时点数列的趋势预测方法、装置、设备及存储介质
文献发布时间:2024-04-18 19:58:26
技术领域
本申请涉及金融科技技术领域,尤其涉及一种时点数列的趋势预测方法、装置、设备及介质。
背景技术
原材料现货贸易中,若能预判短期运行趋势,对于现货买卖的决策极为有益。对于原材料行情领域等金融交易类的数据分析和预测,原材料现货贸易中,往往不要求能精准预测某日的价格,但更需要预判行情的运行趋势。运行趋势是指某一个的交易时期内价格运行的整体方向。但是现有的数学预测模型的分析方法,在对于金融交易类数据的趋势预测往往有较大偏差。
因此,如何解决目前传统数据模型的数据预测准确性低下成为亟待解决的技术问题。
发明内容
本申请提供了一种时点数列的趋势预测方法、装置、设备及存储介质,旨在提高数据模型的数据预测准确性。
第一方面,本申请提供一种时点数列的趋势预测方法,所述方法包括:
获取目标对象在预设历史时间周期内的时点数列数据;
基于预设的短周期和长周期,分别计算所述时点数列数据的移动平均值,获得短周期数列和长周期数列;
基于所述短周期数列和所述长周期数列,确定所述时点数列数据在当前时间点对应的当前趋势段,以及所述当前趋势段对应的当前趋势运行方向;
基于所述当前趋势段和所述当前趋势运行方向,计算所述时点数列数据在目标周期内的趋势改变概率,以实现对所述时点数列数据的趋势预测。
第二方面,本申请还提供一种时点数列的以改势概率为核心的趋势预测装置,所述时点数列的以改势概率为核心的趋势预测装置包括:
数据获取模块,用于获取目标对象的历史时点数据和基本因子数据,其中,所述基本因子数据为影响所述历史时点数据的基本因子的时点数据;
时点数据拟合模块,用于基于数据拟合模型,提取所述历史时点数据中的均值数据和波动数据,并基于所述均值数据和所述波动数据,拟合生成所述目标对象在目标预测时刻的拟合时点数据;
残差数据拟合模块,用于基于所述数据拟合模型和所述基本因子数据,拟合所述数据拟合模型对所述历史时点数据拟合的数据残差,生成残差时点数据;
数据合成模块,用于基于第一数据合成公式,将所述拟合时点数据和所述残差时点数据按照时间序列对应合成,生成所述目标对象在所述目标预测时刻的预测数据。
第三方面,本申请还提供一种计算机设备,所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序,其中所述计算机程序被所述处理器执行时,实现如上述的时点数列的趋势预测方法的步骤。
第四方面,本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其中所述计算机程序被处理器执行时,实现如上述的时点数列的趋势预测方法的步骤。
本申请提供一种时点数列的趋势预测方法、装置、设备及存储介质,本申请方法包括:获取目标对象在预设历史时间周期内的时点数列数据;基于预设的短周期和长周期,分别计算所述时点数列数据的移动平均值,获得短周期数列和长周期数列;基于所述短周期数列和所述长周期数列,确定所述时点数列数据在当前时间点对应的当前趋势段,以及所述当前趋势段对应的当前趋势运行方向;基于所述当前趋势段和所述当前趋势运行方向,计算所述时点数列数据在目标周期内的趋势改变概率,以实现对所述时点数列数据的趋势预测。通过上述方式,本申请通过设定短周期和长周期,计算时点数列数据的移动平均值,从而获得短周期数列和长周期数列;通过短周期数列和长周期数列的数列关系变化,划分时点数列数据的当前趋势段以及当前趋势段的当前趋势运行方向,从而提高对时点数列数据的趋势变化的识别准确性;根据当前趋势段以及当前趋势运行方向,在明确当前趋势的基础上,计算时点数列数据在指定的目标周期内的趋势改变概率,从而预判时点数列数据的短期趋势;本申请通过采用长周期数列和短周期数列的组合,提高了时点数列数据的预测灵敏度,进而提高了趋势改变的预测准确性。
附图说明
为了更清楚地说明本申请实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请提供的一种时点数列的趋势预测方法第一实施例的流程示意图;
