[发明专利]一种滚动预测的方法、及装置

说明书

本发明实施例公开了一种滚动预测的方法、及装置，其中方法的实现包括：确定参考序列中各序列的滞后性特征的滞后期；所述参考序列中包含至少两个序列，所述参考序列中包含外部序列和/或自身序列；依据所述参考序列中各序列的滞后性特征的滞后期，对所述参考序列中各序列的滞后性特征进行重排序，将重新排序后属于同期的滞后性特征进行组合得到待选特征组合；从所述待选特征组合中选择特征组合对已知结果的验证集进行滚动预测，选取滚动预测结果符合预定条件的特征组合作为目标特征组合；使用所述目标特征组合对所述自身序列进行滚动预测。综合考虑了自身序列/外部序列对滚动预测结果的影响，滚动预测结果更为准确和稳定。

技术领域

本发明涉及计算机技术领域，特别涉及一种滚动预测的方法、及装置。

背景技术

企业中经常有一些衡量自身经营状况的指标，如：主营收入、利润等。这些指标随着时间累计形成在时间上有前后相依顺序的数据，这些数据属于序列数据，这些数据在时间上有前后相依的顺序称为时间序列。对于企业的运营情况，人们不仅仅只是关心当前指标，还会关心未来这些指标可能的值，提前做好策略准备，规避未来可能的风险或指导生产经营的决策。

通常情况下，人们除了关心未来一个时期上述指标的情况外，也会希望了解未来更长时间内该指标的值的情况，比如：月收入值，企业管理人关心未来1个月的收入值，也会想要了解未来12个月的月收入值。因此时间序列向前多期的滚动预测被广泛应用于企业中。

学界中研究的方法通常使用自身序列的规律进行预测。对于某一指标A的自身序列，是指该A自身的历史数据组成的序列。相对来说，外部序列则是该A之外的其他指标的历史数据组成的序列。通常可以将自身序列称为目标序列，以目标序列为基准，其他序列称为外部序列。

随着企业对于内部数据的重视，越来越多外部序列被收集并用于目标序列的滚动预测，这些外部序列与目标序列的数据存在一定的滞后相关性；比如3个月前的发货数据会影响到当月的收入，该3个月称为滞后期；因此选择合适的滞后期外部序列可以提高预测的准确性。

以下是结合应用外部序列和自身序列进行滚动预测的实现方案，具体包括：

一、确定滞后期：

计算参考序列(包含目标序列以及外部序列)与目标序列之间的相关性，选择相关性最高的滞后期t，通过相关性检验确定相关性是否显著，若相关性显著则确定为有滞后性影响并且滞后期为t。其中，对于目标序列自身的滞后期，可以使用自相关函数，获得不同时期的自相关值，通过相关性检验确认相关性是否显著，若相关性显著则确定对应的那一期为滞后期，否则不存在滞后期，即：滞后期为0。

二、建立模型：

根据参考序列与目标序列之间的滞后期建立合适的模型，例如：多元线形回归模型。

三、滚动预测:

输入上述目标序列的特征进行滚动预测，当所需的外部特征缺失时，可以先预测外部序列的特征值，然后输入该特征值进行滚动预测。

采用以上方案进行滚动预测，准确性较低稳定性也较低。

发明内容

本发明实施例提供了一种滚动预测的方法、及装置，用于提高滚动预测的准确性和稳定性。

一方面本发明实施例提供了一种滚动预测的方法，包括：

确定参考序列中各序列的滞后性特征的滞后期；所述参考序列中包含至少两个序列，所述参考序列中包含外部序列和/或自身序列；

依据所述参考序列中各序列的滞后性特征的滞后期，对所述参考序列中各序列的滞后性特征进行重排序，将重新排序后属于同期的滞后性特征进行组合得到待选特征组合；