[发明专利]价格波动预测方法及装置

权利要求书

1.一种价格波动预测方法，其特征在于，所述方法包括：

获取影响待预测目标价格的多个特征因素，对每个所述特征因素分别进行处理得到所述特征因素对应的特征值；

对所述多个特征因素分别对应的特征值两两之间进行相关性计算，得到所述多个特征因素的相关系数矩阵；

对所述相关系数矩阵进行检验，根据检验结果判断是否采用因子分析方法；

当判断结果为是时，根据所述因子分析方法、多个特征因素及每个所述特征因素对应的特征值对所述待预测目标进行价格波动预测。

2.根据权利要求1所述的价格波动预测方法，其特征在于，对每个所述特征因素分别进行处理得到所述特征因素对应的特征值的步骤包括：

对每个所述特征因素分别进行数值化处理，得到每个所述特征因素对应的数值；

将每个所述特征因素对应的数值分别进行归一化处理，得到每个特征因素对应的特征值。

3.根据权利要求1所述的价格波动预测方法，其特征在于，所述对所述相关系数矩阵进行检验，根据检验结果判断是否采用因子分析方法的步骤包括：

对所述相关系数矩阵进行KMO检验，并在完成KMO检验后进行巴特利球体检验，得到KMO检验系数和巴特利球体检验的统计值显著性概率值；

根据所述KMO检验系数和巴特利球体检验的统计值显著性概率值判断是否采用因子分析方法。

4.根据权利要求1所述的价格波动预测方法，其特征在于，判断是否采用因子分析方法的判断结果为否时，所述方法还包括：

根据GBDT算法、所述特征因素和每个特征因素对应的特征值对所述待预测目标进行价格波动预测。

5.根据权利要求1所述的价格波动预测方法，其特征在于，所述待预测目标价格为春季蔬菜价格，所述多个特征因素包括菜地面积、人口指数、物流指数、气温因素以及灾害因素。

6.一种价格波动预测装置，其特征在于，所述装置包括：

获取模块，用于获取影响待预测目标价格的多个特征因素，对每个所述特征因素分别进行处理得到所述特征因素对应的特征值；

计算模块，用于对所述多个特征因素分别对应的特征值两两之间进行相关性计算，得到所述多个特征因素的相关系数矩阵；

判断模块，用于对所述关系数矩阵进行检验，根据检验结果判断是否采用因子分析方法；

第一预测模块，用于当判断结果为是时，根据所述因子分析方法、多个特征因素及每个所述特征因素对应的特征值对所述待预测目标进行价格波动预测。

7.根据权利要求6所述的价格波动预测装置，其特征在于，所述获取模块包括：

第一处理子模块，用于对每个所述特征因素分别进行数值化处理，得到每个所述特征因素对应的数值；

第二处理子模块，用于将每个所述特征因素对应的数值分别进行归一化处理，得到每个特征因素对应的特征值。

8.根据权利要求6所述的价格波动预测装置，其特征在于，所述判断模块包括：

检验子模块，用于对所述相关系数矩阵进行KMO检验，并在完成KMO检验后进行巴特利球体检验，得到KMO检验系数和巴特利球体检验的统计值显著性概率值；

判断子模块，用于判断根据所述KMO检验系数和巴特利球体检验的统计值显著性概率值判断是否采用因子分析方法。

9.根据权利要求6所述的价格波动预测装置，其特征在于，在判断结果为否时，所述装置还包括：

第二预测模块，用于根据GBDT算法、所述特征因素和每个特征因素对应的特征值对所述待预测目标进行价格波动预测。

10.根据权利要求6所述的价格波动预测装置，其特征在于，所述待预测目标价格为春季蔬菜价格，所述多个特征因素包括菜地面积、人口指数、物流指数、气温因素以及灾害因素。