CN110516196A - 金融时序数据的处理方法、装置、计算机设备及存储介质 - Google Patents

金融时序数据的处理方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN110516196A
CN110516196A CN201910270948.1A CN201910270948A CN110516196A CN 110516196 A CN110516196 A CN 110516196A CN 201910270948 A CN201910270948 A CN 201910270948A CN 110516196 A CN110516196 A CN 110516196A
Authority
CN
China
Prior art keywords
preset
data
financial time
financial
time series
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
CN201910270948.1A
Other languages
English (en)
Inventor
李海疆
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 CN201910270948.1A priority Critical patent/CN110516196A/zh
Publication of CN110516196A publication Critical patent/CN110516196A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Finance (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明涉及一种金融时序数据的处理方法、装置、计算机设备及存储介质，其中的方法包括：根据金融时序数据的类型确定预设数据级别，获取所述预设数据级别的金融时序数据；对所述金融时序数据进行数据处理，得到所述金融时序数据的预设Lyapunov指数；统计预设时间段内所述预设Lyapunov指数出现正值时的正值占比；根据所述正值占比与预设阈值之间的关系，确定所述金融时序数据的趋势性走势。本发明的有益效果为：统计在较长时间内的数据例如为一个月内所有交易日的Lyapunov指数γ出现的正负值的次数，根据正负值的比例能够确定出该股票的趋势性走势或震荡性走势，实现了基于混沌性概念对实际金融时序数据的建模，从技术层面筛选出具备趋势性走势的股票。

Description

金融时序数据的处理方法、装置、计算机设备及存储介质
技术领域
本发明实施例涉及金融领域，尤其涉及一种金融时序数据的处理方法、装置、计算机设备及存储介质。
背景技术
金融时序数据包括股票价格(股份)、期货交易价格等是经济数据的重要组成部分，而股价的走势对于股民而言具有重要的意义，为股民的投资收益提供了重要参考依据，以往的股价的预设原理一般为：通过对历史的股票数据进行分析，对股票未来的价格进行预测，而股票价格受到多种因素的影响，历史数据预测往往与实际情形偏离较大。
Lyapunov指数是用来度量当初始值发生变化时系统演化轨迹的分离程度。1961年，科学家洛伦兹在用计算机研究天气数据时发现，当初始值发生微小变化时，新的数据路径与原路径发生了很大的偏离，这体现了天气模型的混沌性特征。
受这种思路启发，联想到金融时序数据也可以采用类似的方法进行研究。
发明内容
为了克服相关技术中存在的问题，本发明提供一种金融时序数据的处理方法、装置、计算机设备及存储介质，以实现通过Lyapunov指数对金融时序数据的趋势性走势进行更加准确的预测。
第一方面，本发明实施例提供了一种金融时序数据的处理方法，所述方法包括：
根据金融时序数据的类型确定预设数据级别，获取所述预设数据级别的金融时序数据；
对所述金融时序数据进行数据处理，得到所述金融时序数据的预设Lyapunov指数；
统计预设时间段内所述预设Lyapunov指数出现正值时的正值占比；
根据所述正值占比与预设阈值之间的关系，确定所述金融时序数据的趋势性走势。
结合另一方面，本发明另一可行的实施方式中，所述对所述金融时序数据进行数据处理，得到所述金融时序数据的预设Lyapunov指数，包括：
所述金融时序数据包括开盘价格和收盘价格，计算所述开盘价格和收盘价格在预设数据级别的价差幅度，通过以下公式计算得出：
公式1：
其中，和分别为股票第t个和第t-1个预设数据级别的开盘价格，xt为两个相邻的预设数据级别(第t个和第t-1个)的开盘价格的第一价差幅度；
