TWI714113B

TWI714113B - 外匯交易量預測方法和裝置

Info

Publication number: TWI714113B
Application number: TW108119294A
Authority: TW
Inventors: 楊永晟
Original assignee: 開曼群島商創新先進技術有限公司
Priority date: 2018-08-02
Filing date: 2019-06-04
Publication date: 2020-12-21
Also published as: WO2020024712A1; TW202008231A; CN108846525A

Abstract

本說明書實施例提供一種外匯交易量預測方法和裝置，採用多個預測模型，從不同角度對各個業務日的外匯交易量進行預測，再根據預測值和真實值計算外匯交易量的變化趨勢，從而對未來時間段內的外匯交易量進行預測，提高了預測準確度。

Description

外匯交易量預測方法和裝置

本說明書涉及資料處理技術領域，尤其涉及外匯交易量預測方法和裝置。

在國際匯兌業務中，需要透過提前購買下一個購匯結算週期的各外匯交易量，減少潛在的匯率敞口波動風險，進行損益控制。為了進行損益控制，需要對每個購匯結算週期的外匯交易量進行預測。因此，有必要對外匯交易量的預測方式進行改進。

基於此，本說明書提供了外匯交易量預測方法和裝置。根據本說明書實施例的第一態樣，提供一種外匯交易量預測方法，所述方法包括：分別根據各個業務日的外匯交易量預測值和對應業務日的外匯交易量真實值計算外匯交易量的變化趨勢，並根據所述變化趨勢對未來時間段內的外匯交易量進行預測，其中，各個業務日的外匯交易量預測值分別根據以下方式獲取：分別將當前預測時間節點之前的歷史外匯交易量輸入預先訓練的多個預測模型，獲取各個預測模型對應的當前第一預測結果；根據各個當前第一預測結果計算所述當前預測時間節點之後第N個業務日的外匯交易量預測值；N為預設的正整數。可選地，根據各個當前第一預測結果計算所述當前預測時間節點之後第N個業務日的外匯交易量預測值的步驟包括：將各個當前第一預測結果的加權平均值作為所述當前預測時間節點之後第N個業務日的外匯交易量預測值。可選地，所述方法還包括：根據特定業務日的外匯交易量預測值計算所述特定業務日的影響因子；根據所述影響因子對未來時間段中特定業務日的外匯交易量預測值進行修正。可選地，根據特定業務日的外匯交易量預測值計算所述特定業務日的影響因子的步驟包括：將所述特定業務日的外匯交易量預測值與所述特定業務日的外匯交易量的真實值的比值作為所述影響因子。可選地，所述方法還包括：分別將特定業務日的外匯交易量輸入所述多個預測模型，獲取各個預測模型對應的第二預測結果；根據各個第二預測結果計算所述特定業務日的外匯交易量預測值。可選地，根據各個第二預測結果計算所述特定業務日的外匯交易量預測值的步驟包括：將各個第二預測結果的加權平均值作為所述特定業務日的外匯交易量預測值。可選地，分別將當前預測時間節點之前的歷史外匯交易量輸入預先訓練的多個預測模型，獲取各個預測模型對應的當前第一預測結果的步驟包括：將當前預測時間節點之前的歷史外匯交易量輸入預先訓練的第一預測模型，獲取第一預測模型對應的第一預測結果；將距當前預測時間節點最近N個業務日的歷史外匯交易量輸入預先訓練的第二預測模型，獲取第二預測模型對應的第一預測結果；以及將當前預測時間節點的歷史同期N個業務日的歷史外匯交易量輸入預先訓練的第三預測模型，獲取第三預測模型對應的第一預測結果。可選地，所述第一預測模型為ARIMA模型，所述第二預測模型為均值估計模型，所述第三預測模型為環比趨勢估計模型。根據本說明書實施例的第二態樣，提供一種外匯交易量預測裝置，所述裝置包括：預測模組，用於分別根據各個業務日的外匯交易量預測值和對應業務日的外匯交易量真實值計算外匯交易量的變化趨勢，並根據所述變化趨勢對未來時間段內的外匯交易量進行預測，其中，各個業務日的外匯交易量預測值分別透過執行以下模組的功能來獲取：輸入模組，用於分別將當前預測時間節點之前的歷史外匯交易量輸入預先訓練的多個預測模型，獲取各個預測模型對應的當前第一預測結果；計算模組，用於根據各個當前第一預測結果計算所述當前預測時間節點之後第N個業務日的外匯交易量預測值；N為預設的正整數。根據本說明書實施例的第三態樣，提供一種電腦可讀儲存媒體，其上儲存有電腦程式，所述程式被處理器執行時實現任一實施例所述的方法。根據本說明書實施例的第四態樣，提供一種電腦設備，包括儲存器、處理器及儲存在儲存器上並可在處理器上運行的電腦程式，所述處理器執行所述程式時實現任一實施例所述的方法。應用本說明書實施例方案，採用多個預測模型，從不同角度對各個業務日的外匯交易量進行預測，再根據預測值和真實值計算外匯交易量的變化趨勢，從而對未來時間段內的外匯交易量進行預測，提高了預測準確度。應當理解的是，以上的一般描述和後文的細節描述僅是範例性和解釋性的，並不能限制本說明書。

