指标分析方法、装置、设备及可读存储介质

技术领域

本发明涉及数据处理技术领域，尤其涉及一种指标分析方法、装置、设备及可读存储介质。

背景技术

目前，在数据处理领域，往往需要通过数据的多个维度或属性的参数对该数据的某些维度或属性进行预测，例如，行业景气指数的预测，行业景气指数是通过将综合反映行业的各种指标进行加权编制而成的，并能够反映行业变动趋势的一种综合指数。对于各种行业而言，行业的参数包括景气指数/繁荣度、行业产品的产量、行业产品的销量、产品上下游的参数等，通过对行业景气指数进行预测，能够根据预测结果快速地对行业的发展趋势进行分析和判断，从而指导企业的生产经营和投资。

目前，现有的行业景气指数的预测中往往采用固定的指标组合，依据指标核算出一个预测值，但是，在预测过程中并不能依据实际情况更新指标参数，不能根据实际经济形势动态调整优化计算指标，造成预测结果不能反映行业的经济现状，导致景气指数的预测不准确。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种指标分析方法、装置、设备及可读存储介质，旨在解决现有的行业指标预测不准确的技术问题。

为实现上述目的，本发明提供一种指标分析方法，所述指标分析方法包括以下步骤：

获取目标参数对应的目标指标以及所述目标参数对应的多个属性下的相关指标，并基于所述目标指标在所述相关指标中确定所述目标参数对应的关键指标；

基于所述目标指标对所述关键指标进行错期相关性分析，以获得目标关键指标以及所述目标关键指标对应的目标错期间隔，并基于所述目标关键指标及所述目标错期间隔确定目标错期关键指标；

将所述目标指标以及所述目标错期关键指标输入待训练模型进行模型训练，并基于训练结果确定目标预测模型，其中，所述待训练模型为支持向量回归模型；

基于所述目标错期间隔，获取待预测关键指标对应的错期预测指标，并将所述错期预测指标输入所述目标预测模型进行预测，以获得目标参数的目标指标对应的程度值。

进一步地，所述基于目标指标对所述关键指标进行错期相关性分析，以获得目标关键指标以及所述目标关键指标对应的目标错期间隔的步骤包括：

基于预设数量的错期间隔，确定各个所述关键指标对应的错期关键指标以及所述目标指标对于的错期目标指标；

基于当前月的目标指标以及各个属性下的错期关键指标，分别确定各个所述关键指标对应的第一相关系数，并基于当前月各个属性下的关键指标以及所述错期目标指标，分别确定各个所述关键指标对应的第二相关系数；

基于各个所述关键指标对应的第一相关系数以及第二相关系数，确定各个所述关键指标对应的最大相关系数；

获取各个所述最大相关系数中属于第一相关系数的目标相关系数，并基于所述目标相关系数确定所述目标关键指标以及所述目标关键指标对应的目标错期间隔。

进一步地，所述基于当前月的目标指标以及各个属性下的错期关键指标，分别确定各个所述关键指标对应的第一相关系数的步骤包括：

获取当前月的目标指标对应的目标指标向量，以及所述错期关键指标对应的错期关键指标向量；

分别计算所述目标指标向量与各个所述错期关键指标向量之间的夹角余弦值；

对所述夹角余弦值进行归一化操作，以获得所述夹角余弦值对应的归一化后的映射值，并将所述映射值作为对应的关键指标的第一相关系数。

进一步地，所述基于各个所述关键指标对应的第一相关系数以及第二相关系数，确定各个所述关键指标对应的最大相关系数的步骤包括：

基于当前月的目标指标以及当前月各个属性下的关键指标，分别确定各个所述关键指标对应的第三相关系数；

基于各个关键指标对应的所述第一相关系数、所述第二相关系数以及所述第三相关系数，确定各个所述关键指标对应的最大相关系数。

进一步地，所述基于所述目标指标在所述相关指标中确定所述目标参数对应的关键指标的步骤包括：

分别确定各个所述相关指标与所述目标指标之间的相关系数；

将相关系数中最大的预设个数的相关系数，对应的相关指标作为所述关键指标。

进一步地，所述将所述目标指标以及目标错期关键指标输入待训练模型进行模型训练，基于训练结果确定目标预测模型的步骤包括：

将所述目标错期关键指标作为所述待训练模型的自变量集，将所述行业目标指标作为所述待训练模型的因变量，输入所述待训练模型进行模型训练，以获得所述待训练模型对应的损失函数值；

