申请/专利权人：上海临港北京大学国际科技创新中心

申请日：2024-04-07

公开（公告）日：2024-06-21

公开（公告）号：CN118229418A

主分类号：G06Q40/04

分类号：G06Q40/04;G06Q40/06;G06F18/214;G06N3/0464;G06N3/096

优先权：

专利状态码：在审-公开

法律状态：2024.06.21#公开

摘要：本申请实施例公开一种碳资产开发中Black‑scholes模型波动率的迁移学习方法及装置。方法包括：收集碳资产期权数据和样本数据；针对每只股票或期权，选取相关文本，获取对每个相关文本的涨跌标注结果；基于各相关文本，以及对应的涨跌标注结果，训练得到满足要求的encoder模型；在碳资产期权数据中选取相关文本；获取每只股票或期权每天的实际波动率；依次选取第一相关文本、第二相关文本和第三相关文本作为当前训练样本，将各当前训练样本输入encoder模型，得到各当前训练样本对应的涨跌预测结果f；基于各当前训练样本对应的涨跌预测结果f和每只股票或期权每天的实际波动率，训练得到CNN模型。应用本申请实施例提供的方案，能够提高碳资产开发中波动率确定的准确性。

主权项：1.一种碳资产开发中Black-scholes模型波动率的迁移学习方法，其特征在于，所述方法包括：收集碳资产期权数据和样本数据；所述样本数据为与碳资产相关的股票或期权数据；所述碳资产期权数据和所述样本数据均以天为单位收集；针对每只股票或期权，在其对应的样本数据中，选取相关文本，并获取对每个所述相关文本的涨跌标注结果f0；任一相关文本的涨跌标注结果f0标识该相关文本对当前股票或期权价格以f0的置信度上涨或者下降，f0为正值代表上涨，f0为负值代表下降；基于各所述相关文本，以及对应的涨跌标注结果f0，训练得到满足要求的encoder模型；所述encoder模型用于对输入的文本进行回归，得到对应的涨跌预测结果f；在所述碳资产期权数据中选取相关文本；获取每只股票或期权每天的实际波动率；依次选取第一相关文本、第二相关文本和第三相关文本作为当前训练样本，根据以下步骤训练得到用于输出碳资产期权波动率的卷积神经网络CNN模型：将各所述当前训练样本输入所述encoder模型，得到各所述当前训练样本对应的涨跌预测结果f；基于各所述当前训练样本对应的涨跌预测结果f和每只股票或期权每天的实际波动率，训练得到所述CNN模型；所述第一相关文本仅包括所述样本数据中包括的相关文本，所述第二数据包括所述样本数据和所述碳资产期权数据中包括的相关文本，所述第三数据仅包括所述碳资产期权数据中包括的相关文本。

全文数据：

权利要求：

百度查询： 上海临港北京大学国际科技创新中心 一种碳资产开发中Black-scholes模型波动率的迁移学习方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD