[發明專利]基于改進型LSTM的股票價格預測方法及其系統

在審

• 申請號: 201811250169.7
• 申請日: 2018-10-25
• 公開（公告）號: CN109272406A
• 公開（公告）日: 2019-01-25
• 發明（設計）人: 江寅;朱傳瑞
• 申請（專利權）人: 安徽磐眾信息科技有限公司
• 主分類號: G06Q40/04
• 分類號: G06Q40/04;G06N3/02
• 代理公司: 昆明合眾智信知識產權事務所 53113
• 代理人: 楊俊達

1.一種基于改進型LSTM的股票價格預測方法，其特征在于，該方法包括以下步驟：

S1、獲取股票交易不同時間點上不同特征的歷史數據，基于實際預測需要選擇訓練數據；

S2、輸入訓練數據，基于深度學習理論并利用多層LSTM神經網絡構建股票價格預測模型，并對所述股票價格預測模型進行訓練；

S3、輸出預測結果，結合真實值以誤差百分比作為測評指標進行測評。

2.根據權利要求1所述的一種基于改進型LSTM的股票價格預測方法，其特征在于，所述S1中獲取股票交易歷史數據為從股票交易歷史數據中選取任意一段時間內不同時間點上具有不同特征的股票信息數據。

3.根據權利要求1所述的一種基于改進型LSTM的股票價格預測方法，其特征在于，所述S1中選取股票在任意一段時間內不同時間點上不同特征信息數據中包含有特定特征信息的數據作為訓練數據。

4.根據權利要求3所述的一種基于改進型LSTM的股票價格預測方法，其特征在于，所述特定特征信息包括股票的收盤價信息、開盤價信息、最高價信息、最低價信息、成交量信息和調整收盤價信息。

5.根據權利要求1所述的一種基于改進型LSTM的股票價格預測方法，其特征在于，所述S2中股票價格預測模型至少包括兩層輸入層、兩層隱含層和一層輸出層，其中，所述輸入層和隱含層均為LSTM結構。

6.根據權利要求1所述的一種基于改進型LSTM的股票價格預測方法，其特征在于，所述S2中對股票價格預測模型進行訓練包括利用交叉驗證的方法來調節參數，運用隨機梯度下降算法訓練股票價格預測模型。

7.一種基于改進型LSTM的股票價格預測系統，其特征在于，包括：

數據獲取和選擇模塊，用于獲取股票交易不同時間點和不同參數的歷史數據，并基于實際需要選擇訓練數據；

模型構建和訓練模塊，用于根據輸入的訓練數據，基于深度學習理論并利用多層LSTM神經網絡構建股票價格預測模型，并對所述股票價格預測模型進行訓練；以及

預測和測評模塊，用于輸出預測結果，并結合真實值以誤差百分比作為評測指標進行測評。

8.根據權利要求7所述的一種基于改進型LSTM的股票價格預測系統，其特征在于，所述數據獲取和選擇模塊包括數據篩選模塊。

9.根據權利要求7所述的一種基于改進型LSTM的股票價格預測系統，其特征在于，所述模型構建和訓練模塊包括集成有交叉驗證算法模塊和集成有隨機梯度下降算法模塊。