公式2：
其中，和分别为股票第t个和第t-1个5分钟级别的收盘价格，y为两个相邻的5分钟(第t个和第t-1个)的收盘价格的第二价差幅度；
通过所述公式1和公式2得出所述第一价差幅度和所述第二价差幅度的距离差d，通过公式3得出出：
公式3：
dt＝|xt-yt|，dinitial＝|x2-y2|
其中，dinitial为初始距离，反映初始的第一价差幅度和第二价差幅度之间的差别幅度；
dt为第t个5分钟结束时第一价差幅度和第二价差幅度之间的差别幅度；
根据第一价差幅度、第二价差幅度以及差别幅度通过以下公式4得出预设Lyapunov指数γ：
公式4：
其中，n＝48，所述预设Lyapunov指数γ用于判断一个交易日内所述金融时序数据是否具有扩张性。
结合另一方面，本发明另一可行的实施方式中，所述根据所述正值占比与预设阈值之间的关系，确定所述金融时序数据的趋势性走势，包括：
当所述预设Lyapunov指数γ＞预设阈值时，确定所述金融时序数据具备扩张性；
当所述预设Lyapunov指数γ＜预设阈值时，确定所述金融时序数据具备收敛性。
结合另一方面，本发明另一可行的实施方式中，所述统计预设时间段内所述预设Lyapunov指数出现正值时的正值占比，包括：
统计在一个包括交易日数目为M的交易月内所述预设Lyapunov指数为正值的次数N；
在所述交易月内所述预设Lyapunov指数出现正值时的正值占比为N/M。
结合另一方面，本发明另一可行的实施方式中，所述方法还包括：
获取不同类型的多种金融时序数据，确定各所述金融时序数据的趋势性走势；
根据各所述金融时序数据的趋势性走势在长期走势下趋于稳定的状态，确定金融市场整体趋势。
第二方面，本发明实施例还提供了一种金融时序数据的处理装置，所述装置包括：
获取模块，用于根据金融时序数据的类型确定预设数据级别，获取所述预设数据级别的金融时序数据；
处理模块，用于对所述金融时序数据进行数据处理，得到所述金融时序数据的预设Lyapunov指数；
统计模块，用于统计预设时间段内所述预设Lyapunov指数出现正值时的正值占比；
确定模块，用于根据所述正值占比与预设阈值之间的关系，确定所述金融时序数据的趋势性走势。
第三方面，本发明还提供了一种计算机设备，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。
第四方面，本发明还提供了一种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。
本发明提取股票5分钟级别的open price(开盘价格)、close price(收盘价格)，通过第一价差幅度、第二价差幅度以及差别幅度计算得出该股票的Lyapunov指数γ，γ值的大小可表示该股票数据在当日的扩张性/收敛性，统计在较长时间内的数据例如为一个月内所有交易日的Lyapunov指数γ出现的正负值的次数，根据正负值的比例能够确定出该股票的趋势性走势或震荡性走势，实现了基于混沌性概念对实际金融时序数据的建模，从技术层面筛选出具备趋势性走势的股票，对于金融时序数据的预测具有现实意义。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种金融时序数据的处理方法的基本流程图。
图2是根据一示例性实施例示出的一种金融时序数据的处理装置的示意图。
图3是根据一示例性实施例示出的处理模块的示意图。
图4是根据一示例性实施例示出的一种计算机设备装置的示意图。
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。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图中将各步骤描述成顺序的处理，但是其中的许多步骤可以并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排，当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图内的其它步骤。处理可以对应于方法、函数、规程、子例程、子程序等。
本发明涉及一种金融时序数据的处理方法、装置、计算机设备及存储介质，其主要运用于需要对金融数据进行分析处理的场景中，其基本思想是：以金融市场中的股票为例，提取股票5分钟级别的open price(开盘价格)和close price(收盘价格)，通过一系列公式计算得出该股票的Lyapunov指数γ，γ与0之间的关系代表该股票数据在当日的扩张性或收敛性，而统计在较长时间内的数据例如为一个月内所有交易日的Lyapunov指数γ出现的正负值的次数，根据正负值的比例能够确定出该股票的趋势性走势或震荡性走势，实现了基于混沌性概念对实际金融时序数据进行建模，从技术层面筛选出具备趋势性走势的股票，对于金融时序数据的预测更加具有现实意义。
