一种基于注意力以及密集连接的股价趋势预测方法技术

本申请公开了一种基于注意力以及密集连接的股价趋势预测方法，所述方法包括：获取待预测股票对应的若干价量数据；基于所述若干价量数据，确定所述预测股票对应的特征数据；基于时域注意力机制以及所述特征数据，确定所述待预测股票对应的预测股价趋势。本申请通过若干价量数据，利用注意力机制和密集连接使得模型关注于若干价量数据的短期信息，从而提高预测股价趋势的准确性。同时，本申请仅需要股票的价量信息，使用简单，适用范围较广，可以广泛应用到投资决策的过程中。

【技术实现步骤摘要】
一种基于注意力以及密集连接的股价趋势预测方法
本申请涉及趋势预测
，特别涉及一种基于注意力以及密集连接的股价趋势预测方法。
技术介绍
现有的股价建模技术主要是基于因子的，其中，多因子模型是由套利定价理论(APT)发展而来，其本质是将对股票预测转变成对于因子的收益预测。由于因子代表了不同个股的共性信息，相较于对个股建模更具有一般性，使得多因子模型成为了最为主流的趋势发现模型。多因子模型的关键在于找到超越市场表现的Alpha因子来赚取超额收益。然而，根据有效市场假说(Efficient-MarketHypothesis,EMH)，在法律健全、功能良好、透明度高、竞争充分的股票市场，一切有价值的信息已经及时、准确、充分地反映在股价走势当中，其中，包括企业当前和未来的价值，除非存在市场操纵，否则投资者不可能通过分析以往价格获得高于市场平均水平的超额利润。当一个Alpha因子被挖掘出来并使用，其信息也随之进入市场。当市场完全消化新因子的信息之后，根据有效市场假说，该因子终将失效。随着越来越多的新因子不断经过“发掘-使用-失效”的过程最终变为本文档来自技高网...

【技术保护点】
1.一种基于注意力以及密集连接的股价趋势预测方法，其特征在于，所述方法包括：/n获取待预测股票对应的若干价量数据；/n基于所述若干价量数据，确定所述预测股票对应的特征数据；/n基于时域注意力机制以及所述特征数据，确定所述待预测股票对应的预测股价趋势。/n

【技术特征摘要】
1.一种基于注意力以及密集连接的股价趋势预测方法，其特征在于，所述方法包括：
获取待预测股票对应的若干价量数据；
基于所述若干价量数据，确定所述预测股票对应的特征数据；
基于时域注意力机制以及所述特征数据，确定所述待预测股票对应的预测股价趋势。


2.根据权利要求1所述基于注意力以及密集连接的股价趋势预测方法，其特征在于，所述若干价量数据为连续价量数据，并且每个价量数据对应的交易日期均早于所述预测股价趋势对应的交易日期。


3.根据权利要求1-2任一所述基于注意力以及密集连接的股价趋势预测方法，其特征在于，所述方法应用于股价趋势预测模型，所述股价趋势预测模型若干级联的残差模块，若干残差模块中的每个残差模块均包括时域单元以及密集连接单元；所述基于所述若干价量数据，确定所述预测股票对应的特征数据具体包括：
将若干价量数据作为输入数据，并将按照级联顺序位于最前的残差模块作为目标残差模块；
将该输入数据输入目标残差模块中的时域单元及密集连接单元，通过该时域单元确定输入数据对应的时域特征数据，并通过该密集连接单元确定输入数据对应的密集特征数据；
基于该输入数据、时域特征数据以及密集特征数据确定该输入数据对应的输出数据；
将该输出数据作为输入数据，将按照级联顺序位于目标残差模块后的残差模块作为目标残差模块；
继续执行将该输入数据输入目标残差模块中的时域单元及密集连接单元，直至目标残差模块为最后的残差模块，以得到所述预测股票对应的特征数据。


4.根据权利要求3所述基于注意力以及密集连接的股价趋势预测方法，其特征在于，所述时域卷积单元包括若干级联的时域扩张卷积块，若干级联的时域扩张卷积块中的每个时域卷积块均包括时域扩张卷积层、第一正则化层以及第一激活层，所述时域扩张卷积层与所述第一正则层相连接，所述第一正则层与所述第一激活层相连接。


5.根据权利要求4所述基于注意力以及密集连接的...

【专利技术属性】
技术研发人员：夏树涛，鲍际刚，朱天磊，李佳维，刘鑫吉，圣亚军，孙继丰，夏智康，
申请(专利权)人：清华大学深圳国际研究生院，深圳悟空投资管理有限公司，
类型：发明
国别省市：广东;44