，包括：中债国债到期收益率-中债企业债到期收益率、风险溢价、股息率、SlowD、MACD Histogram、Bollinger Bands、MA of RSI(14)[M＝22]、4-period MA of 4-week MAof modified OBV-(MA4*4)、CR指标、大小盘换手率比值、RSRS指标、沪深300溢价率、沪深300主动买入额等。
对于宏观经济指数数据而言，所希望获得的是其低频的趋势性信息，而去除其高频的噪声信息。在初步分析的第一阶段中，可以将该原始指数数据分别输入至单个的预设类型的滤波器中，优选地，预设类型的滤波器包括FIR(Finite Impulse Response，有限长单位冲激响应)滤波器、巴特沃斯滤波器、维纳滤波，当然，本实施例不限定仅使用这些类型的滤波器。
其中，FIR滤波器的通道频率为低通、巴特沃斯滤波器的通道频率为低通、维纳低通滤波的通道频率为低通及带通，在该第一阶段中，将该原始指数数据分别输入至FIR低通滤波器、巴特沃斯低通滤波器、维纳低通滤波、维纳带通滤波，获取各滤波器输出的第一因子数据。
FIR滤波器在保证任意幅频特性的同时具有严格的线性相频特性，同时其单位抽样响应是有限长的，FIR滤波器是稳定的系统，其为：
Figure BDA0001617898430000121
在式中，x(n-i)为原始指数数据，h(i)为已知的滤波参数，y(n)为滤波后输出的第一因子数据。
巴特沃斯滤波器的特点是通频带的频率响应曲线最平滑，其为：
Figure BDA0001617898430000122
在式中，x(n-m)为滤波前的原始指数数据，ak、bm为H(z)系统函数分母与分子的系统数组，y(n)即为滤波后输出的第一因子数据。x(n-m)与y(n)的长度相等，且a0＝1，经过迭代，可以求出第一因子数据y(n)的所有值。
维纳滤波器为一种基于最小均方误差准则、对平稳过程的最优估计器，这种滤波器的输出与期望输出之间的均方误差为最小，其为：
x(n)＝s(n)+v(n)；
Figure BDA0001617898430000131
在式中，x(n)为滤波前的原始指数数据，y(n)为滤波后输出的第一因子数据。x(n)中的s(n)为有用信号，v(n)为噪声，y(n)为对有用信号s(n)的估计
Figure BDA0001617898430000132
由于s(n)是期望得到的信号，
Figure BDA0001617898430000133
为维纳滤波器实际输出的观测信号，则滤波前后的误差为：
Figure BDA0001617898430000134
对应的均方误差为：J＝E(e2)，求解使均方误差J达到最小时可以求得维纳滤波器的各参数。对于维纳低通滤波器，设置其截止频率为预定的频率f1即可，由此实现维纳低通滤波，在维纳低通滤波中输入原始指数数据后得到滤波输出的第一因子数据。
对于维纳带通滤波器，其允许一定频率范围的信号通过，在求得维纳滤波器的各参数后，设置维纳带通滤波的截止频率为f2<f<f3即可，由此实现维纳带通滤波，在维纳带通滤波中输入原始指数数据后得到滤波输出的第一因子数据。
在宏观经济领域，优选地，根据不同的增长因子的种类选择对应的低频频率点，本实施例的低频阶段点位选在20HZ-300HZ之间，其与声音、图像等的低频频率点不同，即上述的频率f1、f2、f3可以选20HZ-300HZ之间的值。
