CN112330041A - 信息预测方法、装置、电子设备及存储介质 - Google Patents

信息预测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112330041A
CN112330041A CN202011279434.1A CN202011279434A CN112330041A CN 112330041 A CN112330041 A CN 112330041A CN 202011279434 A CN202011279434 A CN 202011279434A CN 112330041 A CN112330041 A CN 112330041A
Authority
CN
China
Prior art keywords
day
information prediction
trading day
previous
ratio
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
CN202011279434.1A
Other languages
English (en)
Inventor
朱俊华
芦琪
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.)
Shanghai Jining Computer Technology Co ltd
Original Assignee
Shanghai Jining Computer 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 Shanghai Jining Computer Technology Co ltd filed Critical Shanghai Jining Computer Technology Co ltd
Priority to CN202011279434.1A priority Critical patent/CN112330041A/zh
Publication of CN112330041A publication Critical patent/CN112330041A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange

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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例涉及计算机处理领域，公开了一种信息预测方法、装置、电子设备及存储介质。本发明的信息预测方法，包括以下步骤：获取当前交易日的舆情数据、各历史交易日的舆情数据；舆情数据包括：负面舆情数据量与舆情数据总量的比值、历史比值平均值；根据当前交易日的舆情数据与各历史交易日的舆情数据的大小关系，判断当前交易日的前一交易日是否为预测信号点；若前一交易日是预测信号点，则根据预测信号点与信息预测结果的预设对应关系，得到信息预测结果。本发明实施例的信息预测方法，能够实现简化信息预测的算法，缩减计算时间，减少计算过程的资源耗费。

Description

信息预测方法、装置、电子设备及存储介质
技术领域
本发明实施例涉及计算机处理领域，特别涉及一种信息预测方法、装置、电子设备及存储介质。
背景技术
舆情是“舆论情况”的简称，是较多群众关于社会中各种现象、问题所表达的信念、态度、意见和情绪等等表现的总和。近年来互联网快速发展，进一步提升了舆情传播对经济社会过程的影响能力。其中，舆情对股票市场的影响也日益凸显，利用舆情数据可以对股市未来走势等信息进行预测。
在相关的信息预测方法中，使用各种算法对股市的未来走势进行预测，包括神经网络、卷积神经网络、长短期记忆网络等，
因此，相关的信息预测方法存在以下问题：算法计算过程复杂，需要的计算时间长，需要耗费较多的计算资源。
发明内容
本发明实施方式的目的在于提供一种信息预测方法、装置、电子设备及存储介质，实现简化信息预测的算法。
为解决上述技术问题，本发明的实施方式提供了一种信息预测方法，包括以下步骤：获取当前交易日的舆情数据、各历史交易日的舆情数据；舆情数据包括：负面舆情数据量与舆情数据总量的比值、历史比值平均值；根据当前交易日的舆情数据与各历史交易日的舆情数据的大小关系，判断当前交易日的前一交易日是否为预测信号点；若前一交易日是预测信号点，则根据预测信号点与信息预测结果的预设对应关系，得到信息预测结果。