本实施例可适用于带有运算模块的智能型终端中以进行金融时序数据的处理的情况中，该方法可以由数据运算的装置来执行，其中该装置可以由软件和/或硬件来实现，一般地可集成于智能终端中，如图1所示，为本发明的一种金融时序数据的处理方法的基本流程示意图，所述方法具体包括如下步骤：
在步骤110中，根据金融时序数据的类型确定预设数据级别，获取所述预设数据级别的金融时序数据；
在本发明的一种可行的实施方式中，所述金融时序数据为某一支股票的股价相关的数据，预设数据级别为以时间为基数进行级别设置的具体级别，其在本发明实施方式中，以提取5分钟级别的股价数据为例，股价数据包括5分钟级别的open price(开盘价格)、close price(收盘价格)，上述预设数据级别还可以为10分钟、15分钟等其它预设数据级别，所述金融时序数据也可以为基金、期货等的时序数据，并不以上述的股价和/或5分钟级别为限。
在步骤120中，对所述金融时序数据进行数据处理，得到所述金融时序数据的预设Lyapunov指数；
以股票市场中的股价为例，首先计算某一支股票(个股)在相邻的预设数据级别的open price(开盘价格)的第一价差幅度和cIose price(收盘价格)的第二价差幅度，然后计算某个交易日以至一个交易月度内的价差之间的差别幅度，并根据上述价差幅度得到最终的Lyapunov(李阿普诺夫)指数γ，以5分钟数据级别的金融数据为例，其具体的计算过程通过如下公式1～4进行：
公式1：
和分别为股票第t个和第t-1个5分钟级别的open price，xt为两个相邻的5分钟(第t个和第t-1个)的open price的第一价差幅度；
公式2：
和分别为股票第t个和第t-1个5分钟级别的close price，y为两个相邻的5分钟(第t个和第t-1个)的close price的第二价差幅度；
公式3：dt＝|xt-yt|，dinitial＝|x2-y2|
dinitial为初始距离，反映初始的第一价差幅度和第二价差幅度之间的差别幅度；
dt为第t个5分钟结束时第一价差幅度和第二价差幅度之间的差别幅度；
公式4：
γ为在一个交易日内的Lyapunov指数，其正负值表示个股日内的扩张性和收敛性。
在步骤130中，统计预设时间段内所述预设Lyapunov指数出现正值时的正值占比；
所述预设时间段可以为一个交易月，在一个交易月内通常包括22个交易日，每一个交易日内所有5分钟级别的股价的差别幅度γ>0时，则说明其预设Lyapunov指数出现正值，同时说明个股日内数据具有扩张性；当差别幅度γ<0时则说明其预设Lyapunov指数出现负值，同时说明个股日内数据具有收敛性；计算所述预设Lyapunov指数出现正值时的占比。
对于某一股票价格而言，统计在一个包括交易日数目为M(M＝22)的交易月内所述预设Lyapunov指数为正值的次数N；在所述交易月内所述预设Lyapunov指数出现正值时的正值占比为N/M；例如在一个交易月内有22个交易日，当所述预设Lyapunov指数出现正值的次数为5时，其正值占比即为5/22。
在步骤140中，根据所述正值占比与预设阈值之间的关系，确定所述金融时序数据的趋势性走势。
本发明示例性实施例一种可行的实施方式中，所述预设阈值可为0.5，统计个股一个交易月之内所有交易日的Lyapunov指数γ出现正值的次数和负值的次数，计算正值占比，当正值比例超过0.5时，表明个股具备较强的扩张性，说明个股具备扩张走势；当正值比例小于0.5时，表明个股属于震荡走势，而当正值比例为0.5±0.05(该0.05可根据股市经验替代为其它数据)时，则可表明此时个股属于保守走势。
本发明的方法，提取股票5分钟级别的open price和close price，通过计算openprice和close price的第一价差幅度、第二价差幅度以及差别幅度等计算得出该股票的Lyapunov指数γ，γ值的大小可表示该股票数据在当日的扩张性/收敛性，统计在较长时间内的数据例如为一个月内所有交易日的Lyapunov指数γ出现的正负值的次数，根据正负值的比例能够确定出该股票的趋势性走势或震荡性走势，实现了基于混沌性概念对实际金融时序数据的建模，从技术层面筛选出具备趋势性走势的股票，对于金融时序数据的预测具有现实意义。
在本发明示例性实施例的一种可行的实施方式中，还包括根据得出的多种不同类型的金融时序数据的趋势性走势得出整个金融市场的整体趋势的步骤，这一过程包括如下步骤：
