CN116596678A - 时间序列数据预警方法、装置、设备及存储介质 - Google Patents
时间序列数据预警方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116596678A CN116596678A CN202310588800.9A CN202310588800A CN116596678A CN 116596678 A CN116596678 A CN 116596678A CN 202310588800 A CN202310588800 A CN 202310588800A CN 116596678 A CN116596678 A CN 116596678A
- Authority
- CN
- China
- Prior art keywords
- index
- frequency
- data
- trend
- early warning
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000008859 change Effects 0.000 claims abstract description 58
- 230000006870 function Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明涉及金融大数据技术领域，揭露了一种时间序列数据预警方法，包括：对金融数据主指标的高频面板数据进行预处理，得到高频面板数据；计算高频面板数据中每个高频指标与金融数据主指标之间的相关变化趋势；选取高频面板数据中相关变化趋势大于预设阈值的关联高频面板数据；计算关联高频面板数据中每个高频指标对应的指标趋势方向及预设维度的指标趋势影响因子；并计算每个高频指标的指标趋势因子；计算所有指标趋势因子的平均值，得到预警信号，根据预警信号确定预警标准，根据预警标准对金融数据主指标进行预警。本发明还提出一种时间序列数据预警装置、电子设备以及存储介质。本发明可以提高金融领域相关数据中金融数据主指标的预警精确度。
Description
技术领域
本发明涉及金融大数据技术领域，尤其涉及一种时间序列数据预警方法、装置、电子设备及计算机可读存储介质。
背景技术
时间序列数据目前多用于描述金融领域相关数据随时间发展变化的特征。例如，在债券交易中，债券收益因债券收盘价、债券派息额、汇率等时间序列数据在不同时间的表现的不同，而发生收益增加或减少的不同变化。一方面，在不考虑事物发展之间的因果关系的前提下，假设事物发展趋势会延伸到未来，根据已有的时间序列数据能够预测未来，辅助决策。另一方面，通过对时间序列数据进行趋势分析，能够找到数据行为中隐藏的异常信息，及时进行预警，便于对业务做出合理决策。
当前对时间序列的异常进行检测，较多采用马尔可夫链模型、概率后缀树等算法。这些算法都是单纯从时间序列数据本身入手，在时间序列数据库中寻找异常的序列，需要对大量的时间序列数据逐个进行异常分析，计算复杂度高，导致对金融领域相关数据预警的准确度较低。
发明内容
本发明提供一种时间序列数据预警方法、装置及计算机可读存储介质，其主要目的在于解决对金融数据主指标进行预警时的精确度较低的问题。
为实现上述目的，本发明提供的一种时间序列数据预警方法，包括：
获取金融数据主指标的高频面板数据，其中，所述高频面板数据包括预设数量的高频指标的时间序列数据；
计算所述高频面板数据中每个所述高频指标的时间序列数据的同比值，将所述同比值作为对应高频指标的相对指标值；
获取所述高频面板数据中金融数据主指标的同比值，计算所述相对指标值与所述金融数据主指标的同比值之间的变化趋势，得到相关变化趋势，并选取所述高频面板数据中所述相关变化趋势大于预设阈值的高频指标的时间序列数据，得到关联高频面板数据；
计算所述关联高频面板数据中每个高频指标对应的指标趋势方向及预设维度的指标趋势影响因子，计算所述预设维度的指标趋势影响因子的平均值，将所述平均值与所述指标趋势方向相乘，得到每个所述高频指标的指标趋势因子；
计算所述关联高频面板数据中所有指标趋势因子的平均值，得到预警信号，根据所述预警信号确定所述金融数据主指标的预警标准，根据所述预警标准对所述金融数据主指标进行预警。
可选地，所述计算所述高频面板数据中每个所述高频指标的时间序列数据的同比值之前，所述方法还包括：