本发明的实施方式还提供了一种信息预测装置，包括：获取模块，用于获取当前交易日的舆情数据、各历史交易日的舆情数据；舆情数据包括：负面舆情数据量与舆情数据总量的比值、历史比值平均值；处理模块，用于根据当前交易日的舆情数据与各历史交易日的舆情数据，判断当前交易日的前一交易日是否为预测信号点；预测模块，用于若前一交易日是预测信号点，则根据预测信号点与信息预测结果的预设对应关系，得到信息预测结果。
本发明的实施方式还提供了一种电子设备，包括：至少一个处理器；与至少一个处理器通信连接的存储器；存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述的信息预测方法。
本发明的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时实现上述信息预测方法。
本发明实施方式相对于现有技术而言，通过获取当前交易日的舆情数据、各历史交易日的舆情数据，根据当前交易日的舆情数据与各历史交易日的舆情数据的大小关系，判断当前交易日的前一交易日是否为预测信号点，若前一交易日是预测信号点，则根据预测信号点与信息预测结果的预设对应关系，得到信息预测结果，由于根据当前交易日与各历史交易日的负面舆情数据量与舆情数据总量的比值、历史比值平均值的大小关系，即可判断前一交易日是否为信息预测的预测信号点，根据预测信号点与信息预测结果的预设对应关系即得到信息预测结果，因此，本申请的信息预测方法可以利用简单的计算方法，得到信息预测结果，实现简化信息预测的算法，缩减计算时间，减少计算过程的资源耗费。
另外，根据当前交易日的舆情数据与各历史交易日的舆情数据的大小关系，判断当前交易日的前一交易日是否为预测信号点，包括：若根据当前交易日的舆情数据与各历史交易日的舆情数据的大小关系，判断前一交易日为满足第一预设条件的波峰点，或为满足第二预设条件的波谷点，则判定前一交易日为预测信号点；预测信号点与信息预测结果的预设对应关系，包括：与满足第一预设条件的波峰点对应的信息预测结果，以及与满足第二预设条件的波谷点对应的信息预测结果。通过根据当前交易日的舆情数据与各历史交易日的舆情数据的大小关系，判断前一交易日是否为满足第一预设条件和波峰点或为满足第二预设条件的波谷点，判定前一交易日是否为预测信号点，由于预测信号点根据判断前一交易日是否为满足第一预设条件的波峰点或满足第二预设条件的波谷点得到，两种预测信号点分别对应有信息预测结果，因此，本申请的信息预测方法可以实现利用简单的计算方法，得到信息预测结果，实现简化信息预测的算法，缩减计算时间，减少计算过程的资源耗费。
另外，第一预设条件为前一交易日的比值大于历史比值平均值，且前一交易日为所在分组中的前N个波峰点；其中，分组根据交易日的比值与历史比值平均值的大小关系划分得到。通过前一交易日的比值是否大于历史比值平均值、前一交易日在所在分组中是否为前N个波峰点，判断前一交易日是否为预测信号点，分组根据交易日的比值与历史比值平均仠的大小关系划分得到，因此，本申请的信息预测方法可以实现利用简单的计算方法，得到信息预测结果，实现简化信息预测的算法，缩减计算时间，减少计算过程的资源耗费。
另外，第二预设条件为前一交易日的比值小于历史比值平均值，且比值与历史比值平均值的差值的绝对值大于预设阈值。通过前一交易日的比值是否小于历史比值平均值、比值与历史比值平均值差值的绝对值是否大于预设阈值，判断前一交易日是否为预测信号点，因此，本申请的信息预测方法可以实现利用简单的计算方法，得到信息预测结果，实现简化信息预测的算法，缩减计算时间，减少计算过程的资源耗费。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1是根据本发明第一实施方式提供的信息预测方法流程图；
图2是根据本发明第二实施方式提供的信息预测方法流程图；
图3是根据本发明第三实施方式提供的信息预测装置结构示意图；
图4是根据本发明第四实施方式提供的电子设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。以下各个实施例的划分是为了描述方便，不应对本发明的具体实现方式构成任何限定，各个实施例在不矛盾的前提下可以相互结合相互引用。
本发明的第一实施方式涉及一种信息预测方法。具体流程如图1所示：
步骤101，获取当前交易日的舆情数据、各历史交易日的舆情数据；舆情数据包括：负面舆情数据量与舆情数据总量的比值、历史比值平均值；
步骤102，根据当前交易日的舆情数据与各历史交易日的舆情数据的大小关系，判断当前交易日的前一交易日是否为预测信号点；
步骤103，若前一交易日是预测信号点，则根据预测信号点与信息预测结果的预设对应关系，得到信息预测结果。
