[發(fā)明專利]一種短期股票最高價的預測方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202111079576.8
• 申請日: 2021-09-15
• 公開（公告）號: CN114022171A
• 公開（公告）日: 2022-02-08
• 發(fā)明（設計）人: 劉鵬;張真;高中強;張堃;郭玉琦
• 申請（專利權）人: 南京云創(chuàng)大數(shù)據(jù)科技股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q40/06;G06K9/62
• 代理公司: 南京鐘山專利代理有限公司 32252
• 代理人: 王磊

1.一種短期股票最高價的預測方法，其特征在于，包括以下步驟：

步驟1：采集各企業(yè)股票一定時間內(nèi)每日的最高價數(shù)據(jù)，形成各企業(yè)股票最高價的金融時間序列；

步驟2：對各企業(yè)股票最高價的金融時間序列進行CEEMDAN分解，得到金融時間序列的IMF成分和殘余成分RES；

步驟3：刪除與金融時間序列無關的IMF成分并對剩余IMF成分進行降噪；

步驟4：將降噪后的IMF成分及殘余成分RES進行標準化，并分別劃分特征變量和目標變量，得到IMF成分的特征變量和目標變量、殘余成分RES的特征變量和目標變量；

步驟5：利用IMF成分的特征變量和目標變量訓練用于預測IMF成分的TCN網(wǎng)絡，利用殘余成分RES的特征變量和目標變量訓練用于預測殘余成分RES的TCN網(wǎng)絡；

步驟6：提取待預測企業(yè)股票最高價的金融時間序列的IMF成分的特征變量和殘余成分RES的特征變量，將提取到的IMF成分的特征變量輸入相應的訓練完成的TCN網(wǎng)絡中以獲取IMF成分的預測變量，將提取到的殘余成分RES的特征變量輸入相應的訓練完成的TCN網(wǎng)絡中以獲取殘余成分RES的預測變量；

步驟7：將IMF成分的預測變量與殘余成分RES的預測變量疊加，得到預測的最高價的金融時間序列，從而獲取待預測企業(yè)股票的短期最高價預測值。

2.如權利要求1所述的一種短期股票最高價的預測方法，其特征在于，步驟3中，通過SSA算法對剩余IMF成分進行降噪。

3.如權利要求1所述的一種短期股票最高價的預測方法，其特征在于，步驟4中，劃分特征變量和目標變量時，分別將標準化后的IMF成分及殘余成分RES按照時序切分成具有相同長度的若干段序列，前一段序列作為緊鄰的后一段序列的特征變量，后一段序列作為緊鄰的前一段序列的目標變量，以此構建多組數(shù)據(jù)樣本。

4.如權利要求1所述的一種短期股票最高價的預測方法，其特征在于，步驟5和步驟6中，特征變量在輸入到相應TCN網(wǎng)絡之前，通過注意力機制按時序對特征變量進行了加權，特征變量中距當前時間點越近的值其所加的權值越大。

5.基于權利要求1-4中任一權利要求所述預測方法的短期股票最高價預測系統(tǒng)，其特征在于，包括數(shù)據(jù)采集模塊、數(shù)據(jù)分解模塊、變量預測模塊和最高價輸出模塊；所述數(shù)據(jù)采集模塊用于輸入待預測企業(yè)股票最近一定時間內(nèi)每日的最高價數(shù)據(jù)，以生成最高價的金融時間序列；所述數(shù)據(jù)分解模塊用于將數(shù)據(jù)采集模塊生成的金融時間序列進行CEEMDAN分解，得到IMF成分和殘余成分RES，并對IMF成分進行篩選和降噪，對降噪后的IMF成分和殘余成分RES進行標準化后生成對應的特征變量；所述變量預測模塊包括訓練完成的各TCN網(wǎng)絡，當數(shù)據(jù)分級模塊生成的特征變量輸入到對應的TCN網(wǎng)絡后，各TCN網(wǎng)絡輸出相應的預測變量；所述最高價輸出模塊將變量預測模塊輸出的預測變量相互疊加，得到預測的金融時間序列并輸出，從而根據(jù)預測的金融時間序列獲取待預測企業(yè)股票的短期最高價預測值。