[發明專利]一種用于股市大盤形態分析的數據分析與顯示方法

有效

• 申請號: 202010097790.5
• 申請日: 2020-02-17
• 公開（公告）號: CN111402042B
• 公開（公告）日: 2023-10-27
• 發明（設計）人: 肖鋼;李劍戈;周能;曹震;李紫超
• 申請（專利權）人: 中信建投證券股份有限公司
• 主分類號: G06Q40/04
• 分類號: G06Q40/04;G06N3/0455;G06N3/0442;G06N3/0464;G06N3/048;G06N3/088;G06F18/2321
• 代理公司: 北京唯智勤實知識產權代理事務所(普通合伙) 11557
• 代理人: 陳佳

1.一種用于股市大盤形態分析的數據分析與顯示方法，包括：

獲取股市大盤樣本數據，其中，所述股市大盤樣本數據為序列數據；

生成所述股市大盤樣本數據的特征；

將所述股市大盤樣本數據的特征輸入預先訓練的卷積神經網絡，得到輸出作為低維特征；

基于所述低維特征，利用競爭性神經網絡生成樣本節點；

基于所述樣本節點，生成節點關系網絡；

利用聚類方法，基于所述節點關系網絡確定所述股市大盤樣本數據的輸出類別以及控制通信連接的顯示設備顯示所述輸出類別。

2.根據權利要求1所述的方法，其中，所述方法還包括：

響應于所述股市大盤樣本數據的輸出類別是預定類別，將所述輸出類別發送至支持報警的設備，控制所述設備發出警報信息。

3.根據權利要求1所述的方法，其中，所述卷積神經網絡預先通過如下步驟訓練得到：

獲取訓練樣本集合，其中，訓練樣本包括樣本數據和預先得到的樣本低維特征；

確定初始卷積神經網絡的網絡結構以及初始化所述初始卷積神經網絡的網絡參數；

利用機器學習方法，將所述訓練樣本集合中的訓練樣本包括的樣本數據確定為初始卷積神經網絡的輸入，將與輸入的樣本數據對應的預先得到的樣本低維特征確定為初始卷積神經網絡的期望輸出，訓練得到所述卷積神經網絡。

4.根據權利要求1所述的方法，其中，所述基于所述低維特征，利用競爭性神經網絡生成樣本節點，包括：

基于所述低維特征，利用競爭性神經網絡生成所述股市大盤樣本數據的類別標簽；

將所述股市大盤樣本數據的類別標簽確定為樣本節點。

5.根據權利要求1所述的方法，其中，所述基于所述樣本節點，生成節點關系網絡，包括：

基于所述樣本節點，生成所述節點關系網絡中的節點；

生成所述節點關系網絡中的邊，其中，所述邊表示不同節點之間的關系，邊的權重為不同節點間的累計連接次數。

6.根據權利要求1所述的方法，其中，所述利用聚類方法，基于所述節點關系網絡確定所述股市大盤樣本數據的輸出類別，包括：

基于所述節點關系網絡，生成節點概率矩陣；

基于所述節點概率矩陣，利用聚類算法生成所述節點概率矩陣中的環路簇類；

基于所述環路簇類，確定所述股市大盤樣本數據的輸出類別。

7.根據權利要求6所述的方法，其中，所述基于所述節點概率矩陣，利用聚類算法生成所述節點概率矩陣中的環路簇類，包括：

基于馬爾可夫隨機游走規則，自適應生成所述節點概率矩陣中的環路簇類，其中，每個環路簇類代表一種所述股市大盤樣本數據的輸出類別。

8.一種終端設備，包括：

一個或多個處理器；

存儲裝置，其上存儲有一個或多個程序；

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-7中任一所述的方法。