获取不同类型的多种金融时序数据，确定各所述金融时序数据的趋势性走势；根据各所述金融时序数据的趋势性走势在长期走势下趋于稳定的状态，确定金融市场整体趋势。
就股票市场而言，如股票列表为K，K＝[K1,K2,K3,K4……Kn],n为当下股票市场中股票的数量，例如具有代表性的上证50中的股票，对同一种类型的股票类型的金融时序数据而言，每一股票K1,K2,K3,K4……Kn对应得出的趋势性走势为D1,D2,D3,D4……Dn，在本发明的示例性实施例的一种实施方式中，对应得出的趋势性走势还可转化为K线图，在同一个图表中绘制D1,D2,D3,D4……Dn，在该图表中则可表示整个股票市场的整体趋势。
对于其它类型的金融数据例如货币基金，则可与同一个图表中进行绘制，通过不同颜色的K线图进行表示，则在一个图表中可展示所有类型的金融数据，并以此提供一种可视化的金融市场的整体趋势，便于对金融市场整体的动量性质作出判断，例如为单边趋势或震荡市。
图2为本发明实施例提供的一种金融时序数据的处理装置的结构示意图，该装置可由软件和/或硬件实现，一般地集成于智能终端中，可通过金融时序数据的处理方法来实现。如图所示，本实施例可以以上述实施例为基础，提供了一种金融时序数据的处理装置，其主要包括了获取模块210、处理模块220、统计模块230以及确定模块240。
获取模块210，用于根据金融时序数据的类型确定预设数据级别，获取所述预设数据级别的金融时序数据；
处理模块220，用于对所述金融时序数据进行数据处理，得到所述金融时序数据的预设Lyapunov指数；
统计模块230，用于统计预设时间段内所述预设Lyapunov指数出现正值时的正值占比；
确定模块240，用于根据所述正值占比与预设阈值之间的关系，确定所述金融时序数据的趋势性走势。
在本发明示例性实施例的一种可行的实施方式中，所述金融时序数据包括开盘价格和收盘价格，计算所述开盘价格和收盘价格在预设数据级别的价差幅度，如图3所示，所述处理模块220包括：
第一子模块221，用于执行：
公式1：
其中，和分别为股票第t个和第t-1个预设数据级别的开盘价格，xt为两个相邻的预设数据级别(第t个和第t-1个)的开盘价格的第一价差幅度；
第二子模块222，用于执行：
公式2：
和分别为股票第t个和第t-1个5分钟级别的收盘价格，y为两个相邻的5分钟(第t个和第t-1个)的收盘价格的第二价差幅度；
通过所述第一子模块和第二子模块得出所述第一价差幅度和所述第二价差幅度的距离差d；
第三子模块223，用于执行：
公式3：
dt＝|xt-yt|，dinitial＝|x2-y2|
dinitial为初始距离，反映初始的第一价差幅度和第二价差幅度之间的差别幅度；
dt为第t个5分钟结束时第一价差幅度和第二价差幅度之间的差别幅度；
根据第一价差幅度、第二价差幅度以及差别幅度通过以下公式4得出预设Lyapunov指数γ：
第四子模块224，用于执行：
公式4：
其中，n＝48，所述预设Lyapunov指数γ用于判断一个交易日内所述金融时序数据是否具有扩张性。
在本发明示例性实施例的一种可行的实施方式中，所述确定模块240，包括：
扩张子模块，当所述预设Lyapunov指数γ＞预设阈值时，用于确定所述金融时序数据具备扩张性；
收敛子模块，当所述预设Lyapunov指数γ＜预设阈值时，用于确定所述金融时序数据具备收敛性。
上述实施例中提供的金融时序数据的处理装置可执行本发明中任意实施例中所提供的金融时序数据的处理方法，具备执行该方法相应的功能模块和有益效果，未在上述实施例中详细描述的技术细节，可参见本发明任意实施例中所提供的金融时序数据的处理方法。
将意识到的是，本发明也扩展到适合于将本发明付诸实践的计算机程序，特别是载体上或者载体中的计算机程序。程序可以以源代码、目标代码、代码中间源和诸如部分编译的形式的目标代码的形式，或者以任何其它适合在按照本发明的方法的实现中使用的形式。也将注意的是，这样的程序可能具有许多不同的构架设计。例如，实现按照本发明的方法或者系统的功能性的程序代码可能被再分为一个或者多个子例程。
用于在这些子例程中间分布功能性的许多不同方式将对技术人员而言是明显的。子例程可以一起存储在一个可执行文件中，从而形成自含式的程序。这样的可执行文件可以包括计算机可执行指令，例如处理器指令和/或解释器指令(例如，Java解释器指令)。可替换地，子例程的一个或者多个或者所有子例程都可以存储在至少一个外部库文件中，并且与主程序静态地或者动态地(例如在运行时间)链接。主程序含有对子例程中的至少一个的至少一个调用。子例程也可以包括对彼此的函数调用。涉及计算机程序产品的实施例包括对应于所阐明方法中至少一种方法的处理步骤的每一步骤的计算机可执行指令。这些指令可以被再分成子例程和/或被存储在一个或者多个可能静态或者动态链接的文件中。
