一种利率预测方法、装置、计算机设备和存储介质

技术领域

本申请涉及区块链技术领域，特别是涉及一种利率预测方法、装置、计算机设备和存储介质。

背景技术

目前，在银行等金融机构开展金融业务时，需要进行利率风险管理与金融产品定价等预估操作，这也就要求金融机构需要对利率的走势与波动进行预测，而不同的利率则会影响银行和投资者的决策，进而影响金融业务的走向。

相关技术多采用某种通行公认的基准利率为基础进行利率预测，例如担保隔夜融资利率(Secured Overnight Financing Rate，简称SOFR)等通行公认的基准利率。

但是，由于SOFR代表资金仅借出一个工作日的融资利率，使得SOFR的更新较快，导致SOFR的利率波动过大，据此预测出的利率也会存在较大波动，不利于货币基金等金融产品的定价，影响金融系统的稳定性。

发明内容

为了解决上述技术问题，本申请提供了一种利率预测方法、装置、计算机设备和存储介质。

本申请实施例公开了如下技术方案：

第一方面，本申请实施例公开了一种利率预测方法，所述方法包括：

获取多个交易所的多个交易数据；每个所述交易所的交易数据包括第一利率采样数据与第二利率采样数据，所述第一利率采样数据与所述第二利率采样数据是根据不同的基准利率确定的，所述第一利率采样数据的波动性高于所述第二利率采样数据；

对多个所述第一利率采样数据进行平滑处理，获得多个第一利率平滑数据；

基于多个所述第二利率采样数据根据预设利率迭代算法修正所述多个第一利率平滑数据，获得多个修正利率；

对所述多个修正利率进行均值计算，获得预测利率。

可选的，所述方法还包括：

将所述多个第一利率采样数据组成第一利率采样数据序列；

所述对多个所述第一利率采样数据进行平滑处理，获得多个第一利率平滑数据，包括：

通过光滑函数对所述第一利率采样数据序列进行平滑处理，获得第一利率平滑数据序列；

所述基于多个所述第二利率采样数据根据预设利率迭代算法修正所述多个第一利率平滑数据，获得多个修正利率，包括：

基于多个所述第二利率采样数据根据预设利率迭代算法修正所述第一利率平滑数据序列中的多个第一利率采样数据，获得多个修正利率。

可选的，所述基于多个所述第二利率采样数据根据预设利率迭代算法修正所述多个第一利率平滑数据，获得多个修正利率，包括：

对所述多个第一利率采样数据进行均值计算，获得第一均值利率；

根据第一权重、所述第一均值利率与多个所述第二利率采样数据，计算修正利率偏移值；所述第一权重为所述第一均值利率的权重，所述第一权重是基于第一预设均匀分布随机确定的；

根据第二权重、所述修正利率偏移值，修正多个所述第一利率平滑数据，获得多个第一迭代修正利率；所述第二权重是基于第二预设均匀分布随机确定的；

对所述第二权重进行迭代更新，获得多个第二迭代修正利率；

响应于所述多个第二迭代修正利率的波动阈值小于预设波动阈值，将所述迭代修正利率确定为所述修正利率。

可选的，所述交易数据还包括交易种类；不同的交易数据包括的交易种类相同或不同；

所述对所述多个修正利率进行均值计算，获得预测利率，包括：

根据所述多个修正利率，计算所述多个修正利率的加权平均值，获得预测利率；所述多个修正利率的权重是基于所述不同的交易种类预设的。

可选的，所述方法还包括：

基于所述不同的交易种类，采用不同的预设滤波算法对所述多个修正利率进行滤波，获得多个滤波修正利率；

所述对所述多个修正利率进行均值计算，获得预测利率，包括：

对所述多个滤波修正利率进行均值计算，获得预测利率。

可选的，所述方法还包括：

获取多个预定金融交易市场的多个实际交易数据；所述实际交易数据包括实际交易利率；

对多个所述实际交易利率进行均值计算，获得影响利率；

对所述预测利率与所述影响利率进行均值计算，获得实际预测利率。

可选的，所述方法还包括：

将所述多个交易数据存储到区块链的节点中；

响应于所述交易数据发生变化，所述节点将变化后的交易数据向所述区块链的其他节点广播。

第二方面，本申请实施例公开了一种利率预测装置，所述装置包括：

交易数据获取单元，用于获取多个交易所的多个交易数据；每个所述交易所的交易数据包括第一利率采样数据与第二利率采样数据，所述第一利率采样数据与所述第二利率采样数据是根据不同的基准利率确定的，所述第一利率采样数据的波动性高于所述第二利率采样数据；

