【技术实现步骤摘要】
一种金融数据预测方法、装置、设备及存储介质
本专利技术涉及计算机
，具体而言，涉及一种金融数据预测方法、装置、设备及存储介质。
技术介绍
在金融领域中，金融数据种类繁多，例如股票、期货、基金、贵金属、外汇等，为了能够及时、有效地获取金融领域的数据信息，并利用金融数据信息进行预测操作，为用户交易提供策略参考，从而量化交易，故此，急需要对金融数据进行快速、精确地识别处理，实时地读取、分析历史金融数据，形成参考建议，从而降低投资交易的风险性。如现有技术CN107274007A便是公开了一种基于人工神经网络的金融数据预测方法，来预测各种金融市场的未来走势；或是专利CN105022825A涉及结合财经新闻挖掘和金融历史数据的金融品种价格预测方法，利用多元线性回归和ARIMA相结合的组合预测模型，对金融市场未来价格趋势进行预测；再如专利CN109711665A公开了一种基于金融风控数据的预测模型构建方法及相关设备，主要通过对金融风控数据的前期预处理以及金融风控数据模型参数的优化调整，有效解决金融风控数据类型不平衡的问题。可...
【技术保护点】
1.一种基于深度学习的金融数据预测方法，其特征在于，包括：/n从一个或多个数据源获取历史金融数据及实时金融数据；/n根据历史时间点对所述历史金融数据进行规整，以使所述历史数据与当前实时金融数据形成对应关系；/n根据金融处理标准对所述历史金融数据进行特征处理，得到训练数据；/n根据所述历史金融数据建立逐层深度学习预测模型，并根据所述训练数据不断修正所述深度学习预测模型直至模型收敛；/n将所述对应关系和实时金融数据输入所述深度学习预测模型，得到金融数据预测结果。/n
【技术特征摘要】
1.一种基于深度学习的金融数据预测方法，其特征在于，包括：
从一个或多个数据源获取历史金融数据及实时金融数据；
根据历史时间点对所述历史金融数据进行规整，以使所述历史数据与当前实时金融数据形成对应关系；
根据金融处理标准对所述历史金融数据进行特征处理，得到训练数据；
根据所述历史金融数据建立逐层深度学习预测模型，并根据所述训练数据不断修正所述深度学习预测模型直至模型收敛；
将所述对应关系和实时金融数据输入所述深度学习预测模型，得到金融数据预测结果。
2.如权利要求1所述的基于深度学习的金融数据预测方法，其特征在于，所述历史金融数据包括第一主历史金融数据、第二辅历史外源性特征数据，其中，所述第一历史金融数据包括：记载金融数据来源信息、历史金融数据特征信息、与所述历史金融数据特征信息一一对应的历史时间点、金融数据历史时间序列；所述第二辅历史外源性特征数据为与所述历史金融数据特征信息对应的特征事件。
3.如权利要求2所述的基于深度学习的金融数据预测方法，其特征在于，所述根据记录时间点对所述历史金融数据进行规整，以使所述历史数据与当前实时金融数据形成对应关系，包括：
根据所述历史时间点，获取包括所述历史时间点在内的预设时间段内的金融历史数据，并根据预设标准化数据格式规则进行规整处理，得到规整后的预设时间段内的历史金融数据；
根据所述预设时间段获取当前实时金融数据，且根据所述预设标准化数据格式规则进行规整处理，得到规整后的预设时间段内的当前实时金融数据；
根据所述规整后的预设时间段内的金融历史数据和规整后的预设时间段内的当前实时金融数据，计算得到金融数据相似度，并判断所述金融数据相似度是否大于或等于预设金融数据相似度；
若所述金融数据相似度大于或等于所述预设金融数据相似度，则置包括所述历史时间点在内的预设时间段历史金融数据和预设时间段内的当前实时金融数据成对应关系，并进行标志存储；
若所述金融数据相似度小于所述预设金融数据相似度，则根据历史时间轴移动所述历史时间点，继续获取包括所述历史时间点在内的预设时间段内的金融历史数据和预设时间段内的当前实时金融数据，计算其金融数据相似度。
4.如权利要求3所述的基于深度学习的金融数据预测方法，其特征在于，根据所述历史时间序列和历史时间点，获取所述历史金融数据与当前实时金融数据形成对应关系的次数、形成...
【专利技术属性】
技术研发人员：覃业梅，钟阳宇，雷振，
申请(专利权)人：湖南工商大学，
类型：发明
国别省市：湖南;43
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。