CN109903074A - 基于数据分析的市场状态划分方法和装置 - Google Patents
基于数据分析的市场状态划分方法和装置 Download PDFInfo
- Publication number
- CN109903074A CN109903074A CN201910033207.1A CN201910033207A CN109903074A CN 109903074 A CN109903074 A CN 109903074A CN 201910033207 A CN201910033207 A CN 201910033207A CN 109903074 A CN109903074 A CN 109903074A
- Authority
- CN
- China
- Prior art keywords
- market
- state
- data
- time
- inflection point
- 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
Links
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供一种基于数据分析的市场状态划分方法、装置、计算机设备及存储介质,通过从数据库获取预设时间周期的市场动态数据,其中,市场状态数据为能够反映金融市场状态的数据;获取预设时间周期的市场动态数据中的关键拐点;获取相邻两个关键拐点之间的市场动态数据,按照时间顺序计算出对应的涨跌状态;根据涨跌状态确定出各区间的市场状态;生成市场动态数据各区间对应的市场状态标记,其中,市场状态标记包括:震荡上涨的状态、持续上涨状态、震荡下跌状态及持续下跌状态,通过数据分析对市场动态数据进行状态划分,划分为四种状态,这样能够使得用户能够快速直观的看出每个区间对应的状态,能够快速理解股票市场的行情。
Description
技术领域
本发明涉及数据分析技术领域,尤其涉及一种基于数据分析的市场状态划分方法、装置、计算机设备及存储介质。
背景技术
证券投资业对投资人的综合能力要求较高,普通投资人对于如何选股和判断股价走势能力较为欠缺,很多时候都是盲目投资,往往造成资金损失。另一方面,由于划分的粒度细,时间周期短,系统中往往以上扬或者下降的箭头来表示市场趋势,用户很难直观地看出大周期内的整个市场行情趋势。
发明内容
本发明的目的是提供一种基于数据分析的市场状态划分方法、装置、计算机设备及存储介质,用于解决现有技术存在的用户很难直观地看出大周期内的整个市场行情趋势的问题。
为实现上述目的,本发明提供一种市场状态划分方法,包括以下步骤:从数据库获取预设时间周期的市场动态数据,其中,所述市场状态数据为能够反映金融市场状态的数据;获取所述预设时间周期的市场动态数据中的关键拐点,其中,所述关键拐点为该市场状态数据中的顶点和/或谷点;获取相邻两个关键拐点之间的市场动态数据,按照时间顺序计算出对应的涨跌状态;根据所述涨跌状态确定出各区间的市场状态;生成市场动态数据各区间对应的市场状态标记,其中,市场状态标记包括:震荡上涨的状态、持续上涨状态、震荡下跌状态及持续下跌状态。
可选地,从数据库获取预设时间周期的市场动态数据包括:通过数据爬取程序调用第三方数据供应商提供的服务器API接口;通过所述数据爬取程序从所述服务器API接口爬取所述第三方数据供应商的服务器上的市场状态数据,存储在所述数据库中,其中,所述市场状态数据携带有对应的时间信息;从所述数据库中查询时间信息处于所述预设时间周期内的市场动态数据,获取查询到的市场动态数据。
可选地,将震荡上涨状态标记为春,持续上涨状态标记为夏,震荡下跌状态标记为秋,持续下跌状态标记为冬。
可选地,获取所述预设时间周期的市场动态数据中的关键拐点包括:利用爬山法依次计算每个检测时段内的市场动态数据的极值,其中,所述极值包括极大值和极小值,所述检测时段为所述预设时间周期划分的等时长、首尾相连的区域;判断每个检测时段内的极值是否是对应检测时段内的起点值或者终点值;当极值不是检测时段内的起点值或者终点值,确定该极值为所述关键拐点。
可选地,当极值是对应检测时段内的起点值或者终点值时,判断所述极值在对应检测时段的相邻的检测时段内是否同为极大值或者同为极小值;当同为极大值或者同为极小值时,确定该极值为所述关键拐点。