本实施方式的信息预测方法，利用舆情数据进行信息预测，可以应用于股市未来走势、期货、物资未来交易走向等信息的预测。其中，可以利用电脑等电子设备实现本实施方式的信息预测方法。
下面对本实施方式的信息预测方法的实现细节进行具体的说明，以下内容仅为方便理解提供的实现细节，并非实施本方案的必须。
在步骤101中，电子设备获取当前交易日的舆情数据和各历史交易日的舆情数据，即，各交易日的舆情数据。电子设备可以直接获取预先得到的当前交易日和各历史交易日的负面舆情数据量与舆情数据总量的比值和各交易日前的历史比值的平均值，也可以获取各历史交易日的负面舆情数据量与舆情数据总量，计算得到当前交易日和各历史交易日的负面舆情数据量与舆情数据总量的比值和历史交易平均值。其中，各历史交易日可以是所有历史交易日，也可以是历史预设时长内的交易日，例如是过去30个交易日，历史比值平均值是此历史交易日以前的各历史交易日的比值的平均值。
在步骤102中，电子设备根据当前交易日的舆情数据与各历史交易日的舆情数据的大小关系，判断当前交易日的前一交易日是否为预测信号点。
具体地，电子设备若根据当前交易日的舆情数据与各历史交易日的舆情数据的大小关系，判断前一交易日为满足第二预设条件的波谷点，则判定前一交易日为预测信号点。其中，波谷点是比值同时小于相邻两日比值的交易日。判断某一交易日是否为波谷点，可以通过分别判断此交易日的比值是否满足小于前一交易日的比值且小于后一交易日的比值，还可以通过先得到相邻两个交易日的比值中的较小值，再判断当前交易日的比值是否小于此较小值。
本实施例中，通过根据当前交易日的舆情数据与各历史交易日的舆情数据的大小关系，判断前一交易日是否为满足第二预设条件的波谷点，判定前一交易日是否为预测信号点，由于预测信号点根据判断前一交易日是否为满足第二预设条件的波谷点得到，两种预测信号点分别对应有信息预测结果，因此，本申请的信息预测方法可以实现利用简单的计算方法，得到信息预测结果，实现简化信息预测的算法，缩减计算时间，减少计算过程的资源耗费。
在一个例子中，第二预设条件是前一交易日的比值小于历史比值平均值，且比值与历史比值平均值的差值的绝对值大于预设阈值。本实施例中，通过前一交易日的比值是否小于历史比值平均值、比值与历史比值平均值差值的绝对值是否大于预设阈值，判断前一交易日是否为预测信号点，因此，本申请的信息预测方法可以实现利用简单的计算方法，得到信息预测结果，实现简化信息预测的算法，缩减计算时间，减少计算过程的资源耗费。
在一个例子中，电子设备可以用变量a对当前交易日和各历史交易日进行标记，若某一交易日为波谷点时，此交易日的变量a取值为-1，否则将此交易日的变量a取值为0，从而可以通过储存各交易日变量a的取值，快速标记各交易日中的波谷点，通过获取各交易日变量a的取值，快速识别各交易日中的波谷点；用变量b标记当前交易日和各历史交易日，若当前交易日的差值为负时，此交易日的变量b取值为-1，否则此交易日的变量b取值为0，通过获取各交易日变量b的取值，快速识别当前交易日和各历史交易日的比值与历史比值平均值的大小关系；用变量c标记各交易日，若当前交易日为波谷点且差值为负时，此交易日的变量c取值为-1，否则此交易日的变量c取值为0。通过各个交易日的变量a、b、c的取值，可以快速识别各交易日的情况。
在步骤103中，若前一交易日是预测信号点，则电子设备根据预测信号点与信息预测结果的预设对应关系，得到信息预测结果。
具体地，电子设备根据与满足第一预设条件的波峰点对应的信息预测结果，以及与满足第二预设条件的波谷点对应的信息预测结果，当判断前一交易日为预测信号点时，得到对应的信息预测结果。
在一个例子中，本申请的信息预测方法用于股市未来走势的预测，当波谷点的差值为负，且此差值的绝对值大于预设阈值0.05时，对应的未来股市走势为下跌。
在一个例子中，在得到前一交易日的信息预测结果后，电子设备还可以对负面舆情数据量与舆情数据总量的比值进行预测，并获取前一交易日的该比值的预测值与前一交易日的实际比值的差值，基于该差值对前一交易日的信息预测结果进行准确性验证。
具体地，电子设备可以通过以下方式进行准确性验证：获取参考信息预测结果，参考信息预测结果为上一个预测信号点的信息预测结果，若前一交易日的信息预测结果与参考信息预测结果不同，则获取前一交易日的该比值的预测值与实际比值的差值k1，判断k1的绝对值是否大于第一预设阈值，若是，则判定在步骤103中得到的前一交易日的信息预测结果可信，若k1的绝对值不大于第一预设阈值，则将前一交易日的信息预测结果改为上一个预测信号点的信息预测结果。
