CN117132335A - 资源合约中资源交易值的确定方法、装置和计算机设备 - Google Patents
资源合约中资源交易值的确定方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN117132335A CN117132335A CN202310994809.XA CN202310994809A CN117132335A CN 117132335 A CN117132335 A CN 117132335A CN 202310994809 A CN202310994809 A CN 202310994809A CN 117132335 A CN117132335 A CN 117132335A
- Authority
- CN
- China
- Prior art keywords
- value
- function
- determining
- resources
- evaluation function
- 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 41
- 238000011156 evaluation Methods 0.000 claims abstract description 156
- 238000004590 computer program Methods 0.000 claims abstract description 41
- 230000006870 function Effects 0.000 claims description 301
- 230000008859 change Effects 0.000 claims description 92
- 238000005315 distribution function Methods 0.000 claims description 37
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000005653 Brownian motion process Effects 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000005537 brownian motion Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0278—Product appraisal
-
- 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)
- Development Economics (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种资源合约中资源交易值的确定方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取资源合约包含的多个资源各自对应的初始设定价值和实际波动价值；根据预先建立的价值预测模型和多个资源各自对应的初始设定价值，建立多个资源各自对应的预测价值函数；基于多个资源各自对应的实际波动价值和各自对应的预测价值函数，确定价值评价函数；确定价值评价函数的最优解，并根据价值评价函数的最优解和多个资源各自对应的预测价值函数，确定多个资源各自对应的资源交易值。采用本方法能够提高资源交易值的确定效率。
Description
技术领域
本申请涉及金融科技技术领域，特别是涉及一种资源合约中资源交易值的确定方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
金融领域涉及大量的计算，例如，资源合约中资源交易值的计算，通常依赖于资源在一个时间点上的基础价值以及演变价值。由于影响资源交易值的参数具有随机性，对于复杂资源合约，通常需要大量的计算资源，亟需一种能够提高资源交易值计算效率的方法。
发明内容
基于此，有必要针对上述技术问题，提供一种资源合约中资源交易值的确定方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，能够提高资源交易值的确定效率。
第一方面，本申请提供了一种资源合约中资源交易值的确定方法。所述方法包括：
获取资源合约包含的多个资源各自对应的初始设定价值和实际波动价值；
根据预先建立的价值预测模型和多个资源各自对应的初始设定价值，建立多个资源各自对应的预测价值函数；基于多个资源各自对应的实际波动价值和各自对应的预测价值函数，确定价值评价函数；
确定价值评价函数的最优解，并根据价值评价函数的最优解和多个资源各自对应的预测价值函数，确定多个资源各自对应的资源交易值。
在其中一个实施例中，基于多个资源各自对应的实际波动价值和各自对应的预测价值函数，确定价值评价函数，包括：
根据当前资源的实际波动价值和对应的预测价值函数的差，得到当前资源的价值差值函数；
对多个资源的价值差值函数进行整合，得到价值评价函数。
在其中一个实施例中，价值预测模型是基于价值分布函数建立的；价值分布函数为多个预设价值以及各自对应的可能性的分布函数；价值预测模型的表达式为：
