(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 202210992249.X (22)申请日 2022.08.18 (71)申请人 中国工商银行股份有限公司 地址 100140 北京市西城区复兴门内大街 55号 (72)发明人 汪志艺　郑显凌　杨俊勉　吴佳文　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 专利代理师 冯右明 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 40/00(2012.01) G06N 3/12(2006.01) (54)发明名称 产品预测方法、 装置、 计算机设备和存储介 质 (57)摘要 本申请涉及一种产品预测方法、 装置、 计算 机设备、 存储介质和计算机程序产品， 涉及人工 智能技术领域。 所述方法包括： 获取选定的待预 测的产品以及产品对应的数学模 型； 确定与产品 对应的参数包， 参数包包含用于实现遗传算法的 多个参数以及各参数的值； 将数学模 型中的时间 变量作为遗传性状， 并基于参数包从时间变量的 取值范围中确定出初始种群， 在初始种群的基础 上， 通过遗传算法在时间变量的取值范围中寻找 最优个体； 基于最优个体， 确定出产品的收益预 测结果。 采用本方法能够实现全面准确表达产品 收益率变动情况的目的。 权利要求书2页 说明书15页 附图5页 CN 115330457 A 2022.11.11 CN 115330457 A 1.一种产品预测方法， 其特 征在于， 包括： 获取选定的待预测的产品以及所述产品对应的数学模型； 所述产品为收益率随着时间 推移而变化的产品， 所述数 学模型表征产品收益 率与时间变量之间的关系； 确定与所述产品对应的参数包， 所述参数包包含用于实现遗传算法的多个参数以及各 参数的值； 将所述数学模型中的时间变量作为遗传性状， 并基于所述参数包从所述 时间变量的取 值范围中确定出初始种群， 在所述初始种群的基础上， 通过遗传算法在所述时间变量的取 值范围中寻找最优个体； 所述最优个体为适应度最优的个体， 计算所述适应度的适应度函 数基于所述产品对应的数 学模型确定； 基于所述 最优个体， 确定出 所述产品的收益预测结果。 2.根据权利要求1所述的方法， 其特征在于， 所述将所述数学模型中的时间变量作为遗 传性状， 包括： 根据所述数 学模型中时间变量的取值范围， 确定二进制编码的编码长度； 基于所述编码长度对所述 时间变量的各个取值进行二进制编码， 得到所述 时间变量的 各个取值对应的遗传性状编 码， 作为所述时间变量的各个取值在遗传算法中的遗传性状的 表达。 3.根据权利要求2所述的方法， 其特征在于， 所述根据所述数学模型中时间变量的取值 范围， 确定二进制编码的编码长度， 包括： 获取所述数学模型中时间变量在所述取值范围内的取值精确度； 根据所述时间变量的取值范围和所述取值精确度， 确定所述时间变量对应取值的个 数； 根据所述取值的个数确定二进制编码的编码长度。 4.根据权利要求1所述的方法， 其特征在于， 所述基于所述参数包从所述 时间变量的取 值范围中确定出初始种群， 包括： 根据所述参数包中的初始种群大小参数以及所述初始种群大小参数的值， 在所述 时间 变量的各个取值对应的遗传性状编 码中确定出对应数量的遗传性状编 码， 作为对应数量的 初始个体； 基于所述对应数量的初始个 体构成所述初始种群。 5.根据权利要求4所述的方法， 其特征在于， 所述在所述 时间变量的各个取值对应的遗 传性状编码中确定出对应数量的遗传性状编码， 作为对应数量的初始个 体， 包括： 根据所述参数包中的初始种群选取参数以及所述初始种群选取参数的值， 在所述 时间 变量的各个取值对应的遗传性状编码中 以所述初始种群选取参数对应的方式确定出对应 数量的遗传性状编码， 作为对应数量的初始个 体。 6.根据权利要求1所述的方法， 其特征在于， 所述在所述初始种群的基础上， 通过遗传 算法在所述时间变量的取值范围中寻找最优个 体， 包括： 将所述初始种群作为当前种群； 计算所述当前种群中每 个个体的适应度； 根据所述适应度和所述当前种群中个体的相邻情况， 基于所述参数包中的遗传规则参 数以及所述遗传规则参数的取值， 生成下一子代得到新的种群；权　利　要　求　书 1/2 页 2 CN 115330457 A 2将所述新的种群作为当前种群， 返回执行计算所述当前种群中每个个体的适应度， 直 到所述当前种群中某个个体的适应度达到预设条件， 或者种群的迭代次数达到预设次数 时， 将当前种群中适应度最高的个 体作为最优个体； 其中， 所述预设条件和所述预设次数从所述 参数包中获取。 7.根据权利要求1所述的方法， 其特征在于， 所述获取选定的待预测的产品以及所述产 品对应的数 学模型之后， 还 包括： 获取针对所述待预测的产品的预测目标； 基于所述预测目标和所述数 学模型， 构建对应的适应度函数； 其中， 所述预测目标包括最高收益率预测或最低收益率预测， 基于所述适应度函数确 定出的最优个 体， 表征所述最高收益 率预测或所述 最低收益 率预测对应的时间取值。 8.根据权利要求1所述的方法， 其特征在于， 所述基于所述最优个体， 确定出所述产品 的收益预测结果， 包括： 对所述最优个体对应的遗传性状编码进行二进制解码， 得到所述最优个体对应的时间 取值， 作为预测时间点； 根据所述数 学模型， 基于所述预测时间点， 得到所述产品对应的收益 率预测值； 基于所述预测时间点和所述收益 率预测值， 确定所述产品的收益预测结果。 9.根据权利要求1至8任一项所述的方法， 其特征在于， 所述确定所述产品的收益预测 结果之后， 还 包括： 确定与所述产品的收益预测结果匹配的目标用户对象； 向所述目标用户对象推荐所述产品。 10.一种产品预测装置， 其特 征在于， 所述装置包括： 产品选取模块， 用于获取选定的待预测的产品以及所述产品对应的数学模型； 所述产 品为收益率随着时间推移而变化的产品， 所述数学模型表征产品收益率与时间变量之 间的 关系； 参数确定模块， 用于确定与所述产品对应的参数包， 所述参数包包含用于实现遗传算 法的多个参数以及各参数的值； 模型运算模块， 用于将所述数学模型中的时间变量作为遗传性状， 并基于所述参数包 从所述时间变量的取值范围中确定出初始种群， 在所述初始种群的基础上， 通过遗传算法 在所述时间变量的取值范围中寻找最优个体； 所述最优个体为适应度最优的个体， 计算所 述适应度的适应度函数基于所述产品对应的数 学模型确定； 收益计算模块， 用于基于所述 最优个体， 确定出 所述产品的收益预测结果。 11.一种计算机设备， 包括存储器和 处理器， 所述存储器存储有计算机程序， 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9中任一项所述的方法的步骤。 12.一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9中任一项所述的方法的步骤。 13.一种计算机程序产品， 包括计算机程序， 其特征在于， 该计算机程序被处理器执行 时实现权利要求1至9中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 115330457 A 3