可选地,根据所述涨跌状态确定出各区间的市场状态包括:当相邻两个关键拐点之间的市场动态数据为按照时间顺序持续上涨时,则确定该相邻两个关键拐点之前的市场动态为夏;当相邻两个关键拐点之间的市场动态数据为按照时间顺序波动上涨时,则确定该相邻两个关键拐点之前的市场动态为春;当相邻两个关键拐点之间的市场动态数据为按照时间顺序持续下跌时,则确定该相邻两个关键拐点之前的市场动态为冬;当相邻两个关键拐点之间的市场动态数据为按照时间顺序波动下跌时,则确定该相邻两个关键拐点之前的市场动态为秋。
可选地,从数据库获取预设时间周期的市场动态数据之后,还包括:剔除所述市场动态数据中的噪声数据。
为实现上述目的,本发明还提供一种市场状态划分装置,其包括:第一获取单元,用于从数据库获取预设时间周期的市场动态数据,其中,所述市场状态数据为能够反映金融市场状态的数据;第二获取单元,用于获取所述预设时间周期的市场动态数据中的关键拐点,其中,所述关键拐点为该市场状态数据中的顶点和/或谷点;第三获取单元,用于获取相邻两个关键拐点之间的市场动态数据,按照时间顺序计算出对应的涨跌状态;确定单元,用于根据所述涨跌状态确定出各区间的市场状态;生成单元,用于生成市场动态数据各区间对应的市场状态标记,其中,市场状态标记包括:震荡上涨的状态、持续上涨状态、震荡下跌状态及持续下跌状态。
可选地,第一获取单元具体用于:通过数据爬取程序调用第三方数据供应商提供的服务器API接口;通过所述数据爬取程序从所述服务器API接口爬取所述第三方数据供应商的服务器上的市场状态数据,存储在所述数据库中,其中,所述市场状态数据携带有对应的时间信息;从所述数据库中查询时间信息处于所述预设时间周期内的市场动态数据,获取查询到的市场动态数据。
可选地,将震荡上涨状态标记为春,持续上涨状态标记为夏,震荡下跌状态标记为秋,持续下跌状态标记为冬。
可选地,所述计算单元具体用于:利用爬山法依次计算每个检测时段内的市场动态数据的极值,其中,所述极值包括极大值和极小值,所述检测时段为所述预设时间周期划分的等时长、首尾相连的区域;判断每个检测时段内的极值是否是对应检测时段内的起点值或者终点值;当极值不是检测时段内的起点值或者终点值,确定该极值为所述关键拐点。
可选地,所述计算单元还用于当极值是对应检测时段内的起点值或者终点值时,判断所述极值在对应检测时段的相邻的检测时段内是否同为极大值或者同为极小值;当同为极大值或者同为极小值时,确定该极值为所述关键拐点。
可选地,确定单元具体用于包括:当相邻两个关键拐点之间的市场动态数据为按照时间顺序持续上涨时,则确定该相邻两个关键拐点之前的市场动态为夏;当相邻两个关键拐点之间的市场动态数据为按照时间顺序波动上涨时,则确定该相邻两个关键拐点之前的市场动态为春;当相邻两个关键拐点之间的市场动态数据为按照时间顺序持续下跌时,则确定该相邻两个关键拐点之前的市场动态为冬;当相邻两个关键拐点之间的市场动态数据为按照时间顺序波动下跌时,则确定该相邻两个关键拐点之前的市场动态为秋。
可选地,还包括:剔除单元,用于从数据库获取预设时间周期的市场动态数据之后,剔除所述市场动态数据中的噪声数据。
为实现上述目的,本发明还提供一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
为实现上述目的,本发明还提供计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
根据本发明实施例,通过对市场动态数据进行状态划分为震荡上涨的状态、持续上涨的状态、震荡下跌的状态、持续下跌的状态,这样能够使得用户能够快速直观的看出每个区间对应的状态,能够快速理解股票市场的行情。
附图说明
图1为本发明市场状态划方法实施例的流程图;
图2为本发明实施例的市场状态标记的示意图;
图3为本发明市场状态划装置实施例的程序模块示意图;
图4为本发明市场状态划装置实施例的硬件结构示意图。
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。
本发明提供的市场状态划分方法、装置、计算机设备及存储介质,适用金融投资领域,请参阅图1,本实施例的一种市场状态划分方法中,包括以下步骤:
步骤S101,从数据库获取预设时间周期的市场动态数据,其中,所述市场状态数据为能够反映金融市场状态的数据。选取的预设时间周期为较长的时间周期,例如,10年或者20年。市场动态数据包括股票大盘的国内股票指数、商品指数、全球指数等可以统计得到的金融市场行情数据,例如上证指数。通过整合多家第三方数据供应商的数据,形成自有数据库。再从自有数据库中获取能够反映市场动态的指数数据。
具体地,从数据库获取预设时间周期的市场动态数据包括:通过数据爬取程序调用第三方数据供应商提供的服务器API接口;通过所述数据爬取程序从所述服务器API接口爬取所述第三方数据供应商的服务器上的市场状态数据,存储在所述数据库中,其中,所述市场状态数据携带有对应的时间信息;从所述数据库中查询时间信息处于所述预设时间周期内的市场动态数据,获取查询到的市场动态数据。