其中，St(x)表示预测价值，S0表示初始设定价值，σ表示波动率，t表示预测时刻，Wt(x)表示价值分布函数，r表示无风险收益率，x表示预设价值。
在其中一个实施例中，确定价值评价函数的最优解，包括：
根据价值评价函数和预设价值变化函数，确定价值函数；
确定多个随机价值扰动；
查找价值函数在预设的各个价值变化率下的查询结果；
根据各查询结果和价值评价函数分别在多个随机价值扰动下的扰动结果，得到价值评价函数的最优解。
在其中一个实施例中，根据各查询结果和价值评价函数分别在多个随机价值扰动下的扰动结果，得到价值评价函数的最优解，包括：
从各个价值变化率中确定参考变化率，在各查询结果中查找价值函数在参考变化率下的目标查询结果；
将目标查询结果分别与各查询结果的差值，分别作为各价值变化率下的价值差；
根据各价值变化率下的价值差，和价值评价函数分别在多个随机价值扰动下的扰动结果，得到价值评价函数的最优解。
在其中一个实施例中，根据各价值变化率下的价值差，和价值评价函数分别在多个随机价值扰动下的扰动结果，得到价值评价函数的最优解，包括：
从多个随机价值扰动确定参考价值扰动，在各扰动结果中查找价值评价函数在参考价值扰动下的目标扰动结果；
将目标扰动结果分别与各扰动结果的差值，分别作为各随机价值扰动下的价值差；
在各价值变化率下的价值差和各随机价值扰动下的价值差中确定出最小价值差；
将最小价值差对应的预设价值作为价值评价函数的最优解。
第二方面，本申请还提供了一种资源合约中资源交易值的确定装置。所述装置包括：
获取模块，用于获取资源合约包含的多个资源各自对应的初始设定价值和实际波动价值；
第一确定模块，用于根据预先建立的价值预测模型和多个资源各自对应的初始设定价值，建立多个资源各自对应的预测价值函数；基于多个资源各自对应的实际波动价值和各自对应的预测价值函数，确定价值评价函数；
第二确定模块，用于确定价值评价函数的最优解，并根据价值评价函数的最优解和多个资源各自对应的预测价值函数，确定多个资源各自对应的资源交易值。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取资源合约包含的多个资源各自对应的初始设定价值和实际波动价值；
根据预先建立的价值预测模型和多个资源各自对应的初始设定价值，建立多个资源各自对应的预测价值函数；基于多个资源各自对应的实际波动价值和各自对应的预测价值函数，确定价值评价函数；
确定价值评价函数的最优解，并根据价值评价函数的最优解和多个资源各自对应的预测价值函数，确定多个资源各自对应的资源交易值。
第四方面，本申请还提供了一种计算机可读存储介质。所述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以下步骤：
获取资源合约包含的多个资源各自对应的初始设定价值和实际波动价值；
根据预先建立的价值预测模型和多个资源各自对应的初始设定价值，建立多个资源各自对应的预测价值函数；基于多个资源各自对应的实际波动价值和各自对应的预测价值函数，确定价值评价函数；
确定价值评价函数的最优解，并根据价值评价函数的最优解和多个资源各自对应的预测价值函数，确定多个资源各自对应的资源交易值。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取资源合约包含的多个资源各自对应的初始设定价值和实际波动价值；
根据预先建立的价值预测模型和多个资源各自对应的初始设定价值，建立多个资源各自对应的预测价值函数；基于多个资源各自对应的实际波动价值和各自对应的预测价值函数，确定价值评价函数；
确定价值评价函数的最优解，并根据价值评价函数的最优解和多个资源各自对应的预测价值函数，确定多个资源各自对应的资源交易值。
上述资源合约中资源交易值的确定方法、装置、计算机设备、存储介质和计算机程序产品，通过获取资源合约包含的多个资源各自对应的初始设定价值和实际波动价值；根据预先建立的价值预测模型和多个资源各自对应的初始设定价值，建立多个资源各自对应的预测价值函数；基于多个资源各自对应的实际波动价值和各自对应的预测价值函数，确定价值评价函数；确定价值评价函数的最优解，并根据价值评价函数的最优解和多个资源各自对应的预测价值函数，确定多个资源各自对应的资源交易值。上述方案，通过预先建立的价值预测模型、初始设定价值和实际波动价值，确定价值评价函数，通过价值评价函数的最优解，得到多个资源各自对应的资源交易值，有利于提高资源交易值的确定效率。
附图说明
图1为一个实施例中资源合约中资源交易值的确定方法的应用环境图；
图2为一个实施例中资源合约中资源交易值的确定方法的流程示意图；
图3为一个实施例中资源合约中步骤206的子流程示意图；
图4为一个实施例中资源合约中步骤306的子流程示意图；
图5为一个实施例中资源合约中步骤406的子流程示意图；
图6为一个实施例中资源合约中资源交易值的确定装置的结构框图；
