[发明专利]基于行业拥挤度的金融时间序列预测方法、装置及设备

说明书

本文涉及人工智能技术领域，提供了一种基于行业拥挤度的金融时间序列预测方法、装置及设备，该方法包括：获取实体集合内每个实体的指定属性信息；根据指定属性信息构建每个实体的知识图谱；基于知识图谱对实体集合进行行业分类，获得多个行业类；确定每个行业类的第一金融变量在第一历史时段内的第一统计学指标；根据第一统计学指标确定对应行业类的行业拥挤度标签；确定每个实体的第二金融变量在第二历史时段内的第二统计学指标；当任意一个行业类的行业拥挤度标签为高拥挤度时，根据行业拥挤度标签及第二统计学指标，对应预测该行业类下每个实体的第二金融变量在指定未来时段内的变化趋势。本文实施例可以提高金融时间序列预测的准确性。

技术领域

本文涉及人工智能技术领域，尤其是涉及一种基于行业拥挤度的金融时间序列预测方法、装置及设备。

背景技术

时间序列分析是一种定量预测方法(或动态数据处理的统计方法)，它包括一般统计分析(如自相关分析，谱分析等)，统计模型的建立与推断，以及关于时间序列的最优预测、控制与滤波等内容。经典的统计分析都假定数据序列具有独立性，而时间序列分析则侧重研究数据序列的互相依赖关系。时间序列分析实际上是对离散指标的随机过程的统计分析，所以又可看作是随机过程统计的一个组成部分。目前时间序列分析在工程学、经济学、气象学、金融学等众多领域有着广泛的应用。

在金融时间序列预测或金融时间序列分析领域，如何提高金融时间序列预测的准确性，已成为目前亟待解决的技术问题。

发明内容

本文实施例的目的在于提供一种基于行业拥挤度的金融时间序列预测方法、装置及设备，以提高金融时间序列预测的准确性。

为达到上述目的，一方面，本文实施例提供了一种基于行业拥挤度的金融时间序列预测方法，包括：

获取实体集合内每个实体的指定属性信息；

根据所述指定属性信息构建每个实体的知识图谱；

基于所述知识图谱对所述实体集合进行行业分类，获得多个行业类；

确定每个所述行业类的第一金融变量在第一历史时段内的第一统计学指标；

根据所述第一统计学指标确定对应行业类的行业拥挤度标签；

确定所述实体集合内每个实体的第二金融变量在第二历史时段内的第二统计学指标；

当任意一个所述行业类的行业拥挤度标签为高拥挤度时，根据所述行业拥挤度标签及所述第二统计学指标，对应预测该行业类下每个实体的第二金融变量在指定未来时段内的变化趋势。

本文实施例的基于行业拥挤度的金融时间序列预测方法中，基于所述知识图谱对所述实体集合进行行业分类，包括：

从所述实体集合内选择多个基准实体，形成基准实体集合；

对于每个基准实体，基于所述知识图谱计算该基准实体与所述实体集合内的每个非基准实体之间的距离；

对于每个基准实体，根据该基准实体与所述实体集合内的每个非基准实体之间的距离，确定所述实体集合内与该基准实体属于同一行业类的实体。

本文实施例的基于行业拥挤度的金融时间序列预测方法中，基于所述知识图谱计算该基准实体与所述实体集合内的每个非基准实体之间的距离，包括：

从该基准实体的知识图谱中读取其上、下游实体的行业描述文本；并从每个非基准实体的知识图谱中分别读取其上、下游实体的行业描述文本；

分别生成每个非基准实体的每个上游实体的行业描述文本的第一共现矩阵，该基准实体的每个上游实体的行业描述文本的第二共现矩阵，每个非基准实体的每个下游实体的行业描述文本的第三共现矩阵，以及该基准实体的每个下游实体的行业描述文本的第四共现矩阵；