由于各类市场状态数据在记录时,均记录有对应的时间,可以采用不同的时间长度来合成预设时间周期的市场动态数据。具体地,假如选取2006-2016的10年的市场动态数据,可以采用不同时间长度,比如20个月,40个月等等,以此合成上述10年的时间序列信号。
可选地,在获取到预设时间周期的市场动态数据之后,还可以剔除所述市场动态数据中的噪声数据,以避免噪声数据对数据分析的影响。具体地,这里所述的噪声数据可以是指数据中出现异常跳变的数据,例如,某个时间点的值相对于周围数据极大或者极小的情况。对于这类数据剔除时,可以通过相邻数据的比较来确定,如果相邻数据的差值变化超过预设阈值,则表明该位置出现噪声,进行剔除。
步骤S102,获取预设时间周期的市场动态数据中的关键拐点,其中,关键拐点为该市场状态数据中的顶点和/或谷点,以此来作为市场状态的分界点。
步骤S103,获取相邻两个关键拐点之间的市场动态数据,按照时间顺序计算出对应的涨跌状态。
步骤S104,根据涨跌状态确定出各区间的市场状态。
步骤S105,生成市场动态数据各区间对应的市场状态标记,其中,市场状态标记包括:震荡上涨的状态、持续上涨状态、震荡下跌状态及持续下跌状态。
预设规则可以是预先设置的运算逻辑,可选地,市场状态的具体确定规则如下:当相邻两个关键拐点之间的市场动态数据为按照时间顺序持续上涨时,则确定该相邻两个关键拐点之前的市场动态为夏;当相邻两个关键拐点之间的市场动态数据为按照时间顺序波动上涨时,则确定该相邻两个关键拐点之前的市场动态为春;当相邻两个关键拐点之间的市场动态数据为按照时间顺序持续下跌时,则确定该相邻两个关键拐点之前的市场动态为冬;当相邻两个关键拐点之间的市场动态数据为按照时间顺序波动下跌时,则确定该相邻两个关键拐点之前的市场动态为秋,给出具体示例如图2所示。
另一方面,本发明实施例的预设规则可以是利用样本数据预先训练得到的神经网络模型,用于检测市场动态数据对应的市场状态。由于训练神经网络模型的技术对于本领域技术人员而言,比较常规,其区别仅在于不同模型的检测精确度不同,本发明不限于任何类型和精度的申请网络模型。
根据本发明实施例,通过对市场动态数据进行状态划分,划分为春、夏、秋、冬四种状态,分别代表震荡上涨的状态、持续上涨的状态、震荡下跌的状态、持续下跌的状态,这样能够使得用户能够快速直观的看出每个区间对应的状态,结合季节的相关变化,能够快速理解股票市场的行情。
作为一种可选实施方式,本发明实施例的关键拐点的获取可以采用以下步骤:
S1,利用爬山法依次计算每个检测时段内的市场动态数据的极值,其中,所述极值包括极大值和极小值,所述检测时段为所述预设时间周期划分的等时长、首尾相连的区域。如图2中按照年份进行划分,每个检测时段为2年,包括:2007-2009,2009-2011,2011-2013,2013-2015,2015-2017。
S2,判断每个检测时段内的极值是否是对应检测时段内的起点值或者终点值;
S3,当极值不是检测时段内的起点值或者终点值,确定该极值为所述关键拐点。由于检测时段的起点或者终点并非整个预设时间周期的起点或者终点,因此,起点之前或者终点之后,数据有可能上涨或者下跌,无法确定其是否为极值,需要做进一步判断。
本发明实施例通过等分区间内计算极值点的方式来计算得到关键拐点,从而能够快速地划分市场状态的区间。
S4,当极值是对应检测时段内的起点值或者终点值时,判断所述极值在对应检测时段的相邻的检测时段内是否同为极大值或者同为极小值。
S5,当同为极大值或者同为极小值时,确定该极值为所述关键拐点;反之,则不是关键拐点。
本发明实施例中,如果关键拐点出现在检测时段的起点或者终点时,通过一个检测时段内的值时无法确定出来的,因此,需要结合相邻的两个检测时段共同进行判断。当该点在两个检测时段同为极大值时,则该点为以顶点的方式呈现的关键拐点;如果同为极小值时,则是以谷点的方式呈现的关键拐点。如果在一个检测时段为极大值,在另一个检测时段为极小值,则该点既不是谷点也不是顶点。
请继续参阅图3,示出了一种市场状态划分装置,在本实施例中,市场状态划分装置10可以包括或被分割成一个或多个程序模块,一个或者多个程序模块被存储于存储介质中,并由一个或多个处理器所执行,以完成本发明,并可实现上述市场状态划分方法。本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段,比程序本身更适合于描述市场状态划分装置10在存储介质中的执行过程。以下描述将具体介绍本实施例各程序模块的功能:
第一获取单元11,用于从数据库获取预设时间周期的市场动态数据,其中,市场状态数据为能够反映金融市场状态的数据;
第二获取单元12,用于获取预设时间周期的市场动态数据中的关键拐点,其中,关键拐点为该市场状态数据中的顶点和/或谷点;
计算单元13,用于获取相邻两个关键拐点之间的市场动态数据,按照时间顺序计算出对应的涨跌状态;
确定单元14,用于根据涨跌状态确定出各区间的市场状态;
生成单元15,用于生成市场动态数据各区间对应的市场状态标记,其中,市场状态标记包括:震荡上涨的状态、持续上涨状态、震荡下跌状态及持续下跌状态。
可选地,第一获取单元具体用于:通过数据爬取程序调用第三方数据供应商提供的服务器API接口;通过所述数据爬取程序从所述服务器API接口爬取所述第三方数据供应商的服务器上的市场状态数据,存储在所述数据库中,其中,所述市场状态数据携带有对应的时间信息;从所述数据库中查询时间信息处于所述预设时间周期内的市场动态数据,获取查询到的市场动态数据。
可选地,将震荡上涨状态标记为春,持续上涨状态标记为夏,震荡下跌状态标记为秋,持续下跌状态标记为冬。
可选地,所述计算单元具体用于:利用爬山法依次计算每个检测时段内的市场动态数据的极值,其中,所述极值包括极大值和极小值,所述检测时段为所述预设时间周期划分的等时长、首尾相连的区域;判断每个检测时段内的极值是否是对应检测时段内的起点值或者终点值;当极值不是检测时段内的起点值或者终点值,确定该极值为所述关键拐点。
可选地,所述计算单元还用于当极值是对应检测时段内的起点值或者终点值时,判断所述极值在对应检测时段的相邻的检测时段内是否同为极大值或者同为极小值;当同为极大值或者同为极小值时,确定该极值为所述关键拐点。
可选地,确定单元具体用于包括:当相邻两个关键拐点之间的市场动态数据为按照时间顺序持续上涨时,则确定该相邻两个关键拐点之前的市场动态为夏;当相邻两个关键拐点之间的市场动态数据为按照时间顺序波动上涨时,则确定该相邻两个关键拐点之前的市场动态为春;当相邻两个关键拐点之间的市场动态数据为按照时间顺序持续下跌时,则确定该相邻两个关键拐点之前的市场动态为冬;当相邻两个关键拐点之间的市场动态数据为按照时间顺序波动下跌时,则确定该相邻两个关键拐点之前的市场动态为秋。
可选地,还包括:剔除单元,用于从数据库获取预设时间周期的市场动态数据之后,剔除所述市场动态数据中的噪声数据。
本实施例还提供一种计算机设备,如可以执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者多个服务器所组成的服务器集群)等。本实施例的计算机设备20至少包括但不限于:可通过系统总线相互通信连接的存储器21、处理器22,如图3所示。需要指出的是,图3仅示出了具有组件21-22的计算机设备20,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。
本实施例中,存储器21包括可读存储介质,具体包括闪存、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。在一些实施例中,存储器21可以是计算机设备20的内部存储单元,例如该计算机设备20的硬盘或内存。在另一些实施例中,存储器21也可以是计算机设备20的外部存储设备,例如该计算机设备20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。当然,存储器21还可以既包括计算机设备20的内部存储单元也包括其外部存储设备。本实施例中,存储器21通常用于存储安装于计算机设备20的操作系统和各类应用软件,例如实施例的市场状态划分装置10的程序代码等。此外,存储器21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。
处理器22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22通常用于控制计算机设备20的总体操作。本实施例中,处理器22用于运行存储器21中存储的程序代码或者处理数据,例如运行市场状态划分装置10,以实现实施例的市场状态划分方法。
本实施例还提供一种计算机可读存储介质,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、服务器、App应用商城等等,其上存储有计算机程序,程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于存储市场状态划分装置10,被处理器执行时实现实施例的市场状态划分方法。