例如，设当前交易日为7月6日，前一交易日为7月5日，且7月5日是预测信号点，信息预测结果为r1，7月5日的上一个预测信号点是7月3日，7月3日的信息预测结果，即参考信息预测结果为r2。电子设备在得到7月5日的信息预测结果后，获取r2，判断r1与r2是否相同，若r1与r2不相同，则获取7月5日的比值的预测值和实际比值的差值k1，其中，比值是指负面舆情数据量与舆情数据总量的比值。电子设备判断k1的绝对值是否大于第一预设阈值P1，若k1的绝对值大于P1，则判定r1可信，保留r1作为7月5日的信息预测结果；若k1的绝对值不大于P1，则将r2作为7月5日的信息预测结果。
本实施例中，通过获取前一交易日的该比值的预测值与前一交易日的实际比值的差值，对前一交易日的信息预测结果进行准确性验证，由于负面舆情数据量与舆情数据总量的比值的预测值是对前一交易日的预测情况，前一交易日的该比值的预测值与前一交易日的实际比值的差值可以反映前一交易日的舆情数据的实际情况和预测情况的差距，从而根据比值的预测值与实际比值的差值，可以对前一交易日的信息预测结果进行准确性验证，提高信息预测的准确性。
在一个例子中，若k1的绝对值不大于第一预设阈值，电子设备还获取上一个预测信号点的该比值的预测值与实际比值的差值k2，若k1与k2的差值的绝对值大于第二预设阈值，且前一交易日和上一个预测信号点的日期之差小于第三预设阈值，则判定在步骤103中得到的前一交易日的信息预测结果可信，若k1与k2的差值的绝对值不大于第二预设阈值或前一交易日或上一个预测信号点的日期之差不小于第三预设阈值，则将前一交易日的信息预测结果改为上一个预测信号点的信息预测结果。
例如，设当前交易日为7月6日，前一交易日为7月5日，且7月5日是预测信号点，信息预测结果为r1，7月5日的上一个预测信号点是7月3日，7月3日的信息预测结果，即参考信息预测结果为r2。电子设备在得到r1后，获取r2，判断r1与r2是否相同，若r1与r2不相同，则获取7月5日的比值的预测值和实际比值的差值k1，其中，比值是指负面舆情数据量与舆情数据总量的比值。电子设备判断k1的绝对值是否大于第一预设阈值P1，若k1的绝对值大于P1，则判定r1可信，保留r1作为7月5日的信息预测结果；若k1的绝对值不大于P1，则电子设备还获取7月3日的比值的预测值和实际比值的差值k2，若k1与k2的差值的绝对值大于第二预设阈值P2，且7月5日和7月3日的日期之差小于第三预设阈值P3，则判定r1可信，保留r1作为7月5日的信息预测结果；若k1与k2的差值的绝对值不大于P2，或7月5日和7月3日的日期之差不小于P3，则将r2作为7月5日的信息预测结果。
进一步地，电子设备在对前一交易日的信息预测结果进行准确性验证前，还根据各历史交易日的负面舆情数据量与舆情数据总量的比值，对各历史交易日的比值进行拟合，根据拟合结果，得到当前交易日的比值的预测值。
优选地，电子设备可以使用正弦函数对各历史交易日的比值进行拟合，其中，各历史交易日是预设历史时间内的各交易日。电子设备根据拟合的结果正弦函数，得到当前交易日的比值的预测值。
本实施方式中，通过获取当前交易日的舆情数据、各历史交易日的舆情数据，根据当前交易日的舆情数据与各历史交易日的舆情数据的大小关系，判断当前交易日的前一交易日是否为预测信号点，若前一交易日是预测信号点，则根据预测信号点与信息预测结果的预设对应关系，得到信息预测结果，由于根据当前交易日与各历史交易日的负面舆情数据量与舆情数据总量的比值、历史比值平均值的大小关系，即可判断前一交易日是否为信息预测的预测信号点，根据预测信号点与信息预测结果的预设对应关系即得到信息预测结果，因此，本申请的信息预测方法可以利用简单的计算方法，得到信息预测结果，实现简化信息预测的算法，缩减计算时间，减少计算过程的资源耗费。
上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。
本发明的第二实施方式涉及一种信息预测方法。第二实施方式与第一实施方式大致相同，主要区别之处在于：在第一实施方式中，选取满足第二预设条件的波谷点作为预测信号点。而在本发明第二实施方式中，选取满足第一预设条件的波峰点作为预测信号点。
本实施方式涉及一种信息预测方法。具体流程如图2所示：
步骤201，获取当前交易日的舆情数据、各历史交易日的舆情数据；舆情数据包括：负面舆情数据量与舆情数据总量的比值、历史比值平均值；
步骤202，若根据当前交易日的舆情数据与各历史交易日的舆情数据的大小关系，判断前一交易日为满足第一预设条件的波峰点，则判定前一交易日为预测信号点；
步骤203，根据预测信号点与信息预测结果的预设对应关系，得到信息预测结果。
其中，步骤201与第一实施方式中的步骤101大致相同，不再赘述。