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的资源合约中资源交易值的确定方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。终端102获取资源合约包含的多个资源各自对应的初始设定价值和实际波动价值；根据预先建立的价值预测模型和多个资源各自对应的初始设定价值，建立多个资源各自对应的预测价值函数；基于多个资源各自对应的实际波动价值和各自对应的预测价值函数，确定价值评价函数；确定价值评价函数的最优解，并根据价值评价函数的最优解和多个资源各自对应的预测价值函数，确定多个资源各自对应的资源交易值。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种资源合约中资源交易值的确定方法，以该方法应用于图1中的终端102为例进行说明，包括以下步骤：
步骤202，获取资源合约包含的多个资源各自对应的初始设定价值和实际波动价值。
其中，资源指的是金融领域常见的各种类型的资源。例如，资产、股票等。
资源合约是用于资源交易的合约。在一些实施例中，资源合约为赋予资源持有人在某一特定日期或者该日以前的任何时间以固定价格购进或售出一种资源的权利。初始设定价值指的是资源的初始价值。例如，可以为资源在某一预设时间点的价值。资源的价值往往波动变化的，实际波动价值指的是资源在历史某一时间段内波动价值。例如，可以为预设历史时间段内各时间点价值的平均值、预设历史时间段内任一时间点的价值、或者历史时间段内各时间点价值的中位数等。
资源合约中包括多个资源各自对应的初始设定价值和实际波动价值。
步骤204，根据预先建立的价值预测模型和多个资源各自对应的初始设定价值，建立多个资源各自对应的预测价值函数；基于多个资源各自对应的实际波动价值和各自对应的预测价值函数，确定价值评价函数。
其中，价值预测模型指的是用于资源价值预测的数学模型。例如，价值预测模型可以采用金融领域的BSM模型(布莱克—斯科尔斯—默顿模型)。对于资源合约中的每个资源，由于每个资源的初始设定价值不同，根据预先建立的价值预测模型和多个资源各自对应的初始设定价值，建立多个资源各自对应的预测价值函数。
预测价值函数用于预测每个资源的价值波动情况。价值评价函数是用于评估资源交易值整体以及局部性能的数学函数。基于多个资源各自对应的实际波动价值和各自对应的预测价值函数，确定价值评价函数。
步骤206，确定价值评价函数的最优解，并根据价值评价函数的最优解和多个资源各自对应的预测价值函数，确定多个资源各自对应的资源交易值。
其中，价值评价函数的最优解用于表征具有最优性能的交易值。求解价值评价函数的最优解，将价值评价函数的最优解代入至多个资源各自对应的预测价值函数，得到多个资源各自对应的资源交易值。资源交易值用于对多个资源进行价值交换。
上述资源合约中资源交易值的确定方法中，通过获取资源合约包含的多个资源各自对应的初始设定价值和实际波动价值；根据预先建立的价值预测模型和多个资源各自对应的初始设定价值，建立多个资源各自对应的预测价值函数；基于多个资源各自对应的实际波动价值和各自对应的预测价值函数，确定价值评价函数；确定价值评价函数的最优解，并根据价值评价函数的最优解和多个资源各自对应的预测价值函数，确定多个资源各自对应的资源交易值。上述方案，通过预先建立的价值预测模型、初始设定价值和实际波动价值，确定价值评价函数，通过价值评价函数的最优解，得到多个资源各自对应的资源交易值，有利于提高资源交易值的确定效率。
在一个实施例中，基于多个资源各自对应的实际波动价值和各自对应的预测价值函数，确定价值评价函数，包括：根据当前资源的实际波动价值和对应的预测价值函数的差，得到当前资源的价值差值函数；对多个资源的价值差值函数进行整合，得到价值评价函数。
其中，当前资源指的是多个资源中的任一资源。
将当前资源的实际波动价值和对应的预测价值函数作差，得到的函数结果作为当前资源的价值差值函数。
对多个资源的价值差值函数进行整合的方法，可以为将多个资源的价值差值函数进行加权求和，得到的求和结果作为价值评价函数。
本实施例中，通过将当前资源的实际波动价值和对应的预测价值函数作差，得到当前资源的价值差值函数，价值差值函数能够表征实际波动价值和对应的预测价值函数的差距，在基于预测价值函数得到的预测结果与实际波动价值相差不大的时候，表明预测价值函数较为准确，对多个资源的价值差值函数进行整合，得到价值评价函数，基于价值评价函数求解出资源交易值，有利于提高资源交易值的确定效率。
在一个实施例中，价值预测模型是基于价值分布函数建立的；价值分布函数为多个预设价值以及各自对应的可能性的分布函数；价值预测模型的表达式为：
其中，St(x)表示预测价值，S0表示初始设定价值，σ表示波动率，t表示预测时刻，Wt(x)表示价值分布函数，r表示无风险收益率，x表示预设价值。
其中，价值分布函数可以为符合布朗运动的随机过程函数。价值分布函数是关于多个预设价值以及各自对应的可能性的分布函数。每个预测时刻下有各自对应的价值分布函数。因此，每个预测时刻下有各自对应的价值预测模型。价值预测模型用于确定在预测时刻下的预测价值，相应的预测价值即为资源交易值。
本实施例中，通过价值分布函数和初始设定价值，建立价值预测模型，价值预测模型有利于确定出准确的资源交易价值。
在一个实施例中，如图3所示，确定价值评价函数的最优解，包括：
步骤302，根据价值评价函数和预设价值变化函数，确定价值函数；