這裡將詳細地對範例性實施例進行說明，其範例表示在圖式中。下面的描述涉及圖式時，除非另有表示，不同圖式中的相同數字表示相同或相似的要素。以下範例性實施例中所描述的實施方式並不代表與本說明書相一致的所有實施方式。相反，它們僅是與如所附申請專利範圍中所詳述的、本說明書的一些態樣相一致的裝置和方法的例子。在本說明書使用的術語是僅僅出於描述特定實施例的目的，而非意於限制本說明書。在本說明書和所附申請專利範圍中所使用的單數形式的“一種”、“所述”和“該”也意於包括多數形式，除非上下文清楚地表示其他含義。還應當理解，本文中使用的術語“和/或”是指並包含一個或多個相關聯的列出項目的任何或所有可能組合。應當理解，儘管在本說明書可能採用術語第一、第二、第三等來描述各種資訊，但這些資訊不應限於這些術語。這些術語僅用來將同一類型的資訊彼此區分開。例如，在不脫離本說明書範圍的情況下，第一資訊也可以被稱為第二資訊，類似地，第二資訊也可以被稱為第一資訊。取決於語境，如在此所使用的詞語“如果”可以被解釋成為“在……時”或“當……時”或“響應於確定”。如圖1所示，是本說明書一個實施例的外匯交易量預測方法流程圖。所述方法可包括：步驟102：分別根據各個業務日的外匯交易量預測值和對應業務日的外匯交易量真實值計算外匯交易量的變化趨勢，並根據所述變化趨勢對未來時間段內的外匯交易量進行預測，其中，各個業務日的外匯交易量預測值分別根據以下方式獲取：步驟104：分別將當前預測時間節點之前的歷史外匯交易量輸入預先訓練的多個預測模型，獲取各個預測模型對應的當前第一預測結果；步驟106：根據各個當前第一預測結果計算所述當前預測時間節點之後第N個業務日的外匯交易量預測值；N為預設的正整數。在上述實施例中，業務日即業務量的一個統計週期，其可以與自然日(0：00至23：59)相同，也可以由業務系統預先設定，例如，可以設定為某個自然日的15：00至次日的14：59，或者設定為其他時間段。在步驟102中，可以獲取多個業務日的外匯交易量預測值和外匯交易量真實值，例如，可以獲取(N1，N2，……，NT)共T個業務日的外匯交易量預測值和外匯交易量真實值，預測值和真實值分別設為(v1，v2，……，vT)和(V1，V2，……，VT)。在計算外匯交易量的變化趨勢時，可以計算對應業務日的真實值與預測值的比值，將各個業務日對應的比值作為外匯交易量的變化趨勢。即，外匯交易量的變化趨勢為(V1/ v1，V2/ v2，……，VT/ vT)。根據所述變化趨勢對未來時間段內的外匯交易量進行預測，可以根據第i個業務日之前的多個業務日的變化趨勢對第i個業務日的外匯交易量進行預測，根據第i+1個業務日之前的多個業務日的變化趨勢對第i+1個業務日的外匯交易量進行預測，以此類推。其中，每個業務日的外匯交易量預測值vi(1≤i≤T)可透過執行步驟104和步驟106來獲取。在步驟104中，當前預測時間節點可以根據實際需要設定，一般來說，可以採用當前預測時間節點以前的外匯交易量來預測當前預測時間節點之後第N天的外匯交易量。