[发明专利]价格波动预测方法及装置

说明书

本发明提供一种价格波动预测方法及装置，通过对影响待预测目标价格的多种特征因素进行处理，实现对待预测目标进行快速且准确的价格波动预测。具体的，通过对获取到的影响待预测目标价格的多个特征因素进行处理得到特征因素对应的特征值，对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，得到多个特征因素的相关系数矩阵，对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，根据因子分析方法、多个特征因素及每个特征因素对应的特征值对待预测目标进行价格波动预测。

技术领域

本申请涉及数据分析领域，具体而言，涉及一种价格波动预测方法及装置。

背景技术

蔬菜和肉类等食物的价格属于人们日常十分关心的问题，同时，蔬菜和肉类的价格波动幅度较大，对于社会稳定也至关重要。因此，提供一种能够对蔬菜和肉类价格波动进行准确预测的方法，以便于对蔬菜和肉类等食物进行调配，从而实现对价格的控制是亟待解决的技术问题。

发明内容

本申请的目的在于提供一种价格波动预测方法及装置。

本发明提供的一种价格波动预测方法，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。

可选的，在上述价格波动预测方法中，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。

可选的，在上述价格波动预测方法中，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。

可选的，在上述价格波动预测方法中，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。

可选的，在上述价格波动预测方法中，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。

本发明还提供一种价格波动预测装置，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。