步骤304，确定多个随机价值扰动；
步骤306，查找价值函数在预设的各个价值变化率下的查询结果；根据各查询结果和价值评价函数分别在多个随机价值扰动下的扰动结果，得到价值评价函数的最优解。
其中，预设价值变化函数是用于表征价值变化情况的函数。在一些实施例中，将价值评价函数和预设价值变化函数求和，得到的求和结果作为价值函数。
随机价值扰动是用于对预设设定价值添加扰动的随机数。
预设价值区间是价值变化率的取值区间。价值变化率是预设价值区间中的任一取值。查找价值函数，得到价值函数在各个价值变化率下的查询结果。
查询结果往往包括多个值，根据各查询结果和价值评价函数分别在多个随机价值扰动下的扰动结果，进一步得到价值评价函数的最优解。
本实施例中，通过随机价值扰动和价值变化率的变化，结合价值评价函数和预设价值变化函数，得到价值评价函数的最优解，能够保证最优解同时满足价值变化率和随机价值扰动的变化，得到全局最优解，避免仅得到局部最优解造成的结果误差。
在一个实施例中，如图4所示，根据各查询结果和价值评价函数分别在多个随机价值扰动下的扰动结果，得到价值评价函数的最优解，包括：
步骤402，从各个价值变化率中确定参考变化率，在各查询结果中查找价值函数在参考变化率下的目标查询结果；
步骤404，将目标查询结果分别与各查询结果的差值，分别作为各价值变化率下的价值差；
步骤406，根据各价值变化率下的价值差，和价值评价函数分别在多个随机价值扰动下的扰动结果，得到价值评价函数的最优解。
其中，参考变化率为从预设的各个价值变化率中确定出的。在各价值变化率下的查询结果中查找参考变化率下的结果作为目标查询结果。
将目标查询结果分别与各查询结果作差，得到的差值作为各价值变化率下的价值差。各价值变化率下的价值差大越小，响应的预设价值越接近价值评价函数的最优解。根据各价值变化率下的价值差，和价值评价函数分别在多个随机价值扰动下的扰动结果，进一步得到价值评价函数的最优解。
本实施例中，通过参考变化率下的目标查询结果，分别与各查询结果的差值，得到各价值变化率下的价值差，结合随机价值扰动下的扰动结果，通过确定出价值评价函数的最优解，能够保证得到全局最优解，避免仅得到局部最优解造成的结果误差。
在一个实施例中，如图5所示，根据各价值变化率下的价值差，和价值评价函数分别在多个随机价值扰动下的扰动结果，得到价值评价函数的最优解，包括：
步骤502，从多个随机价值扰动确定参考价值扰动，在各扰动结果中查找价值评价函数在参考价值扰动下的目标扰动结果；
步骤504，将目标扰动结果分别与各扰动结果的差值，分别作为各随机价值扰动下的价值差；
步骤506，在各价值变化率下的价值差和各随机价值扰动下的价值差中确定出最小价值差；将最小价值差对应的预设价值作为价值评价函数的最优解。
其中，参考价值扰动是从多个随机价值扰动中确定出的，相应地，从各扰动结果中查找到参考价值扰动下的结果，并作为目标扰动结果。将目标扰动结果分别与各扰动结果作差，得到的各差值作为各随机价值扰动下的价值差。
将各价值变化率下的价值差和各随机价值扰动下的价值差进行大小对比，确定出各价值变化率下的价值差和各随机价值扰动下的价值差中的最小价值差。该最小价值差即为价值评价函数的最优解。
本实施例中，通过确定出参考价值扰动下的目标扰动结果分别与各扰动结果的价值差，将各价值变化率下的价值差和各随机价值扰动下的价值差中的最小价值差作为值评价函数的最优解。由于最优解是综合价值变化率和随机扰动得到的，能够保证得到全局最优解，避免仅得到局部最优解造成的结果误差。
为详细说明本方案中资源合约中资源交易值的确定方法及效果，下面以一个最详细实施例进行说明：
针对金融领域常见的资源合约中资源交易值的确定领域，在一些实施例中，资源合约可以为期权。
获取资源合约包含的多个资源各自对应的初始设定价值和实际波动价值。根据预先建立的价值预测模型和多个资源各自对应的初始设定价值，建立多个资源各自对应的预测价值函数。其中，价值预测模型是基于价值分布函数建立的。价值分布函数为多个预设价值以及各自对应的可能性的分布函数，价值预测模型的表达式为：
其中，St(x)表示预测价值，S0表示初始设定价值，σ表示波动率，t表示预测时刻，Wt(x)表示价值分布函数，r表示无风险收益率，x表示预设价值。
根据当前资源的实际波动价值和对应的预测价值函数的差，得到当前资源的价值差值函数，对多个资源的价值差值函数进行整合，得到价值评价函数。根据价值评价函数和预设价值变化函数，确定价值函数。确定多个随机价值扰动。查找价值函数在预设的各个价值变化率下的查询结果，从各个价值变化率中确定参考变化率，在各查询结果中查找价值函数在参考变化率下的目标查询结果。将目标查询结果分别与各查询结果的差值，分别作为各价值变化率下的价值差。从多个随机价值扰动确定参考价值扰动，在各扰动结果中查找价值评价函数在参考价值扰动下的目标扰动结果，将目标扰动结果分别与各扰动结果的差值，分别作为各随机价值扰动下的价值差。在各价值变化率下的价值差和各随机价值扰动下的价值差中确定出最小价值差，将最小价值差对应的预设价值作为价值评价函数的最优解。根据价值评价函数的最优解和多个资源各自对应的预测价值函数，确定多个资源各自对应的资源交易值。
