(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 202111666723.1 (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　张桐喆　韩雷　戴竞超　 李正非　 (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 40/04(2012.01) G06Q 30/02(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种交易信息预测方法、 装置、 计算机设备 和存储介质 (57)摘要 本发明公开了一种交易信息预测方法， 所述 方法包括： 获取交易对象的交易数据集， 所述交 易数据集包括在时间上连续的多条交易数据； 将 所述交易数据集输入预置的特征预测模型， 以预 估出用于预测所述交易对象在未来时刻 的交易 信息的特征， 所述特征预测模型的训练集包括多 种交易对象中每种交易对象 的历史交易数据集； 将预估出的特征输入预置的交易信息预测模型， 以预测出所述交易对象在未来时刻的交易信息， 所述交易信息包括下单价格、 下单数量和下单时 间点。 本发明还公开了一种交易信息预测装置、 一种计算机设备和一种计算机可读存 储介质。 权利要求书2页 说明书10页 附图3页 CN 114266664 A 2022.04.01 CN 114266664 A 1.一种交易信息预测方法， 其特 征在于， 所述方法包括： 获取交易对象的交易数据集， 所述交易数据集包括在时间上 连续的多条交易数据； 将所述交易数据集输入预置的特征预测模型， 以预估出用于预测所述交易对象在未来 时刻的交易信息的特征， 所述特征预测模型的训练集包括多种交易对象中每种交易对象的 历史交易数据集； 将预估出的特征输入预置的交易信 息预测模型， 以预测出所述交易对象在未来时刻的 交易信息， 所述交易信息包括下 单价格、 下 单数量和下 单时间点。 2.根据权利要求1所述的方法， 其特 征在于， 所述获取交易对象的交易数据集， 包括： 接收交易信息预测指令， 解析出对象ID、 交易最终时间点和所述交易最终时间点所属 的交易日期； 确定属于所述交易日期且位于所述交易 最终时间点之前的一交易时间段； 获取所述交易时间段内所述对象ID的多条交易数据， 记为所述交易对象的交易数据 集； 其中， 所述未来时刻属于所述交易日期且位于所述交易 最终时间点之后。 3.根据权利要求2所述的方法， 其特征在于， 所述将所述交易数据集输入预置的特征预 测模型， 以预估出用于预测所述交易对象在未来时刻的交易信息的特 征， 包括： 将所述交易数据集输入所述特征预测模型的第 一网络模块， 以使得所述第 一网络模块 在提取所述交易数据集的特 征后输出第一特 征向量； 将所述第一特征向量输入所述特征预测模型的第 二网络模块， 以使得所述第 二网络模 块在学习所述第一特 征向量中各个特 征元素的时序规 律后输出第二特 征向量； 根据所述第二特 征向量预估出用于预测所述交易对象在未来时刻的交易信息的特 征。 4.根据权利要求3所述的方法， 其特征在于， 所述将所述交易数据集输入所述特征预测 模型的第一网络模块， 以使得所述第一网络模块在提取所述交易数据集的特征后输出第一 特征向量， 包括： 将所述交易数据集输入所述特 征预测模型的ResNet网络； 通过所述ResNet网络提取所述交易数据集的特征并通过所述ResNet网络将提取的特 征转换为特 征向量； 将转换后获得的特 征向量输入所述特 征预测模型的第一注意力模型； 通过所述第 一注意力模型更新所述转换后获得的特征向量中各个特征元素的权重， 获 得所述第一特 征向量。 5.根据权利要求3所述的方法， 其特征在于， 所述将所述第 一特征向量输入所述特征预 测模型的第二网络模块， 以使得所述第二网络模块在学习所述第一特征向量中各个特征元 素的时序规 律后输出第二特 征向量， 包括： 将所述第一特 征向量输入所述特 征预测模型的LSTM网络； 通过所述LSTM网络学习所述第一特征向量中各个特征元素的时序规律后输出具有时 序规律的特征向量； 将所述具有时序规 律的特征向量输入所述特 征预测模型的第二注意力模型； 通过所述第 二注意力模型更新所述具有时序规律的特征向量中各个特征元素的权重， 获得所述第二特 征向量。权　利　要　求　书 1/2 页 2 CN 114266664 A 26.根据权利要求3所述的方法， 其特征在于， 所述根据所述第 二特征向量预估出用于预 测所述交易对象在未来时刻的交易信息的特 征， 包括： 将所述第二特征向量输入所述特征预测模型的池化层， 以使得所述池化层对所述第 二 特征向量进行池化作用后输出第三特 征向量； 获取所述交易对象的交易隐私数据， 所述交易隐私数据为目标用户在所述交易时间段 内对所述交易对象执 行交易操作后仅由所述目标用户可 见的数据； 提取所述交易隐私数据的特 征并转换为特 征向量， 记为隐私特 征向量； 拼接所述第三特 征向量和所述隐私特 征向量； 将拼接后获得的特征向量输入预置的卷积神经网络， 以预估出用于预测所述交易对象 在未来时刻的交易信息的特 征。 7.一种交易信息预测装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取交易对象的交易数据集， 所述交易数据集包括在时间上连续的多 条交易数据； 预估模块， 用于将所述交易数据集输入至预置的特征预测模型， 以预估出用于预测所 述交易对象在未来时刻的交易信息的特征， 所述特征预测模型的训练集包括多种交易对象 中每种交易对象的历史 交易数据集； 预测模块， 用于将预估出的特征输入至预置的交易信息预测模型， 以预测出所述交易 对象在未来时刻的交易信息， 所述交易信息包括下 单价格、 下 单数量和下 单时间点。 8.根据权利要求7 所述的装置， 其特 征在于， 所述获取模块具体用于： 接收交易信息预测指令， 解析出对象ID、 交易最终时间点和所述交易最终时间点所属 的交易日期； 确定属于所述交易日期且位于所述交易 最终时间点之前的一交易时间段； 获取所述交易时间段内所述对象ID的多条交易数据， 记为所述交易对象的交易数据 集； 其中， 所述未来时刻属于所述交易日期且位于所述交易 最终时间点之后。 9.一种计算机设备， 所述计算机设备包括： 存储器、 处理器以及存储在所述存储器上并 可在所述处理器上运行 的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实 现权利要求1至 6任一项所述的方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1至 6任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114266664 A 3