财经

区块链技术或用根颠覆供应链

9 9月 , 2018  

供应链金融,是依靠用供应链上的主干企业以及跟该休戚相关的上下游企业当作一个完,以主干企业呢依托,以实际贸易为前提,运用自偿性贸易融资的点子,对供链上下游企业提供的综合性金融产品以及劳务。

当第2局部底课程被,将继承追股票预测的话题,在首先片段自我增添了一个循环往复神经网络(RNN),并与其应本着大多单股票价格预计的能力。为了区别和差价位序列相关联的模式,我用股票符号嵌入向量作为输入的一样局部。

据悉融资担保品的例外,金融机构将供应链金融分为在承诺收账款类、预付类和存货类融资,其中应收账款类的范围越来越巨大。

数据集

以摸索过程被,我找到了所以来询问好虎!金融API的库。如果雅虎没有关获取历史数据的API,那么这个库房是卓有成效的。在本文中,我选了谷歌财经的一个链接,其中提供了片足以吃下载股票历史价格信息之免费数据资源。

获取数据的代码可以描绘成如下简单款式:

当得内容时,记得添加try-catch语句块,以防链接失败或者提供的股票代码失效。

区块链技术及供应链金融业务存在先天性适配,其融入将所向披靡支撑供应链金融的进化,有效推进普惠金融的出世。

范构建

该型预期用来学习不同股票的价位序列。由于不同之根模式,我只要强烈地报告模型它在处理啊只股票。嵌入(Embedding)比one-hot编码更被欢迎,原因是:

1.被闹的训练集带有N个股票,one-hot编码将引入N个(或N-1单)额外的稀罕特征维度。一旦每个股票代码被射到一个微得差不多之长短也k的映照向量,k<

2.以映射向量是为此来学学之变量,所以类似的股票可以和类似的投射相关联,并且可协助预测其他的股票,比如“GOOG”和“GOOGL”,之后以以产图中可见到。

在循环神经网络中,取一个时光点t处,输入向量包括input_size(标记为w)第一批股票每日价格值(pi,tw,pi,tw+1,…,pi,(t+1)w−1)。股票代码被唯一的置至一个长短为量embedding_size(标记为k)(ei,0,ei,1,…,ei,k)。如下图所示,价格向量与照向量关联在协同,然后传送到长短期记忆网络(LSTM)单元。

其余一样栽选择是用嵌入向量与长短期记忆网络(LSTM)单元相关联,并且以输出层学习新的权重W和偏差b。然而,在这种方式下,LSTM单元就只能得出一个股票的价格要望洋兴叹得出另外的价钱了,并且它们的能力将面临非常酷程度的界定。

图.具有股票符号映射的RNN(股票价格预测循环神经网络)模型的架构。

RNNConfig中补充加了一定量只新的配备环境变量:

·embedding_size 控制每个嵌入向量的轻重;

·stock_symbol_size指数据汇总单股的数额。

顿时有限只环境变量共同定义了放置矩阵的轻重缓急,以满足模型必须学习embedding_size×stock_symbol_size结果的怪变量,来跟Part1的模子进行较。

对此制造业企业而言,如果说从0到1靠研发,那起1及N靠的饶是供应链,好的供应链管理会降低产品跟运营成本,保证出货速度,是铺的中坚竞争力。

概念图形

(1)如Part1所云的:定义图形,首先被咱定义一个叫做吧lstm_graph的tf.Graph()和相同组张量(tensors),以同的计保存输入数据,inputs,targets和learning_rate。另一个用来定义之占位符是一个与输入价格有关的股票代码列表。在用竹签编码(label
encoding)之前,这些股票代码已经各自让映射成唯一的整数。

(2)然后我们要树立一个放矩阵作为一个查找表,表中蕴含了独具股票的坐向量。矩阵用-1顶1内的自由数进行初始化,并于教练多少中更新。

(3)重复股票标签num_steps的次数为以训练里来配合配RNN(循环神经网络)的展开版本和inputs张量的形制。转换操作tf.tile获得一个基础张量,并经反复)重复以确定的维度来创造一个新的张量;严格的来说就是是输入张量的第i单维度乘以变量multiples[i]的翻番。例如,如果变量stock_labels
为 [[0],[0],[2],[1]],那么与[1,5]开连锁测算,则有 [[0
0 0 0 0],[0 0 0 0 0]) [2 2 2 2 2],[1 1 1 1 1 1]]。

(4) 然后根据查找表embedding_matrix将标志映射到投向量

(5)最后,将标价之价值与坐向量结合起来。tf.concat的操作沿着维度变量axis与张量列表连接。在这例子中,我们愿意保持批量和手续的多少不换,但不过扩展输入向量的变量input_size的长短为富含映射特征。

另代码运行动态RNN,提取LSTM单元的末梢状态,并操纵输出层中的权重和谬误,详情请参考Part1。

借助区片链技术与经济平台,整个买卖系统中之信用将转移得可传输、可追溯,大量原先在过去无法融资的供应链上的中小企业有望与主导企业更严谨地联系在一起,并透过得到信用及融资。这正是传统供应链金融所不可知提供的。

