[發(fā)明專利]基于遺傳算法改進(jìn)RNN神經(jīng)網(wǎng)絡(luò)股指預(yù)測(cè)分析方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810994105.1
• 申請(qǐng)日: 2018-08-29
• 公開（公告）號(hào): CN109242173A
• 公開（公告）日: 2019-01-18
• 發(fā)明（設(shè)計(jì)）人: 張傳雷;陳佳;李建榮;于洋;武大碩
• 申請(qǐng)（專利權(quán)）人: 天津科技大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q40/04;G06N3/08
• 代理公司: 天津盛理知識(shí)產(chǎn)權(quán)代理有限公司 12209
• 代理人: 王利文

1.一種基于遺傳算法改進(jìn)RNN神經(jīng)網(wǎng)絡(luò)股指預(yù)測(cè)分析方法，其特征在于包括以下步驟：

步驟1、獲取股指數(shù)據(jù)，全面選取特征參數(shù)；

步驟2、采用遺傳算法，將每一代的特征參數(shù)分別代入RNN神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練及預(yù)測(cè)，以均方誤差作為適應(yīng)度，以一定的迭代次數(shù)為模型終止條件，選擇預(yù)測(cè)特征最優(yōu)化組合。

2.根據(jù)權(quán)利要求1所述的基于遺傳算法改進(jìn)RNN神經(jīng)網(wǎng)絡(luò)股指預(yù)測(cè)分析方法，其特征在于：所述步驟1選取的特征參數(shù)包括開盤價(jià)、最高價(jià)、成家量、漲跌幅、均價(jià)、振幅、成交額、市盈率、總市值、市盈率、總股本、市現(xiàn)率、流通A股和自由流通股本。

3.根據(jù)權(quán)利要求1所述的基于遺傳算法改進(jìn)RNN神經(jīng)網(wǎng)絡(luò)股指預(yù)測(cè)分析方法，其特征在于：所述RNN神經(jīng)網(wǎng)絡(luò)模型型的結(jié)構(gòu)為兩層LSTM層和一層DENSE層，并采用多輸入、單輸出的結(jié)構(gòu)。

4.根據(jù)權(quán)利要求1所述的基于遺傳算法改進(jìn)RNN神經(jīng)網(wǎng)絡(luò)股指預(yù)測(cè)分析方法，其特征在于：所述步驟2的具體實(shí)現(xiàn)方法包括以下步驟：

⑴將特征參數(shù)進(jìn)行實(shí)數(shù)編碼，用數(shù)字分別表示每個(gè)特征；

⑵設(shè)置隨機(jī)產(chǎn)生的初始特征組合作為初始群體，將種群個(gè)數(shù)設(shè)置與變量個(gè)數(shù)設(shè)置保持一致；

⑶應(yīng)用輪盤賭方式進(jìn)行選擇運(yùn)算，各個(gè)個(gè)體被選中的概率與其適應(yīng)度成正比；

⑷應(yīng)用單點(diǎn)交叉法進(jìn)行交叉運(yùn)算，互換兩個(gè)個(gè)體之間的染色體，設(shè)定交叉概率，在交叉運(yùn)算過(guò)程每次產(chǎn)生一個(gè)概率，如果隨機(jī)概率小于交叉概率則進(jìn)行交換，反之則不進(jìn)行；

⑸應(yīng)用基本位變異法進(jìn)行變異運(yùn)算，在當(dāng)代的個(gè)體中，將一個(gè)基因用一個(gè)較小的概率使其改變，設(shè)定變異概率，在變異運(yùn)算過(guò)程每次產(chǎn)生一個(gè)概率，如果隨機(jī)概率小于交叉概率則進(jìn)行變異，反之則不進(jìn)行；

⑹循環(huán)步驟⑶至步驟⑸，迭代50次；

⑺選擇適應(yīng)度最小的的組合作為預(yù)測(cè)特征最優(yōu)化組合。

5.根據(jù)權(quán)利要求4所述的基于遺傳算法改進(jìn)RNN神經(jīng)網(wǎng)絡(luò)股指預(yù)測(cè)分析方法，其特征在于：所述步驟⑷的交叉概率設(shè)為0.8。

6.根據(jù)權(quán)利要求4所述的基于遺傳算法改進(jìn)RNN神經(jīng)網(wǎng)絡(luò)股指預(yù)測(cè)分析方法，其特征在于：所述步驟⑸的變異概率設(shè)為0.2。