股票风险预测方法和装置制造方法及图纸

本申请提供了一种股票风险预测方法和装置，包括：获取本地设备端所需调用的股市字段；基于长短期记忆循环神经网络的隐藏层对所述股市字段进行预测，获取股票的预测结果，其中，所述预测结果包括下一交易日股市的波动率的预测值，所述长短期记忆循环神经网络还包括输入层和输出层；所述预测结果大于设定阈值，则股票存在风险，从而解决了现有技术中利用ARCH模型或GARCH模型进行股票预测不准确，进而存在较高风险的问题。

【技术实现步骤摘要】

本申请涉及信息处理
，特别是涉及一种股票风险预测方法和装置。
技术介绍
股票市场是一个风险和利益共存的市场，股票市场的预测研究对我国的经济发展和金融建设具有重要意义。股票投资具有相当高的风险性，如何预测股票下行风险，从而制定合理的投资组合策略，具有重要的实际意义。目前传统股票预测方法为利用股票的波动率来构建自回归条件异方差模型(Autoregressiveconditionalheteroskedasticitymodel，ARCH)或广义自回归条件异方差模型(GeneralizedAutoRegressiveConditionalHeteroskedasticity，GARCH)，并利用该构建ARCH模型或GARCH模型进行股票预测。上述利用ARCH模型或GARCH模型对股票的波动率进行预测需要假设金融数据是稳态随机过程，这一假设显然过于粗糙，因为不论是市场环境还是股票发行者的经营状况都会随着时间发生显著变化，仅仅考虑股票的波动率而没有考虑当前股票市场和标的股票的动态特性，因而导致股票预测存在较高风险。
技术实现思路
本申请提供一种股票风险预测方法和装置，以解决现有技术中股票预测不准确，进而存在较高风险的问题。为了解决上述问题，本申请公开了一种语音重放检测方法，包括：一种股票风险预测方法，包括：获取本地设备端所需调用的股市字段；基于长短期记忆循环神经网络的隐藏层对所述股市字段进行预测，获取股票的预测结果，其中，所述预测结果包括下一交易日股市的波动率的预测值，所述长短期记忆循环神经网络还包括输入层和输出层；所述预测结果大于设定阈值，则股票预测存在风险。优选地，所述所需调用的股市字段包括开盘价、收盘价、最高价、最低价、成交量、成交额、涨跌额、涨跌幅、净资产收益率、市净率、指数平滑异同平均线和舆情因子中的一种或几种的组合。优选地，所述隐藏层包括输入门、遗忘门和输出门。优选地，使用长短期记忆循环神经网络的隐藏层对所述股市字段进行预测，获取股票的预测结果的步骤包括：长短期记忆循环神经网络的输入层接收股市字段，所述输入层将接收的股市字段映射到隐藏层；若隐藏层的输入门处于打开状态，将允许的股市字段加入到隐藏层节点；若隐藏层的遗忘门处于打开状态，则将保留当前隐藏层节点存储的股市字段的历史信息；若隐藏层的输出门处于打开状态，则将当前隐藏层节点存储的股市字段的历史信息传播到输出层；通过输出层的激发函数对当前隐藏层节点存储的股市字段的历史信息进行变换，得到所述长短期记忆循环神经网络的输出层的预测结果，所述预测结果包括下一交易日股市的波动率的预测值。优选地，还包括：根据下一交易日的股市的波动率的真实值与下一交易日股市的波动率的预测值进行比较，使用损失函数，得到预测误差，并利用误差反向传播算法BP更新所述长短期记忆循环神经网络的网络参数。为了解决上述问题，本申请还公开了一种股票风险预测装置，包括：获取模块，用于获取本地设备端所需调用的股市字段；预测模块，用于基于长短期记忆循环神经网络的隐藏层对所述股市字段进行预测，获取股票的预测结果，其中，所述预测结果包括下一交易日股市的波动率的预测值，所述长短期记忆循环神经网络还包括：输入层和输出层；判断模块，用于所述预测结果大于设定阈值，则股票预测存在风险。优选地，所述所需调用的股市字段包括开盘价、收盘价、最高价、最低价、成交量、成交额、涨跌额、涨跌幅、净资产收益率、市净率、指数平滑异同平均线和舆情因子中的一种或几种的组合。优选地，所述隐藏层包括：输入门、遗忘门和输出门。优选地，预测模块包括：输入模块，用于长短期记忆循环神经网络的输入层接收股市字段，所述输入层将接收的股市字段映射到隐藏层；输入门模块，用于若所述隐藏层的输入门处于打开状态，将允许的股市字段加入到隐藏层节点；遗忘门模块，用于若隐藏层的遗忘门处于打开状态，则将保留当前隐藏层节点存储的股市字段的历史信息；输出门模块，用于若隐藏层的输出门处于打开状态，则将当前隐藏层节点存储的股市字段的历史信息传播到输出层；输出模块，用于通过输出层的激发函数对当前隐藏层节点存储的股市字段的历史信息进行变换得到所述长短期记忆循环神经网络的输出层的预测结果，所述预测结果包括下一交易日股市的波动率的预测值。优选地，还包括：差值模块，用于根据下一交易日的股市的波动率的真实值与下一交易日股市的波动率的预测值进行比较，使用损失函数得到预测误差，并利用误差反向传播算法BP更新所述长短期记忆循环神经网络的网络参数。与现有技术相比，本申请包括以下优点：本申请通过使用长短期记忆循环神经网络的隐藏层对股市字段进行预测，获取股票的预测结果，将预测结果与设定阈值进行比较，如大于设定阈值，则该股票存在风险，通过使用隐藏层对股市字段进行预测，充分考虑当前股票市场的动态特性，从而解决了现有技术中利用ARCH模型或GARCH模型进行股票预测不准确，进而存在较高风险的问题。附图说明图1是本申请实施例一所述一种股票风险预测方法的流程图；图2是本申请长短期记忆循环神经网络的结构框图；图3是本申请长短期记忆循环神经网络按照时间序列展开后的结构示意图；图4是本申请实施例二所述一种股票风险预测方法的流程图；图5是本申请长短期记忆循环神经网络的隐藏层的结构示意图；图6是本申请一种股票风险预测方法应用的实例；图7是本申请实施例三所述一种股票风险预测装置的结构框图。具体实施方式为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。实施例一参照图1，示出了本申请一种股票风险预测方法，具体包括：步骤101：获取本地设备端所需调用的股市字段。股市字段是与股市相关联的元素，所需调用的股市字段为本地设备端依据自身转播需求所设定的，可以由前端设备端和本地设备端预先协商定义的，其为预置信息。在股市数据调用播放的实际应用中，所需调用的股市字段可以是第一次调用播放前一次性给出，也可以是每次调用播放前分别给出。其中，所需调用的股市字段包括开盘价、收盘价、最高价、最低价、成交量、成交额、涨跌额、涨跌幅、净资产收益率、市净率、指数平滑异同平均线和舆情因子中的一种或几种的组合，该股市字段存储在本地设备端的股市数据库中。步骤102：基于长短期记忆循环神本文档来自技高网...

