一种基于拉普拉斯算子的股指趋势预测方法技术

本发明专利技术公开了一种基于拉普拉斯算子的股指趋势预测方法，Step1,计算日内MACD；Step2,计算日内RSI；Step3,计算日内RCR；Step4,根据日内MACD、日内RSI、日内RCR序列拼接成高频因子矩阵；Step5,将高频因子矩阵进行拉普拉斯算子运算，得到拉普拉斯矩阵；Step6,将拉普拉斯矩阵拉直成因子向量；Step7，构建预测模型。本发明专利技术对股指因子进行了矩阵化变换形成常规指数的矩阵化表示，用拉普拉斯算子对因子矩阵进行二阶差分运算，在挖掘股指因子相关性的同时实现因子的差分特性，用于深度挖掘因子的相关性和时间序列特性，提升整体预测模型性能。

A prediction method of stock index trend based on Laplace operator

【技术实现步骤摘要】
一种基于拉普拉斯算子的股指趋势预测方法
本专利技术涉及一种基于拉普拉斯算子的股指趋势预测方法，属于计算机技术和智能预测

技术介绍
目前，现有主流的股价指数趋势预测方法主要有基于趋势外推的方法、基于时间序列分析的方法、基于机器学习的方法以及基于深度学习的方法:(1)、趋势外推法：该方法基于预测点前面一段时间的序列走势，进行趋势拟合，常用的趋势外推模型有线性模型、指数模型等。(2)、时间序列分析法：该方法是一种经典的统计预测方法，有代表性的是ARIMA模型。一般步骤是先对模型进行平稳性检验，然后模型定阶，参数估计，最后进行模型检验完成预测模型建立。(3)、机器学习预测：该方法是通过基于高频因子与股指趋势，建立回归或分类模型，通过对模型训练，完成预测模型的建立，常见的方法有SVM和XGboost模型。(4)、深度学习预测：该方法主要基于循环神经网络模型，一般基于LSTM模型对股指序列进行预测，也有结合高频因子简历预测模型。以上现有技术中存在如下缺陷：(1)、趋势外推法由于信息量较少，对近期的变本文档来自技高网...

【技术保护点】
1.一种基于拉普拉斯算子的股指趋势预测方法，其特征在于：包括如下步骤：/nStep1,计算日内MACD；/nStep2,计算日内RSI；/nStep3,计算日内RCR；/nStep4,根据日内MACD、日内RSI、日内RCR序列拼接成高频因子矩阵；/nStep5,将高频因子矩阵进行拉普拉斯算子运算，得到拉普拉斯矩阵；/nStep6,将拉普拉斯矩阵拉直成因子向量；/nStep7，构建预测模型。/n

【技术特征摘要】
1.一种基于拉普拉斯算子的股指趋势预测方法，其特征在于：包括如下步骤：
Step1,计算日内MACD；
Step2,计算日内RSI；
Step3,计算日内RCR；
Step4,根据日内MACD、日内RSI、日内RCR序列拼接成高频因子矩阵；
Step5,将高频因子矩阵进行拉普拉斯算子运算，得到拉普拉斯矩阵；
Step6,将拉普拉斯矩阵拉直成因子向量；
Step7，构建预测模型。


2.根据权利要求1所述的一种基于拉普拉斯算子的股指趋势预测方法，其特征在于：所述Step1具体步骤如下：
(1)、计算指数平滑移动平均线：



其中，EMA(n)t是第t时刻前n个tick窗口内的平滑移动平均值，pt为t时刻的股指行情值，EMA(n)t-1是第t-1时刻前n个tick窗口内的平滑移动平均值，tick指的是行情数据一个时刻的值，n个tick窗口指包含n个时刻的时间窗；
(2)、计算异同平均数：
DIF(n)t＝EMA(n)t-EMA(n+10)t(2)



其中，EMA(n)t为第t时刻前n个tick窗口内的平滑移动平均值，EMA(n+10)t为t时刻前n+10个tick窗口内的平滑移动平均值；DEA(n)t是t时刻前n个tick窗口内的异同平均数，DEA(n)t-1是t-1时刻前n个tick窗口内的异同平均数；
(3)、计算日内MACD：
MACD(n)t＝DIF(n)t-DEA(n)t-1(4)
其中，MACD(n)t为第t时刻前n个tick窗口内的平滑异同移动平均线。


3.根据权利要求2所述的一种基于拉普拉斯算子的股指趋势预测方法，其特征在于：所述Step2具体步骤如下：



RSI为股指行情在第t时刻前n个tick窗口内相对强弱指标，其中，A(n)t为第t时刻前n个tick窗口内的涨幅之和，B(n)t为第t时刻前n个tick窗口内的跌幅之和的绝对值。


4.根据权利要求3所述的一种基于拉普拉斯算子的...

【专利技术属性】
技术研发人员：陈志宝，朱峰，张汝宸，王玲，孔亚洲，朱德伟，
申请(专利权)人：华泰证券股份有限公司，
类型：发明
国别省市：江苏;32