在将原始指数数据分别输入至上述的FIR低通滤波器、巴特沃斯低通滤波器、维纳低通滤波、维纳带通滤波，获取各滤波器输出的第一因子数据后，刻画各第一因子数据对应的频谱数据，然后分析各第一因子数据对应的频谱数据中是否均有频率高于预定频率的频谱数据，优选地，该预定频率处于20HZ-300HZ之间。
在一实施例中，所述步骤S1之后，还包括：若有第一因子数据对应的频谱数据的频率均不高于该预定频率，则将该第一因子数据作为提取的数据并纳入分析范围。如果有第一因子数据对应的频谱数据的频率均不高于该预定频率，说明原始指数数据经过第一阶段的滤波后，能够得出满足形态要求的数据，可以用来分析指数数据的稳定周期性、变动周期性、趋势性和峰值性等特征，将该第一因子数据作为提取的数据并纳入分析范围。
步骤S2，若各第一因子数据对应的频谱中均有频率高于预定频率的频谱数据，则将该原始指数数据分别输入至由两两预设类型的滤波器组合成的滤波器中，获取各组合成的滤波器最终输出的第二因子数据，获取各第二因子数据对应的频谱数据，分析各第二因子数据对应的频谱数据中是否均有频率高于该预定频率的频谱数据；
如果各第一因子数据对应的频谱中均有频率高于预定频率的频谱数据，说明原始指数数据经过第一阶段的滤波后，还不能够得出满足形态要求的数据，需要进一步进行滤波处理。本实施例在第二阶段选用滤波器两两组合的方式对原始指数数据滤波，以便能够进一步将原始指数数据中更多的噪声进行滤除掉。优选地，两两预设类型的滤波器组合包括维纳带通滤波与FIR低通滤波组合、维纳带通滤波与巴特沃斯低通滤波组合。
其中，在维纳带通滤波与FIR低通滤波组合中，首先将原始指数数据经过维纳带通滤波器，然后将维纳带通滤波器输出的数据输入至FIR低通滤波器中，得到最终输出的第二因子数据；在维纳带通滤波与巴特沃斯低通滤波组合中，首先将原始指数数据经过维纳带通滤波器，然后将维纳带通滤波器输出的数据输入至巴特沃斯低通滤波器中，得到最终输出的第二因子数据。
刻画各第二因子数据对应的频谱数据，然后分析各第二因子数据对应的频谱数据中是否均有频率高于预定频率的频谱数据，该预定频率处于20HZ-300HZ之间。
步骤S3，若有第二因子数据对应的频谱数据的频率均不高于该预定频率，则将该第二因子数据作为提取的数据并纳入分析范围。
其中，如果有第二因子数据对应的频谱数据的频率均不高于该预定频率，说明原始指数数据经过第二阶段的滤波后，能够得出满足形态要求的数据，可以用来分析指数数据的稳定周期性、变动周期性、趋势性和峰值性等特征，将该第二因子数据作为提取的数据并纳入分析范围。
在一实施例中，所述步骤S2之后，还包括步骤S4：若各第二因子数据对应的频谱中均有频率高于该预定频率的频谱数据，则将该原始指数数据分别输入至由三种预设类型的滤波器组合成的滤波器中，获取各组合成的滤波器最终输出的第三因子数据，获取各第三因子数据对应的频谱数据，分析各第三因子数据对应的频谱数据中是否均有频率高于该预定频率的频谱数据；步骤S5，若有第三因子数据对应的频谱数据的频率均不高于该预定频率，则将该第三因子数据作为提取的数据并纳入分析范围。