删除所述高频面板数据中的异常值，得到标准面板数据；
识别所述标准面板数据中的缺失值，利用所述缺失值对应的时间序列数据进行缺失值填充，得到高频面板数据。
可选地，所述计算所述相对指标值与所述金融数据主指标的同比值之间的变化趋势，包括：
利用预设的赋值函数对所述金融数据主指标的同比值以及所述相对指标值逐个进行赋值；
将所述赋值后的相对指标值与对应的赋值后的金融数据主指标的同比值相乘，得到每个相对指标值与所述金融数据主指标的同比值之间的变化趋势指标值；
计算所述变化趋势指标值的平均值，得到相关变化趋势。
可选地，所述计算所述关联高频面板数据中每个高频指标对应的指标趋势方向及预设维度的指标趋势影响因子，包括：
计算所述关联高频面板数据中每个高频指标对应的时间序列数据中初始数据与最终数据之间的数据增减方向，得到每个所述高频指标对应的指标趋势方向；
获取指标趋势影响因子的预设维度，根据所述指标趋势方向及所述关联高频面板数据计算所述预设维度的指标趋势影响因子。
可选地，所述根据所述指标趋势方向及所述关联高频面板数据计算所述预设维度的指标趋势影响因子，包括：
计算所述指标趋势方向的总数占所述关联高频面板数据中所有高频指标的趋势方向的比例，得到每个所述高频指标的趋势变化百分比；
计算所述关联高频面板数据中每个高频指标的时间序列数据得变化幅度在全部高频指标的变化幅度中的排名百分比，得到每个所述高频指标的历史变化幅度；
计算每个所述高频指标的时间序列数据的累计值在所述第二面板数据的累计值的百分比，得到每个所述高频指标的权重系数；
汇集所述趋势变化百分比、所述历史变化幅度以及所述权重系数，得到每个所述高频指标的预设维度的指标趋势影响因子。
可选地，所述计算所述关联高频面板数据中每个高频指标的时间序列数据得变化幅度在全部高频指标的变化幅度中的排名百分比，包括：
计算每个所述高频指标的时间序列数据的变化幅度数值，并根据所述变化幅度数值的绝对值对每个所述高频指标进行降序排列，得到每个所述高频指标的排序；
计算所述每个所述高频指标的排序与所述关联高频面板数据中高频指标的总数的比例，得到每个所述高频指标的排名百分比。
可选地，所述根据所述预警信号确定所述金融数据主指标的预警标准，包括：
利用预设的预警区间确定所述预警信号所在的预警标准区间；
根据所述预警标准区间所述金融数据主指标的预警标准。
为了解决上述问题，本发明还提供一种时间序列数据预警装置，所述装置包括：
高频面板数据获取模块，用于获取金融数据主指标的高频面板数据，其中，所述高频面板数据包括预设数量的高频指标的时间序列数据；
相对指标值计算模块，用于计算所述高频面板数据中每个所述高频指标的时间序列数据的同比值，将所述同比值作为对应高频指标的相对指标值；
关联高频面板数据选取模块，用于获取所述高频面板数据中金融数据主指标的同比值，计算所述相对指标值与所述金融数据主指标的同比值之间的变化趋势，得到相关变化趋势，并选取所述高频面板数据中所述相关变化趋势大于预设阈值的高频指标的时间序列数据，得到关联高频面板数据；
指标趋势因子计算模块，用于计算所述关联高频面板数据中每个高频指标对应的指标趋势方向及预设维度的指标趋势影响因子，计算所述预设维度的指标趋势影响因子的平均值，将所述平均值与所述指标趋势方向相乘，得到每个所述高频指标的指标趋势因子；
时间序列数据预警模块，用于计算所述关联高频面板数据中所有指标趋势因子的平均值，得到预警信号，根据所述预警信号确定所述金融数据主指标的预警标准，根据所述预警标准对所述金融数据主指标进行预警。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序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上述所述的时间序列数据预警方法。
为了解决上述问题，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中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的时间序列数据预警方法。