在步骤202中，电子设备若根据当前交易日的舆情数据与各历史交易日的舆情数据的大小关系，判断前一交易日为满足第一预设条件的波峰点，则判定前一交易日为预测信号点。其中，波峰点是比值同时大于相邻两日比值的交易日，判断某一交易日是否为波峰点，可以通过分别判断此交易日的比值是否满足大于前一交易日的比值且大于后一交易日的比值，还可以通过先得到相邻两个交易日的比值中的较大值，再判断当前交易日的比值是否大于此较大值。
具体地，第一预设条件为前一交易日的比值大于历史比值平均值，且前一交易日为所在分组中的前N个波峰点，其中，分组根据交易日的比值与历史比值平均值的大小关系划分得到。
在一介例子中，电子设备可以用变量b标记各交易日的差值符号，若当前交易日的差值符号为正时，此交易日的变量b的取值为1，若当前交易日的差值符号为负时，此交易日的变量b的取值为-1，特别地，若当前交易日的差值为0，也将此交易日的变量b取值为1。
本实施例中，通过前一交易日的比值是否大于历史比值平均值、前一交易日在所在分组中是否为前N个波峰点，判断前一交易日是否为预测信号点，分组根据交易日的比值与历史比值平均仠的大小关系划分得到，因此，本申请的信息预测方法可以实现利用简单的计算方法，得到信息预测结果，实现简化信息预测的算法，缩减计算时间，减少计算过程的资源耗费。
在一个例子中，电子设备可以通过以下方式，判断当前交易日的前一交易日为满足第一预设条件的波峰点：判断前一交易日的比值是否大于历史比值平均值，若是，则获取前一交易日在所在分组中的波峰点序号，若波峰点序号小于等于N，则前一交易日为满足第一预设条件的波峰点。
在一个例子中，电子设备可以通过以下方式对当前交易日进行分组：在获取当前交易日的舆情数据后，根据当前交易日的舆情数据，得到当前交易日的比值和平均值的大小关系，判断当前交易日与前一交易日的大小关系是否相同，若相同则将当前交易日划分至前一交易日所在的分组；否则将当前交易日划分至新分组。电子设备还储存包括当前交易日和各历史交易日在内的各交易日的分组情况，以用于对未来交易日进行分组。
具体地，电子设备一共将各交易日分为d组，设当前交易日是第i个交易日，其所在的分组为di。其中，各历史交易日中第一个交易日为第一个分组，即d1＝1，电子设备通过以下方法对当前交易日进行分组：若bi＝bi-1(i>1)，di＝di-1；若bi≠bi-1(i>1)，di＝di-1+1。电子设备还用变量t标记各交易日在其所在分组中的序号，其中，第i个交易日在其所在的组中的序号为ti，t1＝1，若di＝di-1，则ti＝ti-1+1；若di≠di-1，则ti＝1。
在一个例子中，电子设备在将当前交易日划分至前一交易日所在的分组，或，将当前交易日划分至新分组后，还判断前一交易日是否为波峰点，若是，则根据前一交易日所在分组中前一波峰点的序号，得到前一交易日在所在分组中的波峰点序号。其中，若前一交易日是所在分组中的第一个波峰点，则前一交易日在所在分组中的波峰点序号为1。
具体地，当电子设备判断当前交易的前一交易日为波峰点时，可以用变量a对各交易日进行标记，若前一交易日为波峰点时，变量a取值为1，否则将此交易日的变量a取值为0，从而可以通过储存各交易日变量a的取值，快速标记各交易日中的波峰点。电子设备还可以用一个变量g记录各波峰点的序号。当电子设备判断当前交易日的前一交易日为波峰点时，电子设备读取此前一交易日前的各历史交易日的变量a的值，得到将与此前一交易日最近的，且变量a的值为1的交易日，获取此交易日的变量g的值，将此值加一即得到前一交易日的变量g的取值。
在步骤203中，若前一交易日是预测信号点，则电子设备根据预测信号点与信息预测结果的预设对应关系，得到信息预测结果。具体地，前一交易日是所在分组中的不同位置的波峰点可以对应不同的信息预测结果。
在一个例子中，信息预测方法可以用于股市未来走势的预测，若当前波峰点是分组中第一个波峰，预测股市未来走势为上涨；若当前波峰点是分组中第二个波峰，预测股市未来走势为下跌；若当前波峰点是分组中第三个波峰，预测股市未来走势为下跌；若当前波峰点是分组中第四个波峰，预测股市未来走势为上涨。
本实施方式中，通过根据当前交易日的舆情数据与各历史交易日的舆情数据的大小关系，判断前一交易日是否为满足第一预设条件和波峰点，判定前一交易日是否为预测信号点，由于预测信号点根据判断前一交易日是否为满足第一预设条件的波峰点得到，因此，本申请的信息预测方法可以实现利用简单的计算方法，得到信息预测结果，实现简化信息预测的算法，缩减计算时间，减少计算过程的资源耗费。
上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。
本发明第三实施方式涉及一种信息预测装置，如图3所示，包括：
