[发明专利]训练样本生成方法、机器学习模型训练方法及相关装置

权利要求书

1.一种训练样本生成方法，其特征在于，包括：

获取收益率时间序列，并初始化滑动平均函数；

利用所述滑动平均函数对所述收益率时间序列进行变换，得到包含历史信息的收益率时间序列；

判断所述包含历史信息的收益率时间序列是否符合平稳性要求；

若不符合所述平稳性要求，则更新所述滑动平均函数的参数，并返回执行所述利用所述滑动平均函数对所述收益率时间序列进行变换的步骤；

若符合平稳性要求，则确定所述包含历史信息的收益率时间序列与所述收益率时间序列之间的线性相关系数；

判断所述线性相关系数是否大于预设阈值；

若大于所述预设阈值，则将所述包含历史信息的收益率时间序列作为训练样本；

若不大于所述预设阈值，则返回执行所述利用所述滑动平均函数对所述收益率时间序列进行变换的步骤。

2.根据权利要求1所述的方法，其特征在于，所述利用所述滑动平均函数对所述收益率时间序列进行变换，包括：

利用EWMA变换函数y_t＝αx_t+(1-α)y_t-1，分别对所述收益率时间序列中每个收益率值进行变换，得到变换后的收益率值，其中，，y_t表示t时刻的变换后的收益率值，y_t-1表示t-1时刻是变换后的收益率值，x_t表示所述收益率时间序列中的其中一个收益率值，α表示衰减参数；

将多个所述变换后的收益率值组成的序列作为包含历史信息的收益率时间序列。

3.根据权利要求1所述的方法，其特征在于，所述利用所述滑动平均函数对所述收益率时间序列进行变换，包括：

利用自定义变换函数分别对所述收益率时间序列中每个收益率值进行变换，得到变换后的收益率值，其中，y_t表示变换后的收益率值，ω_i表示权重且ω_i通过计算得到，i为小于t的整数，y_t-1表示所述收益率时间序列中的其中一个收益率值，d表示衰减参数；

将多个所述变换后的收益率值组成的序列作为包含历史信息的收益率时间序列。

4.根据权利要求1所述的方法，其特征在于，所述判断所述包含历史信息的收益率时间序列是否符合平稳性要求，包括：

将所述包含历史信息的收益率时间序列输入到平稳性假设检验模型，得到所述平稳性假设检验模型输出的指标；

判断所述指标是否满足设定预测阈值。

5.一种机器学习模型训练方法，其特征在于，包括：

获取包含历史信息的收益率时间序列，所述历史信息的收益率时间序列为基于权利要求1-4任意一项所述的训练样本生成方法生成的；

利用所述历史信息的收益率时间序列，对机器学习模型进行训练。

6.一种训练样本生成装置，其特征在于，包括：

初始化模块，用于获取收益率时间序列，并初始化滑动平均函数；

变换模块，用于利用所述滑动平均函数对所述收益率时间序列进行变换，得到包含历史信息的收益率时间序列；

第一判断模块，用于判断所述包含历史信息的收益率时间序列是否符合平稳性要求；

更新模块，用于若不符合所述平稳性要求，则更新所述滑动平均函数的参数，并返回执行所述变换模块利用所述滑动平均函数对所述收益率时间序列进行变换；

第一确定模块，用于若符合平稳性要求，则确定所述包含历史信息的收益率时间序列与所述收益率时间序列之间的线性相关系数；

第二判断模块，用于判断所述线性相关系数是否大于预设阈值，若不大于所述预设阈值，则返回所述变换模块利用所述滑动平均函数对所述收益率时间序列进行变换；

第二确定模块，用于若大于所述预设阈值，则将所述包含历史信息的收益率时间序列作为训练样本。