基于所述损失函数值确定所述目标预测模型。

进一步地，所述基于所述损失函数值确定所述目标预测模型的步骤包括：

若所述损失函数值小于预设损失值，则将训练后的待训练模型作为所述目标预测模型；

若所述损失函数值大于或等于预设损失值，则将训练后的待训练模型作为所述待训练模型，并返回执行将所述目标错期关键指标作为所述待训练模型的自变量集，将所述行业目标指标作为所述待训练模型的因变量，输入所述待训练模型进行模型训练，以获得所述待训练模型对应的损失函数值的步骤。

此外，为实现上述目的，本发明还提供一种指标分析装置，所述指标分析装置包括：

获取模块，用于获取目标参数对应的目标指标以及所述目标参数对应的多个属性下的相关指标，并基于所述目标指标在所述相关指标中确定所述目标参数对应的关键指标；

分析模块，用于基于所述目标指标对所述关键指标进行错期相关性分析，以获得目标关键指标以及所述目标关键指标对应的目标错期间隔，并基于所述目标关键指标及所述目标错期间隔确定目标错期关键指标；

训练模块，用于将所述目标指标以及所述目标错期关键指标输入待训练模型进行模型训练，并基于训练结果确定目标预测模型，其中，该待训练模型为支持向量回归模型；

预测模块，用于基于所述目标错期间隔，获取待预测关键指标对应的错期预测指标，并将所述错期预测指标输入所述目标预测模型进行预测，以获得目标参数的目标指标对应的程度值。

此外，为实现上述目的，本发明还提供一种指标分析设备，所述指标分析设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的指标分析程序，所述指标分析程序被所述处理器执行时实现前述的指标分析方法的步骤。

此外，为实现上述目的，本发明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指标分析程序，所述指标分析程序被处理器执行时实现前述的指标分析方法的步骤。

本发明通过获取目标参数对应的目标指标以及所述目标参数对应的多个属性下的相关指标，并基于所述目标指标在所述相关指标中确定所述目标参数对应的关键指标；接着基于目标指标对所述关键指标进行错期相关性分析，以获得目标关键指标以及目标关键指标对应的目标错期间隔，并基于目标关键指标及目标错期间隔确定目标错期关键指标；而后将所述目标指标以及目标错期关键指标输入待训练模型进行模型训练，并基于训练结果确定目标预测模型，其中，该待训练模型为支持向量回归模型；然后基于目标错期间隔，获取待预测关键指标对应的错期预测指标，并将所述错期预测指标输入所述目标预测模型进行预测，以获得目标参数的目标指标对应的程度值，能够通过目标指标与相关指标的相关性自动筛选指标组合，同时还能够根据关联指标实现当前指标的动态调整，以通过预测的程度值准确反映行业的经济现状，提高程度值预测的准确性。

附图说明

图1是本发明实施例方案涉及的硬件运行环境中指标分析设备的结构示意图；

图2为本发明指标分析方法第一实施例的流程示意图；

图3为本发明指标分析装置一实施例的功能模块示意图。

本发明目的的实现、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

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境中指标分析设备的结构示意图。

本发明实施例指标分析设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的指标分析设备结构并不构成对指标分析设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及指标分析程序。

在图1所示的指标分析设备中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的指标分析程序，并执行以下指标分析方法的各个实施例中的操作。

本发明还提供一种指标分析方法，参照图2，图2为本发明指标分析方法第一实施例的流程示意图。

在本实施例中，该指标分析方法包括：

步骤S100，获取目标参数对应的目标指标以及所述目标参数对应的多个属性下的相关指标，并基于所述目标指标在所述相关指标中确定所述目标参数对应的关键指标；

本实施和了中，目标指标可以根据用户的目的进行选择，例如，若以投资为目的，则可以选取目标参数的行业指数中的月度收益率作为目标指标，若以研究性为目的，则可以选取目标参数的行业净利润增速作为目标指标，例如，对于证券投资市场而言，按中信一级分类可以分为30个行业，对于每一个证券行业，可以选择行业净利润增速作为目标指标。在获取目标指标时，获取该目标参数对应的多个属性下的相关指标，该属性下的相关指标可以为某行业的行业相关指标，该相关指标包括：目标参数对应的宏观经济指标、目标参数对应的行业量价数据以及目标参数对应的上下游数据等。