利率数据处理单元，用于对多个所述第一利率采样数据进行平滑处理，获得多个第一利率平滑数据；

利率数据修正单元，用于基于多个所述第二利率采样数据根据预设利率迭代算法修正所述多个第一利率平滑数据，获得多个修正利率；

预测利率计算单元，用于对所述多个修正利率进行均值计算，获得预测利率。

可选的，所述装置还包括：

利率序列组成单元，用于将所述多个第一利率采样数据组成第一利率采样数据序列；

所述利率数据处理单元，还用于：

通过光滑函数对所述第一利率采样数据序列进行平滑处理，获得第一利率平滑数据序列；

所述利率数据修正单元，还用于：

基于多个所述第二利率采样数据根据预设利率迭代算法修正所述第一利率平滑数据序列中的多个第一利率采样数据，获得多个修正利率。

可选的，所述利率数据修正单元，还用于：

对所述多个第一利率采样数据进行均值计算，获得第一均值利率；

根据第一权重、所述第一均值利率与多个所述第二利率采样数据，计算修正利率偏移值；所述第一权重为所述第一均值利率的权重，所述第一权重是基于第一预设均匀分布随机确定的；

根据第二权重、所述修正利率偏移值，修正多个所述第一利率平滑数据，获得多个第一迭代修正利率；所述第二权重是基于第二预设均匀分布随机确定的；

对所述第二权重进行迭代更新，获得多个第二迭代修正利率；

响应于所述多个第二迭代修正利率的波动阈值小于预设波动阈值，将所述迭代修正利率确定为所述修正利率。

可选的，所述交易数据还包括交易种类；不同的交易数据包括的交易种类相同或不同；

所述预测利率计算单元，还用于：

根据所述多个修正利率，计算所述多个修正利率的加权平均值，获得预测利率；所述多个修正利率的权重是基于所述不同的交易种类预设的。

可选的，所述装置还包括：

滤波单元，用于基于所述不同的交易种类，采用不同的预设滤波算法对所述多个修正利率进行滤波，获得多个滤波修正利率；

所述预测利率计算单元，还用于：

对所述多个滤波修正利率进行均值计算，获得预测利率。

可选的，所述装置还包括：

实际利率获取单元，用于获取多个预定金融交易市场的多个实际交易数据；所述实际交易数据包括实际交易利率；

影响利率计算单元，用于对多个所述实际交易利率进行均值计算，获得影响利率；

实际利率预测单元，用于对所述预测利率与所述影响利率进行均值计算，获得实际预测利率。

可选的，所述装置还包括：

交易数据存储单元，用于将所述多个交易数据存储到区块链的节点中；

变化数据广播单元，用于响应于所述交易数据发生变化，所述节点将变化后的交易数据向所述区块链的其他节点广播。

第三方面，本申请实施例公开了一种计算机设备，所述计算机设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行如第一方面及第一方面任一可选项所述的利率预测方法。

第四方面，本申请实施例公开了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序在被处理器执行时用于执行如第一方面及第一方面任一可选项所述的利率预测方法。

由上述技术方案可以看出，通过获取多个交易所的多个交易数据；每个交易所的交易数据包括第一利率采样数据与第二利率采样数据；第一利率采样数据的波动性高于第二利率采样数据；对多个第一利率采样数据进行平滑处理，获得多个第一利率平滑数据；基于多个第二利率采样数据根据预设利率迭代算法修正多个第一利率采样数据，获得多个计算利率；对多个计算利率进行均值计算，获得预测利率。即在不同交易所采集得到的不同的采样利率，对波动性高的利率采样数据进行平滑处理，进而再根据波动性低的利率数据对平滑处理后的数据进行迭代修正，从而进一步降低修正利率的波动性，最后对获得的修正利率进行均值计算，从而提高预测利率的稳定性，以提高金融系统的稳定性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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为本申请实施例提供的一种利率预测方法流程图；

图2为本申请实施例提供的一种利率预测装置的结构框图；

图3为本申请实施例提供的一种用于利率预测的计算机设备的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，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，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。

本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式。

为了便于理解本申请的技术方案，下面对本申请涉及的一些技术术语进行介绍。

目前，在银行等金融机构开展金融业务时，需要进行利率风险管理与金融产品定价等预估操作，这也就要求金融机构需要对利率的走势与波动进行预测，而不同的利率则会影响银行和投资者的决策，进而影响金融业务的走向。

