[發明專利]一種基于多特征融合的股票趨勢預測系統及其方法

在審

• 申請號: 202210090571.3
• 申請日: 2022-01-26
• 公開（公告）號: CN114511141A
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 賴善炎;葉春楊;周輝
• 申請（專利權）人: 海南大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06Q40/04
• 代理公司: 海南盛億專利代理事務所(普通合伙) 46005
• 代理人: 陳景帥

1.一種基于多特征融合的股票趨勢預測系統，其特征在于：包括Web服務單元、數據庫單元、數據獲取與處理單元、模型預測單元以及模型訓練單元，所述的數據庫單元分別與Web服務單元、數據獲取與處理單元、模型預測單元以及模型訓練單元連接，所述的Web服務單元與數據獲取與處理單元連接，所述的模型預測單元與模型訓練單元連接；

Web服務單元，采用交互式可視化操作界面，用于提供獨立的微服務進行用戶登陸和信息管理、市場態勢信息查看、提取和顯示數據庫單元存儲的股票趨勢預測結果，以及將用戶股票數據上傳至數據獲取與處理單元；

數據庫單元，用于存儲用戶信息數據、數據獲取與處理單元發送的標準化數據以及模型預測單元發送的股票趨勢預測結果；

數據獲取與處理單元，用于提供獨立的微服務獲取互聯網股票數據和Web服務單元上傳的用戶股票數據，并對接收的互聯網股票數據和用戶股票數據進行數據處理，將得到的標準化數據發送至數據庫單元進行存儲；

模型預測單元，用于提供獨立的微服務根據模型訓練單元發送的股票趨勢預測模型對數據庫單元提取的標準化數據作為預測數據進行多特征融合預測，并將得到的股票趨勢預測結果發送至數據庫單元進行存儲；

模型訓練單元，用于提供獨立的微服務對數據庫單元提取的標準化數據作為訓練數據進行模型訓練，并將得到的股票趨勢預測模型發送至模型預測單元。

2.根據權利要求1所述的基于多特征融合的股票趨勢預測系統，其特征在于：所述的數據庫單元設置有用戶信息數據庫、標準化數據庫以及股票趨勢預測結果數據庫。

3.一種基于多特征融合的股票趨勢預測方法，基于如權利要求1所述的股票趨勢預測系統，其特征在于：包括如下步驟：

初始化股票趨勢預測系統；

獲取互聯網的互聯網股票數據和用戶上傳的用戶股票數據，對互聯網股票數據和用戶股票數據進行標準化處理，得到并存儲標準化數據；

提取標準化數據并作為訓練數據進行模型訓練，得到股票趨勢預測模型和性能指標；

若性能指標滿足要求，則輸出股票趨勢預測模型，否則返回上一步驟；

提取標準化數據并作為預測數據輸入股票趨勢預測模型進行多特征融合預測，得到并存儲股票趨勢預測結果。

4.根據權利要求3所述的基于多特征融合的股票趨勢預測方法，其特征在于：所述的互聯網股票數據和用戶股票數據均包括新聞數據和市場數據。

5.根據權利要求4所述的基于多特征融合的股票趨勢預測方法，其特征在于：所述的標準化處理，包括如下步驟：

獲取互聯網股票數據中和用戶股票數據中的市場數據的兩日均值、三日均值和五日均值；

去除互聯網股票數據中和用戶股票數據中的新聞數據的停用詞、特殊字符以及分詞，得到去詞后新聞數據；

將市場數據的兩日均值、三日均值和五日均值，以及去詞后新聞數據作為標準化數據進行存儲。

6.根據權利要求5所述的基于多特征融合的股票趨勢預測方法，其特征在于：所述的模型訓練，包括如下步驟：

根據訓練數據中的市場數據的兩日均值、三日均值和五日均值獲取市場特征；

根據訓練數據中的去詞后新聞數據依次進行詞嵌入和文本特征提取，得到新聞特征；

基于Bi-LSTMAA模型，根據市場特征和新聞特征進行多特征融合預測，得到股票趨勢預測模型和對應的性能指標。

7.根據權利要求6所述的基于多特征融合的股票趨勢預測方法，其特征在于：采用TextCNN算法對去詞后新聞數據進行文本特征提取。

8.根據權利要求6所述的基于多特征融合的股票趨勢預測方法，其特征在于：所述的Bi-LSTMAA包括依次連接的Input層、Bi-LSTM層、Attention層、Output層以及ANN層。