上述资源合约中资源交易值的确定方法，通过获取资源合约包含的多个资源各自对应的初始设定价值和实际波动价值；根据预先建立的价值预测模型和多个资源各自对应的初始设定价值，建立多个资源各自对应的预测价值函数；基于多个资源各自对应的实际波动价值和各自对应的预测价值函数，确定价值评价函数；确定价值评价函数的最优解，并根据价值评价函数的最优解和多个资源各自对应的预测价值函数，确定多个资源各自对应的资源交易值。上述方案，通过预先建立的价值预测模型、初始设定价值和实际波动价值，确定价值评价函数，通过价值评价函数的最优解，得到多个资源各自对应的资源交易值，有利于提高资源交易值的确定效率。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的资源合约中资源交易值的确定方法的资源合约中资源交易值的确定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个资源合约中资源交易值的确定装置实施例中的具体限定可以参见上文中对于资源合约中资源交易值的确定方法的限定，在此不再赘述。
在一个实施例中，如图6所示，提供了一种资源合约中资源交易值的确定装置100，包括：获取模块120、第一确定模块140和第二确定模块160，其中：
获取模块120，用于获取资源合约包含的多个资源各自对应的初始设定价值和实际波动价值；
第一确定模块140，用于根据预先建立的价值预测模型和多个资源各自对应的初始设定价值，建立多个资源各自对应的预测价值函数；基于多个资源各自对应的实际波动价值和各自对应的预测价值函数，确定价值评价函数；
第二确定模块160，用于确定价值评价函数的最优解，并根据价值评价函数的最优解和多个资源各自对应的预测价值函数，确定多个资源各自对应的资源交易值。
上述资源合约中资源交易值的确定装置，通过获取资源合约包含的多个资源各自对应的初始设定价值和实际波动价值；根据预先建立的价值预测模型和多个资源各自对应的初始设定价值，建立多个资源各自对应的预测价值函数；基于多个资源各自对应的实际波动价值和各自对应的预测价值函数，确定价值评价函数；确定价值评价函数的最优解，并根据价值评价函数的最优解和多个资源各自对应的预测价值函数，确定多个资源各自对应的资源交易值。上述方案，通过预先建立的价值预测模型、初始设定价值和实际波动价值，确定价值评价函数，通过价值评价函数的最优解，得到多个资源各自对应的资源交易值，有利于提高资源交易值的确定效率。
在一个实施例中，基于多个资源各自对应的实际波动价值和各自对应的预测价值函数，确定价值评价函数，第一确定模块140还用于：根据当前资源的实际波动价值和对应的预测价值函数的差，得到当前资源的价值差值函数；对多个资源的价值差值函数进行整合，得到价值评价函数。
在一个实施例中，价值预测模型是基于价值分布函数建立的；价值分布函数为多个预设价值以及各自对应的可能性的分布函数；价值预测模型的表达式为：
其中，St(x)表示预测价值，S0表示初始设定价值，σ表示波动率，t表示预测时刻，Wt(x)表示价值分布函数，r表示无风险收益率，x表示预设价值。
在一个实施例中，确定价值评价函数的最优解，第二确定模块160还用于：根据价值评价函数和预设价值变化函数，确定价值函数；确定多个随机价值扰动；查找价值函数在预设的各个价值变化率下的查询结果；根据各查询结果和价值评价函数分别在多个随机价值扰动下的扰动结果，得到价值评价函数的最优解。
在一个实施例中，根据各查询结果和价值评价函数分别在多个随机价值扰动下的扰动结果，得到价值评价函数的最优解，第二确定模块160还用于：从各个价值变化率中确定参考变化率，在各查询结果中查找价值函数在参考变化率下的目标查询结果；将目标查询结果分别与各查询结果的差值，分别作为各价值变化率下的价值差；根据各价值变化率下的价值差，和价值评价函数分别在多个随机价值扰动下的扰动结果，得到价值评价函数的最优解。
在一个实施例中，根据各价值变化率下的价值差，和价值评价函数分别在多个随机价值扰动下的扰动结果，得到价值评价函数的最优解，第二确定模块160还用于：从多个随机价值扰动确定参考价值扰动，在各扰动结果中查找价值评价函数在参考价值扰动下的目标扰动结果；将目标扰动结果分别与各扰动结果的差值，分别作为各随机价值扰动下的价值差；在各价值变化率下的价值差和各随机价值扰动下的价值差中确定出最小价值差；将最小价值差对应的预设价值作为价值评价函数的最优解。
上述资源合约中资源交易值的确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图7所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种资源合约中资源交易值的确定方法。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取资源合约包含的多个资源各自对应的初始设定价值和实际波动价值；根据预先建立的价值预测模型和多个资源各自对应的初始设定价值，建立多个资源各自对应的预测价值函数；基于多个资源各自对应的实际波动价值和各自对应的预测价值函数，确定价值评价函数；确定价值评价函数的最优解，并根据价值评价函数的最优解和多个资源各自对应的预测价值函数，确定多个资源各自对应的资源交易值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据当前资源的实际波动价值和对应的预测价值函数的差，得到当前资源的价值差值函数；对多个资源的价值差值函数进行整合，得到价值评价函数。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