相关技术多采用某种通行公认的基准利率为基础进行利率预测，例如担保隔夜融资利率(Secured Overnight Financing Rate，简称SOFR)等通行公认的基准利率。

但是，由于SOFR代表资金仅借出一个工作日的融资利率，使得SOFR的更新较快，导致SOFR的利率波动过大，据此预测出的利率也会存在较大波动，不利于货币基金等金融产品的定价，影响金融系统的稳定性。

为解决上述技术问题，本申请实施例提供了一种利率预测方法。通过获取多个交易所的多个交易数据，在每个交易所均获取根据不同基准利率确定的利率采样数据，进而将获取到的波动性较高的利率采样数据进行平滑处理，以降低波动性高的利率采样数据的波动性，然后根据获取到的波动性较低的利率采样数据指导平滑处理后的利率采样数据进行利率迭代学习，获得多个修正利率，进而对多个修正利率进行均值计算，获得预测利率，以完成对利率的预测，从而在利率预测时降低了预测出利率的波动性，同时依据多个利率采样数据进行预测，提高了利率预测的准确性。

为了便于理解本申请提供的技术方案，接下来，将结合附图，对本申请实施例提供的一种利率预测方法进行介绍。

请参阅图1，图1为本申请实施例提供的一种利率预测方法流程图，该方法包括：

S101：获取多个交易所的多个交易数据。

其中，每个交易所的交易数据包括第一利率采样数据与第二利率采样数据，第一利率采样数据与第二利率采样数据是根据不同的基准利率确定的，第一利率采样数据的波动性高于第二利率采样数据。

在本申请实施例的一些可能的实现方式中，第一利率采样数据可以是根据SOFR等波动性较高的基准利率确定的，第二利率采样数据可以是根据伦敦同业拆借利率(LondonInterBank Offered Rate，简称Libor)等波动性较低的基准利率确定的。

其中，波动性的确定可以是通过波动阈值的方式确定，通过预先设置波动阈值，即预先设置一段时间内某种利率采样数据的最大利率与最小利率之间的差限值，若第一利率采样数据的最大利率与最小利率之间的差值大于该差限值，则说明第一利率采样数据为高波动利率，同样若第二利率采样数据的最大利率与最小利率之间的差值小于该差限值，则说明第二利率采样数据为低波动性利率。

需要说明的是，每个交易所分别对应一套交易数据，交易所对应的交易数据可以是交易所在当前时刻的交易数据，也可以是交易所在一段时间内的交易数据，本申请对此不做限定。

S102：对多个第一利率采样数据进行平滑处理，获得多个第一利率平滑数据。

其中，平滑处理为通过数学函数或其他形式，对采集到的多个第一利率采样数据进行数学处理，以使得第一利率采样数据的波动性降低，

S103：基于多个第二利率采样数据根据预设利率迭代算法修正多个第一利率平滑数据，获得多个修正利率。

如果仅通过平滑处理的方式将第一利率采样数据进行平滑处理即完成利率预测，容易引发预测利率失真的情况，因此还需要通过第二利率采样数据指导获得的第一利率采样数据进行迭代学习，以对第一利率平滑数据进行修正，使得在降低利率数据波动性的基础上提醒利率预测的准确性。

在本申请实施例的一些可能的实现方式中，预设利率迭代算法可以是通过预先为第二利率采样数据赋予权重，进而将第二利率采样数据与第一利率平滑数据加权求和，同时通过机器学习或深度学习等方式对第二利率采样数据的权重进行迭代更新，在不影响第一利率平滑数据的波动性的同时，使得第一利率平滑数据向波动性较小的第二利率平滑数据靠近，从而获得多个修正利率。

S104：对多个修正利率进行均值计算，获得预测利率。

其中，该均值计算可以是直接进行算数平均值运算，也可以根据不同交易所的交易量不同，为经过处理后的来自不同交易所的多个修正利率赋予加权权重，进行根据不同的加权权重对多个修正利率进行均值计算，以获得最终的预测利率。

