[發明專利]基于指數特征提取的股指預測方法、服務器及存儲介質

有效

• 申請號: 201810694893.2
• 申請日: 2018-06-29
• 公開（公告）號: CN108985501B
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 李正洋
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q40/04
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

本發明提供了一種基于指數特征提取的股指預測方法、裝置及存儲介質，該方法提取預設數量的時間序列中所有時間點的指數因子及對應的收益率，根據預設規則選取n個指數因子構成一個n維向量，將各個時間點的n維向量及其對應的收益率分別組成一個待訓練的樣本數據。之后，該方法利用樣本數據中的n維向量及其對應的收益率對雙向長短期記憶網絡模型進行訓練，確定模型參數。最后，該方法接收待分析的時間序列，提取出該時間序列所有時間點的n維向量輸入到訓練好的雙向長短期記憶網絡模型中，得到該段時間序列的綜合解釋性指標。利用本發明，能夠深層次的提取指數的特征，提高股指預測的準確性。

技術領域

本發明涉及計算機技術領域，尤其涉及一種基于指數特征提取的股指預測方法、服務器及計算機可讀存儲介質。

背景技術

因子一般是指對研究事物具有影響作用的特征或因素。指數相對于其他指標而言，往往具有時序依賴的特征。目前的指數因子特征提取方法，可以是提取指數位于某一時刻的特定維度的特征，也可以是提取長時間段上指數的趨勢性與周期性特征，而對于相鄰時序間的依賴關系特征較難提取，從而不能夠科學地衡量指數走勢。

發明內容

鑒于以上內容，本發明提供一種基于指數特征提取的股指預測方法、服務器及計算機可讀存儲介質，其主要目的在于提取多重指數特征所包含的綜合信息，科學、準確地預測指數走勢。

為實現上述目的，本發明提供一種基于指數特征提取的股指預測方法，該方法包括：

樣本采集步驟：提取預設數量的時間序列中所有時間點的指數因子及對應的收益率，根據預設規則選取n個指數因子構成一個n維向量x_i，i0且i為整數，將各個時間點的n維向量x_i及其對應的收益率組成待訓練的樣本數據；

提取步驟：提取樣本數據中每段時間序列的所有時間點的n維向量x_i，作為雙向長短期記憶網絡模型第一層的輸入；

處理步驟：在雙向長短期記憶網絡模型的第二層，根據某段時間序列的某個時間點的n維向量x_i及前一個時間點的n維向量x_i-1的隱藏層狀態向量h_i-1計算該時間點的n維向量x_i的第一隱藏層狀態向量h_i，并根據該時間點的n維向量x_i及后一個時間點的n維向量x_i+1的隱藏層狀態向量h_i+1計算該時間點n維向量x_i的第二隱藏層狀態向量h_i’，將第一隱藏層狀態向量h_i和第二隱藏層狀態向量h_i’進行平均處理，得到該時間點的綜合隱藏層狀態向量，直至算出所有時間點的綜合隱藏層狀態向量，再根據每段時間序列的所有時間點的綜合隱藏層狀態向量得到每段時間序列的特征向量T_i；

計算步驟：在雙向長短期記憶網絡模型的第三層，根據每段時間序列的特征向量T_i，利用預設的指標計算公式計算下一段時間序列的綜合解釋性指標S；

權重確定步驟：在雙向長短期記憶網絡模型的最后一層，將每段時間序列的綜合解釋性指標S及該段時間序列對應的所有收益率代入反向傳播算法，得到各段時間序列的權重a_i；

預測步驟：接收待分析的時間序列，提取該段時間序列中所有時間點的n維向量，輸入到訓練好的雙向長短期記憶網絡模型中，得到該時間序列的綜合解釋性指標S。

優選地，所述預設規則包括：

分析用戶的需求，根據用戶需求確定用戶意圖；及

根據預設的意圖與指數因子的對應關系，選取對應的指數因子。

優選地，所述預設的指標計算公式為：