图2为本申请提供的一种时点数列的趋势预测方法第一实施例第三步骤的扩展实施例的流程示意图;
图3为本申请提供的时点数列的趋势预测方法第二实施例的流程示意图;
图4是本申请提供的一种时点数列的以改势概率为核心的趋势预测装置第一实施例的结构示意图;
图5是本申请实施例提供的一种计算机设备的结构示意性框图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
附图中所示的流程图仅是示例说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解、组合或部分合并,因此实际执行的顺序有可能根据实际情况改变。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
请参照图1,图1为本申请提供的一种时点数列的趋势预测方法第一实施例的流程示意图。该时点数列的趋势预测方法可以用于服务器中。其中,所述服务器包括独立一台服务器,或者服务器集群。
如图1所示,该时点数列的趋势预测方法包括步骤S101至步骤S104。
S101、获取目标对象在预设历史时间周期内的时点数列数据;
在一实施例中,时点数列是指反映某种社会经济现象在一定时点(时刻)上的状况及其水平的绝对数动态数列。时点数列有如下特点:数列中的每一项指标数值,都是在某一时刻的特定状况下进行一次性登记取得的;数列指标的数值大小,与时点间隔的长短无直接关系;数列中各项指标不能相加,加总后的结果不具有实际意义。
可以理解地是,通过数学模型实现对数据的分析,要获取周期跨度足够的数据,即足够数量的样本对数学模型进行学习训练,以保证数学模型的预测准确性。样本数据的不同周期跨度,如3年、5年或10年等,会影响样本的统计量,从而影响统计结果和相关结论。因此选择合适的周期,是必要的。但这并不意味选择其他周期是错误的,不同周期样本的统计量,反映了在该周期下的统计学意义。
在一实施例中,对于不同观测对象(如某一原材料行情),可以设置不同的观测周期,比如,可以将各原材料指数序列的周期跨度设置为3年,也可以设置为1年或5年等。
在一实施例中,可以通过访问数据库获得目标对象的时点数列数据。其中,目标对象可以是某一原材料(如铁、橡木、牛皮等)、某一成品商品(如衣物、木制品等)等,数据库可以是共享的网络数据库,也可以是交易平台数据库等。
在一实施例中,可以通过连接数据库开放的API(Application ProgrammingInterface,应用程序编程接口)来读取时点数列数据。
其中,API是一些预先定义的函数,目的是提供应用程序与开发人员基于某软件或硬件得以访问一组例程的能力,而又无需访问源码,或理解内部工作机制的细节。
S102、基于预设的短周期和长周期,分别计算所述时点数列数据的移动平均值,获得短周期数列和长周期数列;
在一实施例中,首先根据需求,确定需要预判的短周期。比如需求是,产业人士想要预判行情在下一个7日的涨跌方向。那么可以拟定短周期为7天。为了辅助分析,还可拟定一个长周期如30天,长周期的趋势相对稳定。
在一实施例中,可对时点数列分别生成7日移动平均值构成的短周期数列M7,和30日移动平均值构成的长周期数列M30。
在一实施例中,可以将短周期数列M7和长周期数列M30反映到行情走势图上,形成相应的M7均线和M30均线。
其中,移动平均值就是指定时间段,对时间序列数据进行移动计算平均值。移动平均值可以用在计算股票的移动平均线、存货成本等方面。
在一实施例中,均线是采用统计学中的“移动平均”原理,将一段时期内的价格平均值连成一条曲线,以此来显示商品价格的历史波动情况,进而反映商品价格未来发展趋势的一种技术分析方法。
其中,N日均线中每个交易日对应的数值=包含该交易日在内的向前N个交易日的收盘价格之和/N。
S103、基于所述短周期数列和所述长周期数列,确定所述时点数列数据在当前时间点对应的当前趋势段,以及所述当前趋势段对应的当前趋势运行方向;
