[发明专利]通过大数据搜寻分析预测存储器芯片价格变化趋势的方法

说明书

技术领域

本发明涉及大数据分析提取，计算机语义分析，数学建模，波动理论等，具体的说是一种通过大数据搜寻分析预测存储器芯片价格变化趋势的方法。

背景技术

大数据或称巨量数据、海量数据，指的是所涉及的数据量规模巨大到无法通过人工在合理时间内达到截取、管理、处理、并整理成为能解读的信息。在总数据量相同的情况下，与个别分析独立的小型数据集相比，将各个小型数据集合并后进行分析可得出许多额外的信息和数据关系性，可用来察觉商业趋势、判定研究质量、避免疾病扩散、打击犯罪或测定实时交通路况等；这样的用途正是大型数据集盛行的原因。

大数据几乎无法使用大多数的数据库管理系统处理，而必须使用“在数十、数百甚至数千台服务器上同时平行运行的软件”。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。

语义具有领域性特征，语义异构则是指对同一事物在解释上所存在差异，也就体现为同一事物在不同领域中理解的不同。对于计算机科学来说，语义一般是指用户对于那些用来描述现实世界的计算机表示（即符号）的解释，也就是用户用来联系计算机表示和现实世界的途径。

语义是对数据符号的解释，而语法则是对于这些符号之间的组织规则和结构关系的定义。对于信息集成领域来说，数据往往是通过模式（对于模式不存在或者隐含的非结构化和半结构化数据，往往需要在集成前定义出它们的模式）来组织的，数据的访问也是通过作用于模式来获得的，这时语义就是指模式元素（例如类、属性、约束等等）的含义，而语法则是模式元素的结构。

波动理论即艾略特波动理论，由会计师拉尔夫·纳尔逊·艾略特（Ralph Nelson Elliott )在1946年正式提出，是指在市场上重复出现十三种型态（Pattern），这十三种型态出现的时间间隔与幅度大小并不一定具有再现性；其实质上是用演绎法去解释市场的行为，并特别强调波动原理的预测价值。不仅股票期货等虚拟资产遵从这一理论，某些实体产品价格也遵从这一理论。

存储器芯片是信息时代所有电子产品必备的部件，就如同房屋中的水泥，存储器芯片的价格虽然总体上一直在下降，但是也会有上升阶段，即使总体下降，下降的速率也是变化的。存储器芯片的价格波动，受很多因素的影响，例如制造存储器芯片的主要原材料单晶硅的价格走势，国际经济形势，芯片主要生产地政治形势，新的存储技术的突破性进展，人力资源成本，甚至国际炒家的运作手法等。可以说预测存储器芯片的价格走势的难度，不亚于预测任何一支股票或者货币的价格的难度。

发明内容

针对现有技术存在的不足之处，本发明提供一种通过大数据搜寻分析预测存储器芯片价格变化趋势的方法。

本发明所述通过大数据搜寻分析预测存储器芯片价格变化趋势的方法，解决上述技术问题采用的技术方案如下：该方法通过搜索引擎历史上有关存储器芯片交易关键词搜索频率的变化，与存储器芯片价格变化规律进行数学建模，提取出存储器芯片交易关键词搜索频率与存储器芯片价格变化趋势之间的对应关系，对未来存储器芯片价格变化进行统计性预测。

优选的，首先对存储器芯片价格相关语义词条搜索频率进行统计，对存储器芯片历史价格波动与其价格相关语义词条搜索频率的关系进行数学建模，并根据存储器芯片价格相关语义词条搜索频率的变化预测价格波动。

优选的，对存储器芯片价格相关扩展语义词条的搜索频率的历史走势，和存储器芯片价格历史走势的内在关系，通过数学建模的方法进行提取。

优选的，借用数据分析工具Matlab，SAS，SPSS，R工具，确定一套有效的算法模型。

优选的，对建立好的数学模型，通过输入历史数据进行可靠性验证，并调整相关参数与算法，使其达到最优预测能力。

优选的，调用递归算法，对相关参数进行遍历尝试，比较各次尝试中预测模型的预测正确概率，从中找到最优的相关系数矩阵，固化预测模型。

优选的，输入近期的存储器芯片价格相关语义词条搜索频率，对未来存储器芯片价格走势进行预测。