为便于第一利率采样数据的平滑处理及后续的数据处理过程，基于上述实施例，进一步，该方法还包括：

将多个第一利率采样数据组成第一利率采样数据序列；

对多个第一利率采样数据进行平滑处理，获得多个第一利率平滑数据，包括：

通过光滑函数对第一利率采样数据序列进行平滑处理，获得第一利率平滑数据序列；

基于多个第二利率采样数据根据预设利率迭代算法修正多个第一利率采样数据，获得多个修正利率，包括：

基于多个第二利率采样数据根据预设利率迭代算法修正第一利率平滑数据序列中的多个第一利率采样数据，获得多个修正利率。

下面以某种第一利率采样数据的平滑处理为例，对本申请实施例提供的一种利率预测算法进行介绍。

采样得到的多个第一利率采样数据可以是：

此时将获得的多个第一利率采样数据组成第一利率采样数据序列，该序列可以是：

在获取到序列之后，可以通过矩阵函数直接对序列进行综合处理。在本实施例的一些可能的实现方式中，可以通过MATLAB软件中的光滑(smooth)函数对获取到的第一利率采样数据序列进行处理。具体处理过程可以通过移动平均法处理、加权线性最小二乘回归、二阶多项式模型回归或Savitzky-Golay滤波(简称S-G滤波)对多个第一利率采样数据进行处理。

针对第二利率采样数据的获取，同样可以将多个第二利率采样数据组成第二利率采样数据序列。

而在利率迭代学习的过程中，同样可以基于第二利率采样数据序列，通过矩阵运算的方式直接对第一利率采样数据序列进行修正，以获得修正利率序列，从而获得多个修正利率。相应的，矩阵运算可以基于图形处理器(Graphic Processing Unit，简称GPU)或张量处理器(Tensor Processing Unit，简称TPU)等具有张量运算能力的组件加速迭代学习过程，以提高利率预测的速度。

作为一种可能的实现方式，多个修正利率的迭代学习过程，具体包括：

对多个第一利率采样数据进行均值计算，获得第一均值利率；

根据第一权重、第一均值利率与多个第二利率采样数据，计算修正利率偏移值；第一权重为第一均值利率的权重，第一权重是基于第一预设均匀分布随机确定的；

根据第二权重、修正利率偏移值，修正多个第一利率平滑数据，获得多个修正利率；第二权重是基于第二预设均匀分布随机确定的；

对第二权重进行迭代更新，获得多个迭代修正利率；

响应于多个迭代修正利率的波动阈值小于预设波动阈值，将迭代修正利率确定为修正利率。

作为一种可能的实现方式，接续前文所述的某种第一利率采样数据的平滑处理的例子，对本申请实施例提供的一种利率预测方法中的迭代修正过程进行介绍。

其中，采样得到的第二利率采样数据可以是：

为方便描述，在该实施方式中，同样将获得的多个第二利率采样数据组成第二利率采样数据序列，则该序列可以是

首先针对第一利率采样数据序列中的多个数据进行均值计算，获得第一均值利率

其中，D为修正利率偏移值，用于对第一利率平滑数据进行修正，a为第一权重，为第一均值利率

再次，多个修正利率的迭代更新，可以通过下述公式(2)进行：

其中，

作为一种可能的实现方式，b的更新步长可以通过在区间(0,1)中随机取值的方式进行更新，其优化方式可以参见第一权重的取值优化方式，此处不再赘述。

在执行迭代学习时，其迭代学习方向可以以下述公式(3)表示：

其中，f表示利率数据的波动性。

通过上述迭代学习方式，使得获得的修正利率向波动性低的方向进行迭代，同时，还在修正利率中融入从交易数据中采样得到的第二利率采样数据，以提高修正利率的真实性，进而提高预测利率的准确性。

针对不同交易种类的利率变化速率不同，不同交易种类的利率波动性也不同，为基于不同交易种类区别利率变化情况，基于上述实施例，进一步，交易数据还包括交易种类；不同的交易数据包括的交易种类相同或不同；

对多个修正利率进行均值计算，获得预测利率，包括：

根据多个修正利率，计算多个修正利率的加权平均值，获得预测利率；多个修正利率的权重是基于不同的交易种类预设的。

由于金融交易种类的不同，例如股票、基金、期货或掉期衍生品等不同的金融交易种类，分别具有不同的利率变化速率，其利率波动性也是各不相同，而不同的金融交易种类的利率波动性若直接进行比较会使得利率预测向波动性低的金融交易种类靠拢，不利于针对本身利率波动性较大的交易种类的利率预测。

因此可以根据不同的金融交易种类，为不同种类下获得的不同修正利率赋予相应权重，例如，针对股票、基金、期货或掉期衍生品等分别进行权重处理，之后再对各个交易数据进行加权平均，将获得的值作为预测利率。由此可以在预测利率中融入金融交易种类的影响，提高了利率预测的准确性。