假設當前預測時間節點為T，待預測的外匯交易量為當前預測時間節點之後第N天的外匯交易量，這種預測方式可稱為T+N預測。重複執行步驟104和步驟106，可以根據當前預測時間節點T之前的外匯交易量來獲取當前預測時間節點T的T+N預測結果，根據當前預測時間節點T+1之前的外匯交易量來獲取當前預測時間節點T+1的T+N預測結果，以此類推。用於預測的外匯交易量可以按照時間順序生成時間序列資料。這裡的外匯交易量可以是正向交易量，也可以是逆向交易量。在消費場景中，用戶的購買付款行為與用戶退款行為帶來的是相反的資金流動，在資金結算時，對於商家視角，用戶付款行為為一種正向交易，用戶退款行為為一種逆向交易，因此，正向交易量即用戶向商家付款的總量，逆向交易量即為用戶從商家退款的總量。還可以獲取各個業務日的業務日日期屬性和/或業務日促銷屬性，以用於對特定業務日的預測結果的修正。其中，業務日日期屬性即業務日對應的日期是否月初、月末、月中、工作日、非工作日或者節假日等屬性。業務日促銷屬性即業務日是否存在促銷活動以及促銷活動的活動等級，其中，活動等級由促銷活動的折扣力度、覆蓋商家範圍、預期交易量等因素來決定。一個實施例的時間序列資料如圖2所示。在一個實施例中，獲取各個預測模型對應的當前第一預測結果時，可以將當前預測時間節點之前的歷史外匯交易量輸入預先訓練的第一預測模型，獲取第一預測模型對應的第一預測結果；將距當前預測時間節點最近N個業務日的歷史外匯交易量輸入預先訓練的第二預測模型，獲取第二預測模型對應的第一預測結果；以及將當前預測時間節點的歷史同期N個業務日的歷史外匯交易量輸入預先訓練的第三預測模型，獲取第三預測模型對應的第一預測結果。第一訓練模型根據歷史全量資料來獲取第一預測結果，第二訓練模型根據最近N個業務日的資料來獲取第一預測結果，第三訓練模型根據歷史同期資料來獲取預測結果。三種模型分別從不同的角度來獲取預測結果，最後將各個模型的預測結果綜合起來得到外匯交易量預測值，能夠減少各個模型自身的預測偏差，獲取較為平穩的預測結果。其中，所述第一預測模型可以是ARIMA (Autoregressive Integrated Moving Average Model，自回歸積分滑動平均模型)，所述第二預測模型可以是均值估計模型，所述第三預測模型可以是環比趨勢估計模型。ARIMA模型能感知資料週期趨勢、增長趨勢、季節趨勢；均值估計模型是就按近期的資料的均值，獲得的預測值，偏重於對近期穩定趨勢的模仿；環比趨勢估計模型參考歷史同期走勢，用歷史同期的趨勢預測當期的趨勢，偏重於對歷史同期的模仿。當然，在實際應用中所採用的預測模型的種類和數量均不限於上述實施例，可採用其他數量的多種能夠獲得穩定性趨勢的預測模型來替代上述模型。一個實施例的外匯交易量預測總體原理圖如圖3所示。對於ARIMA模型，可以將歷史全量資料直接輸入該模型，以獲取第一預測結果。對於均值估計模型，可以對距當前預測時間節點最近N個業務日的歷史外匯交易量求平均，將均值作為第一預測結果。