(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910303564.5
(22)申请日 2019.04.16
(71)申请人 阿里巴巴集团控股有限公司
地址 英属开曼岛大开曼
(72)发明人 翟毅腾 杨永晟 黄馨誉
(74)专利代理机构 北京三友知识产权代理有限
公司 11127
代理人 李辉
(51)Int.Cl.
G06Q 40/04(2012.01)
G06Q 10/04(2012.01)
G06Q 20/40(2012.01)
(54)发明名称一种外汇交易量预测方法、装置及系统(57)摘要本说明书提供一种外汇交易量预测方法、装置及系统。所述方法通过获取到的交易数据对预测模型进行训练更新，根据更新后的预测模型预测出交易量预测值。本实施例可以通过时间递归神经网络训练得到的预测模型来进行交易量预测，时间递归神经网络能够学习时间较长的观察值序列并能有效地预测时间序列。本方案借助其能够维持良好内部状态的关键特性，在国际汇兑业务中能够实现有效、可靠的交易量预测。本说明书实施例，利用实时获得的数据，自动捕捉当前交易趋势调节预测值，提高了交易量预测的准确性，为国际外汇交易业务提供了 准确的数据基础，
降低了平盘风险。权利要求书2页 说明书16页 附图9页CN 110163752 A 2019.08.23
C N 110163752
A
1.一种外汇交易量预测方法，包括：
获取预测窗口期内的预测数据，所述预测数据至少包括舆情信息、用户交易量、业务数据中的一种；
将所述预测数据进行预处理并转换成符合预测模型入参要求的数据格式，得到预测输入数据；
利用构建的交易量预测模型对所述预测输入数据进行处理，得到交易量预测值，所述交易量预测模型包括：基于时间递归神经网络进行构建，以及，基于最新交易日的产出数据更新所述交易量预测模型的训练集合，并利用更新后的训练集合中的训练数据对所述交易量预测模型进行训练。
2.如权利要求1所述的方法，其中，所述交易量预测模型包括基于长短期记忆网络模型构建得到。
3.如权利要求1所述的方法，训练数据经过所述预处理并转换成符合预测模型入参要求的数据格式之后，
所述方法还包括：
对入参的数据特征和所述交易量预测模型中相应的回归量进行相关性分析处理，确定适用于所述交易量预测模型的入参；
相应的，在所述交易量预测模型的训练处理中，使用所述确定适用于所述交易量预测模型的入参进行训练。
4.如权利要求1所述的方法，所述方法还包括：
利用选取的比对参量对所述交易量预测值进行检测，确认所述交易量预测值是否存在异常；
若确定所述交易量预测值存在异常，则根据所述检测的结果将所述交易量预测值乘以相应的相关系数，得到调整后预测值。
5.如权利要求4所述的方法，所述方法还包括：
获取所述预测时间窗口期对应的舆情信息；
相应的，所述确认所述交易量预测值是否存在异常包括：若所述交易量预测值与所述比对参量的绝对差
值大于或小于预设差值或预设百分比，且基于所述舆情信息确定没有能引起交易量骤升或骤减的信息，则确定所述交易量预测值存在异常。
6.如权利要求4所述的方法，所述选取的比对参量包括下述中的至少一个：
与预测日期相对应的上周期同期交易量、本周期均值、上个一交易日的交易量。
7.如权利要求1-6中任意一项所述的方法，所述方法还包括：
基于所述交易量预测值确定最优交易策略。
8.一种外汇交易量预测装置，包括：
数据获取模块，用于获取预测窗口期内的预测数据，所述预测数据至少包括舆情信息、用户交易量、业务数据中的一种；
预处理模块，用于将所述预测数据进行预处理并转换成符合预测模型入参要求的数据格式，得到预测输入数据；
预测模块，用于利用构建的交易量预测模型对所述预测输入数据进行处理，得到交易量预测值，所述交
易量预测模型包括：基于时间递归神经网络进行构建，以及，基于最新交易日的产出数据更新所述交易量预测模型的训练集合，并利用更新后的训练集合中的训练
数据对所述交易量预测模型进行训练。
9.如权利要求8所述的装置，所述预测模块中使用的交易量预测模型基于长短期记忆网络模型构建得到。
10.如权利要求8所述的装置，所述装置还包括：
相关性处理模块，用于训练数据经过所述预处理并转换成符合预测模型入参要求的数据格式之后，对入参的数据特征和所述交易量预测模型中相应的回归量进行相关性分析处理，确定适用于所述交易量预测模型的入参；
相应的，所述预测模块在所述交易量预测模型的训练处理中，使用所述确定适用于所述交易量预测模型的入参进行训练。
11.如权利要求8所述的装置，所述装置还包括：
监测调整模块，用于利用选取的比对参量对所述交易量预测值进行检测，确认所述交易量预测值是否存在异常；
以及，在确定所述交易量预测值存在异常时，根据所述检测的结果将所述交易量预测值乘以相应的相关系数，得到调整后预测值。
12.如权利要求11所述的装置，所述装置还包括：
舆情信息模块，用于获取所述预测时间窗口期对应的舆情信息；
相应的，所述监测调整模块确认所述交易量预测值是否存在异常包括：若所述交易量预测值与所述比对参量的绝对差值大于或小于预设差值或预设百分比，且基于所述舆情信息确定没有能引起交易量骤升或骤减的信息，则确定所述交易量预测值存在异常。
13.如权利要求11所述的装置，其中，所述选取的比对参量包括下述中的至少一个：
与预测日期相对应的上周期同期交易量、本周期均值、上个一交易日的交易量。
14.如权利要求8所述的装置，所述装置还包括：
结果输出模块，用于基于所述交易量预测值确定最优交易策略。
15.一种外汇交易量预测处理设备，包括：至少一个处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现权利要求1-7任一项所述的方法。