同样的，不同交易种类的利率波动性不同也会影响后续预测利率的确定过程，为考虑交易种类对利率带来的影响，基于上述实施例，进一步，该方法还包括：

基于不同的交易种类，采用不同的预设滤波算法对多个修正利率进行滤波，获得多个滤波修正利率；

对多个修正利率进行均值计算，获得预测利率，包括：

对多个滤波修正利率进行均值计算，获得预测利率。

在本申请实施例的一些可能的实现方式中，可以通过中值滤波函数(Medianblurring函数)对不同金融交易种类的数据分别进行处理，以得到滤波修正利率。

通过滤波处理，滤除修正利率中可能因迭代计算方式存在的特殊值，以进一步降低修正利率的波动性，提高利率预测的准确性。

为进一步提高利率预测的准确性，基于上述实施例，进一步，该方法还包括：

获取多个预定金融交易市场的多个实际交易数据；实际交易数据包括实际交易利率；

对多个实际交易利率进行均值计算，获得影响利率；

对预测利率与影响利率进行均值计算，获得实际预测利率。

其中，预定金融交易市场的实际交易数据可以是不同的国债交易市场的金融交易数据，例如三方美国国债交易市场的金融交易数据：纽约梅隆银行(托管机构)的国债三方回购交易数据、一般抵押品融资回购(General Collateral Finance Repo，简称GCF)交易数据与持续连接清算银行的交付与付款服务(Fixed Income Clearing CorporationDelivery-versus-Payment，FICC DVP)进行的双边国债回购交易数据。

对实际交易利率的均值计算与根据影响利率与预测利率的均值计算，同样可以根据市场交易量与交易所交易量进行加权求和的均值计算，也可以直接进行算数平均值的计算，同样可以依据其他均值计算方式获得实际预测利率，其具体计算方式可以参见上述针对均值计算的描述即可获得，此处不再赘述。

在实际预测利率中融入当今金融交易市场的实际交易利率数据，以提高市场实际交易利率对利率预测的影响因数，从而进一步提高利率预测的准确性。

为方便利率数据计算与广播，提高利率数据存储的公开性与更新使用的灵活性，基于上述实施例，进一步，该方法还包括：

将多个交易数据存储到区块链的节点中；

响应于交易数据发生变化，节点将变化后的交易数据向区块链的其他节点广播。

在本实施例的一些可能的实现方式中，可以预先建立利率区块链，在获得多个交易数据之后，将各个交易所真实的交易数据，实时存储到利率区块链的各个节点上，节点存储过程可以根据交易所的不同将不同的交易数据存储到不同的节点中，也可以根据交易种类的不同将不同的交易数据存储到不同的节点中。

当任一交易所的某一交易数据发生变化时，可以通过存储到的区块链的相应节点将该交易数据的变化情况，例如变化后的交易数据以及该交易数据的变化量，向区块链中的其他存储节点进行广播，从而使得区块链的各个节点均能够获知该交易所交易数据的变化。而接入该区块链的各个交易参与方与金融实体，同样可以第一时间获知交易数据的变化，从而提高了利率数据存储的公开性，而在更新使用时可以根据公开广播的数据进行利率优化、迭代与预测，从而提高了利率使用的灵活性。

请参阅图2，图2为本申请实施例提供的一种利率预测装置的结构框图，所述装置包括：

交易数据获取单元210，用于获取多个交易所的多个交易数据；每个所述交易所的交易数据包括第一利率采样数据与第二利率采样数据，所述第一利率采样数据与所述第二利率采样数据是根据不同的基准利率确定的，所述第一利率采样数据的波动性高于所述第二利率采样数据；

利率数据处理单元220，用于对多个所述第一利率采样数据进行平滑处理，获得多个第一利率平滑数据；

利率数据修正单元230，用于基于多个所述第二利率采样数据根据预设利率迭代算法修正所述多个第一利率平滑数据，获得多个修正利率；

预测利率计算单元240，用于对所述多个修正利率进行均值计算，获得预测利率。

作为一种可能的实现方式，所述装置还包括：

利率序列组成单元，用于将所述多个第一利率采样数据组成第一利率采样数据序列；

所述利率数据处理单元，还用于：

通过光滑函数对所述第一利率采样数据序列进行平滑处理，获得第一利率平滑数据序列；

所述利率数据修正单元，还用于：

基于多个所述第二利率采样数据根据预设利率迭代算法修正所述第一利率平滑数据序列中的多个第一利率采样数据，获得多个修正利率。

作为一种可能的实现方式，所述利率数据修正单元，还用于：

对所述多个第一利率采样数据进行均值计算，获得第一均值利率；

根据第一权重、所述第一均值利率与多个所述第二利率采样数据，计算修正利率偏移值；所述第一权重为所述第一均值利率的权重，所述第一权重是基于第一预设均匀分布随机确定的；

