CN114298753A - 一种基于大数据分析的大宗商品的价格预测方法 - Google Patents
一种基于大数据分析的大宗商品的价格预测方法 Download PDFInfo
- Publication number
- CN114298753A CN114298753A CN202111636021.9A CN202111636021A CN114298753A CN 114298753 A CN114298753 A CN 114298753A CN 202111636021 A CN202111636021 A CN 202111636021A CN 114298753 A CN114298753 A CN 114298753A
- Authority
- CN
- China
- Prior art keywords
- price
- bulk
- big data
- commodity
- rising
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据分析的大宗商品的价格预测方法，包括如下步骤：步骤一：对影响大宗商品价格的维度进行设定；步骤二：根据维度的细分颗粒度进行价格极差设定初始升贴水；步骤三：导入所述大宗商品的历史成交价；步骤四：通过大数据价格模型进行反算修正价格极差；步骤五：反算后的极差升贴水由人工审核后进行更新；步骤六：采集当天的标准品市场实际成交价；步骤七：根据极差升贴水计算出其他非标商品的理论市场价，本发明的技术方案在大宗商品领域通过多维度因素计算预测出的不同大宗商品的市场价格更加精准。
Description
技术领域
本发明涉及大宗商品价格估算技术领域，特别是涉及一种基于大数据分析的大宗商品的价格预测方法。
背景技术
现在的大宗商品价格估算主要依靠人力采集，对于标准商品的价格比较容易采集，但是对于非标准商品，尤其是一些冷门商品的价格并不容采集到，于是只能通过经验判断，经验判断往往会导致估算价格与实际价格相差很大。
中国专利，专利号：CN107944673A公开了一种大宗商品价格风险估算方法及系统，所述方法包括：确定各商品价格波动的关联性，将价格波动的关联性超过预设关联阈值的商品划为一个风险品种；其中，一种商品仅能划入一个风险品种；分别估算每个所述风险品种对应的价格风险。本发明将价格波动的相关性高的商品归为一个风险品种，进而将价格波动的相关性高的多种商品，即一个风险品种看作整体来监控其价格风险，即能够达到价格风险监控需求的准确性，又大大缩减了价格风险监控的工作量，节省了价格风险监控所耗资源，但是该方案对于非标准的商品的价格估算依然存在不准确的问题。
发明内容
为了克服上述现有技术的不足，本发明提供了一种基于大数据分析的大宗商品的价格预测方法，用以解决现有技术中对于非标准的大宗商品价格估算不准确的问题。
本发明所采用的技术方案是：
一种基于大数据分析的大宗商品的价格预测方法，包括如下步骤：
步骤一：对影响大宗商品价格的维度进行设定；
步骤二：根据维度的细分颗粒度进行价格极差设定初始升贴水；
步骤三：导入所述大宗商品的历史成交价；
步骤四：通过大数据价格模型进行反算修正价格极差；
步骤五：反算后的极差升贴水由人工审核后进行更新；
步骤六：采集当天的标准品市场实际成交价；
步骤七：根据极差升贴水计算出其他非标商品的理论市场价。
进一步的，所述响大宗商品价格的维度包括商品类型、品牌、规格、产地、库龄。
与现有技术相比，本发明的有益效果是：在大宗商品领域通过多维度因素计算预测出的不同大宗商品的市场价格更加精准。
附图说明
图1为本发明一种基于大数据分析的大宗商品的价格预测方法的流程示意图；
图2为本发明一种基于大数据分析的大宗商品的价格预测方法实施例一的流程示意图。
具体实施方式
下面结合附图对本发明进一步说明。
参照图1所示，本发明提供的一种基于大数据分析的大宗商品的价格预测方法，包括如下步骤：
步骤一：对影响大宗商品价格的维度进行设定；
步骤二：根据维度的细分颗粒度进行价格极差设定初始升贴水；
步骤三：导入所述大宗商品的历史成交价；
步骤四：通过大数据价格模型进行反算修正价格极差；
步骤五：反算后的极差升贴水由人工审核后进行更新；
步骤六：采集当天的标准品市场实际成交价；
步骤七：根据极差升贴水计算出其他非标商品的理论市场价。
进一步的，所述响大宗商品价格的维度包括商品类型、品牌、规格、产地、库龄。
实施例一：
步骤一：设置大宗商品的分类，影响价格的维度、颗粒度；
步骤二：对颗粒度进行价格极差升贴水设定；
步骤三：导入大宗商品的历史成交价；
步骤四：导入成交价后，大数据价格模型进行反算各颗粒度的极差升贴水；
步骤五：反算后的极差升贴水由人工审核后进行更新，更新后的价格差即为相对准确的维度价格差；
步骤六：采集当天的标准品市场实际成交价；
步骤七：根据极差升贴水计算出非标准商品的理论市场价格。
实施例二：
在大宗商品存货类质押融资中，通过改价格计算模型，给与市场人员进行价格指导。
步骤一：设置商品的不同属性，如商品类型、品牌、规格、产地、库龄等；
步骤二：针对不同的属性，设置不同的区间，如规格在0-100,101-200，产地：上海、北京。
步骤三：针对不同的属性和区间，设置相应的价格差，如+10，-20。步骤四：以上全部录入完成后，根据不同属性，建立多维的价格差和，比如上海(+10)+散装手机(-10)+诺基亚(+100)+库龄6个月(-100)＝0。
步骤五：经过以上全部因素的计算，会得出一张多维的价格差图谱。步骤六：采集某几天的各类商品的历史成交价格，将成交价按照不同属性计算出价格差。
步骤七：按照6的价格差对5中的价格差进行修正。
