(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 202111660960.7 (22)申请日 2021.12.31 (71)申请人 易方达基金管理有限公司 地址 519000 广东省珠海市横琴新区宝华 路6号105室-42891 （集中办公区） (72)发明人 刘硕凌　程宁　张桐喆　韩雷　 (74)专利代理 机构 北京英特普罗知识产权代理 有限公司 1 1015 代理人 王立姣 (51)Int.Cl. G06Q 30/02(2012.01) G06N 3/08(2006.01) (54)发明名称 一种预测模型的训练方法、 下单方法、 装置 和存储介质 (57)摘要 本发明公开了一种预测模型的训练方法， 所 述方法包括： 获取交易对象在第一时间范围内的 第一交易数据集； 按照时间先后顺序从第一交易 数据集中确定出一条第一交易数据， 并将确定出 的第一交易数据输入至预置的学习模 型， 以使得 学习模型输出交易对象 的下单价格； 基于学习模 型输出的下单价格确定一反馈机制， 并将反馈机 制作用于 学习模型； 继续按照时间先后顺序从第 一交易数据集中确定出下一条第一交易数据， 直 至学习模型输出第一交易数据集中最后一条第 一交易数据对应的下单价格； 判断当前的学习模 型的正确率是否满足预设阈值， 若满足则将当前 的学习模型作为用于预测交易对象在未来时刻 的下单价格的预测模型。 权利要求书3页 说明书13页 附图5页 CN 114331546 A 2022.04.12 CN 114331546 A 1.一种预测模型的训练方法， 其特 征在于， 所述方法包括： 获取交易对象在第一时间范围内的第一交易数据集， 其中， 所述第一交易数据集包括 在时间上 连续的多条第一交易数据； 按照时间先后顺序从所述第 一交易数据集中确定出一条第 一交易数据， 并将确定出的 第一交易数据输入至预置的学习模型， 以使得所述学习模型输出所述交易对象的下单价 格； 基于所述学习 模型输出的下单价格确定一反馈机制， 并将所述反馈机制作用于所述学 习模型， 其中， 所述反馈 机制为正反馈机制或者负反馈 机制； 继续按照时间先后 顺序从所述第 一交易数据集中确定出下一条第 一交易数据， 直至所 述学习模型输出 所述第一交易数据集中最后一条第一交易数据对应的下 单价格； 判断当前的学习 模型的正确率是否满足预设阈值， 若满足则将当前的学习模型作为用 于预测所述交易对象在未来时刻的下 单价格的预测模型。 2.根据权利要求1所述的方法， 其特征在于， 所述将确定出的第 一交易数据输入至预置 的学习模型， 以使得 所述学习模型输出 所述交易对象的下 单价格， 包括： 将确定出的第 一交易数据输入至预置的学习 模型， 并通过所述学习模型确定出所述交 易对象的市场趋势； 当所述市场趋势为上升趋势时， 通过所述学习模型从所述确定出的第 一交易数据中提 取出目标参 量的价格， 并通过 所述学习模型输出 大于所述目标参 量的价格的下 单价格； 当所述市场趋势为下降趋势时， 通过所述学习模型从所述确定出的第 一交易数据中提 取出目标参 量的价格， 并通过 所述学习模型输出小于所述目标参 量的价格的下 单价格。 3.根据权利要求2所述的方法， 其特征在于， 所述通过所述学习 模型确定出所述交易对 象的市场趋势， 包括： 通过所述学习模型从确定出的第一交易数据中提取出各个预设买参量对应的下买单 数量和各个预设卖参 量对应的下卖单 数量； 通过所述学习模型计算所有预设买参量对应的下买单数量总和与所有预设卖参量对 应的下卖单 数量总和之间的差值， 记为市场倾 斜度； 当所述市场倾斜度大于0时， 通过所述学习模型确定出所述交易对象的市场趋势为上 升趋势； 当所述市场倾斜度小于0时， 通过所述学习模型确定出所述交易对象的市场趋势为下 降趋势。 