另一个涉及计算机程序产品的实施例包括对应于所阐明的系统和/或产品中至少一个的装置中每个装置的计算机可执行指令。这些指令可以被再分成子例程和/或被存储在一个或者多个可能静态或者动态链接的文件中。
计算机程序的载体可以是能够运载程序的任何实体或者装置。例如，载体可以包含存储介质，诸如(ROM例如CDROM或者半导体ROM)或者磁记录介质(例如软盘或者硬盘)。进一步地，载体可以是可传输的载体，诸如电学或者光学信号，其可以经由电缆或者光缆，或者通过无线电或者其它手段传递。当程序具体化为这样的信号时，载体可以由这样的线缆或者装置组成。可替换地，载体可以是其中嵌入有程序的集成电路，所述集成电路适合于执行相关方法，或者供相关方法的执行所用。
应该留意的是，上文提到的实施例是举例说明本发明，而不是限制本发明，并且本领域的技术人员将能够设计许多可替换的实施例，而不会偏离所附权利要求的范围。在权利要求中，任何放置在圆括号之间的参考符号不应被解读为是对权利要求的限制。动词“包括”和其词形变化的使用不排除除了在权利要求中记载的那些之外的元素或者步骤的存在。在元素之前的冠词“一”或者“一个”不排除复数个这样的元素的存在。本发明可以通过包括几个明显不同的组件的硬件，以及通过适当编程的计算机而实现。在列举几种装置的装置权利要求中，这些装置中的几种可以通过硬件的同一项来体现。在相互不同的从属权利要求中陈述某些措施的单纯事实并不表明这些措施的组合不能被用来获益。
如果期望的话，这里所讨论的不同功能可以以不同顺序执行和/或彼此同时执行。此外，如果期望的话，以上所描述的一个或多个功能可以是可选的或者可以进行组合。
如果期望的话，上文所讨论的各步骤并不限于各实施例中的执行顺序，不同步骤可以以不同顺序执行和/或彼此同时执行。此外，在其他实施例中，以上所描述的一个或多个步骤可以是可选的或者可以进行组合。
虽然本发明的各个方面在独立权利要求中给出，但是本发明的其它方面包括来自所描述实施方式的特征和/或具有独立权利要求的特征的从属权利要求的组合，而并非仅是权利要求中所明确给出的组合。
这里所要注意的是，虽然以上描述了本发明的示例实施方式，但是这些描述并不应当以限制的含义进行理解。相反，可以进行若干种变化和修改而并不背离如所附权利要求中所限定的本发明的范围。
本领域普通技术人员应该明白，本发明实施例的装置中的各模块可以用通用的计算装置来实现，各模块可以集中在单个计算装置或者计算装置组成的网络组中，本发明实施例中的装置对应于前述实施例中的方法，其可以通过可执行的程序代码实现，也可以通过集成电路组合的方式来实现，因此本发明并不局限于特定的硬件或者软件及其结合。
本领域普通技术人员应该明白，本发明实施例的装置中的各模块可以用通用的移动终端来实现，各模块可以集中在单个移动终端或者移动终端组成的装置组合中，本发明实施例中的装置对应于前述实施例中的方法，其可以通过编辑可执行的程序代码实现，也可以通过集成电路组合的方式来实现，因此本发明并不局限于特定的硬件或者软件及其结合。
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4所示。需要指出的是，图4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(即可读存储介质)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，例如实施例一的RNNs神经网络的程序代码等。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，例如实现深度学习模型的各层结构，以实现上述实施例的金融时序数据的处理方法。
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金融小程序，被处理器执行时实现上述实施例的金融时序数据的处理方法。
另一个涉及计算机程序产品的实施例包括对应于所阐明的系统和/或产品中至少一个的装置中每个装置的计算机可执行指令。这些指令可以被再分成子例程和/或被存储在一个或者多个可能静态或者动态链接的文件中。
计算机程序的载体可以是能够运载程序的任何实体或者装置。例如，载体可以包含存储介质，诸如(ROM例如CDROM或者半导体ROM)或者磁记录介质(例如软盘或者硬盘)。进一步地，载体可以是可传输的载体，诸如电学或者光学信号，其可以经由电缆或者光缆，或者通过无线电或者其它手段传递。当程序具体化为这样的信号时，载体可以由这样的线缆或者装置组成。可替换地，载体可以是其中嵌入有程序的集成电路，所述集成电路适合于执行相关方法，或者供相关方法的执行所用。