价值预测模型是基于价值分布函数建立的；价值分布函数为多个预设价值以及各自对应的可能性的分布函数；价值预测模型的表达式为：
其中，St(x)表示预测价值，S0表示初始设定价值，σ表示波动率，t表示预测时刻，Wt(x)表示价值分布函数，r表示无风险收益率，x表示预设价值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据价值评价函数和预设价值变化函数，确定价值函数；确定多个随机价值扰动；查找价值函数在预设的各个价值变化率下的查询结果；根据各查询结果和价值评价函数分别在多个随机价值扰动下的扰动结果，得到价值评价函数的最优解。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
从各个价值变化率中确定参考变化率，在各查询结果中查找价值函数在参考变化率下的目标查询结果；将目标查询结果分别与各查询结果的差值，分别作为各价值变化率下的价值差；根据各价值变化率下的价值差，和价值评价函数分别在多个随机价值扰动下的扰动结果，得到价值评价函数的最优解。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
从多个随机价值扰动确定参考价值扰动，在各扰动结果中查找价值评价函数在参考价值扰动下的目标扰动结果；将目标扰动结果分别与各扰动结果的差值，分别作为各随机价值扰动下的价值差；在各价值变化率下的价值差和各随机价值扰动下的价值差中确定出最小价值差；将最小价值差对应的预设价值作为价值评价函数的最优解。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取资源合约包含的多个资源各自对应的初始设定价值和实际波动价值；根据预先建立的价值预测模型和多个资源各自对应的初始设定价值，建立多个资源各自对应的预测价值函数；基于多个资源各自对应的实际波动价值和各自对应的预测价值函数，确定价值评价函数；确定价值评价函数的最优解，并根据价值评价函数的最优解和多个资源各自对应的预测价值函数，确定多个资源各自对应的资源交易值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据当前资源的实际波动价值和对应的预测价值函数的差，得到当前资源的价值差值函数；对多个资源的价值差值函数进行整合，得到价值评价函数。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
价值预测模型是基于价值分布函数建立的；价值分布函数为多个预设价值以及各自对应的可能性的分布函数；价值预测模型的表达式为：
其中，St(x)表示预测价值，S0表示初始设定价值，σ表示波动率，t表示预测时刻，Wt(x)表示价值分布函数，r表示无风险收益率，x表示预设价值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据价值评价函数和预设价值变化函数，确定价值函数；确定多个随机价值扰动；查找价值函数在预设的各个价值变化率下的查询结果；根据各查询结果和价值评价函数分别在多个随机价值扰动下的扰动结果，得到价值评价函数的最优解。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
从各个价值变化率中确定参考变化率，在各查询结果中查找价值函数在参考变化率下的目标查询结果；将目标查询结果分别与各查询结果的差值，分别作为各价值变化率下的价值差；根据各价值变化率下的价值差，和价值评价函数分别在多个随机价值扰动下的扰动结果，得到价值评价函数的最优解。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
从多个随机价值扰动确定参考价值扰动，在各扰动结果中查找价值评价函数在参考价值扰动下的目标扰动结果；将目标扰动结果分别与各扰动结果的差值，分别作为各随机价值扰动下的价值差；在各价值变化率下的价值差和各随机价值扰动下的价值差中确定出最小价值差；将最小价值差对应的预设价值作为价值评价函数的最优解。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取资源合约包含的多个资源各自对应的初始设定价值和实际波动价值；根据预先建立的价值预测模型和多个资源各自对应的初始设定价值，建立多个资源各自对应的预测价值函数；基于多个资源各自对应的实际波动价值和各自对应的预测价值函数，确定价值评价函数；确定价值评价函数的最优解，并根据价值评价函数的最优解和多个资源各自对应的预测价值函数，确定多个资源各自对应的资源交易值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据当前资源的实际波动价值和对应的预测价值函数的差，得到当前资源的价值差值函数；对多个资源的价值差值函数进行整合，得到价值评价函数。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
