The invention relates to an intelligent terminal and the stock trend based on LSTM prediction method, including the historical data acquisition of the target stock, data cleansing, normalization, in accordance with the time divided into training data set and test data set; off-line training model of training data, using multiple neural network models were trained in LSTM obtaining training; the data for the prediction of multiple neural network model output value list, and compared with the actual value of the stock trend, the weight calculated by multiple neural network model as a combination model for value; test data with test data set assessment of the forecasting effect of multiple neural network model in the combined model, in order to adjust the weights of the multiple neural network model as a combination model for value. This application avoids the problem that the simple forecasting method of single LSTM model has large error and low practicability through the combination model.
【技术实现步骤摘要】
智能终端及其基于LSTM的股票趋势预测方法
本申请涉及人工智能
,具体涉及一种基于LSTM(Long-ShortTermMemory,长短期记忆神经网络)的股票趋势预测方法,还涉及一种执行并实现该方法的智能终端。
技术介绍
股票交易市场是经济运行的晴雨表。投资者如果能够精确的把握股票市场的变化规律,不仅可以获取巨大收益,还可以规避投资风险。对于政府监管而言,既可以提前制定合理政策以引导市场健康发展,也可以对上市公司提前预警风险。因此,股票市场趋势预测一直以来都是一个涉及到国计民生的关键问题,既是投资者追求的圣杯,也是金融市场监管的难点。但是,股票市场变化涉及到政治、经济、文化等诸多方面的影响因素,目前并不存在一个完美的预测方案。股票预测一直以来都是学术界和金融界的研究热点。自从股票市场诞生以来,众多国家的科学家和专业人士先后尝试了各种方法来预测股票价格的时间序列,其中包括统计学方法,计量经济学模型,人工智能与机器学习等。现有技术中,沿用至今的分析方法大致上可以分为基本面分析法与技术分析法两大类。其中基本面分析法着手点在于国家经济政策与公司的基本面等信息,而技术分析方法则侧重利用历史数据带入数学模型或机器中来训练和演算。具体而言,基本面分析方法,是通过宏观国家经济政策、世界经济局势、企业基本盈利状态和未来行业发展前景等基本面因素来研究公司股票价格变动趋势的。常用的分析面主要包括宏观经济政策、企业基本盈利状态、行业发展前景等。但是基本面分析方法中的影响因素极难定量,并且其影响因素一般都处于一个长期的经济周期中,需要学者们实时跟踪才能真正在预测股价走向时有 ...
【技术保护点】
一种基于长短期记忆神经网络的股票趋势预测方法,其特征在于,所述基于长短期记忆神经网络的股票趋势预测方法包括:获取目标股票的历史数据;将所述历史数据进行数据清洗、归一化;将清洗归一化后的历史数据按照时间划分为训练数据集与测试数据集;对所述训练数据集的训练数据进行离线模型训练,以分别训练长短期记忆神经网络LSTM的多个神经网络模型;获取训练数据对于训练后的多个神经网络模型输出的预测值列表,将所述预测值列表与实际的股票趋势值进行比较,计算得到多个神经网络模型作为组合模型时所占的权重值;利用测试数据集的测试数据对组合模型中的多个神经网络模型评估预测效果,根据预测效果调整所述多个神经网络模型作为组合模型时所占的权重值。
【技术特征摘要】
1.一种基于长短期记忆神经网络的股票趋势预测方法,其特征在于,所述基于长短期记忆神经网络的股票趋势预测方法包括:获取目标股票的历史数据;将所述历史数据进行数据清洗、归一化;将清洗归一化后的历史数据按照时间划分为训练数据集与测试数据集;对所述训练数据集的训练数据进行离线模型训练,以分别训练长短期记忆神经网络LSTM的多个神经网络模型;获取训练数据对于训练后的多个神经网络模型输出的预测值列表,将所述预测值列表与实际的股票趋势值进行比较,计算得到多个神经网络模型作为组合模型时所占的权重值;利用测试数据集的测试数据对组合模型中的多个神经网络模型评估预测效果,根据预测效果调整所述多个神经网络模型作为组合模型时所占的权重值。2.根据权利要求1所述的股票趋势预测方法,其特征在于,所述根据预测效果调整所述多个神经网络模型作为组合模型时所占的权重值之后,还包括:使用滚动时间窗口的方式对未来预定时间段的股票趋势具体数值进行预测。3.根据权利要求2所述的股票趋势预测方法,其特征在于,所述使用滚动窗口的方式对未来预定时间段的股票趋势进行预测,包括:将组合模型预测的涨跌幅转换为被预测时刻的预测数值,再将当前预测出的预测数值,填入下一被预测时刻的时间窗口,并依此交替循环;当获取到目标股票实际变化趋势的实际数值时,将预测数值与实际数值对比,并根据对比结果将实际数值作为一组新的训练数据,代入模型以更新模型参数。4.根据权利要求1所述的股票趋势预测方法,其特征在于,所述获取目标股票的历史数据,包括:获取目标股票、目标股票的同一板块、所在大盘、其他相关股票、和/或房价等相关领域数据进行融合,以综合得到所述目标股票的历史数据。5.根据权利要求4所述的股票趋势预测方法,其特征在于,所述以综合得到所述目标股票的历史数据,具体包括:根据目标股票的数据分布特点,使用接受-拒绝采样方法,选取分布相似的目标股票的同一板块、所在大盘、其他相关股票、和/或房价等相关领域数据,与目标股票...
【专利技术属性】
技术研发人员:张璐,范小朋,须成忠,
申请(专利权)人:深圳先进技术研究院,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。