[發明專利]一種基于復雜網絡的金融市場預測方法

在審

• 申請號: 202010425189.4
• 申請日: 2020-05-19
• 公開（公告）號: CN111582945A
• 公開（公告）日: 2020-08-25
• 發明（設計）人: 劉喜平;李映睿;萬常選;談銳;熊麗媛
• 申請（專利權）人: 江西財經大學
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q40/04;G06Q40/06
• 代理公司: 西安銘澤知識產權代理事務所(普通合伙) 61223
• 代理人: 耿路

本發明公開了一種基于復雜網絡的金融市場預測方法，涉及金融和計算機交叉研究技術領域，構建一個復雜網絡來表示上市公司以及上市公司之間的跟隨、背離、共現等聯系，基于上市公司復雜網絡，從中選取與一個上市公司關系最密切的多個公司的信息作為預測依據，并以它們的預測結果作為輸出，構建基于深度學習的預測模型，該模型包括了經過編碼器?解碼器結構和帶注意力機制的卷積神經網絡結構，以相關公司的嵌入和公司的歷史表現數據為輸入，以相關公司的金融指標走勢為輸出，本發明可以顯著提升上市公司金融指標預測的準確性，從而可以更準確地判斷上市公司未來在金融市場上的表現，也可以更好地做出投資和管理決策。

技術領域

本發明涉及金融和計算機交叉研究技術領域，特別是涉及一種基于復雜網絡的金融市場預測方法。

背景技術

股市等金融市場是經濟的晴雨表，金融市場將如何波動、公司表現如何，是經濟管理部門、金融機構、企業和投資者都十分關心的問題，如何對金融市場表現進行有效預測在商業界和學術界都受到了廣泛的關注。

現有的分析預測手段對上市公司之間的關聯考慮得不夠，在預測一個公司的金融指標的時候，只是孤立地考慮待預測公司的信息，沒有考慮公司之間的相互影響。

發明內容

本發明為了克服現有的分析預測手段對上市公司之間的關聯考慮得不夠，在預測一個公司的金融指標的時候，只是孤立地考慮待預測公司的信息，沒有考慮公司之間的相互影響的缺點，本發明要解決的技術問題是提供一種基于復雜網絡的金融市場預測方法，如何表示上市公司之間以及上市公司與版塊、概念之間的關聯，并利用這些信息來進行上市公司的金融指標預測。

為了解決上述技術問題，本發明提供了這樣一種基于復雜網絡的金融市場預測方法，該基于復雜網絡的金融市場預測方法的具體步驟如下：

S1：構建上市公司復雜網絡，所述上市公司復雜網絡用于描述上市公司之間的關系；

S2:基于上市公司復雜網絡進行分布式表示學習，得到節點的嵌入；

S3:構建深度學習模型，對上市公司的主要金融指標進行預測，其步驟如下：

1)、構建相關公司集合Rel(o)；

2)、計算所述相關公司集合Rel(o)的嵌入，從上市公司復雜網絡中提取 Rel(o)中的節點及其聯系，得到一個子圖GRel(o)，以圖中每個節點的嵌入作為輸入，運行圖卷積神經網絡算法，得到整個子圖的嵌入，即Rel(o)的嵌入；

3)、構建預測模型，所述模型的輸入包括相關公司集合和相關公司的歷史表現，采用LSTM模型來根據所述相關公司的歷史表現生成向量表示，把該向量作為模型的具體輸入。

優選地，所述步驟S1中，所述上市公司復雜網絡的構建包括上市公司實體抽取和上市公司關系抽取，所述上市公司實體抽取為從互聯網上抓取國內上市公司的股票代碼和股票名稱信息，所述上市公司關系抽取根據上市公司的股價分為三類上市公司關系，分別為追隨關系、背離關系和共現關系。

優選地，所述步驟S2包括：

將一個所述上市公司復雜網絡表示為：G＝(V_s，V_t，E_ss，E_st)，其中Vs是所有所述上市公司節點集合，Vt是所有所述主題節點集合，Ess是所述上市公司節點之間的邊，Est是所述主題節點與所述上市公司節點之間的邊，所述嵌入的學習采用深度學習方法，總的損失函數定義為：

其中，是結構部分的損失函數，是主題相關部分的損失函數，所述結構部分的損失函數和所述主題相關部分的損失函數均采用負采樣的方法進行訓練，用和來表示與節點u的鄰居和負樣本集合，即