一种基于自适应特征提取的股票指数预测方法技术

本发明专利技术涉及一种基于自适应特征提取的股票指数预测方法，包括：S1：获取股票指数数据，得到每日的开盘价、最低价、最高价、收盘价和成交量；S2：计算由金融经济专家提出的人工指标值；S3：构造样本特征及样本标签，将所有样本划分为训练集、验证集和测试集；S4：对样本进行自适应特征提取；S5：将自适应提取特征与S2计算的人工指标一起输入基于因子机的神经网络预测模型中，并输出预测结果。本发明专利技术通过自适应提取股票指数的特征，且提取方法简单、解释性强；使用基于因子机的神经网络作为预测模型，它不仅能够学习到特征之间的交互作用、具备非线性的表达能力，还具有线性复杂度；可有效提高股票指数预测技术的准确率。

A prediction method of stock index based on adaptive feature extraction

【技术实现步骤摘要】
一种基于自适应特征提取的股票指数预测方法
本专利技术涉及股票指数预测领域，更具体地，涉及一种基于自适应特征提取的股票指数预测方法。
技术介绍
分析、预测股票指数是在私人投资者，对冲基金和自营交易部门的日常工作中的一项必不可少的环节，而合理准确的预测可能会增加产生高额金融收益和对冲市场风险的潜力。然而，考虑到股票市场的信息效率和成熟度等因素，金融经济学家经常质疑股票指数的可预测性和获利交易的机会的存在。因此，在有效市场假说的背景下，这就导出了一个问题，即股市是否是将信息转化为价格的有效引擎。尽管金融市场正常情况下符合有效市场假设，但不稳定的市场制度会出现，其中基本价格的基调不稳定，未来收益具有较大的不确定性，这为异常行为(如过度交易、波动、泡沫和疯狂交易的共同发生)提供了肥沃的环境。实际上，不存在真正有效的市场，正如格罗斯曼(Grossman)和斯蒂格利茨(Stiglitz)所表明的那样：信息的获取和分析是昂贵的，价格不能完美地反映所有现有的信息，因为这将对那些花费资源来获取信息和利用信息进行交易的人没有任何激励。此外，交易者对新信息也不本文档来自技高网...

【技术保护点】
1.一种基于自适应特征提取的股票指数预测方法，其特征在于，所述方法包括以下步骤：/nS1：获取股票指数数据，得到每日的开盘价(O)、最低价(L)、最高价(H)、收盘价(C)和成交量(V)；/nS2：根据股票指数数据计算由金融经济专家提出的人工指标值；/nS3：构造样本，包括样本特征及样本标签，将所有样本划分为训练集、验证集和测试集；/nS4：利用逻辑回归模型对样本进行自适应特征提取；/nS5：将自适应提取特征与S2计算的人工指标一起输入基于因子机的神经网络预测模型中，并输出预测结果。/n

【技术特征摘要】
1.一种基于自适应特征提取的股票指数预测方法，其特征在于，所述方法包括以下步骤：
S1：获取股票指数数据，得到每日的开盘价(O)、最低价(L)、最高价(H)、收盘价(C)和成交量(V)；
S2：根据股票指数数据计算由金融经济专家提出的人工指标值；
S3：构造样本，包括样本特征及样本标签，将所有样本划分为训练集、验证集和测试集；
S4：利用逻辑回归模型对样本进行自适应特征提取；
S5：将自适应提取特征与S2计算的人工指标一起输入基于因子机的神经网络预测模型中，并输出预测结果。


2.根据权利要求1所述的基于自适应特征提取的股票指数预测方法，其特征在于，S2中的人工指标包括：随机指数％Kt、随机指数％Dt、慢随机指数％Dt、Momentumt、ROCt、拉里·威廉姆斯指数％Rt、A/DOscillatort、n-天Disparityt、2n-天Disparityt、OSCPt、CCIt、RSIt、OBVt、BIAS6t、PSY12t、ASY5t、ASY4t、ASY3t、ASY2t、ASY1t。


3.根据权利要求2所述的基于自适应特征提取的股票指数预测方法，其特征在于，随机指数％Kt用于比较给定时间段内证券的收盘价相对于其价格范围的波动性，表达式为：



其中LLt和HHt分别表示在过去t天中的最小的日最低价和最大的日最高价，Ct表示第t天的收盘价，n为时间窗口；
随机指数％Dt为随机指数％Kt的滑动平均，表达式为：



慢随机指数％Dt为随机指数％Dt的滑动平均，表达式为：



Momentumt为衡量证券价格在一段时间内变化的程度，表达式为：
Ct-Ct-n-1
额ROCt为价格变动率量化了当前价格和n天前价格之间的变化，表达式为：



拉里·威廉姆斯指数％Rt衡量的是超买/超卖的水平，表达式为：



其中，Hn为第n天的最高价，Ln为第n天的最低价；
A/DOscillatort用来衡量成交量产生的价格变化，表达式为：



其中，Vt为第t天的成交量；Lt为第t天的最低价；
n-天Disparityt是当前价格和n天移动平均值之间的距离，表达式为：



其中，MAn为n天移动平均收盘价值；
2n-天Disparityt是当前价格和2n天移动平均值之间的距离，表达式为：



OSCPt展示证券价格的两个移动平均线之间的相对差异，表达式为：



CCIt用来衡量证券价格从其统计平均值的变化，表达式为：



其中和
RSIt用来衡量在给定的时间跨度内价格变动的速度和变化，表达式为：



其中UPt＝max{0，Ct-Ct-1}和DWt＝max{0，Ct-1-Ct}；
OBVt表示股票总体成交量表达式为：
Vt+Vt-1
BIAS6t用来衡量收盘价与移动平均线之间的偏离水平，表达式为：



其中MA6t为过去6天收盘价的移动平均值；
PSY12t表示过去12天的心理线，表达式为：



其中Dup12表示过去12天中收盘价上涨的天数；
ASY5t为预测日前5天的平均收益率，表达式为：



其中SYt＝(lnCt-lnCt-1)×100；
ASY4t为预测日前4天的平均收益率，表达式为：

【专利技术属性】
技术研发人员：周锋，古林燕，杨利军，许波，李祥霞，
申请(专利权)人：广东财经大学，
类型：发明
国别省市：广东;44