如果各第二因子数据对应的频谱中均有频率高于预定频率的频谱数据，说明原始指数数据经过第二阶段的滤波后，还不能够得出满足形态要求的数据，需要进一步进行滤波处理。本实施例在第三阶段选用三种滤波器组合的方式对原始指数数据滤波，以便能够更进一步将原始指数数据中更多的噪声进行滤除掉。优选地，三种预设类型的滤波器组合包括维纳带通滤波+FIR低通滤波+巴特沃斯低通滤波、维纳低通滤波+FIR低通滤波+巴特沃斯低通滤波。
其中，在维纳带通滤波+FIR低通滤波+巴特沃斯低通滤波组合中，首先将原始指数数据经过维纳带通滤波器，然后将维纳带通滤波器输出的数据输入至FIR低通滤波器中，再将FIR低通滤波器输出的数据输入至巴特沃斯低通滤波器中，得到最终输出的第三因子数据；在维纳低通滤波+FIR低通滤波+巴特沃斯低通滤波组合中，首先将原始指数数据经过维纳低通滤波器，然后将维纳低通滤波器输出的数据输入至FIR低通滤波器中，再将FIR低通滤波器输出的数据输入至巴特沃斯低通滤波器中，得到最终输出的第三因子数据。
刻画各第三因子数据对应的频谱数据，然后分析各第三因子数据对应的频谱数据中是否均有频率高于预定频率的频谱数据，该预定频率处于20HZ-300HZ之间。
如果有第三因子数据对应的频谱数据的频率均不高于该预定频率，说明原始指数数据经过第三阶段的滤波后，能够得出满足形态要求的数据，可以用来分析指数数据的稳定周期性、变动周期性、趋势性和峰值性等特征，将该第三因子数据作为提取的数据并纳入分析范围。
如果各第三因子数据对应的频谱中均有频率高于该预定频率的频谱数据，则在各第一因子数据对应的频谱数据、各第二因子数据对应的频谱数据及各第三因子数据对应的频谱数据共8种滤波结果对应的频谱数据中，获取频峰数量最少的频谱数据对应的因子数据，频峰数量最少的频谱数据相对来说高频成分最少，因此以该因子数据作为提取的数据并纳入分析范围。
在其他实施例中，还可以在第一阶段采用单个的预设类型的滤波器，在第二阶段采用由三种预设类型的滤波器组合成的滤波器进行滤波的方式，或者，在第一阶段采用由两两预设类型的滤波器组合成的滤波器进行滤波，在第二阶段采用由三种预设类型的滤波器组合成的滤波器进行滤波的方式，本实施例不做过多限定。
与现有技术相比，本发明在对宏观经济指数进行分析时，首先由单个的预设类型的滤波器对原始指数数据进行滤波，然后刻画滤波后的因子数据的频谱，如果频率均高于预定频率，则再由两两预设类型的滤波器组合成的滤波器对原始指数数据进行滤波，刻画滤波后的因子数据的频谱，分析频率是否均高于预定频率，如果有频率均不高于该预定频率的频谱，则说明对应的因子数据的形态满足分析需求，相比于现有的分析方式，本发明能够准确、高效地提取宏观经济指数中的特征，为宏观经济指数的准确分析提供依据。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有处理系统，所述处理系统被处理器执行时实现上述的提取宏观指数特征的方法的步骤。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，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，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (9)