對於環比趨勢估計模型，可以當前預測時間節點的歷史同期(記作day1)的前N天的歷史值以及day1後M天的歷史值總和。用當前預測時間節點的前N天的歷史值去除以day1的前N天的歷史值，得到環比比值r，接著用這個環比比值r去乘以day1後M天的歷史值總和，得到最終的預測值。M的取值為正整數，可選地，M的值為1。在步驟106中，可以將各個當前第一預測結果的加權平均值作為所述當前預測時間節點之後第N個業務日的外匯交易量預測值。各個第一預測結果的權值可以是常態化權值，即權值之和為1。在一個實施例中，所述方法還包括：根據特定業務日的外匯交易量預測值計算所述特定業務日的影響因子；根據所述影響因子對未來時間段中特定業務日的外匯交易量預測值進行修正。其中，特定業務日是可能存在對外匯交易量具有較大影響的事件的業務日。例如，可以是月初業務日、月末業務日、節假日，或者雙十一、雙十二等舉行大促銷活動的業務日。透過對特定業務日的外匯交易量預測值進行修正，能夠提高預測準確度。具體地，可以將所述特定業務日的外匯交易量預測值與所述特定業務日的外匯交易量的真實值的比值作為所述影響因子，並以此影響因子來對未來時間段中特定業務日的外匯交易量預測值進行修正。其中，特定業務日的外匯交易量預測值的獲取方式可以採用與步驟104類似的方式。即，分別將特定業務日的外匯交易量輸入所述多個預測模型，獲取各個預測模型對應的第二預測結果；根據各個第二預測結果計算所述特定業務日的外匯交易量預測值。可選地，這裡採用的多個預測模型可以與步驟104採用的各個預測模型相同，每種模型的預測方式也可以與步驟104中各個預測模型的預測方式相同。進一步地，在獲取各個預測模型對應的第二預測結果之後，可以將各個第二預測結果的加權平均值作為所述特定業務日的外匯交易量預測值。本說明書實施例對於沒有更多的資訊的時間序列，只知道特定業務日的日期屬性時，將特定業務日中的T+N的N天資料預測分為兩部分，一部分是序列的穩定趨勢，一部分是由於特定業務日帶來的影響因素與趨勢，最後將兩部分趨勢相融合，以得到未來時間段的外匯交易量預測值，提高了預測結果的準確度。以上實施例中的各種技術特徵可以任意進行組合，只要特徵之間的組合不存在衝突或矛盾，但是限於篇幅，未進行一一描述，因此上述實施方式中的各種技術特徵的任意進行組合也屬本說明書公開的範圍。如圖4所示，本說明書實施例還提供一種外匯交易量預測裝置，所述裝置可包括：預測模組402，用於分別根據各個業務日的外匯交易量預測值和對應業務日的外匯交易量真實值計算外匯交易量的變化趨勢，並根據所述變化趨勢對未來時間段內的外匯交易量進行預測，其中，各個業務日的外匯交易量預測值分別透過執行以下模組的功能來獲取：輸入模組404，用於分別將當前預測時間節點之前的歷史外匯交易量輸入預先訓練的多個預測模型，獲取各個預測模型對應的當前第一預測結果；計算模組406，用於根據各個當前第一預測結果計算所述當前預測時間節點之後第N個業務日的外匯交易量預測值；N為預設的正整數。上述裝置中各個模組的功能和作用的實現過程具體詳情見上述方法中對應步驟的實現過程，在此不再贅述。