一种基于网络分析和多模型融合的股市投资决策方法技术

本发明专利技术公开了一种基于网络分析和多模型融合的股市投资决策方法，包括如下步骤：首先通过互联网获取互联网信息，将互联网信息储存到云数据库，并将云数据库的信息进行备份，提取云数据库的数据，并进行网络分析，对所分析的数据进行汇总储存以及备份，将汇总储存的数据进行提取，并通过多模型融合算法进行数据运算，获取运算数据，并对数据的风险权重进行求解，对所求解的权重风险因素进行排序，并根据排序结果施行股市投资决策。本发明专利技术通过互联网对上市企业的信息进行提取收集，然后在通过网络分析以及多模型融合的方法对收集的信息进行进一步的处理，并通过风险权重做出风险评估对比，帮助投资者做出正确的股市投资决策。

【技术实现步骤摘要】
一种基于网络分析和多模型融合的股市投资决策方法
本专利技术涉及股市投资
，尤其涉及一种基于网络分析和多模型融合的股市投资决策方法。
技术介绍
股票市场是一个国家经济实力的展现，良好的股票市场有利益构建良好的经济市场体系，其中股票市场的运行过程，投资者需要对上市公司的信息进行了解以及分析，从而才能确保投资者自身做出正确的投资决策。随着科学技术的进步，网络信息的发展，互联网上包含了丰富的上市企业信息，也使得企业的信息传递的时效性更强，为了更好的帮助投资者做出正确的股市投资决策，给投资者带来正确的投资方向。我们提出了一种基于网络分析和多模型融合的股市投资决策方法。
技术实现思路
本专利技术提出了一种基于网络分析和多模型融合的股市投资决策方法，以解决上述
技术介绍
中提出的问题。本专利技术提出了一种基于网络分析和多模型融合的股市投资决策方法，包括如下步骤：S1：首先通过互联网获取互联网信息；S2：将S1中的互联网信息储存到云数据库，并将云数据库的信息进行备份；S3：提取S2中云数据库的数据，并进行网络分析，网络分析具体为稳态分析；S4：对S3所分析的数据进行汇总储存以及备份；S5：将S4中汇总储存的数据进行提取，并通过多模型融合算法进行数据运算；S6：获取S5中的运算数据，并对数据的风险权重进行求解；S7：对S6所求解的权重风险因素进行排序，并根据排序结果施行股市投资决策。优选的，在S1中互联网信息包括企业年报信息、企业季度财务信息、国家政策信息、企业股东变更信息以及企业并购信息。优选的，在S3中稳态分析的具体方法包括节点电压法、回路电流法、端口分析法、网络函数法、不定导纳柜矩阵法以及拓扑分析法。优选的，在S5中多模型融合算法的融合方法具体分为线性加权融合法、交叉融合法、瀑布融合法、特征融合法以及预测融合法。优选的，在S6中数据的权重分为求解同类数据的风险权重以及求解不同数据的风险权重。本专利技术提出的一种基于网络分析和多模型融合的股市投资决策方法，有益效果在于：该基于网络分析和多模型融合的股市投资决策方法通过互联网对上市企业的信息进行提取收集，然后在通过网络分析以及多模型融合的方法对收集的信息进行进一步的处理，并通过风险权重做出风险评估对比，从而给投资者带来正确的投资方向，帮助投资者做出正确的股市投资决策。具体实施方式下面结合具体实施例来对本专利技术做进一步说明。本专利技术提出了一种基于网络分析和多模型融合的股市投资决策方法，包括如下步骤：S1：首先通过互联网获取互联网信息，互联网获取互联网信息的过程包含了文字信息、视屏信息、推行信息、以及音频信息。S2：将S1中的互联网信息储存到云数据库，并将云数据库的信息进行备份，其中互联网信息包括企业年报信息、企业季度财务信息、国家政策信息、企业股东变更信息以及企业并购信息。