在一实施例中,趋势段是指长、短周期均线(M30和M7)所形成的相邻两次穿越之间,为一个最小趋势段。
进一步地,如图2所示,所述步骤S103具体包括:
S201、基于所述短周期数列和所述长周期数列的至少两个相邻交叉点,确定至少一个趋势段;
在一实施例中,从短周期数列和长周期数列的一个交叉点到下一个交叉点之间的曲线段,即为时点数列数据的一个趋势段。短周期数列和长周期数列之间的纠缠运行,产生了一个又一个的交叉点,构建了一个又一个的趋势段。
在一实施例中,趋势段可以对接均线理论,有助于行情趋势分析。其中,均线理论认为,短周期均线向上穿越长周期均线,表明行情进入上行通道;反之,则进入下行通道。
在一实施例中,当前对于行情曲线主要是按波段理论来解构。曲线中的波段,起起落落有不同振幅,大大小小有不同级别,大波段中套着小,小波段中套着微,又因时而变,以至于常常无法明确起点,也往往难以确定终点。而本申请采用两个交叉点来确定一个趋势段的方法,界定条件客观、清晰,且便于计算操作。
S202、基于所述当前时间点对应的所述趋势段,确定当前趋势段;
进一步地,基于当前时间点,对所述短周期序列和所述长周期序列向前遍历,确定所述短周期序列和所述长周期序列首次交叉的第一交叉点;基于所述第一交叉点对应的第一时间点和所述当前时间点,确定所述时点数列数据的当前趋势段。
在一实施例中,从当前时间点向时点数列的历史数据搜索,若获得首个交叉点,则曲线上从该交叉点起到当前时点以及下次交叉前,即为当前趋势段。因此,要确定当前趋势段,要点是寻找到短周期数列和长周期数列交叉点中距离当前时间点最近的交叉点。
在一实施例中,对前述获得的时点数列和两个均值数列(短周期数列M7和长周期数列M30),按日期从后向前遍历:计算当日的M7-M30,记为dif2;计算前1日(指当日的日期-1)的M7-M30,记为dif1,若dif1*dif2≤0,则:判定发生了交叉(因相邻两组均值的相对大小发生了变化)。因此,前1日的日期即为交叉日。跳出遍历,结束循环。
在一实施例中,M7和M30的交叉点实际是发生在计算获得的交叉日及其次日之间。但因未达次日,故不以次日为交叉日。
S203、基于所述当前趋势段内所述短周期数列和所述长周期数列的相对位置关系,确定所述当前趋势段的当前趋势运行方向。
在一实施例中,判断时点数列数据的当前趋势,即判断该曲线的当前趋势段的运行方向。根据均线理论,短周期均线向上穿越长周期均线,表明行情进入上行通道;反之,则进入下行通道。因此,在前述已获得当前趋势段基础上,通过分析M7和M30之间的穿越情况,则可以判断行情所处的通道。
进一步地,获取所述当前趋势段内任一段内时间点对应所述短周期数列的短周期数列值,以及所述段内时间点对应所述长周期数列的长周期数列值;基于所述短周期数列值和所述长周期数列值的比值结果,确定所述当前趋势段的当前趋势运行方向。
在一实施例中,当前趋势段的当前趋势运行方向指的是时点数列的当前波段的运行方向。时点数列反映到走势图上,通常形成了有大大小小上下波动的曲线,曲线的走向通常包括上行和下行两个方向。
在一实施例中,所述当前趋势段的当前趋势运行方向包括趋势下行和趋势上行。
在一实施例中,在所述比值结果为所述短周期数列值小于所述长周期数列值的情况下,确定所述当前趋势段的当前趋势运行方向为趋势下行;在所述比值结果为所述短周期数列值大于所述长周期数列值的情况下,确定所述当前趋势段的当前趋势运行方向为趋势上行。
在一实施例中,可以比较当前趋势段的起始交叉日对应的M7值(短周期数列值)与M30值(长周期数列值)。若M7>M30,则可确定M7线向下穿越M30线,说明当前趋势向下,即当前趋势段的当前趋势运行方向为趋势下行;若M7 在一实施例中,还可以比较当前趋势段起始交叉日后的任一交叉日对应的短周期数列值和长周期数列值,比如,其实交叉日的次日对应的M7值与M30值。若M7>M30,则可确定M7线向上穿越M30线,说明当前趋势向上,即当前趋势段的当前趋势运行方向为趋势上行;若M7 S104、基于所述当前趋势段和所述当前趋势运行方向,计算所述时点数列数据在目标周期内的趋势改变概率,以实现对所述时点数列数据的趋势预测。 