[發明專利]基于特征參數選取與LSTM模型的股指預測方法

在審

• 申請號: 201711155418.X
• 申請日: 2017-11-20
• 公開（公告）號: CN107844865A
• 公開（公告）日: 2018-03-27
• 發明（設計）人: 陳佳;張傳雷;李建榮;于洋;武大碩
• 申請（專利權）人: 天津科技大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q40/06
• 代理公司: 天津盛理知識產權代理有限公司12209
• 代理人: 王利文

1.一種基于特征參數選取與LSTM模型的股指預測方法，其特征在于包括以下步驟：

步驟1、獲取股指數據，全面選取特征參數；

步驟2、采用系統聚類法進行特征分類，使得同一類中的參數相似度較高，不同類別之間的相似度則較低；

步驟3、采用主成分析法對不同類別參數進行降維，使新的指標能夠保留原始信息且彼此之間互不相關；

步驟4：將最終輸入特征參數直接輸入LSTM模型中進行訓練，并對實驗結果進行分析。

2.根據權利要求1所述的基于特征參數選取與LSTM模型的股指預測方法，其特征在于：所述步驟1全面選取特征參數時，需要考慮股票的影響因素，股票的影響因素包括宏觀因素、利率因素和估值因素。

3.根據權利要求1所述的基于特征參數選取與LSTM模型的股指預測方法，其特征在于：所述步驟2系統聚類法包括以下步驟：

⑴將每個樣本看做一類，并計算各類之間的距離；

⑵將距離最近的兩類進行合并，成為新類別，并計算新類別與其他各類之間的距離；

⑶重復步驟⑵，直至所有類別聚為一類或達到所需的聚類數目。

4.根據權利要求1所述的基于特征參數選取與LSTM模型的股指預測方法，其特征在于：所述步驟2采用系統聚類法將最終分類結果分為4類。

5.根據權利要求1所述的基于特征參數選取與LSTM模型的股指預測方法，其特征在于：所述步驟3主成分分析法包括以下步驟：

⑴獲得數據，計算數據的平均值；

⑵計算數據的協方差矩陣，并求得該協方差矩陣的特征值和特征向量；

⑶對特征值進行排序，篩選大于閾值的特征值，計算白化矩陣；

⑷計算累積貢獻率，提取主成分；

⑸計算主成分載荷，分析其與原數據的相關連續度。

6.根據權利要求1所述的基于特征參數選取與LSTM模型的股指預測方法，其特征在于：所述步驟4采用的LSTM模型為LSTM神經網絡模型，該LSTM神經網絡模型由LSTM層和DENSE層構成，使用的激活函數為tanh函數。