1.一种电子装置，其特征在于，所述电子装置包括存储器及与所述存储器连接的处理器，所述存储器中存储有可在所述处理器上运行的处理系统，所述处理系统被所述处理器执行时实现如下步骤：
第一分析步骤，获取预设时间范围内的原始指数数据，将该原始指数数据分别输入至单个的预设类型的滤波器中，获取各滤波器输出的第一因子数据，获取各第一因子数据对应的频谱数据，分析各第一因子数据对应的频谱数据中是否均有频率高于预定频率的频谱数据，所述预设类型的滤波器包括FIR低通滤波器、巴特沃斯低通滤波、维纳带通滤波器；
第二分析步骤，若各第一因子数据对应的频谱中均有频率高于预定频率的频谱数据，则将该原始指数数据分别输入至由两两预设类型的滤波器组合成的滤波器中，获取各组合成的滤波器最终输出的第二因子数据，获取各第二因子数据对应的频谱数据，分析各第二因子数据对应的频谱数据中是否均有频率高于该预定频率的频谱数据，所述两两预设类型的滤波器组合包括维纳带通滤波器与FIR低通滤波器组合、维纳带通滤波器与巴特沃斯低通滤波器组合；
处理步骤，若有第二因子数据对应的频谱数据的频率均不高于该预定频率，则将该第二因子数据作为提取的数据并纳入分析范围。
2.根据权利要求1所述的电子装置，其特征在于，所述处理系统被所述处理器执行时，还实现如下步骤：
若各第二因子数据对应的频谱中均有频率高于该预定频率的频谱数据，则将该原始指数数据分别输入至由三种预设类型的滤波器组合成的滤波器中，获取各组合成的滤波器最终输出的第三因子数据，获取各第三因子数据对应的频谱数据，分析各第三因子数据对应的频谱数据中是否均有频率高于该预定频率的频谱数据；
若有第三因子数据对应的频谱数据的频率均不高于该预定频率，则将该第三因子数据作为提取的数据并纳入分析范围。
3.根据权利要求2所述的电子装置，其特征在于，所述处理系统被所述处理器执行时，还实现如下步骤：
若各第三因子数据对应的频谱中均有频率高于该预定频率的频谱数据，则在各第一因子数据对应的频谱数据、各第二因子数据对应的频谱数据及各第三因子数据对应的频谱数据中，获取频峰数量最少的频谱数据对应的因子数据，以该因子数据作为提取的数据并纳入分析范围。
4.根据权利要求1至3任一项所述的电子装置，其特征在于，所述处理系统被所述处理器执行时，还实现如下步骤：
若有第一因子数据对应的频谱数据的频率均不高于该预定频率，则将该第一因子数据作为提取的数据并纳入分析范围。
5.一种提取宏观指数特征的方法，其特征在于，所述提取宏观指数特征的方法包括：
S1，获取预设时间范围内的原始指数数据，将该原始指数数据分别输入至单个的预设类型的滤波器中，获取各滤波器输出的第一因子数据，获取各第一因子数据对应的频谱数据，分析各第一因子数据对应的频谱数据中是否均有频率高于预定频率的频谱数据，所述预设类型的滤波器包括FIR低通滤波器、巴特沃斯低通滤波、维纳带通滤波器；
S2，若各第一因子数据对应的频谱中均有频率高于预定频率的频谱数据，则将该原始指数数据分别输入至由两两预设类型的滤波器组合成的滤波器中，获取各组合成的滤波器最终输出的第二因子数据，获取各第二因子数据对应的频谱数据，分析各第二因子数据对应的频谱数据中是否均有频率高于该预定频率的频谱数据，所述两两预设类型的滤波器组合包括维纳带通滤波器与FIR低通滤波器组合、维纳带通滤波器与巴特沃斯低通滤波器组合；
S3，若有第二因子数据对应的频谱数据的频率均不高于该预定频率，则将该第二因子数据作为提取的数据并纳入分析范围。
6.根据权利要求5所述的提取宏观指数特征的方法，其特征在于，所述步骤S2之后，还包括：
S4，若各第二因子数据对应的频谱中均有频率高于该预定频率的频谱数据，则将该原始指数数据分别输入至由三种预设类型的滤波器组合成的滤波器中，获取各组合成的滤波器最终输出的第三因子数据，获取各第三因子数据对应的频谱数据，分析各第三因子数据对应的频谱数据中是否均有频率高于该预定频率的频谱数据；
S5，若有第三因子数据对应的频谱数据的频率均不高于该预定频率，则将该第三因子数据作为提取的数据并纳入分析范围。
7.根据权利要求6所述的提取宏观指数特征的方法，其特征在于，所述步骤S4之后，还包括：
若各第三因子数据对应的频谱中均有频率高于该预定频率的频谱数据，则在各第一因子数据对应的频谱数据、各第二因子数据对应的频谱数据及各第三因子数据对应的频谱数据中，获取频峰数量最少的频谱数据对应的因子数据，以该因子数据作为提取的数据并纳入分析范围。
8.根据权利要求5至7任一项所述的提取宏观指数特征的方法，其特征在于，所述步骤S1之后，还包括：
若有第一因子数据对应的频谱数据的频率均不高于该预定频率，则将该第一因子数据作为提取的数据并纳入分析范围。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有处理系统，所述处理系统被处理器执行时实现如权利要求5至8中任一项所述的提取宏观指数特征的方法的步骤。
CN201810292447.9A 2018-04-03 2018-04-03 电子装置、提取宏观指数特征的方法及存储介质 Active CN108733746B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810292447.9A CN108733746B (zh) 2018-04-03 2018-04-03 电子装置、提取宏观指数特征的方法及存储介质
PCT/CN2018/102126 WO2019192131A1 (zh) 2018-04-03 2018-08-24 电子装置、提取宏观指数特征的方法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810292447.9A CN108733746B (zh) 2018-04-03 2018-04-03 电子装置、提取宏观指数特征的方法及存储介质