在一实施例中,根据当前趋势段以及当前趋势运行方向,对时点数列数据在未来的目标周期内的趋势走向进行预测,计算其趋势改变的概率,即时点数列数据从趋势上行改变到趋势下行的概率,或者时从趋势下行改变到趋势上行的概率,从而实现对时点数列数据的趋势走向的预测。 其中,趋势改变概率是指在未来的下一个较短周期内改变时点数列当前趋势的概率,是趋势预判的指标。 示例性的,可以设短周期为S,长周期为L,短周期对时点数列形成的移动平均数列为MS(短周期数列),长周期形成的移动平均数列为ML(长周期数列)。 在一具体实施例中,可以根据当前运行趋势的判定方法,确定当前趋势段及运行方向DU。令sInL_sum为时点数列中最后L个元素里的前S个元素之和,并计算获得。令V为长短周期均线在短周期末恰好相交时交叉点的值,并据以下公式算得:V=(L*ML-sInL_sum)/(L-S)。令difM为交叉点值V与当日MS的差,即difM=V-MS,并计算获得。逆向遍历MS列表,逐日计算MS当日值与其前S日的值之差,形成dif列表。计算dif列表的均值ave和标准差std。根据时点数列当前趋势方向,用累积分布概率函数来计算改势概率p:若当前趋势上行中,则p=NormDist(difMs,ave,std,1);若当前趋势下行中,则p=1-NormDist(difMs,ave,std,1)。由此,可以计算得到时点数列数据在未来的目标周期内发生改势的概率。 本实施例提供了一种时点数列的趋势预测方法,本申请方法通过设定短周期和长周期,计算时点数列数据的移动平均值,从而获得短周期数列和长周期数列;通过短周期数列和长周期数列的数列关系变化,划分时点数列数据的当前趋势段以及当前趋势段的当前趋势运行方向,从而提高对时点数列数据的趋势变化的识别准确性;根据当前趋势段以及当前趋势运行方向,在明确当前趋势的基础上,计算时点数列数据在指定的目标周期内的趋势改变概率,从而预判时点数列数据的短期趋势;本申请通过采用长周期数列和短周期数列的组合,提高了时点数列数据的预测灵敏度,进而提高了趋势改变的预测准确性。 请参照图3,图3为本申请提供的时点数列的趋势预测方法第二实施例的流程示意图。 本实施例中,如图3所示,基于上述图1所示实施例,所述步骤S104具体包括: S301、获取所述当前趋势段对应的短周期子数列以及所述当前趋势段对应的长周期子数列,并确定所述短周期子数列和所述长周期子数列在目标交叉点对应的交叉点数列值; 在一实施例中,根据均线原理,未来7日内若趋势改变,则必然发生了长短周期均线的穿越。因此,可以假设M7线和M30线在第7日恰好相交,此时,可以计算交叉日(点)的值V。 在一具体实施例中,可以假设时点数列最近30日的值分别为[a1,a2,a3……a30],未来7日的值分别为[a31,a32……a37],则:当前时间点的当日M30(长周期数列值)=(a1+a2+……+a30)/30,当日M7(短周期数列值)=(a24+a25+……+a30)/7,7日后的M30'=(a8+a9+……+a37)/30,7日后的M7'=(a31+a32+……+a37)/7。 由此,若第7日长短周期均线恰好相交,则交点的值V=M7'=M30'。因此,M7'=(a8+a9+……+a37)/30,30M7'=(a8+a9+……+a37)=(a1+a2+……+a30)+(a31+a32+……+a37)-(a1+a2+……+a7)=30M30+7M7'-(a1+a2+……+a7)。即M7'=[30M30-(a1+a2+……+a7)]/23。因为M30及a1到a7都已知,所以M7'是可计算的,即为7日后恰好交叉的值V。 S302、基于所述当前趋势运行方向、所述交叉点数列值以及所述短周期数列,计算所述时点数列数据在目标周期内的趋势改变概率。 在一实施例中,在已知当前趋势段的当前趋势运行方向时,可以根据当前趋势段的当前趋势运行方向,假设的短周期交叉点对应的交叉点数列值V,以及短周期数列进行趋势改变概率的计算。 