(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 202211177561.X (22)申请日 2022.09.26 (71)申请人 阿里云计算有限公司 地址 310000 浙江省杭州市西湖区转塘科 技经济区块12号 (72)发明人 徐阆平　陈风　郭立帆　 (74)专利代理 机构 广州铸智知识产权代理有限 公司 44886 专利代理师 郗名悦　徐瑞红 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 40/04(2012.01) G06Q 40/06(2012.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 债券估值方法、 债券估值模 型训练方法及装 置 (57)摘要 本申请提供了一种债券估值方法、 债券估值 模型训练方法及装置， 涉及云计算领域， 包括： 基 于待估值债券的历史价格和待估值债券的同类 型债券的实时成交价格， 确定待估值债券的稀 疏 特征； 将稀疏特征输入债券估值模型， 基于债券 估值模型的输出值， 得到待估值债券的未来成交 价格估值； 将未来成交价格估值通过债券价格展 示页面进行展示。 本实施例中， 利用待估值债券 的历史成交价格和同类型债券的历史成交价格 训练债券估值模 型， 利用债券估值模 型对债券进 行估值， 基于待估值债券的历史价格和待估值债 券的同类型债券的实时成交价格， 进行债券估 值， 可以实现实时估值， 估值结果更加准确。 权利要求书2页 说明书10页 附图4页 CN 115482041 A 2022.12.16 CN 115482041 A 1.一种债券 估值方法， 其特 征在于， 所述方法包括： 基于待估值债券的历史价格和所述待估值债券的同类型债券的实时成交价格， 确定所 述待估值债券的稀疏 特征； 将所述稀疏特征输入债券估值模型， 基于所述债券估值模型的输出值， 得到所述待估 值债券的未来成交价格估值； 将所述未来成交价格估值 通过债券价格展示页面进行展示； 其中， 所述债券估值模型是利用所述待估值债券的历史成交价格和同类型债券的历史 成交价格训练得到的。 2.根据权利要求1所述的方法， 其特征在于， 所述基于待估值债券的历史价格和所述待 估值债券的同类型债券的实时成交价格， 确定所述待估值债券的稀疏 特征， 包括： 将所述待估值债券的历史价格和所述待估值债券的多个同类型债券的实时成交价格 做差， 基于多个差值确定所述待估值债券的稀疏 特征。 3.根据权利要求1所述的方法， 其特征在于， 所述基于所述债券估值模型的输出值， 得 到所述待估值债券的未来成交价格估值， 包括： 将所述债券 估值模型的输出值作为所述待估值债券的未来成交价格估值； 或者 将所述债券估值模型的输出值和所述待估值债券的历史价格求和， 得到所述待估值债 券的未来成交价格估值。 4.根据权利要求1 ‑3任一项所述的方法， 其特 征在于， 所述同类型包括以下至少一项： 债券评级相同、 债券到期期限相同、 债券发行方所属的行业相同、 债券发行方所属的地 区相同。 5.一种债券 估值模型训练方法， 其特 征在于， 所述方法包括： 获取训练样本集， 所述训练样本集包括训练样本和样本标签， 所述训练样本包括基于 待估值债券的历史成交价格和同类型债券的历史成交价格得到的稀疏特征， 所述样本标签 包括所述待估值债券的历史成交价格和同类型债券的历史成交价格之差； 利用所述训练样本集训练神经网络模型， 得到所述待估值债券的债券 估值模型。 6.根据权利要求5所述的方法， 其特 征在于， 所述方法还 包括： 对所述债券估值模型的激活函数的激活区间进行调整， 基于调整后的激活函数训练债 券估值模型。 7.根据权利要求5或6所述的方法， 其特 征在于， 所述稀疏 特征是通过以下 方式得到的： 将所述待估值债券的多个历史成交价格分别和多个同类型债券的历史成交价格做差， 基于多个差值确定所述稀疏 特征。 8.一种债券 估值装置， 其特 征在于， 所述装置包括： 特征确定模块， 用于基于待估值债券的历史价格和所述待估值债券的同类型债券的实 时成交价格， 确定所述待估值债券的稀疏 特征； 价格确定模块， 用于将所述稀疏特征输入债券估值模型， 基于所述债券估值模型的输 出值， 得到所述待估值债券的未来成交价格估值； 价格展示模块， 用于将所述未来成交价格估值 通过债券价格展示页面进行展示； 其中， 所述债券估值模型是利用所述待估值债券的历史成交价格和同类型债券的历史 成交价格训练得到的。权　利　要　求　书 1/2 页 2 CN 115482041 A 29.一种债券 估值模型训练装置， 其特 征在于， 所述装置包括： 样本获取模块， 用于获取训练样本集， 所述训练样本集包括训练样本和样本标签， 所述 训练样本包括基于待估值债券的历史成交价格和同类型债券的历史成交价格得到的稀疏 特征， 所述样本标签包括所述待估值债券的历史成交价格和同类型债券的历史成交价格之 差； 模型训练模块， 用于利用所述训练样本集训练神经网络模型， 得到所述待估值债券的 债券估值模型。 10.一种电子设备， 包括存储器、 处理器及存储在存储器上的计算机程序， 所述处理器 在执行所述计算机程序时实现权利要求1 ‑7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115482041 A 3