应该留意的是，上文提到的实施例是举例说明本发明，而不是限制本发明，并且本领域的技术人员将能够设计许多可替换的实施例，而不会偏离所附权利要求的范围。在权利要求中，任何放置在圆括号之间的参考符号不应被解读为是对权利要求的限制。动词“包括”和其词形变化的使用不排除除了在权利要求中记载的那些之外的元素或者步骤的存在。在元素之前的冠词“一”或者“一个”不排除复数个这样的元素的存在。本发明可以通过包括几个明显不同的组件的硬件，以及通过适当编程的计算机而实现。在列举几种装置的装置权利要求中，这些装置中的几种可以通过硬件的同一项来体现。在相互不同的从属权利要求中陈述某些措施的单纯事实并不表明这些措施的组合不能被用来获益。
如果期望的话，这里所讨论的不同功能可以以不同顺序执行和/或彼此同时执行。此外，如果期望的话，以上所描述的一个或多个功能可以是可选的或者可以进行组合。
如果期望的话，上文所讨论的各步骤并不限于各实施例中的执行顺序，不同步骤可以以不同顺序执行和/或彼此同时执行。此外，在其他实施例中，以上所描述的一个或多个步骤可以是可选的或者可以进行组合。
虽然本发明的各个方面在独立权利要求中给出，但是本发明的其它方面包括来自所描述实施方式的特征和/或具有独立权利要求的特征的从属权利要求的组合，而并非仅是权利要求中所明确给出的组合。
这里所要注意的是，虽然以上描述了本发明的示例实施方式，但是这些描述并不应当以限制的含义进行理解。相反，可以进行若干种变化和修改而并不背离如所附权利要求中所限定的本发明的范围。
本领域普通技术人员应该明白，本发明实施例的装置中的各模块可以用通用的计算装置来实现，各模块可以集中在单个计算装置或者计算装置组成的网络组中，本发明实施例中的装置对应于前述实施例中的方法，其可以通过可执行的程序代码实现，也可以通过集成电路组合的方式来实现，因此本发明并不局限于特定的硬件或者软件及其结合。
本领域普通技术人员应该明白，本发明实施例的装置中的各模块可以用通用的移动终端来实现，各模块可以集中在单个移动终端或者移动终端组成的装置组合中，本发明实施例中的装置对应于前述实施例中的方法，其可以通过编辑可执行的程序代码实现，也可以通过集成电路组合的方式来实现，因此本发明并不局限于特定的硬件或者软件及其结合。
注意，上述仅为本发明的示例性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)

1.一种金融时序数据的处理方法，其特征在于，所述方法包括：
根据金融时序数据的类型确定预设数据级别，获取所述预设数据级别的金融时序数据；
对所述金融时序数据进行数据处理，得到所述金融时序数据的预设Lyapunov指数；
统计预设时间段内所述预设Lyapunov指数出现正值时的正值占比；
根据所述正值占比与预设阈值之间的关系，确定所述金融时序数据的趋势性走势。
2.根据权利要求1所述的方法，其特征在于，所述对所述金融时序数据进行数据处理，得到所述金融时序数据的预设Lyapunov指数，包括：
所述金融时序数据包括开盘价格和收盘价格，计算所述开盘价格和收盘价格在预设数据级别的价差幅度，通过以下公式计算得出：
公式1：
其中，和分别为股票第t个和第t-1个预设数据级别的开盘价格，xt为两个相邻的预设数据级别(第t个和第t-1个)的开盘价格的第一价差幅度；
公式2：
和分别为股票第t个和第t-1个5分钟级别的收盘价格，y为两个相邻的5分钟(第t个和第t-1个)的收盘价格的第二价差幅度；
通过所述公式1和公式2得出所述第一价差幅度和所述第二价差幅度的距离差d，通过公式3得出出：
公式3：
dt＝|xt-yt|，dinitial＝|x2-y2|
dinitial为初始距离，反映初始的第一价差幅度和第二价差幅度之间的差别幅度；
dt为第t个5分钟结束时第一价差幅度和第二价差幅度之间的差别幅度；
根据第一价差幅度、第二价差幅度以及差别幅度通过以下公式4得出预设Lyapunov指数γ：
公式4：
其中，n＝48，所述预设Lyapunov指数γ用于判断一个交易日内所述金融时序数据是否具有扩张性。
3.根据权利要求2所述的方法，其特征在于，所述根据所述正值占比与预设阈值之间的关系，确定所述金融时序数据的趋势性走势，包括：
当所述预设Lyapunov指数γ＞预设阈值时，确定所述金融时序数据具备扩张性；
当所述预设Lyapunov指数γ＜预设阈值时，确定所述金融时序数据具备收敛性。
4.根据权利要求1所述的方法，其特征在于，所述统计预设时间段内所述预设Lyapunov指数出现正值时的正值占比，包括：