进一步地,计算当前时间点对应的短周期数列值与所述交叉点数列值的第一差值;获取所述短周期数列中各点数列值以及各所述点数列值对应的前一个短周期内的短周期点数列值;计算所述各点数列值与其对应的各所述短周期点数列值之间的差值,获得差值列表;计算所述差值列表中各差值的均值和标准差;基于所述当前趋势运行方向、所述第一差值、所述均值以及所述标准差,计算所述趋势改变概率。 在一实施例中,若当前趋势运行方向为趋势上行。短周期为7日,长周期为30日,目标周期为短周期,即7日,则未来7日内发生M7线向下穿越M30线的情形是:M7'≤V。其中V是指长周期数列M30和短周期数列M7恰好在当前时间点之后第七日交叉时的值,M7'是7日后M7线的真实值。 在一具体实施例中,令difMs=V-M7,dif'=M7'-M7。在M7'≤V时,长短周期均线发生交叉,此时,dif'=M7'-M7≤V-M7=difMs,即dif'≤difMs时,长短周期均线发生交叉,即时点数列数据的当前运行趋势发生改变。 因此,求两均线(短周期数列M7和长周期数列M30)在未来指定周期(即目标周期)能够发生交叉的所有概率,实际上是求dif'≤difMs的累积分布概率。计算过程如下:①逆向遍历M7列表,逐日计算M7当日值与其前7日的值之差,形成dif列表。②计算dif列表的均值ave和标准差std。③据观测及检验发现,连续随机变量dif列表具有正态性。因此,根据dif列表的均值、标准差和difMs,用NormDist函数(见Excel)可计算累积分布概率p=NormDist(difMs,ave,std,1)。其中,p即为所求的改变当前趋势的概率,故称为改势概率。 在一实施例中,累积分布概率也可采用其他语言中的函数计算,如Python中scipy库的norm.cdf函数等。 其中,累积分布函数表示:对离散变量而言,所有小于等于a的值出现概率的和。 在一实施例中,若当前趋势运行方向为趋势下行,那么,未来7日内发生M7线向上穿越M30线的情形是:M7'≥V。同前述分析,两均线在未来指定周期能够发生交叉的所有概率,即dif'≥difMs的累积分布概率。因此,根据正态分布的累积分布概率算法:改势概率p=1-NormDist(difMs,ave,std,1)。 请参阅图4,图4是本申请提供的一种时点数列的以改势概率为核心的趋势预测装置第一实施例的结构示意图,该时点数列的以改势概率为核心的趋势预测装置用于执行前述的时点数列的趋势预测方法。其中,该时点数列的以改势概率为核心的趋势预测装置可以配置于服务器中。 如图4所示,该时点数列的以改势概率为核心的趋势预测装置400,包括:时点数列数据获取模块401、周期数列获得模块402、趋势段确定模块403和趋势预测模块404。 时点数列数据获取模块401,用于获取目标对象在预设历史时间周期内的时点数列数据; 周期数列获得模块402,用于基于预设的短周期和长周期,分别计算所述时点数列数据的移动平均值,获得短周期数列和长周期数列; 趋势段确定模块403,用于基于所述短周期数列和所述长周期数列,确定所述时点数列数据在当前时间点对应的当前趋势段,以及所述当前趋势段对应的当前趋势运行方向; 趋势预测模块404,用于基于所述当前趋势段和所述当前趋势运行方向,计算所述时点数列数据在目标周期内的趋势改变概率,以实现对所述时点数列数据的趋势预测。 在一实施例中,所述趋势预测模块404,包括: 交叉点数列值确定单元,用于获取所述当前趋势段对应的短周期子数列以及所述当前趋势段对应的长周期子数列,并确定所述短周期子数列和所述长周期子数列在目标交叉点对应的交叉点数列值; 趋势改变概率计算单元,用于基于所述当前趋势运行方向、所述交叉点数列值以及所述短周期数列,计算所述时点数列数据在目标周期内的趋势改变概率。 在一实施例中,所述趋势改变概率计算单元,包括: 第一差值计算子单元,用于计算当前时间点对应的短周期数列值与所述交叉点数列值的第一差值; 点数列值获取子单元,用于获取所述短周期数列中各点数列值以及各所述点数列值对应的前一个短周期内的短周期点数列值; 差值列表获得子单元,用于计算所述各点数列值与其对应的各所述短周期点数列值之间的差值,获得差值列表; 均值和标准差计算子单元,用于计算所述差值列表中各差值的均值和标准差; 趋势改变概率计算子单元,用于基于所述当前趋势运行方向、所述第一差值、所述均值以及所述标准差,计算所述趋势改变概率。 