本发明实施例中通过对金融数据主指标的高频面板数据进行预处理，得到高频面板数据，能够保证数据的完整性及准确性；计算高频面板数据中每个高频指标数据对应的相关变化趋势，选取高频面板数据中相关趋势系数大于预设阈值的高频指标数据，得到关联高频面板数据；再根据关联高频面板数据计算每个高频指标的指标趋势因子，选取与金融数据主指标趋势相关性高的高频指标数据构造指标趋势因子，能够提高指标趋势因子的准确度；通过金融数据主指标的高频面板数据构建预设维度的指标趋势影响因子，使得更多细分维度的高频指标可以进行高维面板数据的预警，从而有效地提高预警的准确度。因此本发明提出的时间序列数据预警方法、装置、电子设备及计算机可读存储介质，可以解决对金融数据主指标进行预警时的精确度较低的问题。
附图说明
图1为本发明一实施例提供的时间序列数据预警方法的流程示意图；
图2为本发明一实施例提供的计算相关变化趋势的流程示意图；
图3为本发明一实施例提供的计算指标趋势影响因子的流程示意图；
图4为本发明一实施例提供的时间序列数据预警装置的功能模块图；
图5为本发明一实施例提供的实现所述时间序列数据预警方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种时间序列数据预警方法。所述时间序列数据预警方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述时间序列数据预警方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的时间序列数据预警方法的流程示意图。在本实施例中，所述时间序列数据预警方法包括以下步骤S1-S5：
S1、获取金融数据主指标的高频面板数据，其中，所述高频面板数据包括预设数量的高频指标的时间序列数据；
本发明实施例中，所述金融数据主指标是指金融领域的高频面板数据表示的目标变量，高频面板数据指在时间序列上取多个截面，在这些截面上同时选取出现频率较高的指标数据所构成的样本数据，其中，高频面板数据以时间序列呈现，以表示不同时期的指标数据变化，例如，在金融领域中，债券收益主要受到票面利率、派息额、持有时间、收盘价、汇率等指标影响，则债券收益为金融数据主指标，票面利率、派息额、持有时间、收盘价、汇率等指标的数据为高频面板数据。
S2、计算所述高频面板数据中每个所述高频指标的时间序列数据的同比值，将所述同比值作为对应高频指标的相对指标值；
本发明实施例中，所述同比值为每个高频指标对应的时间序列数据在相邻时间周期之间的数据比值，例如，可通过计算某一债券第一季度的派息额与该债券第二季度的派息额之间的比值，得到该债券对应的高频指标派息额的同比值，将同比值作为对应高频指标的相对指标值，能够反映每个高频指标对应的数据的变化趋势，从而将每个高频指标与金融数据主指标的变化关联，以对金融数据主指标的变化进行相关预警。
详细地，所述计算所述高频面板数据中每个所述高频指标的时间序列数据的同比值之前，所述方法还包括：
删除所述高频面板数据中的异常值，得到标准面板数据；
识别所述标准面板数据中的缺失值，利用所述缺失值对应的时间序列数据进行缺失值填充，得到高频面板数据。
本发明实施例中，所述数据清洗能够将所述高频面板数据中的数据异常值进行删除，例如，重复值的删除以及离群数据的删除，数据清洗后会导致数据的缺失，因此缺失值对应的时间序列数据对缺失值进行填充，具体地，可选用下一时间周期的数据进行缺失值填充，例如，高频指标数据A中第6个周期的数据缺失，则选用第7的周期的数据对第6个周期的缺失值进行填充。
本发明实施例中，通过对高频面板数据进行预处理，能够使得第一面板数据更完整更准确，从而后续进行时间序列数据预警时更准确。
S3、获取所述高频面板数据中金融数据主指标的同比值，计算所述相对指标值与所述金融数据主指标的同比值之间的变化趋势，得到相关变化趋势，并选取所述高频面板数据中所述相关变化趋势大于预设阈值的高频指标的时间序列数据，得到关联高频面板数据；
本发明实施例中，金融数据主指标的同比值表示金融数据主指标在时间序列数据对应的时间周期下的变化趋势，根据金融数据主指标的变化趋势以及每个高频指标的相对指标值能够反应金融数据主指标与每个高频指标之间的变化趋势，通过相关变化趋势衡量单个高频指标在时间序列数据中，与金融数据主指标同一时期变化趋势一致的个数占比以及与金融数据主指标之间的变化趋势是正相关或是负相关。
详细地，参阅图2所示，所述计算所述相对指标值与所述金融数据主指标的同比值之间的变化趋势，包括以下步骤S21-S23：