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。
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 (10)
1.一种市场状态划分方法,其特征在于,包括以下步骤:
从数据库获取预设时间周期的市场动态数据,其中,所述市场状态数据为能够反映金融市场状态的数据;
获取所述预设时间周期的市场动态数据中的关键拐点,其中,所述关键拐点为该市场状态数据中的顶点和/或谷点;
获取相邻两个关键拐点之间的市场动态数据,按照时间顺序计算出对应的涨跌状态;
根据所述涨跌状态确定出各区间的市场状态;
生成市场动态数据各区间对应的市场状态标记,其中,市场状态标记包括:震荡上涨的状态、持续上涨状态、震荡下跌状态及持续下跌状态。
2.根据权利要求1所述的市场状态划分方法,其特征在于,从数据库获取预设时间周期的市场动态数据包括:
通过数据爬取程序调用第三方数据供应商提供的服务器API接口;
通过所述数据爬取程序从所述服务器API接口爬取所述第三方数据供应商的服务器上的市场状态数据,存储在所述数据库中,其中,所述市场状态数据携带有对应的时间信息;
从所述数据库中查询时间信息处于所述预设时间周期内的市场动态数据,获取查询到的市场动态数据。
3.根据权利要求1所述的市场状态划分方法,其特征在于,将震荡上涨状态标记为春,持续上涨状态标记为夏,震荡下跌状态标记为秋,持续下跌状态标记为冬。
4.根据权利要求1所述的市场状态划分方法,其特征在于,获取所述预设时间周期的市场动态数据中的关键拐点包括:
利用爬山法依次计算每个检测时段内的市场动态数据的极值,其中,所述极值包括极大值和极小值,所述检测时段为所述预设时间周期划分的等时长、首尾相连的区域;
判断每个检测时段内的极值是否是对应检测时段内的起点值或者终点值;
当极值不是检测时段内的起点值或者终点值,确定该极值为所述关键拐点。
5.根据权利要求4所述的市场状态划分方法,其特征在于,
当极值是对应检测时段内的起点值或者终点值时,判断所述极值在对应检测时段的相邻的检测时段内是否同为极大值或者同为极小值;
当同为极大值或者同为极小值时,确定该极值为所述关键拐点。
6.根据权利要求1所述的市场状态划分方法,其特征在于,根据所述涨跌状态确定出各区间的市场状态包括:
当相邻两个关键拐点之间的市场动态数据为按照时间顺序持续上涨时,则确定该相邻两个关键拐点之前的市场动态为夏;
当相邻两个关键拐点之间的市场动态数据为按照时间顺序波动上涨时,则确定该相邻两个关键拐点之前的市场动态为春;
当相邻两个关键拐点之间的市场动态数据为按照时间顺序持续下跌时,则确定该相邻两个关键拐点之前的市场动态为冬;
当相邻两个关键拐点之间的市场动态数据为按照时间顺序波动下跌时,则确定该相邻两个关键拐点之前的市场动态为秋。
7.根据权利要求1所述的市场状态划分方法,其特征在于,从数据库获取预设时间周期的市场动态数据之后,还包括:
剔除所述市场动态数据中的噪声数据。
8.一种市场状态划分装置,其特征在于,其包括:
第一获取单元,用于从数据库获取预设时间周期的市场动态数据,其中,所述市场状态数据为能够反映金融市场状态的数据;
第二获取单元,用于获取所述预设时间周期的市场动态数据中的关键拐点,其中,所述关键拐点为该市场状态数据中的顶点和/或谷点;
计算单元,用于获取相邻两个关键拐点之间的市场动态数据,按照时间顺序计算出对应的涨跌状态;
确定单元,用于根据所述涨跌状态确定出各区间的市场状态;
生成单元,用于生成市场动态数据各区间对应的市场状态标记,其中,市场状态标记包括:震荡上涨的状态、持续上涨状态、震荡下跌状态及持续下跌状态。
9.一种计算机设备,其特征在于,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910033207.1A CN109903074A (zh) | 2019-01-14 | 2019-01-14 | 基于数据分析的市场状态划分方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910033207.1A CN109903074A (zh) | 2019-01-14 | 2019-01-14 | 基于数据分析的市场状态划分方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109903074A true CN109903074A (zh) | 2019-06-18 |