16.一种外汇交易量预测系统，包括至少一个处理器以及用于存储处理器可执行指令的存储器，其中，
所述处理器执行所述指令时实现权利要求1-7中任意一项所述的方法；
或者，
所述交易量预测系统包括权利要求8-14中任意一项所述的装置。
一种外汇交易量预测方法、装置及系统
技术领域
[0001]本说明书实施例属于风险评估的计算机数据处理技术领域，尤其涉及一种外汇交易量预测方法、装置及系统。
背景技术
[0002]随着人们生活水平的提高，出国旅游进行海外购物消费的人数增多，在国外进行购物时，可以使用现金支付，也可以使用支付宝等支持不同货币支付的支付平台支付。在使用支付平台进行支付时，由于买家和卖家可能处于不同的国家，使用不同国家的货币存在汇率转换的问题，不同时期的汇率差会直
接影响资金损益，因此国际汇兑业务对支付平台起着非常重要的作业。在支付平台的国际汇兑业务中，通常需要提前购买下一个购汇结算周期的各外汇交易量，以减少潜在的汇率敞口波动风险，进行损益控制。
[0003]因此，为了进行损益控制，需要对每个购汇结算周期的外汇交易量进行准确的预测。但实际汇兑业务中交易量的预测容易受到突发事件等不定因素的影响，数据采集难度比较大，交易量预测结果波动性较大，可靠性不高。因此，业内亟需一种能够更加准确、可靠的对国际汇兑业务交易量进行预测的技术方案。
发明内容
[0004]本说明书目的在于提供一种外汇交易量预测方法、装置及系统，实现了外汇交易量的准确、可靠的预测，减少潜在的汇率敞口波动风险，提供更加高效、可靠的进行损益控制服务。
[0005]一方面本说明书实施例提供了一种外汇交易量预测方法，包括：
[0006]一种外汇交易量预测方法，包括：
[0007]获取预测窗口期内的预测数据，所述预测数据至少包括舆情信息、用户交易量、业务数据中的一种；
[0008]将所述预测数据进行预处理并转换成符合预测模型入参要求的数据格式，得到预测输入数据；
[0009]利用构建的交易量预测模型对所述预测输入数据进行处理，得到交易量预测值，所述交易量预测模型包括：基于时间递归神经网络进行构建，以及，基于最新交易日的产出数据更新所述交易量预测模型的训练集合，并利用更新后的训练集合中的训练数据对所述交易量预测模型进行训练。
[0010]本说明书还提供一种外汇交易量预测装置，包括：
[0011]数据获取模块，用于获取预测窗口期内的预测数据，所述预测数据至少包括舆情信息、用户交易量、业务数据中的一种；
[0012]预处理模块，用于将所述预测数据进行预处理并转换成符合预测模型入参要求的数据格式，得到预测输入数据；
[0013]预测模块，用于利用构建的交易量预测模型对所述预测输入数据进行处理，得到
交易量预测值，所述交易量预测模型包括：基于时间递归神经网络进行构建，以及，基于最新交易日的产出数据更新所述交易量预测模型的训练集合，并利用更新后的训练集合中的训练数据对所述交易量预测模型进行训练。
[0014]本说明书还提供一种外汇交易量预测处理设备，包括：至少一个处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现本说明书中任一项方法实施例所述的方法步骤。
[0015]本说明书还提供一种外汇交易量预测系统，包括至少一个处理器以及用于存储处理器可执行指令的存储器，其中，
[0016]所述处理器执行所述指令时实现本说明书中任一项方法实施例所述的方法步骤；[0017]或者，
[0018]所述交易量预测系统包括本说明书中任一项实施例的装置。
[0019]本说明书提供的交易量预测方法、装置、处理设备、系统，通过获取到的交易数据对预测模型进行训练更新，根据更新后的预测模型预测出交易量预测值。本实施例可以通过时间递归神经网络训练得到的预测模型来进行交易量预测，时间递归神经网络能够学习时间较长的观察值序列并能有效地预测时间序列。本方案借助其能够维持良好内部状态的关键特性，在国际汇兑业务中能够实现有效、可靠的交易量预测。
附图说明
[0020]为了更清楚地说明本说明书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说明书中记载的一些实施例，
对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0021]图1是一种LSTM模型的结构示意图；
[0022]图2是本说明书提供的一种基于LSTM进行外汇交易量预测系统的结构示意图；[0023]图3是本说明书提供的一种利用LSTM进行模型训练和预测处理实施例的示意图；[0024]图4是本说明书一个实施例中交易量预测方法的流程示意图；
[0025]图5是本说明书提供的所述方法的另一个实施例的方法流程示意图；
[0026]图6是本说明书提供的所述方法的另一个实施例的方法流程示意图；
[0027]图7是本说明书提供的所述方法的另一个实施例的方法流程示意图
[0028]图8是应用本发明实施例的一种外汇交易量预测服务器的硬件结构框图；[0029]图9是本说明书提供的外汇交易量预测装置一个实施例的模块结构示意图；[0030]图10是本说明书提供的外汇交易量预测装置另一个实施例的模块结构示意图；[0031]图11是本说明书提供的外汇交易量预测装置另一个实施例的模块结构示意图；[0032]图12是本说明书提供的外汇交易量预测装置另一个实施例的模块结构示意图。
具体实施方式
[0033]为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议