教练会话

假使你免晓当TensorFlow中怎么样运作一个训练会话,请阅读Part1:开始训练会话。

向阳图形提供数据之前,股票符号应于撤换成所有独立标签编码的整数。

图二,以上定义了图的Tensorboard可视化。“train”和“save”两只模块已打主图中去除了。

不同为表现图形结构要这跟变量,Tensorboard
也支撑映射可视化。为了将映射值传送到Tensorboard
中,我们得多适用的跟日志。

(0)在本人之映照可视化中,我思用行业领域来所以颜色区分每个股票。元数据应储存在CSV文件被。此文件来股票标识以及行领域两排。CSV文件发出没有发出题目不紧要,重要之是股票列表顺序必须与label_encoder.classes一致。

(1)在教练之tf.Session变量中第一设置摘要作者。

(2)将图lstm_graph中定义之张量embedding_matrix添加到projector配置变量中,并附上元数据CSV的公文路径。

(3)这行代码是在your_log_file_folder文件夹下新建了文件projector_config.pbtxt。TensorBoard
将以开行时读博该文件。

用作一个管透明度和安全性的分布式分类帐,区块链显示了解决当下供应链问题之应允。区块链范式于供应链上的简以是将分类帐上之商品转移登记吗识别涉及的各方之交易,以及活的价,日期,位置,质量及状态和任何其它与治本供应链相关的信。

结果集

拖欠型对标准普尔500指数中市值最充分之前面100止股票数量开展训练。

利用了以下配置:

区块链技术天生是一个高度安全、不可篡改的互联网账本,而且可以面向有互联网用户放,特别适用于中间环节繁杂、信息不对称的应用领域。借助区片链平台,
所有与着力企业有关的供应链上的中小企业都足以被电动高效地记下相关交易作为;在享有节点上,记录之还要都指向该忠实进行了活动验证和一块,记录也不得篡改。区块链上的富有公司只要出亟待就是好天天因有关交易记录快速融资。

价钱预计

作为针对预测质量的简练概述,图三打制了对“KO”, “AAPL”, “GOOG” 和
“NFLX”这些测试数据的预测结果。总体趋势在实际价格同预测值之间相兼容。考虑预测任务是怎么样计划之,该型依赖所有的历史数据测试点来预测接下去5(input_size)天之多少。参数input_size比较小之时段,模型完全不需要担心长期的增进曲线。但是要我们增大了input_size,预测虽会拮据多了。

希冀3.显了于测试数据集中KO,AAPL,GOOG同NFLX的真实与展望股票价格。

普天之下闻名债券评级机构穆迪就为起过127独区块链案例,从积分及市清算,从文本存证至供应链管理,从跨境支付及供应链金融,各种应用层出不穷。

放到可视化

Tensorboard支持之挺好的相同栽普遍的技艺是t-SNE(Maaten和Hinton,
2008),用以在停放空间来可视化集群。t-SNE是“t-分布随机邻域嵌入算法”的缩写,它是不管三七二十一相邻嵌入算法
(Hinton and Roweis, 2002)的一律栽演变,但是财力函数修改后再易优化了。

1、类似于SNE,t-SNE首先将数据点之间的高维欧氏距离转换为表示相似性的标准化概率。

2、t-SNE在低维空间的数据点上定义了类似的概率分布,依照地图及之接触之岗位,它太小化了有限种植分布之间的kullback-leibler
divergence。

于t-SNE可视化中查阅这同一张嘴,了解什么调整参数,困惑度和训练效率(ε)。

图四,用t-SNE实现股票映射的可视化,不同颜色之标签代表正不同行业领域的股票。

每当停放空间被,我们可以通过检照向量之间的貌似程度来度量两种股票中的相似性。例如,GOOG以训练照中同GOOGL基本接近(见图5)。

图五,当我们以Tensorboard的映射表中寻找“GOOG”时,其他类似之股票会趁着相似度的降落颜色从暗交展示变得鼓鼓的。

照课程被的整代码请点击github.com/lilianweng/stock-rnn.

正文由阿里云云栖社区组织翻译。

文章原来标题《Predict Stock Prices Using RNN: Part 2》

作者:Lilian Weng

自降生情况来拘禁,零售巨头沃尔玛是先行者。沃尔玛这样的品牌商,食品安全至事关品牌声名,因此大顺心供应链管理。近期,沃尔玛于北京市办了食品安全中心,联合IBM和清华大学,采用区块链技术追踪美国之包产品及九州之猪肉,涉及到运往多只商店的数千封装。

时沃尔玛将养殖场、加工厂、物流等环节拉入到联盟链中,实时追踪掌握食品质量、储存温度、运输细节等信息,由此判断商品是否真实、安全,以及她何时过等情景。

另外,加入区块链的供应链治理对位突发事件能做出这反馈。比如,如果生食品安全事件时,区块链能够对食品开展溯源,从而判断哪些食物中了影响,时间以几分钟内,沃尔玛得以迅速做出商品是否召回的仲裁。

当供应链中上区块链,供应链将更换得更加透明,大规模联合变得更其容易。提高供应链可追溯性和安全性可以经推进信任及规矩,以及预防实施有题目的做法,使我们的经济再安全,更保险。

*本文由未来经济原创,未经许可禁止转载

, , ,


相关文章

发表评论

电子邮件地址不会被公开。 必填项已用*标注

网站地图xml地图