获取模块301，用于获取当前交易日的舆情数据、各历史交易日的舆情数据；舆情数据包括：负面舆情数据量与舆情数据总量的比值、历史比值平均值；
处理模块302，用于根据当前交易日的舆情数据与各历史交易日的舆情数据，判断当前交易日的前一交易日是否为预测信号点；
预测模块303，用于若前一交易日是预测信号点，则根据预测信号点与信息预测结果的预设对应关系，得到信息预测结果。
在一个例子中，处理模块302具体用于，若根据当前交易日的舆情数据与各历史交易日的舆情数据，判断前一交易日为满足第一预设条件的波峰点，或为满足第二预设条件的波谷点，则判定前一交易日为预测信号点；预测信号点与信息预测结果的预设对应关系，包括：与满足第一预设条件的波峰点对应的信息预测结果，以及与满足第二预设条件的波谷点对应的信息预测结果。
在一个例子中，第一预设条件为前一交易日的比值大于历史比值平均值，且前一交易日为所在分组中的前N个波峰点；其中，分组根据交易日的比值与历史比值平均值的大小关系划分得到。
在一个例子中，信息预测装置还包括：分组模块，用于根据当前交易日的舆情数据，得到当前交易日的比值和平均值的大小关系，判断当前交易日与前一交易日的大小关系是否相同；若相同，则将当前交易日划分至前一交易日所在的分组，否则将当前交易日划分至新分组。
在一个例子中，第二预设条件为前一交易日的比值小于历史比值平均值，且比值与历史比值平均值的差值的绝对值大于预设阈值。
在一个例子中，信息预测装置判断当前交易日的前一交易日为满足第一预设条件的波峰点，包括：判断前一交易日的比值是否大于历史比值平均值，若是，则获取前一交易日在所在分组中的波峰点序号，若波峰序号小于等于N，则前一交易日为波峰点。
在一个例子中，信息预测装置将当前交易日划分至前一交易日所在的分组，或，将当前交易日划分至新分组后，判断前一交易日是否为波峰点，若是，则根据前一交易日所在分组中前一波峰点的序号，得到前一交易日在所在分组中的波峰点序号。其中，若前一交易日是所在分组中的第一个波峰点，则前一交易日在所在分组中的波峰点序号为1。
在一个例子中，信息预测装置还包括：预测模块，用于对负面舆情数据量与舆情数据总量的比值进行预测。验证模块，用于获取前一交易日的比值的预测值和实际比值的差值，根据比值的预测值和实际比值的差值，对信息预测结果进行准确性验证。
在一个例子中，验证模块具体用于，在得到前一交易日的信息预测结果后，获取参考信息预测结果，参考信息预测结果为上一个预测信号点的信息预测结果，若前一交易日的信息预测结果与参考信息预测结果不同，则获取前一交易日的比值的预测值与实际比值的差值k1，判断k1的绝对值是否大于第一预设阈值，若是，则判定前一交易日的信息预测结果可信，若k1的绝对值不大于第一预设阈值，则将前一交易日的信息预测结果改为上一个预测信号点的信息预测结果。
在一个例子中，验证模块还用于，若k1的绝对值不大于第一预设阈值，获取上一个预测信号点的比值的预测值与实际比值的差值k2，若k1与k2的差值的绝对值大于第二预设阈值，且前一交易日和上一个预测信号点的日期之差小于第三预设阈值，则判定前一交易日的信息预测结果可信，若k1与k2的差值的绝对值不大于第二预设阈值或前一交易日或上一个预测信号点的日期之差不小于第三预设阈值，则将前一交易日的信息预测结果改为上一个预测信号点的信息预测结果。
在一个例子中，预测模块具体用于，根据各历史交易日的负面舆情数据量与舆情数据总量的比值，对各历史交易日的比值进行拟合，根据拟合结果，得到当前交易日的比值的预测值。
不难发现，本实施方式为与上述实施方式相对应的装置实施例，本实施方式可与上述实施方式互相配合实施。上述实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在上述实施方式中。
值得一提的是，本实施方式中所涉及到的各模块均为逻辑模块，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现。此外，为了突出本发明的创新部分，本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，但这并不表明本实施方式中不存在其它的单元。
本发明第四实施方式涉及一种电子设备，如图4所示，包括：至少一个处理器401；与至少一个处理器通信连接的存储器402；其中，存储器402存储有可被至少一个处理器401执行的指令，指令被至少一个处理器401执行上述的信息预测方法。