而后，根据目标指标在相关指标中确定目标参数对应的关键指标，其中，关键指标是指各个相关指标中与目标指标之间的相关性较高的指标，具体地，可分别计算计算各个相关指标与目标指标之间的相关系数，并根据相关系数得到预设数量的关键指标，例如将相关系数中最大的预设个数的相关系数，对应的相关指标作为关键指标。在目标指标为行业净利润增速时，可筛选出和行业净利润增速高度相关的指标作为目标参数的关键指标。以有色金属行业为例，关键指标包括铜材产量、PPI有色金属矿采选业当月同比、空调产量当月同比等指标。

步骤S200，基于目标指标对所述关键指标进行错期相关性分析，以获得目标关键指标以及目标关键指标对应的目标错期间隔，并基于目标关键指标及目标错期间隔确定目标错期关键指标；

本实施例中，首先获取预设数量的错期间隔，该错期间隔可以根据目标参数的经济周期进行合理设置，而后根据各个错期间隔对各个关键指标以及目标指标进行错期操作，以得到各个关键指标对应的错期关键指标以及目标指标对于的错期目标指标。而后，基于当前月的目标指标、错期关键指标进行相关性计算，得到各个关键指标对应的第一相关系数，并基于当前月的各个关键指标、错期目标指标进行相关性计算，得到各个关键指标对应的第二相关系数，根据第一相关系数以及第二相关系数确定目标关键指标，并将目标关键指标对应的错期间隔作为目标错期间隔，其中，目标关键指标可以包括一个或多个。

在获取到目标关键指标以及目标错期间隔时，根据该目标错期间隔对应的目标关键指标进行错期操作，以得到目标错期关键指标。

步骤S300，将所述目标指标以及目标错期关键指标输入待训练模型进行模型训练，并基于训练结果确定目标预测模型，其中，该待训练模型为支持向量回归模型；

本实施例中，在获取到目标错期关键指标之后，将目标指标以及目标错期关键指标输入待训练模型进行模型训练，以获得训练结果，并基于该训练结果确定目标预测模型，其中，待训练模型为支持向量回归模型或者支持向量机，具体地，该训练结果为损失函数值，若该损失函数值小于预设损失值，则根据该损失函数值更新该待训练模型得到目标预测模型。

步骤S400，基于目标错期间隔，获取待预测关键指标对应的错期预测指标，并将所述错期预测指标输入所述目标预测模型进行预测，以获得目标参数的目标指标对应的程度值。

本实施例中，在得到目标预测模型之后，可通过该目标预测模型预测该目标参数的目标指标对应的程度值，具体地，获取待预测关键指标，该待预测关键指标与目标关键指标相同的相关指标，且待预测关键指标所对应的时间区间与目标关键指标所对应的时间区间不同，例如，若目标关键指标包括两个指标例如目标指标以及第二指标，目标指标的目标错期间隔为1个月，第二指标的目标错期间隔为2个月，为了预测未来一个月的程度值，该待预测关键指标包括当前月的目标指标以及前一个月的第二指标，错期预测指标包括错期一个月的目标指标以及错期2个月的第二指标。而后，将错期预测指标输入所述目标预测模型，该目标预测模型的输出即为目标参数的目标指标对应的程度值。其中，目标指标可以为当前月的景气指标，该程度值可以为目标参数对应的行业景气度。

本实施例提出的指标分析方法，通过获取目标参数对应的目标指标以及所述目标参数对应的多个属性下的相关指标，并基于所述目标指标在所述相关指标中确定所述目标参数对应的关键指标；接着基于目标指标对所述关键指标进行错期相关性分析，以获得目标关键指标以及目标关键指标对应的目标错期间隔，并基于目标关键指标及目标错期间隔确定目标错期关键指标；而后将所述目标指标以及目标错期关键指标输入待训练模型进行模型训练，并基于训练结果确定目标预测模型，其中，该待训练模型为支持向量回归模型；然后基于目标错期间隔，获取待预测关键指标对应的错期预测指标，并将所述错期预测指标输入所述目标预测模型进行预测，以获得目标参数的目标指标对应的程度值，能够通过目标指标与相关指标的相关性自动筛选指标组合，同时还能够根据行业的实际经济形实现指标的势动态调整，以通过预测的程度值准确反映行业的经济现状，提高行业的程度值预测的准确性。