统计在一个包括交易日数目为M的交易月内所述预设Lyapunov指数为正值的次数N；
在所述交易月内所述预设Lyapunov指数出现正值时的正值占比为N/M。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取不同类型的多种金融时序数据，确定各所述金融时序数据的趋势性走势；
根据各所述金融时序数据的趋势性走势在长期走势下趋于稳定的状态，确定金融市场整体趋势。
6.一种金融时序数据的处理装置，其特征在于，所述装置包括：
获取模块，用于根据金融时序数据的类型确定预设数据级别，获取所述预设数据级别的金融时序数据；
处理模块，用于对所述金融时序数据进行数据处理，得到所述金融时序数据的预设Lyapunov指数；
统计模块，用于统计预设时间段内所述预设Lyapunov指数出现正值时的正值占比；
确定模块，用于根据所述正值占比与预设阈值之间的关系，确定所述金融时序数据的趋势性走势。
7.根据权利要求6所述的装置，其特征在于，所述金融时序数据包括开盘价格和收盘价格，计算所述开盘价格和收盘价格在预设数据级别的价差幅度，所述处理模块包括：
第一子模块，用于执行：
公式1：
其中，和分别为股票第t个和第t-1个预设数据级别的开盘价格，xt为两个相邻的预设数据级别(第t个和第t-1个)的开盘价格的第一价差幅度；
第二子模块，用于执行：
公式2：
和分别为股票第t个和第t-1个5分钟级别的收盘价格，y为两个相邻的5分钟(第t个和第t-1个)的收盘价格的第二价差幅度；
通过所述第一子模块和第二子模块得出所述第一价差幅度和所述第二价差幅度的距离差d；
第三子模块，用于执行：
公式3：
dt＝|xt-yt|，dinitial＝|x2-y2|
dinitial为初始距离，反映初始的第一价差幅度和第二价差幅度之间的差别幅度；
dt为第t个5分钟结束时第一价差幅度和第二价差幅度之间的差别幅度；
根据第一价差幅度、第二价差幅度以及差别幅度通过以下公式4得出预设Lyapunov指数γ：
第四子模块，用于执行：
公式4：
其中，n＝48，所述预设Lyapunov指数γ用于判断一个交易日内所述金融时序数据是否具有扩张性。
8.根据权利要求7所述的装置，其特征在于，所述确定模块，包括：
扩张子模块，当所述预设Lyapunov指数γ＞预设阈值时，用于确定所述金融时序数据具备扩张性；
收敛子模块，当所述预设Lyapunov指数γ＜预设阈值时，用于确定所述金融时序数据具备收敛性。
9.一种计算机设备，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，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5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5任一项所述方法的步骤。
CN201910270948.1A 2019-04-04 2019-04-04 金融时序数据的处理方法、装置、计算机设备及存储介质 Pending CN110516196A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910270948.1A CN110516196A (zh) 2019-04-04 2019-04-04 金融时序数据的处理方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910270948.1A CN110516196A (zh) 2019-04-04 2019-04-04 金融时序数据的处理方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN110516196A true CN110516196A (zh) 2019-11-29

Family

ID=68622725

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910270948.1A Pending CN110516196A (zh) 2019-04-04 2019-04-04 金融时序数据的处理方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN110516196A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103714486A (zh) * 2013-12-31 2014-04-09 刘建松 一种金融市场买卖交易显示系统及方法