根据第二权重、所述修正利率偏移值，修正多个所述第一利率平滑数据，获得多个第一迭代修正利率；所述第二权重是基于第二预设均匀分布随机确定的；

对所述第二权重进行迭代更新，获得多个第二迭代修正利率；

响应于所述多个第二迭代修正利率的波动阈值小于预设波动阈值，将所述迭代修正利率确定为所述修正利率。

作为一种可能的实现方式，所述交易数据还包括交易种类；不同的交易数据包括的交易种类相同或不同；

所述预测利率计算单元，还用于：

根据所述多个修正利率，计算所述多个修正利率的加权平均值，获得预测利率；所述多个修正利率的权重是基于所述不同的交易种类预设的。

作为一种可能的实现方式，所述装置还包括：

滤波单元，用于基于所述不同的交易种类，采用不同的预设滤波算法对所述多个修正利率进行滤波，获得多个滤波修正利率；

所述预测利率计算单元，还用于：

对所述多个滤波修正利率进行均值计算，获得预测利率。

作为一种可能的实现方式，所述装置还包括：

实际利率获取单元，用于获取多个预定金融交易市场的多个实际交易数据；所述实际交易数据包括实际交易利率；

影响利率计算单元，用于对多个所述实际交易利率进行均值计算，获得影响利率；

实际利率预测单元，用于对所述预测利率与所述影响利率进行均值计算，获得实际预测利率。

作为一种可能的实现方式，所述装置还包括：

交易数据存储单元，用于将所述多个交易数据存储到区块链的节点中；

变化数据广播单元，用于响应于所述交易数据发生变化，所述节点将变化后的交易数据向所述区块链的其他节点广播。

由上述技术方案可以看出，通过获取多个交易所的多个交易数据；每个交易所的交易数据包括第一利率采样数据与第二利率采样数据；第一利率采样数据的波动性高于第二利率采样数据；对多个第一利率采样数据进行平滑处理，获得多个第一利率平滑数据；基于多个第二利率采样数据根据预设利率迭代算法修正多个第一利率采样数据，获得多个计算利率；对多个计算利率进行均值计算，获得预测利率。即在不同交易所采集得到的不同的采样利率，对波动性高的利率采样数据进行平滑处理，进而再根据波动性低的利率数据对平滑处理后的数据进行迭代修正，从而进一步降低修正利率的波动性，最后对获得的修正利率进行均值计算，从而提高预测利率的稳定性，以提高金融系统的稳定性。

请参阅图3，图3为本申请实施例提供的一种用于利率预测的计算机设备的结构框图，所述计算机设备包括处理器310以及存储器320：

所述存储器320用于存储程序代码，并将所述程序代码传输给所述处理器310；

所述处理器310用于根据所述程序代码中的指令执行上述实施例所述的任意一项利率预测方法。

本申请实施例还公开了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序在被处理器执行时用于执行上述实施例所述的任意一项利率预测方法。

需要说明的是，本发明提供的一种利率预测方法、装置、计算机设备和存储介质可用于区块链领域或金融领域。上述仅为示例，并不对本发明提供的一种利率预测方法、装置、计算机设备和存储介质的应用领域进行限定。

可以理解的是，该方法可以应用于处理设备上，该处理设备为能够进行动作控制的处理设备，例如可以为具有动作控制功能的终端设备或服务器。该方法可以通过终端设备或服务器独立执行，也可以应用于终端设备和服务器通信的网络场景，通过终端设备和服务器配合执行。其中，终端设备可以为计算机、手机等设备。服务器可以理解为是应用服务器，也可以为Web服务器，在实际部署时，该服务器可以为独立服务器，也可以为集群服务器。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质可以是下述介质中的至少一种：只读存储器(英文：read-only memory，缩写：ROM)、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备及系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的设备及系统实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述，仅为本申请的一种具体实施方式，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，可轻易想到的变化或替换，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该以权利要求的保护范围为准。