S21、利用预设的赋值函数对所述金融数据主指标的同比值以及所述相对指标值逐个进行赋值；
S22、将所述赋值后的相对指标值与对应的赋值后的金融数据主指标的同比值相乘，得到每个相对指标值与所述金融数据主指标的同比值之间的变化趋势指标值；
S23、计算所述变化趋势指标值的平均值，得到相关变化趋势。
详细地，所利用如下赋值函数对所述金融数据主指标的同比值以及所述相对指标值逐个进行赋值：
其中，flag为赋值后的相对指标值及金融数据主指标的同比值，x为所述相对指标值，y为所述金融数据主指标的同比值。
本发明实施例中，通过对相对指标值及金融数据主指标的同比值进行赋值，能够直接地表示金融数据主指标以及对应的高频指标的变化趋势上升或者是下降，同时能够减少计算量，提高计算效率。
本发明实施例中，通过计算相关变化趋势能够显示每个高频指标的变化趋势与金融数据主指标的变化趋势之间的关系，能够进一步地得到与金融数据主指标强相关的高频指标的时间序列数据。
本发明实施例中，相关变化趋势反应每个高频指标与金融数据主指标之间的变化趋势是否一致，一致则为正相关，对应的相关变化趋势大于零，不一致时则为负相关，对应的相关变化趋势小于零，本发明实施例以+0.7的预设阈值进行高频指标的筛选，得到相关变化趋势大于+0.7高频指标对应的的时间序列数据，以保证得到的关联高频面板数据与金融数据主指标高度正相关，从而能够提高时间序列数据预警的准确度。
S4、计算所述关联高频面板数据中每个高频指标对应的指标趋势方向及预设维度的指标趋势影响因子，计算所述预设维度的指标趋势影响因子的平均值，将所述平均值与所述指标趋势方向相乘，得到每个所述高频指标的指标趋势因子；
本发明实施例中，所述指标趋势方向表示每个高频指标后续可能的变化趋势，预设维度则为可能会对高指标的指标变化趋势造成影响的多个维度，例如，每个高频指标的权重、每个高频指标的历史变化幅度、相关变化趋势以及在关联高频面板数据中高频指标的指标趋势方向的占比，从而确定每个高频指标的指标趋势方向对金融数据主指标的影响程度。
详细地，所述计算所述关联高频面板数据中每个高频指标对应的指标趋势方向及预设维度的指标趋势影响因子，包括：
计算所述关联高频面板数据中每个高频指标对应的时间序列数据中初始数据与最终数据之间的数据增减方向，得到每个所述高频指标对应的指标趋势方向；
获取指标趋势影响因子的预设维度，根据所述指标趋势方向及所述关联高频面板数据计算所述预设维度的指标趋势影响因子。
进一步地，参阅图3所示，所述根据所述指标趋势方向及所述关联高频面板数据计算所述预设维度的指标趋势影响因子，包括以下步骤S31-S34：
S31、计算所述指标趋势方向的总数占所述关联高频面板数据中所有高频指标的趋势方向的比例，得到每个所述高频指标的趋势变化百分比；
S32、计算所述关联高频面板数据中每个高频指标的时间序列数据得变化幅度在全部高频指标的变化幅度中的排名百分比，得到每个所述高频指标的历史变化幅度；
S33、计算每个所述高频指标的时间序列数据的累计值在所述第二面板数据的累计值的百分比，得到每个所述高频指标的权重系数；
S34、汇集所述趋势变化百分比、所述历史变化幅度以及所述权重系数，得到每个所述高频指标的预设维度的指标趋势影响因子。
本发明实施例中，通过所述趋势影响因子能够从每个高频指标的权重，变化幅度以及趋势变化占总变化的百分比等预设维度反应对对应的趋势指标方向的影响度，从而能够确定每个高频指标的趋势变化方向，进一步地对金融数据主指标的趋势变化方向进行预警。
进一步地，所述计算所述关联高频面板数据中每个高频指标的时间序列数据得变化幅度在全部高频指标的变化幅度中的排名百分比，包括：
计算每个所述高频指标的时间序列数据的变化幅度数值，并根据所述变化幅度数值的绝对值对每个所述高频指标进行降序排列，得到每个所述高频指标的排序；
计算所述每个所述高频指标的排序与所述关联高频面板数据中高频指标的总数的比例，得到每个所述高频指标的排名百分比。
本发明实施例中，通过所述排名百分比能够判断每个高频指标在时间序列数据中是否出现了异常，同时能够反应每个高频指标的变化趋势的变化程度，从而进一步地确定每个高频指标对金融数据主指标的影响程度。
本发明实施例中，通过计算预设维度的指标趋势影响因子的平均值，能够将预设维度的指标趋势影响因子综合，得到影响每个高频指标的指标趋势方向的总因素，从而更精确地对每个高频指标的指标趋势方向进行预测，进一步地对金融数据主指标进行趋势预警。
