(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 202211201832.0 (22)申请日 2022.09.29 (71)申请人 浙江越秀外国语学院 地址 312099 浙江省绍兴 市会稽路428号 (72)发明人 李春娥　 (74)专利代理 机构 郑州明华专利代理事务所 (普通合伙) 41162 专利代理师 袁艳丽 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 30/02(2012.01) (54)发明名称 一种基于数据统计的农产品价格预测方法 (57)摘要 本发明公开了一种基于数据统计的农产品 价格预测方法， 包括价格信息采集和相应农产品 集产地基础数据采集， 对采集数据进行信息预处 理并构建综合据库， 然后对某种单一或组合农产 品市场技术分析形成至少包括次日的价格走势 曲线， 在根据某农产品季节因素计算相应农产品 投资的波动率， 对价格走势曲线进行修正， 通过 对产品风险因子的因子回报进行计算， 将波动率 与所述价格走势曲线结合形成价格波动率曲线。 本发明将惯性购买欲与某种农产品市场技术指 标有机地结合， 用以优化预测某种农产品市场走 势， 提高了某种农产品市场预测的准确性， 通过 对农产品的超 无风险利率收益进行计算， 将农产 品的价格走势与波动率结合， 提高预测精准度。 权利要求书2页 说明书8页 附图1页 CN 115310722 A 2022.11.08 CN 115310722 A 1.一种基于数据统计的农产品价格预测方法， 其特征在于， 包括如下步骤， 步骤1.价格 信息采集： 1.1线上价格信息采集： 针对多个知名电商网信息， 利用网络爬虫采集相应网站 前数页内关于某种农产品网页价格， 将其保存到本地计算机； 1.2线下价格信息采集： 包括 所有关于某种农产品中抽取具有市场代表性的多家主要贸易商的该农产品作为计算对象， 并以当日销售量 为权重计算得 出的当前加权价格指数； 步骤2.相应农产品集产地基础数据采集： 包括相应农产品产地各地农贸网基础数据采 集， 包括实时价格数据、 分析师名称、 价格数据发布 时间和相应农贸网名称， 获取相应分析 师的预测准确度数据库； 步骤3.信息预处理： 3.1对所述线上信息采集步骤中获取的农产品网页价格进行正文 抽取、 分词和词性标注， 以及停用词和标点符号过滤， 针对采集到的农产品网页价格抽取最 新网页的标题、 发布时间和正文对应某农产品信息， 去除网页中的噪音信息， 形成针对某农 产品的文本， 并进行分词和词性标注， 同时构建某种农产品市场惯性购买欲词库来提高分 词的准确率， 形成包含惯 性购买欲的线 上价格统计的数据库； 3.2对 所述线下信息采集通过 人工构建农产品领域词 库和某种农产品市场惯性购买欲词 库， 并对某农产品的文本进 行分 词和词性标注形成线 下价格统计的数据库； 3.3  对所述农贸网名称获取相应农贸网的分析 师数据、 分析师资质和分析师研究不同农产品方向， 确定相应农贸网的网站 等级， 同时对盈 利预测准确度、 目标价准确度和投资评级准确度和网站等级进行加权计算， 进一步优化分 析师等级， 再根据数据发布 时间确定预测时间等级， 将相应分析师等级和其预测时间等级 对相应农产品实时价格数据进行加权计算， 获取 所述农贸网加权的价格信息预测值； 步骤4.构建综合据库： 根据 所述线上统计数据库和线下统计数据库及预测准确度 数据 库构建某种农产品领域相关的当前语料 数据库； 步骤5.对某种农产品市场 技术分析： 依据某农产品当前成交价格和历史成交价格为基 础确定次日价格走势， 结合分析师权重和该农产品市场惯性购买欲， 分析该农产品市场线 上和线下技 术指标走势， 并绘制至少包括次日的价格走势曲线； 步骤6. 