Family
ID=66943780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910033207.1A Pending CN109903074A (zh) | 2019-01-14 | 2019-01-14 | 基于数据分析的市场状态划分方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109903074A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112783934A (zh) * | 2019-11-11 | 2021-05-11 | 北京沃东天骏信息技术有限公司 | 交易数据区间确定方法及装置、存储介质及计算机设备 |
-
2019
- 2019-01-14 CN CN201910033207.1A patent/CN109903074A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112783934A (zh) * | 2019-11-11 | 2021-05-11 | 北京沃东天骏信息技术有限公司 | 交易数据区间确定方法及装置、存储介质及计算机设备 |
CN112783934B (zh) * | 2019-11-11 | 2024-04-05 | 北京沃东天骏信息技术有限公司 | 交易数据区间确定方法及装置、存储介质及计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | A multiordering newsvendor model with dynamic forecast evolution | |
CN107358247B (zh) | 一种确定流失用户的方法及装置 | |
CN109933984A (zh) | 一种最佳聚类结果筛选方法、装置和电子设备 | |
CN108694123A (zh) | 一种回归测试方法、计算机可读存储介质及终端设备 | |
CN110390584A (zh) | 一种异常用户的识别方法、识别装置及可读存储介质 | |
CN109598542A (zh) | 一种营销权益的投放方法、装置及电子设备 | |
CN115422592A (zh) | 大数据安防处理方法及系统 | |
CN109344343A (zh) | 基于互联网的在线商品监控方法、装置、设备及存储介质 | |
CN109978342A (zh) | 电子装置、风险评估方法和计算机可读存储介质 | |
CN109560977A (zh) | 网站业务监控方法、装置、存储介质、处理器及电子设备 | |
CN109766370A (zh) | 数据处理方法、数据服务系统及设备 | |
CN110516713A (zh) | 一种目标群体识别方法、装置及设备 | |
Proselkov et al. | Financial ripple effect in complex adaptive supply networks: an agent-based model | |
CN110046235A (zh) | 一种知识库评估方法、装置及设备 | |
CN109903074A (zh) | 基于数据分析的市场状态划分方法和装置 | |
CN112766536A (zh) | 计算公路工程人工单价的模型训练方法、装置及终端 | |
CN106294115B (zh) | 一种应用系统迁移性的测试方法及装置 | |
CN113837783A (zh) | 时间序列模型参数优化方法、装置、计算机设备 | |
CN109063967A (zh) | 一种风控场景特征张量的处理方法、装置及电子设备 | |
CN110189178A (zh) | 异常交易监测方法、装置及电子设备 | |
CN114298829A (zh) | 用于授信评估的数据处理方法和装置 | |
CN109903156A (zh) | 基于数据分析的多因子选股方法和装置 | |
US7536427B2 (en) | Comparing process sizes | |
CN109360032A (zh) | 客户评估方法、装置、设备以及存储介质 | |
CN109993411A (zh) | 零售类资产的不良概率调整方法、装置和存储介质 |
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 |