[发明专利]交易对象流动性预测方法、装置、设备及存储介质

权利要求书

1.一种交易对象流动性预测方法，其特征在于，包括：

获取目标交易对象的待处理数据；

将所述待处理数据分别输入至流动性预测模型集合的每个流动性预测模型中，获得多个流动性预测子结果；所述流动性预测模型集合通过预训练贝叶斯神经网络模型生成；

根据所述每个流动性预测模型的预测权重，对所述多个流动性预测子结果进行加权平均，获得所述目标交易对象的流动性预测结果。

2.如权利要求1所述的交易对象流动性预测方法，其特征在于，所述流动性预测模型集合的预训练步骤包括：

获取目标交易对象的数据集；所述数据集基于目标交易对象指定历史时段内的交易数据和外部关联数据构建；

利用所述数据集中的训练集计算后验分布；所述后验分布用于表示贝叶斯神经网络模型；

从所述后验分布中抽取参数向量，并根据所述参数向量生成流动性预测模型；

利用所述数据集中的测试集测试所述流动性预测模型是否满足预设条件；

当所述流动性预测模型不满足所述预设条件时，根据预设的贝叶斯推断方法更新所述后验分布中的参数向量并迭代计算，直至当前生成的流动性预测模型满足所述预设条件为止。

3.如权利要求2所述的交易对象流动性预测方法，其特征在于，所述贝叶斯推断方法包括函数空间斯坦因变分梯度下降算法。

4.如权利要求3所述的交易对象流动性预测方法，其特征在于，所述函数空间斯坦因变分梯度下降算法包括：

其中，θ^(s+1)表示第S+1次抽样迭代后的参数，θ^(s)表示第S次迭代抽样后的参数，s表示抽样次序序号，X表示数据的训练子集，δ表示步长，表示贝叶斯神经网络的输出函数，表示在抽取参数的位置对贝叶斯神经网络的输出函数求偏微分，T表示矩阵转置，表示对贝叶斯神经网络输出函数的SVGD处理。

5.如权利要求1所述的交易对象流动性预测方法，其特征在于，所述获取目标交易对象的待处理数据，包括：

获取目标交易对象待处理的交易数据和外部关联数据；

从所述交易数据和外部关联数据中，提取与所述流动性预测模型集合的输入层匹配的特征数据，以作为所述目标交易对象的待处理数据。

6.如权利要求1所述的交易对象流动性预测方法，其特征在于，所述贝叶斯神经网络模型为贝叶斯深度学习模型。

7.如权利要求1所述的交易对象流动性预测方法，其特征在于，所述目标交易对象包括期限固定的货币类理财交易对象。

8.一种交易对象流动性预测装置，其特征在于，包括：

数据获取模块，用于获取目标交易对象的待处理数据；

结果获取模块，用于将所述待处理数据分别输入至流动性预测模型集合的每个流动性预测模型中，获得多个流动性预测子结果；所述流动性预测模型集合通过预训练以后验分布表示的贝叶斯神经网络模型生成；

结果融合模块，用于根据所述每个流动性预测模型的预测权重，对所述多个流动性预测子结果进行加权平均，获得所述目标交易对象的流动性预测结果。

9.一种计算机设备，包括存储器、处理器、以及存储在所述存储器上的计算机程序，其特征在于，所述计算机程序被所述处理器运行时，执行根据权利要求1-7任意一项所述方法的指令。

10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被计算机设备的处理器运行时，执行根据权利要求1-7任意一项所述方法的指令。