基于第一实施例，提出本发明指标分析方法的第二实施例，在本实施例中，步骤S200包括：

步骤S210，基于预设数量的错期间隔，确定各个关键指标对应的错期关键指标以及目标指标对于的错期目标指标；

步骤S220，基于当前月的目标指标以及各个属性下的错期关键指标，分别确定各个关键指标对应的第一相关系数，并基于当前月各个行业对应的关键指标以及错期目标指标，分别确定各个关键指标对应的第二相关系数；

步骤S230，基于各个关键指标对应的第一相关系数以及第二相关系数，确定各个关键指标对应的最大相关系数；

步骤S240，获取各个最大相关系数中属于第一相关系数的目标相关系数，并基于所述目标相关系数确定所述目标关键指标以及所述目标关键指标对应的目标错期间隔。

本实施例中，先获取预设数量的错期间隔，而后根据各个错期间隔对各个关键指标以及目标指标进行错期操作，以得到各个关键指标对应的错期关键指标以及目标指标对于的错期目标指标，其中，该错期间隔可以根据目标参数的经济周期进行合理设置，例如，错期间隔包括前错期1个月、前错期2个月……前错期n个月、后错期1个月、后错期2个月……后错期n个月等，则针对某一关键指标，其对应的错期关键指标包括当前月之前1个月的关键指标、当前月之前2个月的关键指标……当前月之前n个月的关键指标等，该错期目标指标包括当前月之前1个月的目标指标、当前月之前2个月的目标指标……当前月之前n个月的目标指标等。

接着，基于当前月的目标指标、错期关键指标进行相关性计算，得到各个关键指标对应的第一相关系数。具体地，针对证券行业而言，当前月的目标指标包括预设期间(例如当前月)内每一个交易日的核心景气参数，错期关键指标包括错期间隔对应的期间内每一个交易日的关键指标参数，先确定当前月的目标指标对应的目标指标向量，以及错期关键指标对应的错期关键指标向量，即目标指标向量内的元素为单个交易的核心景气参数，错期关键指标向量内的元素为单个交易关键指标参数。而后基于目标指标向量以及错期关键指标向量确定各个关键指标对应的第一相关系数。

同时，当前月的关键指标包括预设期间(例如当前月)内每一个交易日的行业关键参数，错期目标指标包括错期间隔对应的期间内每一个交易日的景气指标参数，先确定当前月的关键指标对应的关键指标向量，以及错期目标指标对应的错期目标指标向量，而后基于错期目标指标向量以及关键指标向量确定各个关键指标对应的第二相关系数。

而后，基于各个关键指标对应的第一相关系数以及第二相关系数，确定各个关键指标对应的最大相关系数，并判断各个关键指标对应的最大相关系数是否属于其对应的第一相关系数，进而获得各个最大相关系数中属于第一相关系数的目标相关系数，并基于目标相关系数确定目标关键指标以及所述目标关键指标对应的目标错期间隔，即将该目标相关系数的错期关键指标所对应的关键指标作为目标关键指标，将该目标相关系数的错期关键指标对应的错期间隔作为该错期关键指标(目标关键指标)对应的目标错期间隔。也就是说，对于每一个关键指标对应的第一相关系数以及第二相关系数，筛选该关键指标对应的最大相关系数，若该关键指标的最大相关系数位于第一相关系数中，则判定该关键指标为目标关键指标，且该关键指标的最大相关系数所对应的错期间隔为目标错期间隔。

需要说明的是，若该关键指标的最大相关系数不属于第一相关系数，则表明该关键指标为滞后指标，该关键指标无法用于程度值的预测。

本实施例提出的指标分析方法，通过基于预设数量的错期间隔，确定各个关键指标对应的错期关键指标以及目标指标对于的错期目标指标；接着基于当前月的目标指标以及各个属性下的错期关键指标，分别确定各个关键指标对应的第一相关系数，并基于当前月各个行业对应的关键指标以及错期目标指标，分别确定各个关键指标对应的第二相关系数；而后基于各个关键指标对应的第一相关系数以及第二相关系数，确定各个关键指标对应的最大相关系数；最后获取各个最大相关系数中属于第一相关系数的目标相关系数，并基于所述目标相关系数确定所述目标关键指标以及所述目标关键指标对应的目标错期间隔，通过目标指标与关键指标之间的错期相关系数，准确筛选关键指标中与目标指标相关系超前的目标关键指标以及目标关键指标的目标错期间隔，进而准确筛选预测程度值的指标组合，进一步提高程度值预测的准确性。