价值预测模型是基于价值分布函数建立的；价值分布函数为多个预设价值以及各自对应的可能性的分布函数；价值预测模型的表达式为：
其中，St(x)表示预测价值，S0表示初始设定价值，σ表示波动率，t表示预测时刻，Wt(x)表示价值分布函数，r表示无风险收益率，x表示预设价值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据价值评价函数和预设价值变化函数，确定价值函数；确定多个随机价值扰动；查找价值函数在预设的各个价值变化率下的查询结果；根据各查询结果和价值评价函数分别在多个随机价值扰动下的扰动结果，得到价值评价函数的最优解。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
从各个价值变化率中确定参考变化率，在各查询结果中查找价值函数在参考变化率下的目标查询结果；将目标查询结果分别与各查询结果的差值，分别作为各价值变化率下的价值差；根据各价值变化率下的价值差，和价值评价函数分别在多个随机价值扰动下的扰动结果，得到价值评价函数的最优解。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
从多个随机价值扰动确定参考价值扰动，在各扰动结果中查找价值评价函数在参考价值扰动下的目标扰动结果；将目标扰动结果分别与各扰动结果的差值，分别作为各随机价值扰动下的价值差；在各价值变化率下的价值差和各随机价值扰动下的价值差中确定出最小价值差；将最小价值差对应的预设价值作为价值评价函数的最优解。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种资源合约中资源交易值的确定方法，其特征在于，所述方法包括：
获取资源合约包含的多个资源各自对应的初始设定价值和实际波动价值；
根据预先建立的价值预测模型和多个资源各自对应的初始设定价值，建立多个资源各自对应的预测价值函数；基于多个资源各自对应的实际波动价值和各自对应的预测价值函数，确定价值评价函数；
确定所述价值评价函数的最优解，并根据所述价值评价函数的最优解和所述多个资源各自对应的预测价值函数，确定多个资源各自对应的资源交易值。
2.根据权利要求1所述的方法，其特征在于，所述基于多个资源各自对应的实际波动价值和各自对应的预测价值函数，确定价值评价函数，包括：
根据当前资源的实际波动价值和对应的预测价值函数的差，得到所述当前资源的价值差值函数；
对多个资源的价值差值函数进行整合，得到价值评价函数。
3.根据权利要求1所述的方法，其特征在于，所述价值预测模型是基于价值分布函数建立的；所述价值分布函数为多个预设价值以及各自对应的可能性的分布函数；所述价值预测模型的表达式为：
其中，St(x)表示预测价值，S0表示初始设定价值，σ表示波动率，t表示预测时刻，Wt(x)表示价值分布函数，r表示无风险收益率，x表示预设价值。
4.根据权利要求1所述的方法，其特征在于，所述确定所述价值评价函数的最优解，包括：
根据所述价值评价函数和预设价值变化函数，确定价值函数；
确定多个随机价值扰动；
查找所述价值函数在预设的各个价值变化率下的查询结果；
根据各查询结果和所述价值评价函数分别在多个随机价值扰动下的扰动结果，得到所述价值评价函数的最优解。
5.根据权利要求4所述的方法，其特征在于，所述根据各查询结果和所述价值评价函数分别在多个随机价值扰动下的扰动结果，得到所述价值评价函数的最优解，包括：
从各个价值变化率中确定参考变化率，在各查询结果中查找所述价值函数在所述参考变化率下的目标查询结果；
将所述目标查询结果分别与各查询结果的差值，分别作为各价值变化率下的价值差；
根据各价值变化率下的价值差，和所述价值评价函数分别在多个随机价值扰动下的扰动结果，得到所述价值评价函数的最优解。
6.根据权利要求5所述的方法，其特征在于，所述根据各价值变化率下的价值差，和所述价值评价函数分别在多个随机价值扰动下的扰动结果，得到所述价值评价函数的最优解，包括：
从多个随机价值扰动确定参考价值扰动，在各扰动结果中查找所述价值评价函数在所述参考价值扰动下的目标扰动结果；
将所述目标扰动结果分别与各扰动结果的差值，分别作为各随机价值扰动下的价值差；
在各价值变化率下的价值差和各随机价值扰动下的价值差中确定出最小价值差；
将所述最小价值差对应的预设价值作为所述价值评价函数的最优解。
7.一种资源合约中资源交易值的确定装置，其特征在于，所述装置包括：
获取模块，用于获取资源合约包含的多个资源各自对应的初始设定价值和实际波动价值；
第一确定模块，用于根据预先建立的价值预测模型和多个资源各自对应的初始设定价值，建立多个资源各自对应的预测价值函数；基于多个资源各自对应的实际波动价值和各自对应的预测价值函数，确定价值评价函数；
