一种应用深度学习技术的股票趋势预测方法技术

现有的股票预测方法只能依赖于专家知识和对市场数据和信息的筛选和提炼，难以做到由市场数据到运行规律的直接建模，或者多是基于各种的市场指标，这些指标有特定的计算公式，能够反映市场的一些特征，但是它们对最原始的交易数据进行了变换，从某种程度上来说产生了信息的损失。本发明专利技术提出一种应用深度学习技术的股票趋势预测方法，采用深度学习技术建立股票趋势模型，以历史日交易数据为训练数据训练模型，使用当前交易日前一段时间的交易数据对当前交易日后一段时间的走势进行预测。本发明专利技术的目的是通过深度学习方法，从市场的历史交易数据中发现当前市场中潜在的获利机会，指导机构投资者和个人投资者的投资行为。

【技术实现步骤摘要】
一种应用深度学习技术的股票趋势预测方法
本专利技术所属的
为机器学习领域，具体为一种应用深度学习技术的股票趋势预测方法。
技术介绍
证券市场有其自身的运行规律，虽然会受到各种不可控的外部因素的影响，但是放到一定的时间区间里，这种运行规律还是在发挥着作用，影响着证券的价格走势。但由于证券市场中各种数据和信息繁多，对于业内的公司也需要专门的分析师团队去对股票进行分析，对于一般的个人投资者是很难从海量的历史交易数据和市场数据中凭借自身的能力进行全面和有效的分析。但是，对证券市场运行规律的掌握，有助于在市场中获利，因此受到了机构投资者和个人投资者的关注。文献“VedPrakashUpadhyay,SubhashPanwar,RamchanderMerugu,andRavindraPanchariya.2016.ForecastingStockMarketMovementsUsingVariousKernelFunctionsinSupportVectorMachine.InProceedingsoftheInternationalConferenceonAdvancesinInform本文档来自技高网...

【技术保护点】
一种应用深度学习技术的股票趋势预测方法，该方法包括如下步骤：股票交易数据的处理、训练数据的信息扩充、深度学习模型的设计、模型的训练、股票趋势的预测，其特征在于：采用深度学习技术建立股票趋势模型，以历史日交易数据为训练数据训练模型，使用当前交易日前一段时间的交易数据对当前交易日后一段时间的走势进行预测。

【技术特征摘要】
1.一种应用深度学习技术的股票趋势预测方法，该方法包括如下步骤：股票交易数据的处理、训练数据的信息扩充、深度学习模型的设计、模型的训练、股票趋势的预测，其特征在于：采用深度学习技术建立股票趋势模型，以历史日交易数据为训练数据训练模型，使用当前交易日前一段时间的交易数据对当前交易日后一段时间的走势进行预测。2.根据权利要求1所述的股票趋势预测方法，其特征在于：所述的股票交易数据的处理包括：A.股票历史交易数据的收集；B.股票历史交易数据的归一化；C.股票历史交易数据的区间化；D.训练数据的信息扩充。3.根据权利要求2所述的股票趋势预测方法，其特征在于：所述的股票历史交易数据的归一化包括：对每一个股票的上述每一个数据字段进行归一化，归一化处理的目的是使股票的字段数值转化为0至1之间的实数，其方法为：先求出该股票中每个字段的最大值和最小值，分别记为pmax和pmin。对于该字段中的每个数值，归一化方法为：其中p*为归一化之后的字段的值，p为归...

【专利技术属性】
技术研发人员：张钢，王玉乐，陈广强，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44