步骤八：修正后的价格差即是标准价格差。
步骤九：根据当天某个标准商品的价格就可以计算出其他非标商品的价格。
上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明，因此无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
Claims (2)
1.一种基于大数据分析的大宗商品的价格预测方法，其特征在于，包括如下步骤：
步骤一：对影响大宗商品价格的维度进行设定；
步骤二：根据维度的细分颗粒度进行价格极差设定初始升贴水；
步骤三：导入所述大宗商品的历史成交价；
步骤四：通过大数据价格模型进行反算修正价格极差；
步骤五：反算后的极差升贴水由人工审核后进行更新；
步骤六：采集当天的标准品市场实际成交价；
步骤七：根据极差升贴水计算出其他非标商品的理论市场价。
2.根据权利要求1所述一种基于大数据分析的大宗商品的价格预测方法，其特征在于：所述响大宗商品价格的维度包括商品类型、品牌、规格、产地、库龄。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111636021.9A CN114298753A (zh) | 2021-12-27 | 2021-12-27 | 一种基于大数据分析的大宗商品的价格预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111636021.9A CN114298753A (zh) | 2021-12-27 | 2021-12-27 | 一种基于大数据分析的大宗商品的价格预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114298753A true CN114298753A (zh) | 2022-04-08 |
Family
ID=80971750
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111636021.9A Pending CN114298753A (zh) | 2021-12-27 | 2021-12-27 | 一种基于大数据分析的大宗商品的价格预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114298753A (zh) |
-
2021
- 2021-12-27 CN CN202111636021.9A patent/CN114298753A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106570778A (zh) | 一种基于大数据的数据集成与线损分析计算的方法 | |
| CN104598450A (zh) | 一种网络舆情事件的热度分析方法及系统 | |
| CN110147367B (zh) | 一种温度缺失数据填补方法、系统及电子设备 | |
| JP6356927B1 (ja) | 系統状態推定装置および系統状態推定方法 | |
| CN108389069A (zh) | 基于随机森林和逻辑回归的优质客户识别方法及装置 | |
| CN105022729A (zh) | 一种用户偏好确定方法及装置 | |
| CN102663065B (zh) | 一种广告位异常数据识别和筛选方法 | |
| CN114219558B (zh) | 基于数据挖掘的农产品智能推荐系统 | |
| CN104992297A (zh) | 基于大数据平台聚类算法的电费回收风险评估装置及方法 | |
| CN108154311A (zh) | 基于随机森林和决策树的优质客户识别方法及装置 | |
| CN111882363A (zh) | 销量预测方法、系统及终端 | |
| CN116579804A (zh) | 一种节假日商品销量预测方法、装置及计算机存储介质 | |
| CN113919865B (zh) | 一种网络零售额统计方法 | |
| CN108205761B (zh) | 一种多层级售电市场数据分析监测系统 | |
| CN114298753A (zh) | 一种基于大数据分析的大宗商品的价格预测方法 | |
| CN115293798A (zh) | 一种基于bim+gis的征迁项目预算管理方法及系统 | |
| US20240004375A1 (en) | Data processing method, and electronic device and storage medium | |
| CN114049141A (zh) | 一种基于数据分析的企业财务运营数字化管理优化设备 | |
| CN103514187A (zh) | 一种提供搜索结果的方法及装置 | |
| CN114970928A (zh) | 一种电力数据能耗分析预测方法 | |
| CN111339410A (zh) | 一种基于大数据的网络安全产品销售系统 | |
| CN111833135A (zh) | 订单数据的分析方法、装置及电子设备 | |
| CN113240453B (zh) | 基于区块链的商品销售动态推进管理系统 | |
| CN102324071A (zh) | 基于分层回归估计的卷烟社会库存估计方法 | |
| CN111553644B (zh) | 一种物流线路价格更新方法、装置、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 |