基于第二实施例，提出本发明指标分析方法的第三实施例，在本实施例中，步骤S220包括：

步骤S221，获取当前月的目标指标对应的目标指标向量，以及错期关键指标对应的错期关键指标向量；

步骤S222，分别计算所述目标指标向量与各个所述错期关键指标向量之间的夹角余弦值；

步骤S223，对夹角余弦值进行归一化操作，以获得夹角余弦值对应的归一化后的映射值，并将所述映射值作为对应的关键指标的第一相关系数。

本实施例中，先确定当前月的目标指标对应的目标指标向量，以及错期关键指标对应的错期关键指标向量，具体地，目标指标向量内的元素为单个交易的核心景气参数，错期关键指标向量内的元素为单个交易关键指标参数。

而后，分别计算目标指标向量与各个错期关键指标向量之间的夹角余弦值，并对夹角余弦值进行归一化操作，以获得夹角余弦值对应的归一化后的映射值，并将所述映射值作为对应的关键指标的第一相关系数，例如，基于(0，1)的范围对夹角余弦值进行归一化，将各个夹角余弦值映射到(0，1)内以得到各个夹角余弦值的映射值，并将映射值作为对应的目标指标向量与各个错期关键指标向量之间的相关系数，进而得到各个关键指标对应的第一相关系数。

可以理解的是，第二相关系数以及前相关系数的计算方式与第一相关系数的计算方式类似，即先确定当前月的关键指标对应的关键指标向量，以及错期目标指标对应的错期目标指标向量，分别计算各个关键指标向量与各个错期目标指标向量之间的错期夹角余弦值，并分别对错期夹角余弦值进行归一化操作，以获得错期夹角余弦值对应的归一化后的错期映射值，并将该错期映射值作为对应的关键指标的第二相关系数。

本实施例提出的指标分析方法，通过获取当前月的目标指标对应的目标指标向量，以及错期关键指标对应的错期关键指标向量，接着分别计算所述目标指标向量与各个所述错期关键指标向量之间的夹角余弦值，而后对夹角余弦值进行归一化操作，以获得夹角余弦值对应的归一化后的映射值，并将所述映射值作为对应的关键指标的第一相关系数，能够通过目标指标向量以及错期关键指标向量准确得到第一相关系数，提高了第一相关系数的准确性，进而提高了筛选目标关键指标的准确性，进一步提高程度值预测的准确性。

基于第二实施例，提出本发明指标分析方法的第四实施例，在本实施例中，步骤S230包括：

步骤S231，基于当前月的目标指标以及当前月各个属性下的关键指标，分别确定各个关键指标对应的第三相关系数；

步骤S232，基于各个关键指标对应的第一相关系数、第二相关系数以及第三相关系数，确定各个关键指标对应的最大相关系数。

本实施例中，为避免筛选出的目标关键指标可能为目标指标的同期指标，基于当前月的目标指标以及当前月各个属性下的关键指标，分别确定各个关键指标对应的第三相关系数，具体地，计算目标指标向量与各个关键指标向量之间的当前夹角余弦值，并分别对当前夹角余弦值进行归一化操作，以获得当前夹角余弦值对应的归一化后的当前映射值，并将所述当前映射值作为对应的关键指标的第三相关系数。

而后，基于各个关键指标对应的第一相关系数、第二相关系数以及第三相关系数，确定各个关键指标对应的最大相关系数，即在每一个关键指标的第一相关系数、第二相关系数以及第三相关系数中，筛选该关键指标对应的最大相关系数。

需要说明的是，若某一关键指标的最大相关系数不属于第一相关系数，即该最大相关系数可能属于第二相关系数或者第三相关系数，则表明该关键指标为同期指标或滞后指标，进而判定该关键指标无法用于程度值的预测。