S5、计算所述关联高频面板数据中所有指标趋势因子的平均值，得到预警信号，根据所述预警信号确定所述金融数据主指标的预警标准，根据所述预警标准对所述金融数据主指标进行预警。
本发明实施例中，所述预警信号表示金融数据主指标后续可能的趋势方向，同时判断金融数据主指标的变化程度，即预警标准，例如，平稳的上升、下降或是急速的变化，从而对金融数据主指标的变化趋势进行预警。
详细地，所述根据所述预警信号确定所述金融数据主指标的预警标准，包括：
利用预设的预警区间确定所述预警信号所在的预警标准区间；
根据所述预警标准区间所述金融数据主指标的预警标准。
本发明实施例中，所述预设的预警区间是不同的预警信号对应的不同的预警标准的预警区间，可以是根据历史的预警信号得到的，例如，预警信号小于等于-0.3时为红色预警，0和-0.3之间为黄色预警，大于0.3时为蓝色预警等，根据预警标准区间确定金融数据主指标的预警标准，从而对所述金融数据主指标进行预警。
本发明实施例中，通过所有指标趋势因子的平均值对金融数据主指标进行预警，全面的多维度的对金融数据主指标进行预警，获取了精确地高频指标对应的时间序列数据的趋势变化特征，从而能够准确地对金融数据主指标进行预警。
本发明实施例中通过对金融数据主指标的高频面板数据进行预处理，得到高频面板数据，能够保证数据的完整性及准确性；计算高频面板数据中每个高频指标数据对应的相关变化趋势，选取高频面板数据中相关趋势系数大于预设阈值的高频指标数据，得到关联高频面板数据；再根据关联高频面板数据计算每个高频指标的指标趋势因子，选取与金融数据主指标趋势相关性高的高频指标数据构造指标趋势因子，能够提高指标趋势因子的准确度；通过金融数据主指标的高频面板数据构建预设维度的指标趋势影响因子，使得更多细分维度的高频指标可以进行高维面板数据的预警，从而有效地提高预警的准确度。因此本发明提出的时间序列数据预警方法，可以解决对金融数据主指标进行预警时的精确度较低的问题。
如图4所示，是本发明一实施例提供的时间序列数据预警装置的功能模块图。
本发明所述时间序列数据预警装置100可以安装于电子设备中。根据实现的功能，所述时间序列数据预警装置100可以包括高频面板数据获取模块101、相关指标值计算模块102、关联高频面板数据选取模块103、指标趋势因子计算模块104及时间序列数据预警模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述高频面板数据获取模块101，用于获取金融数据主指标的高频面板数据，其中，所述高频面板数据包括预设数量的高频指标的时间序列数据；
所述相对指标值计算模块102，用于计算所述高频面板数据中每个所述高频指标的时间序列数据的同比值，将所述同比值作为对应高频指标的相对指标值；
所述关联高频面板数据选取模块103，用于获取所述高频面板数据中金融数据主指标的同比值，计算所述相对指标值与所述金融数据主指标的同比值之间的变化趋势，得到相关变化趋势，并选取所述高频面板数据中所述相关变化趋势大于预设阈值的高频指标的时间序列数据，得到关联高频面板数据；
所述指标趋势因子计算模块104，用于计算所述关联高频面板数据中每个高频指标对应的指标趋势方向及预设维度的指标趋势影响因子，计算所述预设维度的指标趋势影响因子的平均值，将所述平均值与所述指标趋势方向相乘，得到每个所述高频指标的指标趋势因子；
所述时间序列数据预警模块105，用于计算所述关联高频面板数据中所有指标趋势因子的平均值，得到预警信号，根据所述预警信号确定所述金融数据主指标的预警标准，根据所述预警标准对所述金融数据主指标进行预警。
详细地，本发明实施例中所述时间序列数据预警装置100中所述的各模块在使用时采用与上述图1至图3中所述的时间序列数据预警方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图5所示，是本发明一实施例提供的实现时间序列数据预警方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如时间序列数据预警程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行时间序列数据预警程