第二确定模块，用于确定所述价值评价函数的最优解，并根据所述价值评价函数的最优解和所述多个资源各自对应的预测价值函数，确定多个资源各自对应的资源交易值。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，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6中任一项所述的方法的步骤。
9.一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6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310994809.XA CN117132335A (zh) | 2023-08-08 | 2023-08-08 | 资源合约中资源交易值的确定方法、装置和计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310994809.XA CN117132335A (zh) | 2023-08-08 | 2023-08-08 | 资源合约中资源交易值的确定方法、装置和计算机设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117132335A true CN117132335A (zh) | 2023-11-28 |
Family
ID=88861986
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310994809.XA Pending CN117132335A (zh) | 2023-08-08 | 2023-08-08 | 资源合约中资源交易值的确定方法、装置和计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117132335A (zh) |
-
2023
- 2023-08-08 CN CN202310994809.XA patent/CN117132335A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6484730B2 (ja) | 時間因子を融合させる協調フィルタリング方法、装置、サーバおよび記憶媒体 | |
| CN117435130A (zh) | 金融数据存储方法、装置、计算机设备和存储介质 | |
| CN116894721A (zh) | 一种指标预测方法、装置、计算机设备 | |
| CN116681470A (zh) | 门店选址方法、装置、计算机设备、存储介质和产品 | |
| CN114387085B (zh) | 流水数据处理方法、装置、计算机设备和存储介质 | |
| CN117132335A (zh) | 资源合约中资源交易值的确定方法、装置和计算机设备 | |
| CN116881543A (zh) | 金融资源对象推荐方法、装置、设备、存储介质和产品 | |
| US20200336302A1 (en) | System and Method for Secure Causality Discovery | |
| CN116128616A (zh) | 资源风险试算的数据处理的计算方法、装置、计算机设备 | |
| CN118096339A (zh) | 业务数据处理方法、装置、计算机设备、存储介质 | |
| CN117314556A (zh) | 虚拟资源推荐方法、装置、计算机设备和存储介质 | |
| CN117726419A (zh) | 资源数据处理方法、装置、计算机设备、存储介质 | |
| CN117372152A (zh) | 资源归还计划信息生成方法、装置和计算机设备 | |
| CN117391490A (zh) | 金融业务的评价信息处理方法、装置和计算机设备 | |
| CN117077028A (zh) | 风险预测模型的构建方法、装置、计算机设备和存储介质 | |
| CN118035423A (zh) | 信息查询方法、装置、计算机设备和存储介质 | |
| CN117390490A (zh) | 用电信用报告的生成方法、装置、设备、存储介质和产品 | |
| CN116127183A (zh) | 业务推荐方法、装置、计算机设备和存储介质 | |
| CN117459576A (zh) | 基于边缘计算的数据推送方法、装置和计算机设备 | |
| CN116306985A (zh) | 预测模型训练方法、装置、计算机设备和存储介质 | |
| CN116127195A (zh) | 套餐推荐方法、装置、计算机设备、存储介质和程序产品 | |
| CN118229412A (zh) | 资源分配方法、装置、计算机设备、存储介质 | |
| CN117077917A (zh) | 基于低代码平台的人员能力评估方法、装置和计算机设备 | |
| CN115757971A (zh) | 业务对象推荐方法、装置、计算机设备和存储介质 | |
| CN115578114A (zh) | 对象交互预测方法、装置、计算机设备和存储介质 |
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 |