CN106779149A (zh) * 2016-11-21 2017-05-31 洪志令 一种股票走势预测结果的可视化展示方法
CN107958418A (zh) * 2017-12-28 2018-04-24 深圳市富途网络科技有限公司 一种实现股票叠加显示的方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103714486A (zh) * 2013-12-31 2014-04-09 刘建松 一种金融市场买卖交易显示系统及方法
CN106779149A (zh) * 2016-11-21 2017-05-31 洪志令 一种股票走势预测结果的可视化展示方法
CN107958418A (zh) * 2017-12-28 2018-04-24 深圳市富途网络科技有限公司 一种实现股票叠加显示的方法及系统

Similar Documents

Publication Publication Date Title
Chabi-Yo et al. Crash sensitivity and the cross section of expected stock returns
CN108846520B (zh) 贷款逾期预测方法、装置以及计算机可读存储介质
WO2021164465A1 (zh) 智能预警方法与系统
AU2021232839A1 (en) Updating Attribute Data Structures to Indicate Trends in Attribute Data Provided to Automated Modelling Systems
US20160148321A1 (en) Simplified screening for predicting errors in tax returns
CN109784779B (zh) 财务风险预测方法、装置及存储介质
CN111539811B (zh) 风险账户的识别方法及装置
KR101597939B1 (ko) 거시경제지표를 활용한 산업별 신용위험도 예측 장치 및 방법
Watkiss A review of the economics of adaptation and climate-resilient development
CN109583729B (zh) 用于平台在线模型的数据处理方法和装置
CN109741177A (zh) 用户信用的评估方法、装置及智能终端
BenSaïda et al. Value‐at‐risk under market shifts through highly flexible models
CN116450951A (zh) 业务推荐方法、装置、存储介质及电子设备
CN114997975A (zh) 一种异常企业识别方法、装置、设备、介质及产品
Gankhuu et al. Dividends and compound Poisson processes: a new stochastic stock price model
Dolan et al. A model robust real options valuation methodology incorporating climate risk
Jiang et al. Market effects on forecasting construction prices using vector error correction models
US20200250755A1 (en) System, Method, and Device for Autonomous Fund Management by Computer-Based Algorithms
CN110120082B (zh) 金融数据的图像处理方法、装置、设备及可读存储介质
CN111008894A (zh) 银行客户信息周期提醒控制方法及装置
CN110210959A (zh) 财务数据的分析方法、装置及存储介质
CN110516196A (zh) 金融时序数据的处理方法、装置、计算机设备及存储介质
CN114677139A (zh) 确定贷款额度的方法及装置、设备、产品及可读存储介质
CN114925275A (zh) 产品推荐方法、装置、计算机设备及存储介质
CN114239985A (zh) 汇率预测方法、装置、电子设备及存储介质

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