[發(fā)明專利]一種分析股票趨勢(shì)的方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010818867.3
• 申請(qǐng)日: 2020-08-14
• 公開（公告）號(hào): CN111899113A
• 公開（公告）日: 2020-11-06
• 發(fā)明（設(shè)計(jì)）人: 周珺妮;史小宏
• 申請(qǐng)（專利權(quán)）人: 上海海事大學(xué)
• 主分類號(hào): G06Q40/06
• 分類號(hào): G06Q40/06;G06Q10/04;G06Q10/06;G06N3/00
• 代理公司: 上海元好知識(shí)產(chǎn)權(quán)代理有限公司 31323
• 代理人: 包姝晴;張靜潔

1.一種分析股票趨勢(shì)的方法，其特征在于，包含以下步驟：

S1、獲取股票數(shù)據(jù)，形成特征數(shù)據(jù)集；

S2、初始化股票數(shù)據(jù)集的速度與位置信息；

S3、更新每一個(gè)粒子點(diǎn)的局部最優(yōu)值點(diǎn)、每一個(gè)粒子每一維的迭代步數(shù)和自適應(yīng)速度值；

S4、更新所有粒子點(diǎn)的速度及位置，從所有粒子歷史局部最優(yōu)值點(diǎn)中找到種群的全局最優(yōu)值點(diǎn)；

S5、若迭代步驟超過迭代步驟的上限或最優(yōu)特征被找到，轉(zhuǎn)到S6，否則返回S3；

S6、根據(jù)S5中的最優(yōu)特征構(gòu)建數(shù)據(jù)矩陣；

S7、根據(jù)S6中的數(shù)據(jù)矩陣進(jìn)行RF分類，得到分類結(jié)果，進(jìn)行股票預(yù)測(cè)，預(yù)測(cè)結(jié)果正確率與BPSO-RF算法相比較。

2.如權(quán)利要求1所述分析股票趨勢(shì)的方法，其特征在于，步驟S1中所述特征為投資者普遍接受的、用于預(yù)測(cè)股票趨勢(shì)的技術(shù)指標(biāo)，包含指數(shù)平滑移動(dòng)平均線、移動(dòng)平均線、平均趨向指數(shù)、順勢(shì)指標(biāo)、隨機(jī)擺動(dòng)指標(biāo)、價(jià)格變動(dòng)率、威廉指數(shù)、動(dòng)量指標(biāo)、相對(duì)強(qiáng)弱指標(biāo)、真實(shí)波動(dòng)幅度均值指標(biāo)、平衡量指標(biāo)。

3.如權(quán)利要求1所述分析股票趨勢(shì)的方法，其特征在于，步驟S2中初始化種群速度信息的計(jì)算公式為：

式中，ω為慣性系數(shù)，c₁、c₂為學(xué)習(xí)因子，為在第k步時(shí)第i個(gè)粒子的第d維取值，ξ₁和ξ₂為(0，1)之間的均勻分布的隨機(jī)數(shù)，為在第k步時(shí)第i個(gè)粒子的局部最優(yōu)，為在第k步時(shí)第i個(gè)粒子的局部最優(yōu)；

初始化種群位置信息的計(jì)算公式為：

式中，rand(0，1)為(0，1)之間的均勻分布的隨機(jī)數(shù)，為在第k步時(shí)第i個(gè)粒子的第d維取值。

4.如權(quán)利要求1所述分析股票趨勢(shì)的方法，其特征在于，步驟S3中粒子點(diǎn)的局部最優(yōu)值點(diǎn)為：

式中，為在第k步時(shí)第i個(gè)粒子的局部最優(yōu)，c_i為學(xué)習(xí)因子，為[0，1]之間隨機(jī)數(shù)；

自適應(yīng)速度值為：

式中，ξ_id是一個(gè)在(0，1)之間的隨機(jī)數(shù)，x_id第i個(gè)粒子的第d維取值，為x_id的取反，st_id為第i個(gè)粒子的第d維未發(fā)生改變的步驟數(shù)，fit_i為第i個(gè)粒子當(dāng)前的適應(yīng)度值。

5.如權(quán)利要求1所述分析股票趨勢(shì)的方法，其特征在于，步驟S4中速度更新公式為各個(gè)局部最優(yōu)值加速度與自適應(yīng)速度值的疊加：