[發(fā)明專利]基于序列到圖的股票趨勢預(yù)測方法和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202211724830.X
• 申請(qǐng)日: 2022-12-30
• 公開（公告）號(hào): CN115953245A
• 公開（公告）日: 2023-04-11
• 發(fā)明（設(shè)計(jì)）人: 張華;孫科偉;唐偉佳;吳亞東
• 申請(qǐng)（專利權(quán)）人: 中國工商銀行股份有限公司;工銀科技有限公司
• 主分類號(hào): G06Q40/04
• 分類號(hào): G06Q40/04;G06F16/2458;G06V10/764;G06V10/82
• 代理公司: 北京三友知識(shí)產(chǎn)權(quán)代理有限公司 11127
• 代理人: 王濤

1.一種基于序列到圖的股票趨勢預(yù)測方法，其特征在于，所述方法包括：

獲取股票交易歷史數(shù)據(jù)中的時(shí)序數(shù)據(jù)；

從所述時(shí)序數(shù)據(jù)中采樣獲得股票的技術(shù)指標(biāo)序列數(shù)據(jù)；

利用水平傳播方法將所述技術(shù)指標(biāo)序列數(shù)據(jù)轉(zhuǎn)換為包含了時(shí)空特征的二維圖像；

將所述二維圖像作為卷積神經(jīng)網(wǎng)絡(luò)分類模型的輸入，經(jīng)過卷積運(yùn)算后輸出得到股票趨勢分類結(jié)果。

2.如權(quán)利要求1所述的基于序列到圖的股票趨勢預(yù)測方法，其特征在于，所述技術(shù)指標(biāo)序列數(shù)據(jù)為行數(shù)為1的輸入矩陣，所述利用水平傳播方法將所述技術(shù)指標(biāo)序列數(shù)據(jù)轉(zhuǎn)換為包含了時(shí)空特征的二維圖像包括：

通過在所述輸入矩陣的末尾添加0來調(diào)整所述輸入矩陣的列數(shù)，使得所述列數(shù)等于整數(shù)N的平方；

將所述輸入矩陣轉(zhuǎn)換為N×N像素的二維圖像。

3.如權(quán)利要求1所述的基于序列到圖的股票趨勢預(yù)測方法，其特征在于，所述技術(shù)指標(biāo)序列數(shù)據(jù)包括：異同移動(dòng)平均線MACD序列數(shù)據(jù)、和/或動(dòng)向指標(biāo)MDI序列數(shù)據(jù)、和/或三重指數(shù)平滑平均線TRIX序列數(shù)據(jù)、和/或能量指標(biāo)CR序列數(shù)據(jù)、和/或指數(shù)移動(dòng)平均值EMA序列數(shù)據(jù)。

4.如權(quán)利要求3所述的基于序列到圖的股票趨勢預(yù)測方法，其特征在于，所述從所述時(shí)序數(shù)據(jù)中采樣獲得股票的技術(shù)指標(biāo)序列數(shù)據(jù)包括：

利用所述時(shí)序數(shù)據(jù)中MACD數(shù)據(jù)的長期平滑平均線和短期平滑平均線，計(jì)算長期平滑平均線和短期平滑平均線的差離值，以所述長期平滑平均線和短期平滑平均線的差離值作為股票的技術(shù)指標(biāo)序列數(shù)據(jù)；

和/或利用所述時(shí)序數(shù)據(jù)中MDI數(shù)據(jù)的PDI曲線和MDI曲線，以及ADX曲線和ADXR曲線，計(jì)算PDI曲線和MDI曲線的差離值，以及ADX曲線和ADXR曲線的差離值，以所述PDI曲線和MDI曲線的差離值以及ADX曲線和ADXR曲線的差離值作為股票的技術(shù)指標(biāo)序列數(shù)據(jù)；

和/或利用所述時(shí)序數(shù)據(jù)中TRIX數(shù)據(jù)的TRIX曲線和TRMA曲線，計(jì)算TRIX曲線和TRMA曲線的差離值，以所述TRIX曲線和TRMA曲線的差離值作為股票的技術(shù)指標(biāo)序列數(shù)據(jù)；

和/或利用所述時(shí)序數(shù)據(jù)中CR數(shù)據(jù)的CR曲線和股價(jià)曲線，計(jì)算CR曲線和股價(jià)曲線的差離值，以所述CR曲線和股價(jià)曲線的差離值作為股票的技術(shù)指標(biāo)序列數(shù)據(jù)；

和/或利用所述時(shí)序數(shù)據(jù)中EMA數(shù)據(jù)中的短期EXPMA曲線和長期EXPMA曲線，計(jì)算短期EXPMA曲線和長期EXPMA曲線的差離值，以所述短期EXPMA曲線和長期EXPMA曲線的差離值作為股票的技術(shù)指標(biāo)序列數(shù)據(jù)。

5.如權(quán)利要求1所述的基于序列到圖的股票趨勢預(yù)測方法，其特征在于，所述卷積神經(jīng)網(wǎng)絡(luò)分類模型的神經(jīng)網(wǎng)絡(luò)層包括第一層、第二層及第三層的三層結(jié)構(gòu)，所述第一層包含一個(gè)32神經(jīng)元的Conv2D網(wǎng)絡(luò)、一個(gè)最大池化MaxPool和一個(gè)dropout；所述第二層包含一個(gè)64神經(jīng)元的Conv2D網(wǎng)絡(luò)、一個(gè)最大池化MaxPool和一個(gè)dropout；所述第三層包含一個(gè)64神經(jīng)元的Conv2D網(wǎng)絡(luò)；利用ReLU和Softmax分別是隱藏層和輸出層的激活函數(shù)。

6.如權(quán)利要求5所述的基于序列到圖的股票趨勢預(yù)測方法，其特征在于，所述趨勢分類結(jié)果包括：空頭頭寸、多頭頭寸和持有。

7.一種基于序列到圖的股票趨勢預(yù)測裝置，其特征在于，所述裝置包括：

時(shí)序數(shù)據(jù)獲取單元，用于獲取股票交易歷史數(shù)據(jù)中的時(shí)序數(shù)據(jù)；

指標(biāo)序列獲取單元，用于從所述時(shí)序數(shù)據(jù)中采樣獲得股票的技術(shù)指標(biāo)序列數(shù)據(jù)；

圖像轉(zhuǎn)化單元，用于利用水平傳播方法將所述技術(shù)指標(biāo)序列數(shù)據(jù)轉(zhuǎn)換為包含了時(shí)空特征的二維圖像；

分類預(yù)測單元，用于將所述二維圖像作為卷積神經(jīng)網(wǎng)絡(luò)分類模型的輸入，經(jīng)過卷積運(yùn)算后輸出得到股票趨勢分類結(jié)果。

8.一種電子設(shè)備，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1至6任一項(xiàng)所述方法的步驟。