其中，存储器402和处理器401采用总线方式连接，总线可以包括任意数量的互联的总线和桥，总线将一个或多个处理器401和存储器402的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。经处理器401处理的信息通过天线在无线介质上进行传输，进一步，天线还接收信息并将信息传送给处理器401。
处理器401负责管理总线和通常的处理，还可以提供各种功能，包括定时，外围接口，电压调节、电源管理以及其他控制功能。而存储器402可以被用于存储处理器在执行操作时所使用的信息。
本发明第五实施方式涉及一种计算机可读存储介质，存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。
即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

Claims (10)

1.一种信息预测方法，其特征在于，包括：
获取当前交易日的舆情数据、各历史交易日的舆情数据；所述舆情数据包括：负面舆情数据量与舆情数据总量的比值、历史比值平均值；
根据所述当前交易日的舆情数据与所述各历史交易日的舆情数据的大小关系，判断所述当前交易日的前一交易日是否为预测信号点；
若所述前一交易日是所述预测信号点，则根据所述预测信号点与信息预测结果的预设对应关系，得到所述信息预测结果。
2.根据权利要求1所述的信息预测方法，其特征在于，所述根据所述当前交易日的舆情数据与所述各历史交易日的舆情数据的大小关系，判断所述当前交易日的前一交易日是否为预测信号点，包括：
若根据所述当前交易日的舆情数据与所述各历史交易日的舆情数据的大小关系，判断所述前一交易日为满足第一预设条件的波峰点，或为满足第二预设条件的波谷点，则判定所述前一交易日为预测信号点；
所述预测信号点与信息预测结果的预设对应关系，包括：
与满足第一预设条件的波峰点对应的信息预测结果，以及与满足第二预设条件的波谷点对应的信息预测结果。
3.根据权利要求2所述的信息预测方法，其特征在于，
所述第一预设条件为所述前一交易日的所述比值大于所述历史比值平均值，且所述前一交易日为所在分组中的前N个波峰点；
其中，所述分组根据交易日的所述比值与所述历史比值平均值的大小关系划分得到。
4.根据权利要求3所述的信息预测方法，其特征在于，在所述获取当前交易日的舆情数据后，还包括：
根据所述当前交易日的舆情数据，得到所述当前交易日的所述比值和所述平均值的大小关系；
判断所述当前交易日与所述前一交易日的所述大小关系是否相同；
若相同则将所述当前交易日划分至所述前一交易日所在的分组；否则将所述当前交易日划分至新分组。
5.根据权利要求2所述的信息预测方法，其特征在于，
所述第二预设条件为所述前一交易日的所述比值小于所述历史比值平均值，且所述比值与所述历史比值平均值的差值的绝对值大于预设阈值。
6.一种信息预测装置，其特征在于，包括：
获取模块，用于获取当前交易日的舆情数据、各历史交易日的舆情数据；所述舆情数据包括：负面舆情数据量与舆情数据总量的比值、历史比值平均值；
处理模块，用于根据所述当前交易日的舆情数据与所述各历史交易日的舆情数据，判断所述当前交易日的前一交易日是否为预测信号点；
预测模块，用于在判定所述前一交易日是所述预测信号点后，根据所述预测信号点与信息预测结果的预设对应关系，得到所述信息预测结果。
7.根据权利要求6所述的信息预测装置，其特征在于，
所述处理模块具体用于，若根据所述当前交易日的舆情数据与所述各历史交易日的舆情数据，判断所述前一交易日为满足第一预设条件的波峰点，或为满足第二预设条件的波谷点，则判定所述前一交易日为预测信号点；
所述预测信号点与信息预测结果的预设对应关系，包括：与满足第一预设条件的波峰点对应的信息预测结果，以及与满足第二预设条件的波谷点对应的信息预测结果。
8.根据权利要求7所述的信息预测装置，其特征在于，
所述第一预设条件为所述前一交易日的所述比值大于所述历史比值平均值，且所述前一交易日为所在分组中的前N个波峰点；其中，所述分组根据交易日的所述比值与所述历史比值平均值的大小关系划分得到。
9.一种电子设备，其特征在于，包括：
至少一个处理器；
与所述至少一个处理器通信连接的存储器；
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至5中任一所述的信息预测方法。
10.一种计算机可读存储介质，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中任一所述的信息预测方法。