【技术保护点】
一种股票风险预测方法，其特征在于，包括：获取本地设备端所需调用的股市字段；基于长短期记忆循环神经网络的隐藏层对所述股市字段进行预测，获取股票的预测结果，其中，所述预测结果包括下一交易日股市的波动率的预测值，所述长短期记忆循环神经网络还包括输入层和输出层；所述预测结果大于设定阈值，则股票存在风险。

【技术特征摘要】
1.一种股票风险预测方法，其特征在于，包括：
获取本地设备端所需调用的股市字段；
基于长短期记忆循环神经网络的隐藏层对所述股市字段进行预测，获取
股票的预测结果，其中，所述预测结果包括下一交易日股市的波动率的预测
值，所述长短期记忆循环神经网络还包括输入层和输出层；
所述预测结果大于设定阈值，则股票存在风险。
2.根据权利要求1所述的方法，其特征在于，所述所需调用的股市字
段包括开盘价、收盘价、最高价、最低价、成交量、成交额、涨跌额、涨跌
幅、净资产收益率、市净率、指数平滑异同平均线和舆情因子中的一种或几
种的组合。
3.根据权利要求1所述的方法，其特征在于，所述隐藏层包括输入门、
遗忘门和输出门。
4.根据权利要求3所述的方法，其特征在于，使用长短期记忆循环神
经网络的隐藏层对所述股市字段进行预测，获取股票的预测结果的步骤包
括：
长短期记忆循环神经网络的输入层接收股市字段，所述输入层将接收的
股市字段映射到隐藏层；
若隐藏层的输入门处于打开状态，将允许的股市字段加入到隐藏层节
点；
若隐藏层的遗忘门处于打开状态，则将保留当前隐藏层节点存储的股市
字段的历史信息；
若隐藏层的输出门处于打开状态，则将当前隐藏层节点存储的股市字段
的历史信息传播到输出层；
通过输出层的激发函数对当前隐藏层节点存储的股市字段的历史信息
进行变换，得到所述长短期记忆循环神经网络的输出层的预测结果，所述预
测结果包括下一交易日股市的波动率的预测值。
5.根据权利要求1所述的方法，其特征在于，还包括：根据下一交易
日的股市的波动率的真实值与下一交易日股市的波动率的预测值进行比较，

\t使用损失函数，得到预测误差，并利用误差反向传播算法BP更新所述长短
期记忆循环神经网络的网络参数。
6.一种股票风险预测...

【专利技术属性】
技术研发人员：于洋，王东，刘荣，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11