4.根据权利要求2所述的方法， 其特征在于， 所述通过所述学习 模型输出大于所述目标 参量的价格的下 单价格， 包括： 通过所述学习模型确定所述市场倾 斜度所属的区间范围； 通过所述学习模型从斐波那契 数列中筛 选出与所述区间范围关联的数值； 通过所述学习 模型计算并输出所述目标参量的价格与 该数值的总和， 作为所述下单价 格。 5.根据权利要求2所述的方法， 其特征在于， 所述通过所述学习 模型输出小于所述目标 参量的价格的下 单价格， 包括： 通过所述学习模型确定所述市场倾 斜度所属的区间范围；权　利　要　求　书 1/3 页 2 CN 114331546 A 2通过所述学习模型从斐波那契 数列中筛 选出与所述区间范围关联的数值； 通过所述学习 模型计算并输出所述目标参量的价格与 该数值的差值， 作为所述下单价 格。 6.根据权利要求1所述的方法， 其特征在于， 所述基于所述学习 模型输出的下单价格确 定一反馈 机制， 包括： 将所述学习模型输出的下单价格输入至预置的仿真交易系统， 以使得所述仿真交易系 统对所述交易对象执行仿真交易操作后输出仿 真交易成功的交易价格、 交易数量和交易成 功时间； 基于所述仿真交易系统输出的交易价格和交易数量计算所述交易对象在所述仿真交 易系统中的交易均价， 记为仿真交易均价； 以所述仿真交易系统输出的交易成功时间为时间起点并以预设时长为时间间隔确定 出第二时间范围， 其中， 所述第二时间范围位于所述第一时间范围内； 从所述第一交易数据集中筛 选出属于所述第二时间范围内的所有第一交易数据； 从筛选出的所有第一交易数据中提取出所述交易对象的所有交易价格和所有交易数 量； 基于从筛选出的所有第 一交易数据中提取出的所有交易价格和所有交易数量， 计算所 述交易对象在所述第二时间范围内的交易均价， 记为真实交易均价； 计算所述仿真交易均价和所述真实交易均价的差值， 记为成本偏差； 当所述成本偏差小于 0时， 基于所述成本偏差生成一 正反馈机制； 当所述成本偏差大于 0时， 基于所述成本偏差生成一负反馈 机制。 7.一种下 单方法， 其特 征在于， 所述方法包括： 每间隔预设时间间隔获取交易对象的第二交易数据集， 其中， 所述第二交易数据集包 括在时间上 连续的多条第二交易数据； 将每次获取的所述第 二交易数据集输入预置的预测模型中， 以使得所述预测模型每间 隔所述预设时间间隔输出所述交易对 象在未来时刻的下单价格， 其中， 所述预测模型通过 权利要求1至 6任一项所述的方法得到； 将所述预测模型每次输出的下 单价格发送至预置的下 单系统中； 当检测到下单指令时， 通过所述下单系统从所述预测模型发送的下单价格中筛选出距 离所述下单指 令指向的下单时间最近的下单价格， 并通过所述下单系统以筛选出的下单价 格对所述交易对 象执行下单操作， 其中， 所述下单时间与各个所述预设时间间隔所对应的 时间属于同一天。 8.一种预测模型的训练装置， 其特 征在于， 所述装置包括： 第一获取模块， 用于获取交易对象在第一 时间范围内的第 一交易数据集， 其中， 所述第 一交易数据集包括在时间上 连续的多条第一交易数据； 第一输入模块， 用于按照时间先后顺序从所述第 一交易数据集中确定出一条第 一交易 数据， 并将确定出 的第一交易数据输入至预置的学习模型， 以使得所述学习模型输出所述 交易对象的下 单价格； 第一确定模块， 用于基于所述学习模型输出的下单价格确定一反馈机制， 并将所述反 馈机制作用于所述学习模型， 其中， 所述反馈 机制为正反馈机制或者负反馈 机制；权　利　要　求　书 2/3 页 3 CN 114331546 A 3