[发明专利]一种资产价值预测模型构建方法、资产价值预测方法

权利要求书

1.一种资产价值预测模型构建方法，其特征在于，所述方法包括：

获取训练数据、所述训练数据对应的实际资产价值、所述验证数据和所述验证数据对应的实际资产价值；

将所述训练数据和所述验证数据输入预设神经网络模型，得到所述预设神经网络模型输出的所述训练数据对应的第一预测资产价值和所述验证数据对应的预测资产价值；

根据所述训练数据对应的第一预测资产价值、所述训练数据对应的实际资产价值、所述验证数据对应的预测资产价值和所述验证数据对应的实际资产价值，确定当前模型更新次数对应的模型性能评估特征；

利用所述训练数据对应的第一预测资产价值和所述训练数据对应的实际资产价值，更新所述预设神经网络模型，并继续执行所述将所述训练数据和所述验证数据输入预设神经网络模型，得到所述预设神经网络模型输出的所述训练数据对应的第一预测资产价值和所述验证数据对应的预测资产价值及其后续步骤，直至在确定达到预设停止条件后，根据所述模型性能评估特征，构建资产价值预测模型。

2.根据权利要求1所述的方法，其特征在于，所述根据所述模型性能评估特征，构建资产价值预测模型，包括：

根据所述模型性能评估特征，确定模型过拟合起始表征点对应的模型更新次数；其中，所述模型过拟合起始表征点用于表征所述预设神经网络模型的训练过程开始出现过拟合现象；

根据所述模型过拟合起始表征点对应的模型更新次数，确定目标模型更新次数；

根据所述目标模型更新次数，构建资产价值预测模型。

3.根据权利要求2所述的方法，其特征在于，若所述模型性能评估特征包括所述训练数据对应的预测性能表征值和所述验证数据对应的预测性能表征值，则所述模型过拟合起始表征点的确定过程，包括：

根据所述训练数据对应的预测性能表征值，生成所述训练数据对应的预测性能变化曲线；其中，所述训练数据对应的预测性能变化曲线用于描述所述训练数据对应的预测性能表征值随着所述预设神经网络模型的模型更新次数的变化趋势；

根据所述验证数据对应的预测性能表征值，生成所述验证数据对应的预测性能变化曲线；其中，所述验证数据对应的预测性能变化曲线用于描述所述验证数据对应的预测性能表征值随着所述预设神经网络模型的模型更新次数的变化趋势；

根据所述训练数据对应的预测性能变化曲线和所述验证数据对应的预测性能变化曲线，确定满足预设过拟合起始条件的模型过拟合起始表征点。

4.根据权利要求2所述的方法，其特征在于，所述根据所述模型过拟合起始表征点对应的模型更新次数，确定目标模型更新次数，包括：

将所述模型过拟合起始表征点对应的模型更新次数减去1，得到目标模型更新次数；

或者，

将所述模型过拟合起始表征点对应的模型更新次数，确定为目标模型更新次数。

5.根据权利要求2所述的方法，其特征在于，所述根据所述目标模型更新次数，构建资产价值预测模型，包括：

将未经过训练的预设神经网络模型，确定为待使用模型；

将所述训练数据输入所述待使用模型，得到所述待使用模型输出的所述训练数据对应的第二预测资产价值；

根据所述训练数据对应的第二预测资产价值和所述训练数据对应的实际资产价值，更新所述待使用模型，并继续执行所述将所述训练数据输入所述待使用模型，得到所述待使用模型输出的所述训练数据对应的第二预测资产价值及其后续步骤，直至在确定所述待使用模型的当前更新次数达到所述目标模型更新次数时，将所述待使用模型确定为资产价值预测模型。