【技术实现步骤摘要】
基于最小熵分值的股票交易点预测方法、系统及存储介质
本专利技术涉及股票市场交易操作的预测技术，尤其涉及一种基于最小熵分值的股票交易点预测方法、系统及存储介质。
技术介绍
受宏观经济因素、投资者心理、公司经营状况、政府政策、供求关系等因素的影响，股票价格常常具有较大的波动性。当投资者进行这种高风险与高收益并存的股票交易时，较容易因为股票市场的不确定性而经济受损。股票预测是基于影响股票价格波动影响因素来对股市发展方向以及股票价格变化趋势进行预测。随着股票市场的日益完善，科学合理的股票预测方法能够指导投资者进行股票交易，并且在风险最小的情况下获得最高收益；同时也能够为上市公司提供可靠的股票分析预测，帮助其熟悉公司的经营状况和发现隐藏在公司数据背后的信息。目前传统的股票预测方法有三种：基本分析、技术分析法和时间序列分析法。基本分析法通过对海量的数据资料进行分析来估算上市公司的投资价值，并在对当前公司股票价格进行对比分析后再做出决策，该方法需要对投资公司有较为全面的了解，算法难度较大并且对股市市场不具有敏感性；技术分析法包含K线图法、...
【技术保护点】
1.一种基于最小熵分值的股票交易点预测方法，其特征在于，包括以下步骤：/n获取股票数据，根据股票数据获取多个交易日的技术指标，根据获得的技术指标构建指标矩阵；/n根据股票数据计算未来回报率，根据未来回报率获得趋势等级，结合趋势等级和指标矩阵获得数据矩阵；/n采用基于最小熵分值的双聚类算法对数据矩阵进行股票趋势模式的挖掘，获得交易规则；/n结合交易规则和预设的神经网络对交易操作进行预测，所述交易操作包括卖出、无操作和买入。/n
【技术特征摘要】
1.一种基于最小熵分值的股票交易点预测方法，其特征在于，包括以下步骤：
获取股票数据，根据股票数据获取多个交易日的技术指标，根据获得的技术指标构建指标矩阵；
根据股票数据计算未来回报率，根据未来回报率获得趋势等级，结合趋势等级和指标矩阵获得数据矩阵；
采用基于最小熵分值的双聚类算法对数据矩阵进行股票趋势模式的挖掘，获得交易规则；
结合交易规则和预设的神经网络对交易操作进行预测，所述交易操作包括卖出、无操作和买入。
2.根据权利要求1所述的一种基于最小熵分值的股票交易点预测方法，其特征在于，所述未来回报率通过以下公式技术获得：
其中，CPm代表着第m个交易日的闭盘价格，n为时间周期，ACPi,n代表着从第i+1个交易日到n天交易日后的平均闭盘价格，FRRi,n代表着在第i个交易日购买股票，在第(i+n)天卖出的未来回报率。
3.根据权利要求1所述的一种基于最小熵分值的股票交易点预测方法，其特征在于，所述采用基于最小熵分值的双聚类算法对数据矩阵进行股票趋势模式的挖掘，获得交易规则，包括：
对数据矩阵使用Min-Max归一化处理，使得所有技术指标的量级范围为[0，1]；
对数据矩阵的列使用凝聚层次聚类算法找到相似元素，以此获得双聚类种子；
扩展双聚类种子至满列，并通过预设方式让数据矩阵的熵值小于预设阈值；
对双聚类种子的每一行求均值，根据均值获得趋势模式，结合趋势模式和最大投票策略获得股市的变化趋势等级；
根据变化趋势等级构建交易规则，所述交易规则的最右列为趋势等级，其余列为技术指标。
4.根据权利要求3所述的一种基于最小熵分值的股票交易点预测方法，其特征在于，对数据矩阵的列使用凝聚层次聚类算法找到相似元素，以此获得双聚类种子，包括：
采用平均值距离公式计算簇与簇之间的距离，并且在每次迭代过程中合并数据矩阵中距离最小的簇，以此来获得双聚类种子。
5.根据权利要求3所述的一种基于最小熵分值的股票交易点预测方法，其特征在于，所述扩展双聚类种子至满列，并通过预设方式让数据矩阵的熵值小于预设阈值，包括：
S1、扩展双聚类种子至满列，通过第一预设公式计算数据矩阵的阈值；
S2、若熵值大于预设阈值，则计算score(i)，所述score(i)为删除第...
【专利技术属性】
技术研发人员：胡宝珠，黄庆华，金连文，杨俊美，孙建军，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44
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。