CN202011279434.1A 2020-11-16 2020-11-16 信息预测方法、装置、电子设备及存储介质 Pending CN112330041A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011279434.1A CN112330041A (zh) 2020-11-16 2020-11-16 信息预测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011279434.1A CN112330041A (zh) 2020-11-16 2020-11-16 信息预测方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN112330041A true CN112330041A (zh) 2021-02-05

Family

ID=74318729

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011279434.1A Pending CN112330041A (zh) 2020-11-16 2020-11-16 信息预测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112330041A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115048487A (zh) * 2022-05-30 2022-09-13 平安科技（深圳）有限公司 基于人工智能的舆情分析方法、装置、计算机设备及介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115048487A (zh) * 2022-05-30 2022-09-13 平安科技（深圳）有限公司 基于人工智能的舆情分析方法、装置、计算机设备及介质
CN115048487B (zh) * 2022-05-30 2024-05-03 平安科技（深圳）有限公司 基于人工智能的舆情分析方法、装置、计算机设备及介质

Similar Documents

Publication Publication Date Title
CN108449313B (zh) 电子装置、互联网服务系统风险预警方法及存储介质
CN110069602B (zh) 语料标注方法、装置、服务器及存储介质
CN110598993B (zh) 数据加工方法及装置
CN111178537B (zh) 一种特征提取模型训练方法及设备
CN112651563A (zh) 负荷预测方法、装置、计算机可读存储介质及电子设备
CN114186132B (zh) 信息推荐方法、装置、电子设备及存储介质
CN113327136A (zh) 归因分析方法、装置、电子设备及存储介质
CN110637306A (zh) 基于先前的简化图执行的条件性图执行
CN117193975A (zh) 任务调度方法、装置、设备及存储介质
CN116151868A (zh) 智能化核价方法、装置、计算机设备及存储介质
CN112330041A (zh) 信息预测方法、装置、电子设备及存储介质
CN116993396B (zh) 基于车辆用户标签的风险预警方法、计算机设备
CN117350794A (zh) 一种基于多模型融合的日前电价预测方法、装置及介质
CN112308278A (zh) 预测模型的优化方法、装置、设备和介质
CN114970985A (zh) 维修器材需求预测方法、装置及终端
CN113158497B (zh) 在线服务实验方法、装置、计算机设备和存储介质
CN112488141B (zh) 物联卡应用范围的确定方法、装置及计算机可读存储介质
CN114925895A (zh) 维修器材预测方法、终端及存储介质
CN111259213B (zh) 数据可视化的处理方法及装置
WO2017004348A1 (en) Normalizing data sets for predicting an attribute of the data sets
CN113139563A (zh) 一种图像分类模型的优化方法及装置
CN111815250A (zh) 用于物流的货物状态识别方法、装置及二分类建模方法
CN110060103A (zh) 一种线性定价的方法、装置、存储介质及电子设备
CN117135756B (zh) 异构无线网络资源分配方法、装置及终端设备
CN115660691B (zh) 一种设备筛选方法、装置、终端及存储介质

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

Application publication date: 20210205