[發明專利]基于特征K線和合作協同演化算法的金融時間序列預測方法

在審

• 申請號: 201810179280.5
• 申請日: 2018-03-05
• 公開（公告）號: CN108492187A
• 公開（公告）日: 2018-09-04
• 發明（設計）人: 駱超;姜志朋
• 申請（專利權）人: 山東師范大學
• 主分類號: G06Q40/06
• 分類號: G06Q40/06;G06Q10/04;G06K9/62;G06N3/12
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 趙妍

1.一種基于特征K線和合作協同演化算法的金融時間序列預測方法，其特征在于，包括以下步驟：

1)獲取金融時間序列數據，采用特征K線技術對金融時間序列數據進行去噪處理；

2)將去噪處理后的數據輸入支持向量機，并采用合作協同演化算法來獲取分類預測準確率。

2.如權利要求1所述的一種基于特征K線和合作協同演化算法的金融時間序列預測方法，其特征在于，所述步驟1)中，在金融時間序列數據的K線化基礎上，篩選獲取具有單根、雙根和多根的多種特定形態的特征K線集合，生成數據集。

3.如權利要求1所述的一種基于特征K線和合作協同演化算法的金融時間序列預測方法，其特征在于，所述步驟2)中，采用基于合作協同演化算法構建的優化框架，構建金融時間序列預測模型，從而獲取分類預測準確率。

4.如權利要求3所述的一種基于特征K線和合作協同演化算法的金融時間序列預測方法，其特征在于，所述優化框架包括三個部件，所述部件1為特征子集的選擇，所述部件2為天數窗口設定，所述部件3為優化算法的選擇。

5.如權利要求4所述的一種基于特征k線和合作協同演化算法的金融時間序列預測方法，其特征在于，所述特征子集的選擇，包括從DIF、DEA、MACD、DMA、AMA、PSY、CLOSE、D、RSI、HIGH、OPEN、MA5、MA10、VOLUME、K、LOW、UPPERLINE、MIDDLELINE、LOWLINE、CCI和j的21個特征中隨機選出1個或多個特征，構建特征子集。

6.如權利要求4所述的一種基于特征K線和合作協同演化算法的金融時間序列預測方法，其特征在于，所述天數窗口設定即為滑動窗口天數大小的設定，其天數大小為5到30之間的隨機值。

7.如權利要求4所述的一種基于特征K線和合作協同演化算法的金融時間序列預測方法，其特征在于，所述優化算法的選擇，包括隨機選擇1到3之間的數值，其中數值1代表網格搜索，數值2代表GA算法，數值3代表粒子群算法。

8.如權利要求1所述的一種基于特征K線和合作協同演化算法的金融時間序列預測方法，其特征在于，假設循環次數是C，參與循環的個體數量是N，三個待確定部件包括部件1天數窗口設定、部件2特征子集的選擇和部件3優化算法的選擇，則所述合作協同演化算法包括：

2-1)對N個個體分別進行初始化，得到每個個體的天數窗口、特征子集、優化算法和分類準確率；

2-2)取出分類準確率最高的個體為emperor，如果當前的循環次數C/3，余數是1，則除emperor之外，其余個體的部件1將根據交叉率Pc復制成emperor的部件1，復制完成之后，再根據變異率Pm進行自身部件1的變異，再計算每個個體的分類準確率，取出分類準確率最高的個體為emperor；

2-3)如果當前的循環次數C/3，余數是2，則除emperor之外，其余個體的部件2將根據交叉率Pc復制成emperor的部件2，復制完成之后，再根據變異率Pm進行自身變異，再計算每個個體的分類準確率，取出分類準確率最高的個體為emperor；

2-4)如果當前的循環次數C/3，余數是0，則除emperor之外，其余個體的部件3將根據交叉率Pc復制成emperor的部件3，復制完成之后，再根據變異率Pm進行自身變異，再計算每個個體的分類準確率，取出分類準確率最高的個體為emperor；

2-5)循環(2-2)-(2-4)，直到達到循環次數C，得到最優分類準確率的個體所記錄下的三個部件，即為求得的最優特征子集，天數窗口和優化算法，此時emperor的分類預測準確率就是最終所求的分類預測準確率。