[發明專利]基于神經網絡的股票價格趨勢預測方法及系統

在審

• 申請號: 201811064533.0
• 申請日: 2018-09-12
• 公開（公告）號: CN109190834A
• 公開（公告）日: 2019-01-11
• 發明（設計）人: 盧茜妍;梁慶梅;吳沁琳
• 申請（專利權）人: 百色學院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q40/04;G06N3/08
• 代理公司: 北京天奇智新知識產權代理有限公司 11340
• 代理人: 李家恒

1.基于神經網絡的股票價格趨勢預測方法，其特征在于，包括以下步驟：

S1、根據選取原則選取作為多層人工神經網絡的輸入變量的股票技術特征參數，并獲取目標股票的交易歷史數據，以作為訓練的輸入訓練集；

S2、構建基于多層人工神經網絡結構的神經網絡模型，其中，所述多層人工神經網絡結構包括一個輸入層、一個輸出層和兩個以上的隱層，所述輸入層設有n個節點，輸出層設有一個節點且輸出層的輸出結果用以表示所預測的目標股票交易價格的升跌概率；其中所述多層人工神經網絡結構的損失函數如下：

式中m為訓練數據組的個數，x為輸入變量，λ為基本面量化參數，h(x)為輸出層的輸出結果，_ji^(L)為權重參數；

S3、將所述目標股票的交易歷史數據構建訓練數據集和測試數據集；

S4、向多層神經網絡結構中輸入訓練數據集，多層神經網絡進行訓練和有監督的學習，得到初步的用于預測股票交易價格趨勢的神經網絡預測模型；

S5、向步驟S4得到的神經網絡預測模型輸入測試數據集，對神經網絡預測模型進行泛化能力測試，并根據測試結果進行參數調整和優化處理，得到最終的預測模型。

2.根據權利要求1所述的基于神經網絡的股票價格趨勢預測方法,其特征在于：步驟S2中，對式(1)利用反向傳播算法計算，可得：

其中，

輸出節點的誤差δ_j⁴＝a_j⁴-y_j，L層其中的節點的誤差為δ^L＝a^L-yⁱ。

3.根據權利要求2所述的基于神經網絡的股票價格趨勢預測方法,其特征在于：步驟S4中，所述多層人工神經網絡結構的訓練包括步驟如下：

S41、隨機初始化權重參數_ji^(L)，以使各參數_ji^(L)為接近于0的數值，λ初始值亦設為接近于0的數值；S42、執行前向傳播算法，得到h(x)ⁱ，并對應于任意一個xi，然后計算出損失函數J()；S43、執行反向傳播算法計算偏導數，以檢測梯度下降結果的有效性，得到最小化損失函數J()后，則確定權重參數_ji^(L),從而使多層人工神經網絡結構的模型收斂。

4.根據權利要求1所述的基于神經網絡的股票價格趨勢預測方法,其特征在于：所述多層神經網絡采用Leaky ReLU函數、PReLU函數、Tanh函數中的任意一種作為隱層的激活函數，采用Tanh函數或softmax函數作為輸出層的激活函數，其中Leaky ReLU函數是ReLU函數的改良，且其定義為x<0時，f(x)＝ax,當x>＝0時，f(x)＝x。

5.根據權利要求1所述的基于神經網絡的股票價格趨勢預測方法,其特征在于：步驟S1中，所述多層人工神經網絡為大于等于3且小于等于7層的人工神經網絡，其中，輸入層設有與輸入變量的個數相一致的節點數，隱層設有大于或等于5個節點，且各隱層的節點數小于等于輸入變量的數目。