對於裝置實施例而言，由於其基本對應於方法實施例，所以相關之處參見方法實施例的部分說明即可。以上所描述的裝置實施例僅僅是示意性的，其中所述作為分離部件說明的模組可以是或者也可以不是實體上分開的，作為模組顯示的部件可以是或者也可以不是實體模組，即可以位於一個地方，或者也可以分佈到多個網路模組上。可以根據實際的需要選擇其中的部分或者全部模組來實現本說明書方案的目的。本領域普通技術人員在不付出創造性勞動的情況下，即可以理解並實施。本說明書裝置的實施例可以應用在電腦設備上，例如伺服器或終端設備。裝置實施例可以透過軟體實現，也可以透過硬體或者軟硬體結合的方式實現。以軟體實現為例，作為一個邏輯意義上的裝置，是透過其所在檔案處理的處理器將非揮發性儲存器中對應的電腦程式指令讀取到記憶體中運行形成的。從硬體層面而言，如圖5所示，為本說明書裝置所在電腦設備的一種硬體結構圖，除了圖5所示的處理器502、記憶體504、網路介面506、以及非揮發性儲存器508之外，實施例中裝置所在的伺服器或電子設備，通常根據該電腦設備的實際功能，還可以包括其他硬體，對此不再贅述。相應地，本說明書實施例還提供一種電腦儲存媒體，所述儲存媒體中儲存有程式，所述程式被處理器執行時實現上述任一實施例中的方法。相應地，本說明書實施例還提供一種電腦設備，包括儲存器、處理器及儲存在儲存器上並可在處理器上運行的電腦程式，所述處理器執行所述程式時實現上述任一實施例中的方法。本發明可採用在一個或多個其中包含有程式代碼的儲存媒體(包括但不限於磁碟儲存器、CD-ROM、光學儲存器等)上實施的電腦程式產品的形式。電腦可用儲存媒體包括永久性和非永久性、可移動和非可移動媒體，可以由任何方法或技術來實現資訊儲存。資訊可以是電腦可讀指令、資料結構、程式的模組或其他資料。電腦的儲存媒體的例子包括但不限於：相變記憶體(PRAM)、靜態隨機存取記憶體(SRAM)、動態隨機存取記憶體(DRAM)、其他類型的隨機存取記憶體(RAM)、唯讀記憶體(ROM)、電可抹除可程式化唯讀記憶體(EEPROM)、快閃記憶體或其他記憶體技術、唯讀光碟唯讀記憶體(CD-ROM)、數位多功能光碟(DVD)或其他光學儲存、磁盒式磁帶，磁帶磁磁碟儲存或其他磁性儲存設備或任何其他非傳輸媒體，可用於儲存可以被計算設備存取的資訊。本領域技術人員在考慮說明書及實踐這裡公開的說明書後，將容易想到本公開的其它實施方案。本公開意於涵蓋本公開的任何變型、用途或者適應性變化，這些變型、用途或者適應性變化遵循本公開的一般性原理並包括本公開未公開的本技術領域中的眾所皆知常識或慣用技術手段。說明書和實施例僅被視為範例性的，本公開的真正範圍和精神由下面的申請專利範圍指出。應當理解的是，本公開並不局限於上面已經描述並在圖式中顯示的精確結構，並且可以在不脫離其範圍進行各種修改和改變。本公開的範圍僅由所附的申請專利範圍來限制。以上所述僅為本公開的較佳實施例而已，並不用以限制本公開，凡在本公開的精神和原則之內，所做的任何修改、等同替換、改進等，均應包含在本公開保護的範圍之內。