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如时间序列数据预警程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图中仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图中示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的时间序列数据预警程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取金融数据主指标的高频面板数据，其中，所述高频面板数据包括预设数量的高频指标的时间序列数据；
计算所述高频面板数据中每个所述高频指标的时间序列数据的同比值，将所述同比值作为对应高频指标的相对指标值；
获取所述高频面板数据中金融数据主指标的同比值，计算所述相对指标值与所述金融数据主指标的同比值之间的变化趋势，得到相关变化趋势，并选取所述高频面板数据中所述相关变化趋势大于预设阈值的高频指标的时间序列数据，得到关联高频面板数据；
计算所述关联高频面板数据中每个高频指标对应的指标趋势方向及预设维度的指标趋势影响因子，计算所述预设维度的指标趋势影响因子的平均值，将所述平均值与所述指标趋势方向相乘，得到每个所述高频指标的指标趋势因子；
计算所述关联高频面板数据中所有指标趋势因子的平均值，得到预警信号，根据所述预警信号确定所述金融数据主指标的预警标准，根据所述预警标准对所述金融数据主指标进行预警。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取金融数据主指标的高频面板数据，其中，所述高频面板数据包括预设数量的高频指标的时间序列数据；
计算所述高频面板数据中每个所述高频指标的时间序列数据的同比值，将所述同比值作为对应高频指标的相对指标值；
获取所述高频面板数据中金融数据主指标的同比值，计算所述相对指标值与所述金融数据主指标的同比值之间的变化趋势，得到相关变化趋势，并选取所述高频面板数据中所述相关变化趋势大于预设阈值的高频指标的时间序列数据，得到关联高频面板数据；
计算所述关联高频面板数据中每个高频指标对应的指标趋势方向及预设维度的指标趋势影响因子，计算所述预设维度的指标趋势影响因子的平均值，将所述平均值与所述指标趋势方向相乘，得到每个所述高频指标的指标趋势因子；
计算所述关联高频面板数据中所有指标趋势因子的平均值，得到预警信号，根据所述预警信号确定所述金融数据主指标的预警标准，根据所述预警标准对所述金融数据主指标进行预警。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
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涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种时间序列数据预警方法，其特征在于，所述方法包括：
获取金融数据主指标的高频面板数据，其中，所述高频面板数据包括预设数量的高频指标的时间序列数据；
计算所述高频面板数据中每个所述高频指标的时间序列数据的同比值，将所述同比值作为对应高频指标的相对指标值；
获取所述高频面板数据中金融数据主指标的同比值，计算所述相对指标值与所述金融数据主指标的同比值之间的变化趋势，得到相关变化趋势，并选取所述高频面板数据中所述相关变化趋势大于预设阈值的高频指标的时间序列数据，得到关联高频面板数据；
计算所述关联高频面板数据中每个高频指标对应的指标趋势方向及预设维度的指标趋势影响因子，计算所述预设维度的指标趋势影响因子的平均值，将所述平均值与所述指标趋势方向相乘，得到每个所述高频指标的指标趋势因子；
计算所述关联高频面板数据中所有指标趋势因子的平均值，得到预警信号，根据所述预警信号确定所述金融数据主指标的预警标准，根据所述预警标准对所述金融数据主指标进行预警。
2.如权利要求1所述的时间序列数据预警方法，其特征在于，所述计算所述高频面板数据中每个所述高频指标的时间序列数据的同比值之前，所述方法还包括：
删除所述高频面板数据中的异常值，得到标准面板数据；
识别所述标准面板数据中的缺失值，利用所述缺失值对应的时间序列数据进行缺失值填充，得到高频面板数据。