在一实施例中,所述趋势段确定模块403,包括: 趋势段确定子模块,用于基于所述短周期数列和所述长周期数列的至少两个相邻交叉点,确定至少一个趋势段; 当前趋势段确定子模块,用于基于所述当前时间点对应的所述趋势段,确定当前趋势段; 当前趋势运行方向确定子模块,用于基于所述当前趋势段内所述短周期数列和所述长周期数列的相对位置关系,确定所述当前趋势段的当前趋势运行方向。 在一实施例中,所述当前趋势段确定子模块,包括: 第一交叉点确定单元,用于基于当前时间点,对所述短周期序列和所述长周期序列向前遍历,确定所述短周期序列和所述长周期序列首次交叉的第一交叉点; 当前趋势段确定单元,用于基于所述第一交叉点对应的第一时间点和所述当前时间点,确定所述时点数列数据的当前趋势段。 在一实施例中,所述当前趋势运行方向确定子模块,包括: 短周期序列值确定单元,用于获取所述当前趋势段内任一段内时间点对应所述短周期数列的短周期数列值,以及所述段内时间点对应所述长周期数列的长周期数列值; 当前趋势运行方向确定单元,用于基于所述短周期数列值和所述长周期数列值的比值结果,确定所述当前趋势段的当前趋势运行方向。 在一实施例中,所述当前趋势段的当前趋势运行方向包括趋势下行和趋势上行; 所述当前趋势运行方向确定单元,包括: 趋势下行确定子单元,用于在所述比值结果为所述短周期数列值小于所述长周期数列值的情况下,确定所述当前趋势段的当前趋势运行方向为趋势下行; 趋势上行确定子单元,用于在所述比值结果为所述短周期数列值大于所述长周期数列值的情况下,确定所述当前趋势段的当前趋势运行方向为趋势上行。 需要说明的是,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的装置和各模块的具体工作过程,可以参考前述时点数列的趋势预测方法实施例中的对应过程,在此不再赘述。 上述实施例提供的装置可以实现为一种计算机程序的形式,该计算机程序可以在如图5所示的计算机设备上运行。 请参阅图5,图5是本申请实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以是服务器。 参阅图5,该计算机设备包括通过系统总线连接的处理器、存储器和网络接口,其中,存储器可以包括非易失性存储介质和内存储器。 非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令,该程序指令被执行时,可使得处理器执行任意一种时点数列的趋势预测方法。 处理器用于提供计算和控制能力,支撑整个计算机设备的运行。 内存储器为非易失性存储介质中的计算机程序的运行提供环境,该计算机程序被处理器执行时,可使得处理器执行任意一种时点数列的趋势预测方法。 该网络接口用于进行网络通信,如发送分配的任务等。本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。 应当理解的是,处理器可以是中央处理单元(Central Processing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。 其中,在一个实施例中,所述处理器用于运行存储在存储器中的计算机程序,以实现如下步骤: 获取目标对象在预设历史时间周期内的时点数列数据; 基于预设的短周期和长周期,分别计算所述时点数列数据的移动平均值,获得短周期数列和长周期数列; 基于所述短周期数列和所述长周期数列,确定所述时点数列数据在当前时间点对应的当前趋势段,以及所述当前趋势段对应的当前趋势运行方向; 基于所述当前趋势段和所述当前趋势运行方向,计算所述时点数列数据在目标周期内的趋势改变概率,以实现对所述时点数列数据的趋势预测。 