【技术实现步骤摘要】
一种基于市场交易大数据的智能选股方法
本专利技术属于金融投资
,特别是涉及一种基于市场交易大数据的智能选股方法,能够利用深度循环神经网络实现对股价的预测和智能选股。
技术介绍
金融业是指经营金融商品的特殊行业,它包括银行业、保险业、信托业、证券业和租赁业。在目前市场环境下,散户投资过程中最大的问题是信息不对称,要获取真实信息则需要付出成本,使得散户往往依赖于无成本的“小道消息”而非科学的技术分析。股票价格预测每天对每只股票的未来趋势(超短线、中短期)做出预测,预测的内容包括股票未来的上涨概率、上涨幅度、下跌概率、下跌幅度、中短期走势,行业的上涨趋势、下跌趋势,用户可以通过每日提供的大量预测数据发现存在上涨可能的股票和行业。本专利技术主要研究金融领域中的股票价格预测;股票价格预测是利用股票形态分析理论对股票未来走势的方向和可能性做出预测,它的理论依据是从海量的历史数据中寻找和某支股票当前趋势相同或相似的趋势,并根据历史趋势判断未来股票价格。
技术实现思路
本专利技术的目的在于提供一种基于市场交 ...
【技术保护点】
1.一种基于市场交易大数据的智能选股方法,其特征在于,包括如下步骤:/n步骤S1、股票数据预处理:从历史股票数据中选取解释变量、响应变量和划分训练集、验证集及测试集;/n步骤S2、设计整体模型结构和选择模型训练方式:选择分行业训练的方式,设计整体模型结构;/n步骤S3、制定智能选股策略:根据分类模型的预测结果制定适当的选股策略和止损操作;/n步骤S4、模型训练和回测实验:使用训练集训练四分类LSTM模型,使用测试集根据智能选股策略进行回测实验;/n其中,所述步骤S3中,智能选股策略包括如下步骤:/n步骤S31:按照行业分开训练和预测,每个行业中的股票在测试集上每天输出一个预 ...
【技术特征摘要】
1.一种基于市场交易大数据的智能选股方法,其特征在于,包括如下步骤:
步骤S1、股票数据预处理:从历史股票数据中选取解释变量、响应变量和划分训练集、验证集及测试集;
步骤S2、设计整体模型结构和选择模型训练方式:选择分行业训练的方式,设计整体模型结构;
步骤S3、制定智能选股策略:根据分类模型的预测结果制定适当的选股策略和止损操作;
步骤S4、模型训练和回测实验:使用训练集训练四分类LSTM模型,使用测试集根据智能选股策略进行回测实验;
其中,所述步骤S3中,智能选股策略包括如下步骤:
步骤S31:按照行业分开训练和预测,每个行业中的股票在测试集上每天输出一个预测为涨幅较大这一类股票的概率值;
步骤S32:根据股票预测的概率值的大小,对需要推荐的股票进行排序;
步骤S33:增加止损策略,当股票连续下跌至阈值,则取消对该股票的推荐;
步骤S34:在选股时只选取四分类模型中被预测为涨幅较大的。
2.根据权利要求1所述的一种基...
【专利技术属性】
技术研发人员:宋艳枝,吴凌霄,王昊,
申请(专利权)人:合肥黎曼信息科技有限公司,
类型:发明
国别省市:安徽;34
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。