3.如权利要求1所述的时间序列数据预警方法，其特征在于，所述计算所述相对指标值与所述金融数据主指标的同比值之间的变化趋势，包括：
利用预设的赋值函数对所述金融数据主指标的同比值以及所述相对指标值逐个进行赋值；
将所述赋值后的相对指标值与对应的赋值后的金融数据主指标的同比值相乘，得到每个相对指标值与所述金融数据主指标的同比值之间的变化趋势指标值；
计算所述变化趋势指标值的平均值，得到相关变化趋势。
4.如权利要求1所述的时间序列数据预警方法，其特征在于，所述计算所述关联高频面板数据中每个高频指标对应的指标趋势方向及预设维度的指标趋势影响因子，包括：
计算所述关联高频面板数据中每个高频指标对应的时间序列数据中初始数据与最终数据之间的数据增减方向，得到每个所述高频指标对应的指标趋势方向；
获取指标趋势影响因子的预设维度，根据所述指标趋势方向及所述关联高频面板数据计算所述预设维度的指标趋势影响因子。
5.如权利要求4所述的时间序列数据预警方法，其特征在于，所述根据所述指标趋势方向及所述关联高频面板数据计算所述预设维度的指标趋势影响因子，包括：
计算所述指标趋势方向的总数占所述关联高频面板数据中所有高频指标的趋势方向的比例，得到每个所述高频指标的趋势变化百分比；
计算所述关联高频面板数据中每个高频指标的时间序列数据得变化幅度在全部高频指标的变化幅度中的排名百分比，得到每个所述高频指标的历史变化幅度；
计算每个所述高频指标的时间序列数据的累计值在所述第二面板数据的累计值的百分比，得到每个所述高频指标的权重系数；
汇集所述趋势变化百分比、所述历史变化幅度以及所述权重系数，得到每个所述高频指标的预设维度的指标趋势影响因子。
6.如权利要求5所述的时间序列数据预警方法，其特征在于，所述计算所述关联高频面板数据中每个高频指标的时间序列数据得变化幅度在全部高频指标的变化幅度中的排名百分比，包括：
计算每个所述高频指标的时间序列数据的变化幅度数值，并根据所述变化幅度数值的绝对值对每个所述高频指标进行降序排列，得到每个所述高频指标的排序；
计算所述每个所述高频指标的排序与所述关联高频面板数据中高频指标的总数的比例，得到每个所述高频指标的排名百分比。
7.如权利要求1所述的时间序列数据预警方法，其特征在于，所述根据所述预警信号确定所述金融数据主指标的预警标准，包括：
利用预设的预警区间确定所述预警信号所在的预警标准区间；
根据所述预警标准区间所述金融数据主指标的预警标准。
8.一种时间序列数据预警装置，其特征在于，所述装置包括：
高频面板数据获取模块，用于获取金融数据主指标的高频面板数据，其中，所述高频面板数据包括预设数量的高频指标的时间序列数据；
相对指标值计算模块，用于计算所述高频面板数据中每个所述高频指标的时间序列数据的同比值，将所述同比值作为对应高频指标的相对指标值；
关联高频面板数据选取模块，用于获取所述高频面板数据中金融数据主指标的同比值，计算所述相对指标值与所述金融数据主指标的同比值之间的变化趋势，得到相关变化趋势，并选取所述高频面板数据中所述相关变化趋势大于预设阈值的高频指标的时间序列数据，得到关联高频面板数据；
指标趋势因子计算模块，用于计算所述关联高频面板数据中每个高频指标对应的指标趋势方向及预设维度的指标趋势影响因子，计算所述预设维度的指标趋势影响因子的平均值，将所述平均值与所述指标趋势方向相乘，得到每个所述高频指标的指标趋势因子；
时间序列数据预警模块，用于计算所述关联高频面板数据中所有指标趋势因子的平均值，得到预警信号，根据所述预警信号确定所述金融数据主指标的预警标准，根据所述预警标准对所述金融数据主指标进行预警。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序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7中任意一项所述的时间序列数据预警方法。