在一实施例中,所述处理器在实现所述基于所述当前趋势段和所述当前趋势运行方向,计算所述时点数列数据在目标周期内的趋势改变概率,以实现对所述时点数列数据的趋势预测时,用于实现: 获取所述当前趋势段对应的短周期子数列以及所述当前趋势段对应的长周期子数列,并确定所述短周期子数列和所述长周期子数列在目标交叉点对应的交叉点数列值; 基于所述当前趋势运行方向、所述交叉点数列值以及所述短周期数列,计算所述时点数列数据在目标周期内的趋势改变概率。 在一实施例中,所述处理器在实现所述基于所述当前趋势运行方向、所述交叉点数列值以及所述短周期数列,计算所述时点数列数据在目标周期内的趋势改变概率时,用于实现: 计算当前时间点对应的短周期数列值与所述交叉点数列值的第一差值; 获取所述短周期数列中各点数列值以及各所述点数列值对应的前一个短周期内的短周期点数列值; 计算所述各点数列值与其对应的各所述短周期点数列值之间的差值,获得差值列表; 计算所述差值列表中各差值的均值和标准差; 基于所述当前趋势运行方向、所述第一差值、所述均值以及所述标准差,计算所述趋势改变概率。 在一实施例中,所述处理器在实现所述基于所述短周期数列和所述长周期数列,确定所述时点数列数据在当前时间点对应的当前趋势段,以及所述当前趋势段对应的当前趋势运行方向时,用于实现: 基于所述短周期数列和所述长周期数列的至少两个相邻交叉点,确定至少一个趋势段; 基于所述当前时间点对应的所述趋势段,确定当前趋势段; 基于所述当前趋势段内所述短周期数列和所述长周期数列的相对位置关系,确定所述当前趋势段的当前趋势运行方向。 在一实施例中,所述处理器在实现所述基于所述当前时间点对应的所述趋势段,确定当前趋势段时,用于实现: 基于当前时间点,对所述短周期序列和所述长周期序列向前遍历,确定所述短周期序列和所述长周期序列首次交叉的第一交叉点; 基于所述第一交叉点对应的第一时间点和所述当前时间点,确定所述时点数列数据的当前趋势段。 在一实施例中,所述处理器在实现所述基于所述当前趋势段内所述短周期数列和所述长周期数列的相对位置关系,确定所述当前趋势段的当前趋势运行方向时,用于实现: 获取所述当前趋势段内任一段内时间点对应所述短周期数列的短周期数列值,以及所述段内时间点对应所述长周期数列的长周期数列值; 基于所述短周期数列值和所述长周期数列值的比值结果,确定所述当前趋势段的当前趋势运行方向。 在一实施例中,所述当前趋势段的当前趋势运行方向包括趋势下行和趋势上行; 所述处理器在实现所述基于所述短周期数列值和所述长周期数列值的比值结果,确定所述当前趋势段的当前趋势运行方向时,用于实现: 在所述比值结果为所述短周期数列值小于所述长周期数列值的情况下,确定所述当前趋势段的当前趋势运行方向为趋势下行; 或者,在所述比值结果为所述短周期数列值大于所述长周期数列值的情况下,确定所述当前趋势段的当前趋势运行方向为趋势上行。 本申请的实施例中还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序中包括程序指令,所述处理器执行所述程序指令,实现本申请实施例提供的任一种时点数列的趋势预测方法。 其中,所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元,例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备,例如所述计算机设备上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。 以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
- 一种网络安全态势预测方法、装置、设备及存储介质
- 客户稳定性的预测方法、装置、计算机设备和存储介质
- 软件可靠性预测方法、装置、计算机设备和存储介质
- 一种进馆档案数量预测方法、装置、电子设备及存储介质
- 短时交通流变化预测方法、装置、计算机设备及存储介质
- 设备状态趋势预测方法、装置、计算机设备和存储介质
- 传染趋势预测方法、装置、设备及存储介质