本实施例提出的指标分析方法，通过基于当前月的目标指标以及当前月各个属性下的关键指标，分别确定各个关键指标对应的第三相关系数，接着基于各个关键指标对应的第一相关系数、第二相关系数以及第三相关系数，确定各个关键指标对应的最大相关系数，提高第三相关系数避免将目标指标的同期指标作为目标关键指标，进而提高目标关键指标的准确性，进一步提高程度值预测的准确性。

基于第一实施例，提出本发明指标分析方法的第五实施例，在本实施例中，步骤S100包括：

步骤S110，分别确定各个相关指标与目标指标之间的相关系数；

步骤S120，将相关系数中最大的预设个数的相关系数，对应的相关指标作为关键指标。

本实施例中，基于各个相关指标与目标指标，确定预设交易期间内，各个相关指标对应的第一时序矢量，以及目标指标对应的第二时序矢量，时序矢量可以为日指标、周指标或者月指标按照时间先后排序的矢量。而后，基于各个第一时序矢量以及第二时序矢量确定相关系数；具体地，计算各个第一时序矢量以及第二时序矢量的矢量夹角余弦值，并基于(0，1)的范围对矢量夹角余弦值进行归一化，以将各个矢量夹角余弦值映射到(0，1)内，得到各个矢量夹角余弦值的矢量映射值，并将矢量映射值作为对应的相关系数。

然后，对比各个相关系数，以确定各个相关系数中最大的预设个数的相关系数，并将最大的预设个数的相关系数对应的相关指标作为关键指标。具体地，可将各个相关系数按照由大到小的顺序进行排序，并将排序结果中前预设个数的相关系数对应的相关指标作为关键指标。

本实施例提出的指标分析方法，通过分别确定各个相关指标与目标指标之间的相关系数，接着将相关系数中最大的预设个数的相关系数，对应的相关指标作为关键指标，能够通过相关指标与目标指标之间的相关系数准确得到关键指标，提高关键指标与目标指标之间的相关性，进一步提高程度值预测的准确性。

基于上述实施例，提出本发明指标分析方法的第六实施例，在本实施例中，步骤S300包括：

步骤S310，将所述目标错期关键指标作为所述待训练模型的自变量集，将所述行业目标指标作为所述待训练模型的因变量，输入所述待训练模型进行模型训练，以获得所述待训练模型对应的损失函数值；

步骤S320，基于所述损失函数值确定所述目标预测模型。

本实施例中，在获取到待预测关键指标以及目标指标时，将所述目标错期关键指标作为待训练模型的自变量集，将行业目标指标作为所述待训练模型的因变量，输入所述待训练模型进行模型训练，以获得待训练模型对应的损失函数值；而后基于损失函数值确定目标预测模型，具体地，该训练结果为损失函数值，若该损失函数值小于预设损失值，则根据该损失函数值更新该待训练模型得到目标预测模型。

其中，损失函数值可以为Hinge损失函数，具体的，损失函数值的公式为：

L＝max(0,1-y

其中，L为损失函数值，y

进一步地，在一实施例中，步骤S320包括：

步骤S321，若所述损失函数值小于预设损失值，则将训练后的待训练模型作为所述目标预测模型；

步骤S322，若所述损失函数值大于或等于预设损失值，则将训练后的待训练模型作为所述待训练模型，并返回执行将所述目标错期关键指标作为所述待训练模型的自变量集，将所述行业目标指标作为所述待训练模型的因变量，输入所述待训练模型进行模型训练，以获得所述待训练模型对应的损失函数值的步骤。

本实施例中，在待训练模型进行模型训练之后，得到损失函数值以及训练后的待训练模型，并判断损失函数值是否小于预设损失值，若损失函数值小于预设损失值，则判定训练后的待训练模型已收敛，进而将训练后的待训练模型作为所述目标预测模型。

若损失函数值大于或等于预设损失值，则判定训练后的待训练模型未收敛，进而将训练后的待训练模型作为所述待训练模型，并返回执行步骤S322，直至得到的损失函数值小于预设损失值，以获得收敛的目标预测模型。

然而本设计不限于此，于其他实施例中，待训练模型进行模型训练之后，更新待训练模型的训练次数，例如将训练次数加1，若损失函数值大于或等于预设损失值，则判断更新后的训练次数是否达到预设次数，若未达到预设次数，则返回执行步骤S322，否则将训练后的待训练模型作为所述目标预测模型，以避免在得不到收敛的预测模型时程序持续循环。

