交易风险的确定方法、装置及计算机可读存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115049490A(43)申请公布日2022.09.13(21)申请号202210675134.8(22)申请日2022.06.15(71)申请人中国工商银行股份有限公司地址100140北京市西城区复兴门内大街55号(72)发明人张倩妮皇甫晓洁周魁朱韬(74)专利代理机构北京康信知识产权代理有限责任公司11240专利代理师周春枚(51)Int.Cl.G06Q40/04(2012.01)G06Q30/02(2012.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书12页附图3页(54)发明名称交易风险的确定方法、装置及计算机可读存储介质(57)摘要本申请公开了一种交易风险的确定方法、装置及计算机可读存储介质，涉及金融科技领域或其他相关领域。其中，该方法包括：获取目标商品的当前行情数据，其中，当前行情数据至少包括目标历史时长内的多条交易数据；确定当前行情数据所对应的多个目标特征值；基于预先训练的波动率预测模型对多个目标特征值进行加权计算与特征转换，得到目标商品在未来预设时间段内的预测波动率；根据预测波动率确定目标商品的交易风险。本申请解决了现有技术在对商品的波动率进行预测时存在的预测效率低的技术问题。CN115049490ACN115049490A权利要求书1/2页1.一种交易风险的确定方法，其特征在于，包括：获取目标商品的当前行情数据，其中，所述当前行情数据至少包括目标历史时长内的多条交易数据；确定所述当前行情数据所对应的多个目标特征值；基于预先训练的波动率预测模型对多个所述目标特征值进行加权计算与特征转换，得到所述目标商品在未来预设时间段内的预测波动率；根据所述预测波动率确定所述目标商品的交易风险。2.根据权利要求1所述的方法，其特征在于，确定所述当前行情数据所对应的多个目标特征值，包括：获取所述当前行情数据中每条交易数据的交易时间；根据所述交易时间对所述多条交易数据进行聚合计算，得到至少一个目标数据，其中，每个所述目标数据对应一个预设时间段，所述预设时间段中包含有多个所述交易时间，并且所述预设时间段的时长小于所述目标历史时长；根据所述目标数据生成多个所述目标特征值。3.根据权利要求2所述的方法，其特征在于，根据所述目标数据生成多个所述目标特征值，包括：基于所述目标数据，提取多个第一特征值、多个第二特征值以及多个第三特征值，其中，所述第一特征值用于表征所述目标商品的持仓量，所述目标商品的多种交易价格以及每种交易价格所对应的交易数量，所述第二特征值用于表征在至少一个所述目标数据中所述目标商品的平均收盘价格，所述第三特征值用于表征在至少一个所述目标数据中所述目标商品的不同交易价格之间的差价、以及以不同交易价格成交的交易金额之间的差额；对所述第一特征值、所述第二特征值以及所述第三特征值分别进行预处理，得到多个所述目标特征值。4.根据权利要求1所述的方法，其特征在于，在基于预先训练的波动率预测模型对多个所述目标特征值进行加权计算与特征转换，得到所述目标商品在未来预设时间段内的预测波动率之前，所述方法还包括：获取所述目标商品的多条历史行情数据，其中，所述历史行情数据至少包括历史时间段内的多条历史交易数据，所述历史时间段的时长大于所述目标历史时长；根据每条历史交易数据的交易时间对所述多条历史交易数据进行聚合计算，得到至少一个历史目标数据，其中，每个所述历史目标数据对应一个子历史时间段，所述子历史时间段的时长小于所述目标历史时长；将所述历史时间段划分为多个第一历史时间段，其中，所述第一历史时间段的时长大于所述子历史时间段的时长；将所述第一历史时间段内的历史目标数据组成一个训练集，并获取每个所述训练集所对应的标签，其中，所述标签表征第二历史时间段的行情波动率，所述第二历史时间段为所述第一历史时间段之后的一个时间段，所述行情波动率为所述目标商品对数收益率的均方差；根据所述标签与所述历史目标数据训练得到所述波动率预测模型。5.根据权利要求4所述的方法，其特征在于，根据所述标签与所述历史目标数据训练得2CN115049490A权利要求书2/2页到所述波动率预测模型，包括：基于每个所述训练集中的历史目标数据，提取多个历史特征值；对所述历史特征值进行预处理，得到历史目标特征值；根据所述历史目标特征值以及所述标签训练得到所述波动率预测模型。6.根据权利要求5所述的方法，其特征在于，根据所述历史目标特征值以及所述标签训练得到所述波动率预测模型，包括：步骤1，对所述历史目标特征值进行特征转换，得到中间特征值；步骤2，对所述中间特征值进行加权计算，得到加权特征值；步骤3，将所述历史目标特征值更新为所述加权特征值，并循环执行预设次数的步骤1与步骤2，得