根据某农产品季节因素计算相应农产品投资的波动率， 对价格走势曲线进行 修正： 从综合数据库读取根据当前基础数据计算得到的风险控制参数 的值， 所述风险控制 参数包括某农产品风险因子、 农产品风险因子的因子回报、 因子回报的协方差矩阵以及残 差波动率， 所述残差波动率是不能由上述技术分析所解释部分回报的波动率； 所述产品风 险因子的因子回报采用横截面回归 方法计算， y＝Xf+ε； 其中， y表 示该农产品的超 无风险利 率收益， X表示该农产品的风险因子， f表示该农产品风险因子的因子回报， ε表示不能由该 农产品风险因子所解释部分的残差回报， 计算得到单一或组合农产品投资组合在起止时间 内的波动率。 2.根据权利要求1所述的农产品价格预测方法， 其特征在于， 步骤1.1中， 在网络爬虫 中， 分别输入包括但不限于四个种子网站首页地址， 即淘宝关于某农产品关键词首页、 美团 关于某农产品关键词首页、 京东关于某农产品关键词首页和拼多多关于某农产品关键词首 页地址， 下载这些电商的农产品前10页的价格网页， 下载后的农产品价格网页按照最新的 发布时间顺序以超文本标记语言Html文件形式保存在本地计算机 。 3.根据权利要求1所述的农产品价格预测方法， 其特征在于， 步骤2还包括根据相应分 析师名称获取该分析师关于某种农产品的历史实时价格数据， 历史实时价格数据包括预测权　利　要　求　书 1/2 页 2 CN 115310722 A 2值、 实际值、 预测时间和实际值公布 时间， 根据其预测值和实际值获取历史预测准确度， 根 据所述预测时间和实际值 公布时间获取历史预测时间间隔， 并根据历史预测时间间隔确定 历史时间等级， 根据所述历史时间等级确定历史时间权重， 根据历史时间权重对历史预测 准确度进行加权计算， 获取相应分析 师的预测准确度数据库。 4.根据权利要求1所述的农产品价格预测方法， 其特征在于， 步骤4中对某种农产品领 域相关语料的识别采用主题词引导的识别方法， 若至少存在一个主题词在农产品领域词库 和某种农产品市场惯性购买欲词库中出现， 则判别其与某种农产品领域相关， 提取最新的 特征词， 针对某种农产品领域文本的特点， 根据词语的词性和专 业性来提取文本的特征词， 计算最新特征词的权重， 再对最新特征词进行惯性购买欲的判别， 计入关于某种农产品市 场惯性购买欲词库中。 5.根据权利要求1所述的农产品价格预测方法， 其特征在于， 步骤2中基础数据采集包 括某单一或组合农产品的日频 交易数据、 财务数据和分析师预测的数据， 步骤6再根据这些 基础数据确定某单一或组合农产品风险因子， 根据这些基础数据以及所述某单一或组合农 产品风险因子确定某单一或组合农产品的收益回报， 所述收益回报包括某单一或组合农产 品风险因子可解释部分的因子回报和 不能由某单一或组合农产品风险因子所解释部分的 残差回报， 根据所述因子回报计算因子回报的协方差矩阵， 根据所述残差回报计算某单一 或组合农产品的残差波动率。 6.根据权利要求1或4所述的农产品价格预测方法， 其特征在于， 所述的惯性购买欲还 包括统计收藏数据和购物车数据， 将其分为积极、 消极和中性， 积极表示反映某种农产品的 走势为上涨， 消极表示某种农产品的走势为下跌， 惯性购买欲判别就是对某农产品价格走 势的惯性购买欲进行两个类别的分类， 构建最新的特征向量， 其中特征维数为特征词的数 目， 特征值为特征词的权 重， 采用支持向量机分类 器对价格走势进行分类。 7.根据权利要求1所述的农产品价格预测方法， 其特征在于， 所述购买欲词库包括对购 买欲分析、 对某种农产品领域相关语料进 行购买欲分析， 包括特征词提取、 特征词权重计算 和惯性购买欲判别。 8.根据权利要求1所述的农产品价格预测方法， 其特征在于， 步骤5中绘制次日的价格 走势曲线时， 还包括将惯性购买欲通过隐马尔科夫模型融合的预测方法来预测某种农产品 市场走向、 连续型隐马尔科 夫模型参数 学习和某种农产品市场预测。权　利　要　求　书 2/2 页 3 CN 115310722 A 3