本实施例提出的指标分析方法，通过将所述目标错期关键指标作为所述待训练模型的自变量集，将所述行业目标指标作为所述待训练模型的因变量，输入所述待训练模型进行模型训练，以获得所述待训练模型对应的损失函数值；接着基于所述损失函数值确定所述目标预测模型，能够根据目标错期关键指标以及行业目标指标准确得到目标预测模型，提高关键指标与目标指标之间的相关性，进一步提高程度值预测的准确性。

参照图3，图3为本发明指标分析装置一实施例的功能模块示意图。

本实施例中，指标分析装置包括：

获取模块10，用于获取目标参数对应的目标指标以及所述目标参数对应的多个属性下的相关指标，并基于所述目标指标在所述相关指标中确定所述目标参数对应的关键指标；

分析模块20，用于基于目标指标对所述关键指标进行错期相关性分析，以获得目标关键指标以及目标关键指标对应的目标错期间隔，并基于目标关键指标及目标错期间隔确定目标错期关键指标；

训练模块30，用于将所述目标指标以及目标错期关键指标输入待训练模型进行模型训练，并基于训练结果确定目标预测模型，其中，该待训练模型为支持向量回归模型；

预测模块40，用于基于目标错期间隔，获取待预测关键指标对应的错期预测指标，并将所述错期预测指标输入所述目标预测模型进行预测，以获得目标参数的目标指标对应的程度值。

进一步地，分析模块20，还用于：

基于预设数量的错期间隔，确定各个关键指标对应的错期关键指标以及目标指标对于的错期目标指标；

基于当前月的目标指标以及各个属性下的错期关键指标，分别确定各个关键指标对应的第一相关系数，并基于当前月各个行业对应的关键指标以及错期目标指标，分别确定各个关键指标对应的第二相关系数；

基于各个关键指标对应的第一相关系数以及第二相关系数，确定各个关键指标对应的最大相关系数；

获取各个最大相关系数中属于第一相关系数的目标相关系数，并基于所述目标相关系数确定所述目标关键指标以及所述目标关键指标对应的目标错期间隔。

进一步地，分析模块20，还用于：

获取当前月的目标指标对应的目标指标向量，以及错期关键指标对应的错期关键指标向量；

分别计算所述目标指标向量与各个所述错期关键指标向量之间的夹角余弦值；

对夹角余弦值进行归一化操作，以获得夹角余弦值对应的归一化后的映射值，并将所述映射值作为对应的关键指标的第一相关系数。

进一步地，分析模块20，还用于：

基于当前月的目标指标以及当前月各个属性下的关键指标，分别确定各个关键指标对应的第三相关系数；

基于各个关键指标对应的第一相关系数、第二相关系数以及第三相关系数，确定各个关键指标对应的最大相关系数。

进一步地，获取模块10，还用于：

分别确定各个相关指标与目标指标之间的相关系数；

将相关系数中最大的预设个数的相关系数，对应的相关指标作为关键指标。

进一步地，训练模块30，还用于：

将所述目标错期关键指标作为所述待训练模型的自变量集，将所述行业目标指标作为所述待训练模型的因变量，输入所述待训练模型进行模型训练，以获得所述待训练模型对应的损失函数值；

基于所述损失函数值确定所述目标预测模型。

进一步地，训练模块30，还用于：

若所述损失函数值小于预设损失值，则将训练后的待训练模型作为所述目标预测模型；

若所述损失函数值大于或等于预设损失值，则将训练后的待训练模型作为所述待训练模型，并返回执行将所述目标错期关键指标作为所述待训练模型的自变量集，将所述行业目标指标作为所述待训练模型的因变量，输入所述待训练模型进行模型训练，以获得所述待训练模型对应的损失函数值的步骤。

需要说明的是，指标分析装置的各个实施例与上述指标分析方法的各实施例基本相同，在此不再详细赘述。

此外，本发明实施例还提出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指标分析程序，所述指标分析程序被处理器执行时实现如上述中任一项所述的指标分析方法的步骤。

本发明计算机可读存储介质具体实施例与上述指标分析方法的各实施例基本相同，在此不再详细赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件装置的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。