(19)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 202211145684.5 (22)申请日 2022.09.20 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 刘倩　樊笑冰　郭晨　王镇　 谢红艳　李文博　支爽爽　黄佳兴　 郝雄斌　李巍　黄攀　杨创　 李二壮　史杰　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 李建忠　吕俊刚 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 40/04(2012.01)G06Q 10/04(2012.01) G06N 3/08(2006.01) G06N 3/04(2006.01) G06F 17/18(2006.01) (54)发明名称 基于深度学习的结售汇预测方法、 装置、 设 备及存储介质 (57)摘要 本说明书涉及金融时间序列预测技术领域， 提供了一种基于深度学习的结售汇预测方法、 装 置、 设备及存储介质， 该方法包括： 获取目标币种 在指定历史时间段内的结售汇时间序列； 基于金 融时间序列模型提取所述结售汇时间序列的统 计特征； 将所述结售汇时间序列及所述统计特征 输入至预训练的深度学习模型中， 以预测出所述 目标币种在未来指定时间范围的结售汇时间序 列。 本说明书实施例可以提高结售汇预测的准确 性。 权利要求书1页 说明书8页 附图3页 CN 115471317 A 2022.12.13 CN 115471317 A 1.一种基于深度学习的结售汇预测方法， 其特 征在于， 包括： 获取目标币种在指定历史时间段内的结售汇时间序列； 基于金融时间序列模型提取 所述结售汇时间序列的统计特 征； 将所述结售汇时间序列及所述统计特征输入至预训练的深度学习 模型中， 以预测出所 述目标币种在未来指定时间范围的结售汇时间序列。 2.如权利要求1所述的基于深度 学习的结售汇预测方法， 其特征在于， 在预测所述目标 币种在未来指定时间范围的结售汇时间序列之后， 包括： 可视化显示预测出的结售汇时间序列。 3.如权利要求2所述的基于深度 学习的结售汇预测方法， 其特征在于， 在预测所述目标 币种在未来指定时间范围的结售汇时间序列之后， 还 包括： 将预测出的结售汇时间序列实时发送至订阅用户。 4.如权利要求1所述的基于深度 学习的结售汇预测方法， 其特征在于， 所述基于金融时 间序列模型提取 所述结售汇时间序列的统计特 征， 包括： 根据金融时间序列模型 提取所述 结售汇时间序列的统计特 征； 其中， rt为t时刻的结售汇统计特征， Xt为t时刻的结售汇时间序列列向量， M为Xt的系 数， εt为t时刻的随机扰动项， σt为t时刻的标准差， α0为常数项， β1和α1为常数系数， σt‑1为t‑1 时刻的标准差， εt‑1为t‑1时刻的随机扰动项， E为指数分布， γ为杠杆系数。 5.如权利要求1所述的基于深度 学习的结售汇预测方法， 其特征在于， 所述深度 学习模 型包括LSTM模型。 6.如权利要求1所述的基于深度 学习的结售汇预测方法， 其特征在于， 所述结售汇时间 序列包括各采样时间点的结售汇交易 量及汇率。 7.一种基于深度学习的结售汇预测装置， 其特 征在于， 包括： 获取模块， 用于获取目标币种在指定历史时间段内的结售汇时间序列； 提取模块， 用于基于金融时间序列模型提取 所述结售汇时间序列的统计特 征； 预测模块， 用于将所述结售汇时间序列及所述统计特征输入至预训练 的深度学习模型 中， 以预测出 所述目标币种在未来指定时间范围的结售汇时间序列。 8.一种计算机设备， 包括存储器、 处理器、 以及存储在所述存储器上的计算机程序， 其 特征在于， 所述计算机程序被所述处理器运行时， 执行根据权利要求 1‑6任意一项 所述方法 的指令。 9.一种计算机存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被计算 机设备的处 理器运行时， 执 行根据权利要求1 ‑6任意一项所述方法的指令 。 10.一种计算机程序产品， 其特征在于， 所述计算机程序产品包括计算机程序， 所述计 算机程序被处 理器运行时， 执 行根据权利要求1 ‑6任意一项所述方法的指令 。权　利　要　求　书 1/1 页 2 CN 115471317 A 2基于深度学习的结售汇预测方 法、 装置、 设备及存储介质 技术领域 [0001]本说明书涉及金融时间序列预测技术领域， 尤其是涉及 一种基于深度学习的结售 汇预测方法、 装置、 设备及存 储介质。 背景技术 [0002]在跨境电商、 对外贸易等场景中常涉及到结售汇(即结汇与售汇的统称)。 其中， 结 汇即外汇结算， 是指外汇收入所有者将其外汇收入出售给外汇指定银行， 外汇指定银行按 一定汇率付给等值的本币的行为。 售汇即外汇出售， 是指外汇指定银行将外汇卖给外汇使 用者， 并根据 交易行为发生之日的人民币汇率收取等值人民币的行为。 由于率汇可能动态 变化， 对于外汇的卖出者或买入者而言， 选择合适的结售汇时机对于降低外汇损失或提高 外汇收益具有重要意义； 同时， 结售汇交易量也会对汇率产生影响。 因此， 如何准确预测未 来一段时间内的汇率及结售汇交易 量变化已成为目前亟 待解决的技 术问题。 发明内容 [0003]本说明书实施例的目的在于提供一种基于深度学习的结售汇预测方法、 装置、 设 备及存储介质， 以提高结售汇预测的准确性。 [0004]为达到上述目的， 一方面， 本说明书实施例提供了一种基于深度学习的结售汇预 测方法， 包括： [0005]获取目标币种在指定历史时间段内的结售汇时间序列； [0006]基于金融时间序列模型提取 所述结售汇时间序列的统计特 征； [0007]将所述结售汇时间序列及所述统计特征输入至预训练的深度学习模型中， 以预测 出所述目标币种在未来指定时间范围的结售汇时间序列。 [0008]本说明书实施例的基于深度学习的结售汇预测方法中， 在预测所述目标币种在未 来指定时间范围的结售汇时间序列之后， 包括： [0009]可视化显示预测出的结售汇时间序列。 [0010]本说明书实施例的基于深度学习的结售汇预测方法中， 在预测所述目标币种在未 来指定时间范围的结售汇时间序列之后， 还 包括： [0011]将预测出的结售汇时间序列实时发送至订阅用户。 [0012]本说明书实施例的基于深度学习的结售汇预测方法中， 所述基于金融时间序列模 型提取所述结售汇时间序列的统计特 征， 包括： [0013]根据金融时间序列模型 提取 所述结售汇时间序列的统计特 征； [0014]其中， rt为t时刻的结售汇统计特征， Xt为t时刻的结售汇时间序列列向量， M为Xt的 系数， εt为t时刻的随机扰动项， σt为t时刻的标准差， α0为常数项， β1和α1为常数系数， σt‑1为说　明　书 1/8 页 3 CN 115471317 A 3