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如权利要求1至7中任意一项所述的时间序列数据预警方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310588800.9A CN116596678A (zh) | 2023-05-23 | 2023-05-23 | 时间序列数据预警方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310588800.9A CN116596678A (zh) | 2023-05-23 | 2023-05-23 | 时间序列数据预警方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116596678A true CN116596678A (zh) | 2023-08-15 |
Family
ID=87605931
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310588800.9A Pending CN116596678A (zh) | 2023-05-23 | 2023-05-23 | 时间序列数据预警方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116596678A (zh) |
-
2023
- 2023-05-23 CN CN202310588800.9A patent/CN116596678A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113592019A (zh) | 基于多模型融合的故障检测方法、装置、设备及介质 | |
| CN113516417A (zh) | 基于智能建模的业务评估方法、装置、电子设备及介质 | |
| CN113327136A (zh) | 归因分析方法、装置、电子设备及存储介质 | |
| CN113139743A (zh) | 污水排放指标分析方法、装置、电子设备及存储介质 | |
| CN114612194A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
| CN112463530A (zh) | 微服务系统的异常检测方法、装置、电子设备及存储介质 | |
| CN117557199B (zh) | 一种基于数学模型的智慧仓储方法、系统及存储介质 | |
| CN111652282A (zh) | 基于大数据的用户偏好分析方法、装置及电子设备 | |
| CN117155771B (zh) | 一种基于工业物联网的设备集群故障溯源方法及装置 | |
| CN114817408B (zh) | 调度资源识别方法、装置、电子设备及存储介质 | |
| CN115796398A (zh) | 基于电力物资的需求智能分析方法、系统、设备及介质 | |
| CN113657546B (zh) | 信息分类方法、装置、电子设备及可读存储介质 | |
| CN113704407B (zh) | 基于类别分析的投诉量分析方法、装置、设备及存储介质 | |
| CN113918296B (zh) | 模型训练任务调度执行方法、装置、电子设备及存储介质 | |
| CN116596678A (zh) | 时间序列数据预警方法、装置、设备及存储介质 | |
| CN115034812A (zh) | 基于大数据的钢铁行业销售量预测方法及装置 | |
| CN114461630A (zh) | 智能归因分析方法、装置、设备及存储介质 | |
| CN115225489B (zh) | 队列业务流量阈值动态控制方法、电子设备及存储介质 | |
| CN117798498B (zh) | 智能激光焊接机焊接异常自动调整的方法及系统 | |
| CN113793218B (zh) | 用户账户变更行为分析方法、装置、设备及存储介质 | |
| CN117235480B (zh) | 基于大数据实现数据加工下的筛选方法及系统 | |
| CN113592606B (zh) | 基于多重决策的产品推荐方法、装置、设备及存储介质 | |
| CN116991364B (zh) | 基于大数据的软件开发系统管理方法 | |
| CN116841737A (zh) | 批处理任务分发方法、装置、设备及存储介质 | |
| CN116777241A (zh) | 基于scp供应链的货品数据分析方法、系统及电子设备 |
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 |