S3：提取S2中云数据库的数据，并进行网络分析，网络分析具体为稳态分析，在S3中稳态分析的具体方法包括节点电压法、回路电流法、端口分析法、网络函数法、不定导纳柜矩阵法以及拓扑分析法，其中节点电压法为以网络中每个节点对某一参考节点间的电压作待求量；回路电流法为以每个独立回路中流动的假想电流为待求量，端口分析法是关心该网络与外部连接的那些端子上的电流电压并把该网络作为多端网络来处理；网络函数法利用网络中一个激励源并求一个响应；不定导纳柜矩阵法以网络外接端子对网络外部某参考点的电压为待求量；拓扑分析法是把电网络中各电流电压等物理量之间的关系用线图表示出来，再按线图的简化规则或公式求出网络函数。S4：对S3所分析的数据进行汇总储存以及备份。S5：将S4中汇总储存的数据进行提取，并通过多模型融合算法进行数据运算，在S5中多模型融合算法的融合方法具体分为线性加权融合法、交叉融合法、瀑布融合法、特征融合法以及预测融合法，其中线性加权融合法为汇总单一模型的结果，然后按不同算法赋予不同的权重，将多个推荐算法的结果进行加权，即可得到结果；交叉融合法为Blending方法，其思路是在推荐结果中，穿插不同推荐模型的结果，以确保结果的多样性；瀑布融合法为采用将多个模型串联的方法，每个推荐算法被视为一个过滤器，通过将不同粒度的过滤器前后衔接的方法来进行，特征融合法为通过使用不同的数据来源，抽取不同的特征，输入到推荐模型中进行训练，然后将结果合并；预测融合法为每个预测算法再进行一次预测，即不同的算法的预测结果，我们可以训练第二层的预测算法去再次进行预测，并生成最终的预测结果。S6：获取S5中的运算数据，并对数据的风险权重进行求解，在S6中数据的权重分为求解同类数据的风险权重以及求解不同数据的风险权重。S7：对S6所求解的权重风险因素进行排序，并根据排序结果施行股市投资决策。综上所述：本方案中通过互联网对上市企业的信息进行提取收集，然后在通过网络分析以及多模型融合的方法对收集的信息进行进一步的处理，并通过风险权重做出风险评估对比，从而给投资者带来正确的投资方向，帮助投资者做出正确的股市投资决策。以上所述，仅为本专利技术较佳的具体实施方式，但本专利技术的保护范围并不局限于此，任何熟悉本
的技术人员在本专利技术揭露的技术范围内，根据本专利技术的技术方案及其专利技术构思加以等同替换或改变，都应涵盖在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
一种基于网络分析和多模型融合的股市投资决策方法，其特征在于，包括以下步骤：S1：首先通过互联网获取互联网信息；S2： 将S1中的互联网信息储存到云数据库，并将云数据库的信息进行备份；S3：提取S2中云数据库的数据，并进行网络分析，网络分析具体为稳态分析；S4：对S3所分析的数据进行汇总储存以及备份；S5：将S4中汇总储存的数据进行提取，并通过多模型融合算法进行数据运算；S6：获取S5中的运算数据，并对数据的风险权重进行求解；S7：对S6所求解的权重风险因素进行排序，并根据排序结果施行股市投资决策。

【技术特征摘要】
1.一种基于网络分析和多模型融合的股市投资决策方法，其特征在于，包括以下步骤：S1：首先通过互联网获取互联网信息；S2：将S1中的互联网信息储存到云数据库，并将云数据库的信息进行备份；S3：提取S2中云数据库的数据，并进行网络分析，网络分析具体为稳态分析；S4：对S3所分析的数据进行汇总储存以及备份；S5：将S4中汇总储存的数据进行提取，并通过多模型融合算法进行数据运算；S6：获取S5中的运算数据，并对数据的风险权重进行求解；S7：对S6所求解的权重风险因素进行排序，并根据排序结果施行股市投资决策。2.根据权利要求1所述的一种基于网络分析和多模型融合的股市投资决策方法，其特征在于：在S1中互联网信息包括企业...

【专利技术属性】
技术研发人员：林飞盈，夏美帖，
申请(专利权)人：浙江氢创投资有限公司，
类型：发明
国别省市：浙江,33