102〜106‧‧‧步驟 402‧‧‧預測模組 404‧‧‧輸入模組 406‧‧‧計算模組 502‧‧‧處理器 504‧‧‧記憶體 506‧‧‧網路介面 508‧‧‧非揮發性儲存器

此處的圖式被併入說明書中並構成本說明書的一部分，顯示了符合本說明書的實施例，並與說明書一起用於解釋本說明書的原理。圖1是本說明書一個實施例的外匯交易量預測方法流程圖。圖2是本說明書一個實施例的時間序列資料的示意圖。圖3是本說明書一個實施例的外匯交易量預測總體原理圖。圖4是本說明書一個實施例的外匯交易量預測裝置的方塊圖。圖5是本說明書一個實施例的用於實施本說明書實施例方法的電腦設備的示意圖。

Claims

一種外匯交易量預測方法，所述方法包括：分別根據各個業務日的外匯交易量預測值和對應業務日的外匯交易量真實值計算外匯交易量的變化趨勢，並根據所述變化趨勢對未來時間段內的外匯交易量進行預測，其中，各個業務日的外匯交易量預測值分別根據以下方式獲取：將當前預測時間節點之前的歷史外匯交易量輸入預先訓練的第一預測模型，獲取第一預測模型對應的第一預測結果；將距當前預測時間節點最近N個業務日的歷史外匯交易量輸入預先訓練的第二預測模型，獲取第二預測模型對應的第一預測結果；以及將當前預測時間節點的歷史同期N個業務日的歷史外匯交易量輸入預先訓練的第三預測模型，獲取第三預測模型對應的第一預測結果；根據各個當前第一預測結果計算所述當前預測時間節點之後第N個業務日的外匯交易量預測值；N為預設的正整數。
根據申請專利範圍第1項所述的方法，根據各個當前第一預測結果計算所述當前預測時間節點之後第N個業務日的外匯交易量預測值的步驟包括：將各個當前第一預測結果的加權平均值作為所述當前預測時間節點之後第N個業務日的外匯交易量預測值。
根據申請專利範圍第1項所述的方法，所述方法還包括：根據特定業務日的外匯交易量預測值計算所述特定業務日的影響因子；根據所述影響因子對未來時間段中特定業務日的外匯交易量預測值進行修正。
根據申請專利範圍第3項所述的方法，根據特定業務日的外匯交易量預測值計算所述特定業務日的影響因子的步驟包括：將所述特定業務日的外匯交易量預測值與所述特定業務日的外匯交易量的真實值的比值作為所述影響因子。
根據申請專利範圍第3項所述的方法，所述方法還包括：分別將特定業務日的外匯交易量輸入所述多個預測模型，獲取各個預測模型對應的第二預測結果；根據各個第二預測結果計算所述特定業務日的外匯交易量預測值。
根據申請專利範圍第5項所述的方法，根據各個第二預測結果計算所述特定業務日的外匯交易量預測值的步驟包括：將各個第二預測結果的加權平均值作為所述特定業務日的外匯交易量預測值。
根據申請專利範圍第1項所述的方法，所述第一預測模型為ARIMA模型，所述第二預測模型為均值估計模型，所述第三預測模型為環比趨勢估計模型。
一種外匯交易量預測裝置，所述裝置包括：預測模組，用於分別根據各個業務日的外匯交易量預測值和對應業務日的外匯交易量真實值計算外匯交易量的變化趨勢，並根據所述變化趨勢對未來時間段內的外匯交易量進行預測，其中，各個業務日的外匯交易量預測值分別透過執行以下模組的功能來獲取：輸入模組，用於將當前預測時間節點之前的歷史外匯交易量輸入預先訓練的第一預測模型，獲取第一預測模型對應的當前第一預測結果；將距當前預測時間節點最近N個業務日的歷史外匯交易量輸入預先訓練的第二預測模型，獲取第二預測模型對應的第一預測結果；以及將當前預測時間節點的歷史同期N個業務日的歷史外匯交易量輸入預先訓練的第三預測模型，獲取第三預測模型對應的第一預測結果；計算模組，用於根據各個當前第一預測結果計算所述當前預測時間節點之後第N個業務日的外匯交易量預測值；N為預設的正整數。
一種電腦可讀儲存媒體，其上儲存有電腦程式，所述程式被處理器執行時實現申請專利範圍第1至7項中任意一項所述的方法。
一種電腦設備，包括儲存器、處理器及儲存在儲存器上並可在處理器上運行的電腦程式，所述處理器執行所述程式時實現申請專利範圍第1至7項中任意一項所述的方法。