[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?zhí)枺?/td>: 202211724830.X
• 申請日: 2022-12-30
• 公開（公告）號: CN115953245A
• 公開（公告）日: 2023-04-11
• 發(fā)明（設(shè)計）人: 張華;孫科偉;唐偉佳;吳亞東
• 申請（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: G06Q40/04
• 分類號: G06Q40/04;G06F16/2458;G06V10/764;G06V10/82
• 代理公司: 北京三友知識產(chǎn)權(quán)代理有限公司 11127
• 代理人: 王濤

本發(fā)明提供了一種基于序列到圖的股票趨勢預(yù)測方法和裝置，涉及金融技術(shù)領(lǐng)域，方法包括：獲取股票交易歷史數(shù)據(jù)中的時序數(shù)據(jù)；從時序數(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技術(shù)指標(biāo)序列數(shù)據(jù)轉(zhuǎn)換為包含了時空特征的二維圖像；將二維圖像作為卷積神經(jīng)網(wǎng)絡(luò)分類模型的輸入，經(jīng)過卷積運算后輸出得到股票趨勢分類結(jié)果。本發(fā)明將技術(shù)指標(biāo)時間序列數(shù)據(jù)轉(zhuǎn)換成圖，一方面可以有效提高模型的計算效率，另一方面可以在時空中同時學(xué)習(xí)到股票趨勢信息，趨勢判斷結(jié)果更加精準(zhǔn)。另外本申請通過對技術(shù)指標(biāo)序列數(shù)據(jù)組合后的圖像數(shù)據(jù)，采用卷積神經(jīng)網(wǎng)絡(luò)方法學(xué)習(xí)到更易區(qū)分的類別，平衡了傳統(tǒng)技術(shù)中閾值設(shè)定方法的不平衡問題。

技術(shù)領(lǐng)域

本發(fā)明涉及金融技術(shù)領(lǐng)域，尤其涉及一種基于序列到圖的股票趨勢預(yù)測方法和裝置。

背景技術(shù)

股市被認(rèn)為是全球最重要的投資場所之一。許多金融機構(gòu)、銀行、法律實體和個人將大量資產(chǎn)投資于這些市場。因此，每個國家的股市都是經(jīng)濟增長的指標(biāo)之一。這就是為什么股市變化如此重要，以至于它們是由許多因素造成的，如宏觀經(jīng)濟形勢、新聞、公司財務(wù)報告、平行市場狀況、投資者的心理和情緒狀況、法律成分和其他隱藏因素。因此，投資者和研究人員希望能夠準(zhǔn)確預(yù)測股市趨勢。鑒于影響股市的許多因素，機器學(xué)習(xí)和深度學(xué)習(xí)方法可以幫助我們改進預(yù)測。

目前股票預(yù)測領(lǐng)域使用統(tǒng)計分析方法、機器學(xué)習(xí)方法和深度學(xué)習(xí)方法做出了各種努力。與此同時，深度學(xué)習(xí)方法的性能明顯優(yōu)于統(tǒng)計方法或傳統(tǒng)機器學(xué)習(xí)方法。深度學(xué)習(xí)方法可以根據(jù)深度學(xué)習(xí)架構(gòu)對模型進行分類。現(xiàn)有技術(shù)中有許多不同的方法來確定分類。有些方案使用閾值來確定類，這意味著，如果價格變化率超過α百分比，這被認(rèn)為是看漲的，如果價格下跌超過α百分比，它被認(rèn)為是看跌的。然而在，確定這種分類方法時，獲得的類將無法平衡，這在模型學(xué)習(xí)中會造成許多問題。深度學(xué)習(xí)框架可以很好的平衡這種閾值缺陷，目前利用深度學(xué)習(xí)來預(yù)測股票趨勢的時候，有些技術(shù)利用圖像編碼的時間序列和CNN網(wǎng)絡(luò)來預(yù)測趨勢，但是這些技術(shù)是直接將股票各個時段的k線圖像輸入至模型中，這種技術(shù)僅可以在時間趨勢上捕獲趨勢信息，對股票趨勢的空間特征無效。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供一種基于序列到圖的股票趨勢預(yù)測方法和裝置，以解決上述提及的至少一個問題。

為了實現(xiàn)上述目的，本發(fā)明采用以下方案：

根據(jù)本發(fā)明的第一方面，提供一種基于序列到圖的股票趨勢預(yù)測方法，所述方法包括：獲取股票交易歷史數(shù)據(jù)中的時序數(shù)據(jù)；從所述時序數(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)過卷積運算后輸出得到股票趨勢分類結(jié)果。

根據(jù)本發(fā)明的第二方面，提供一種基于序列到圖的股票趨勢預(yù)測裝置，所述裝置包括：時序數(shù)據(jù)獲取單元，用于獲取股票交易歷史數(shù)據(jù)中的時序數(shù)據(jù)；指標(biāo)序列獲取單元，用于從所述時序數(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)過卷積運算后輸出得到股票趨勢分類結(jié)果。

根據(jù)本發(fā)明的第三方面，提供一種電子設(shè)備，包括存儲器、處理器以及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，處理器執(zhí)行所述計算機程序時實現(xiàn)上述方法的步驟。

根據(jù)本發(fā)明的第四方面，提供一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述方法的步驟。

根據(jù)本發(fā)明的第五方面，提供一種計算機程序產(chǎn)品，包括計算機程序/指令，所述計算機程序/指令被處理器執(zhí)行時實現(xiàn)上述方法的步驟。