Publications (2)

Publication Number Publication Date
CN108733746A CN108733746A (zh) 2018-11-02
CN108733746B true CN108733746B (zh) 2023-05-02

Family

ID=63940676

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810292447.9A Active CN108733746B (zh) 2018-04-03 2018-04-03 电子装置、提取宏观指数特征的方法及存储介质

Country Status (2)

Country Link
CN (1) CN108733746B (zh)
WO (1) WO2019192131A1 (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104483547A (zh) * 2014-11-27 2015-04-01 广东电网有限责任公司电力科学研究院 电力信号的滤波方法及系统
CN104678170A (zh) * 2013-12-03 2015-06-03 国家电网公司 一种基于谐波分析仪的电力谐波分析方法和谐波分析仪

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1211636A1 (en) * 2000-11-29 2002-06-05 STMicroelectronics S.r.l. Filtering device and method for reducing noise in electrical signals, in particular acoustic signals and images
CN102564563A (zh) * 2011-12-31 2012-07-11 中国科学院半导体研究所 基于激光多普勒干涉的语音检测系统
CN103793705B (zh) * 2014-03-11 2018-03-30 哈尔滨工业大学 基于迭代随机抽样一致性算法和局部掌纹描述符的非接触掌纹认证方法
TWI557728B (zh) * 2015-01-26 2016-11-11 宏碁股份有限公司 語音辨識裝置及語音辨識方法
CN106683687B (zh) * 2016-12-30 2020-02-14 杭州华为数字技术有限公司 异常声音的分类方法和装置
CN107463908A (zh) * 2017-08-09 2017-12-12 杨小枫 一种基于最大波峰点分布计算基线的高频振荡自动检测系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104678170A (zh) * 2013-12-03 2015-06-03 国家电网公司 一种基于谐波分析仪的电力谐波分析方法和谐波分析仪
CN104483547A (zh) * 2014-11-27 2015-04-01 广东电网有限责任公司电力科学研究院 电力信号的滤波方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
中国经济周期波动特征分析:滤波方法的应用;陈昆亭;《世界经济》;20041031;第1-11页 *
数据处理中的几种常用数字滤波算法;王庆河;《计量科学与技术》;20030430;第1-2页 *

Also Published As

Publication number Publication date
CN108733746A (zh) 2018-11-02
WO2019192131A1 (zh) 2019-10-10

Similar Documents

Publication Publication Date Title
CN110907826B (zh) 一种基于卷积神经网络滤波的电机故障诊断方法及系统
EP4030426A1 (en) Method and apparatus for processing an audio signal, audio decoder and audio encoder
CN107404486B (zh) 解析Http数据的方法、装置、终端设备及存储介质
CN109801642A (zh) 降采样方法及装置
CN108733746B (zh) 电子装置、提取宏观指数特征的方法及存储介质
CN112598537A (zh) 电力设备故障诊断方法、装置及终端设备
JP2021145222A (ja) デジタルフィルタ、音声信号処理システム、デジタルフィルタの設計方法、およびプログラム
CN112446389A (zh) 一种故障判别方法及装置
CN116935903A (zh) 音频均衡器的调节方法、装置、计算机设备及存储介质
CN108805011B (zh) 一种数字滤波方法及系统
CN116706876A (zh) 一种双高电力系统宽频振荡识别方法、装置及设备
CN116359201A (zh) 一种药品鉴定方法、系统、存储介质和电子设备
CN104715771A (zh) 信号降噪
CN112116917B (zh) 基于相位跃变度的电抗器本体与风机声信号分离方法
CN112737799B (zh) 一种数据处理方法、装置及存储介质
CN110830004B (zh) 一种数字滤波器的设计及验证方法
CN107132471B (zh) 一种调试微波器件的方法和设备
CN113571093A (zh) 一种音频数据处理方法
CN111401796A (zh) 一种建立设备能效模型的方法及装置
KR102544621B1 (ko) 시계열 데이터의 에러 값 보정을 위한 필터링 및 성능 비교 시스템 및 방법
CN116579284B (zh) 声表面波滤波器频段的设计方法、系统及相关设备
CN117593207A (zh) 一种格网数据异常值的处理方法、装置、设备及存储介质
CN114564831B (zh) 一种带通滤波器的电磁暂态建模方法及装置
CN113771941A (zh) 一种液压转向系统和控制方法
Nishi Kalman filter analysis for quasi-periodic signals

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
GR01 Patent grant
GR01 Patent grant