股票预测方法、装置及电子设备制造方法及图纸

本发明专利技术提供了一种股票预测方法、装置及电子设备，包括：获取当前时刻目标股票的股票数据；根据股票数据确定目标股票的指标因子库；其中，指标因子库中包括关联因子；根据指标因子库和预先建立的预测模型确定预设时间段内目标股票的股价涨跌。本发明专利技术增加了企业关联因子对股票价格影响的定量分析，提高了股票价格预测的精度以及稳定性。

【技术实现步骤摘要】
股票预测方法、装置及电子设备
本专利技术涉及计算机
，尤其是涉及一种股票预测方法、装置及电子设备。
技术介绍
股票预测是指根据股票行情的发展进行的对未来股市发展方向以及涨跌程度的预测行为。目前现有的预测方法主要是基于估值、成长、财务质量、杠杆、动量反转、换手率、情绪、技术等内生指标和交易类指标进行预测，预测效果较差。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种股票预测方法、装置及电子设备，增加了企业关联因子对股票价格影响的定量分析，提高了股票价格预测的精度以及稳定性。为了实现上述目的，本专利技术实施例采用的技术方案如下：第一方面，本专利技术实施例提供了一种股票预测方法，包括：获取当前时刻目标股票的股票数据；根据股票数据确定目标股票的指标因子库；其中，指标因子库中包括关联因子；根据指标因子库和预先建立的预测模型确定预设时间段内目标股票的股价涨跌。在一种实施方式中，根据股票数据确定目标股票的指标因子库的步骤，包括：将股票数据进行整合得到多个指标因子报表；根据指标因子报表和预先建立的指标体系，确定目标股票的指标因子库。在一种实施方式中，根据指标因子库和预先建立的预测模型确定预设时间段内目标股票的股价涨跌的步骤，包括；将指标因子库中的指标因子输入到预先建立的预测模型中，得到预设时间段内目标股票的预测涨幅概率；如果预测涨幅概率大于或等于预设值，确定预设时间段内目标股票的股价上涨；如果预测涨幅概率小于预设值，确定预设时间段内目标股票的股价下跌。在一种实施方式中，预测模型的训练过程包括：构建股票市场的指标体系；获取样本股票的样本数据，并将样本数据进行整合得到多个指标因子报表；根据指标因子报表和指标体系，确定样本股票的指标因子库；根据样本股票的指标因子库进行模型训练，得到预测模型。在一种实施方式中，根据样本股票的指标因子库进行模型训练，得到预测模型的步骤，包括：对样本股票的指标因子库进行标注，得到标注后的指标因子库；根据标注后的指标因子库进行模型训练，得到预测模型。在一种实施方式中，对样本股票的指标因子库进行标注，得到标注后的指标因子库的步骤，包括：根据样本股票的指标因子库中的指标因子计算在预设时间段内样本股票的股价涨跌；其中，指标因子为预设时间点的截面数据，预设时间段以预设时间点为起点；如果样本股票的股价上涨，将指标因子标记为第一值；如果样本股票的股价下跌，将指标因子标记为第二值。在一种实施方式中，预测模型的训练过程还包括：将标注后的指标因子库按照预设比例进行划分，得到训练集和测试集。第二方面，本专利技术实施例提供了一种股票预测装置，包括：数据获取模块，用于获取当前时刻目标股票的股票数据；指标因子库确定模块，用于根据股票数据确定目标股票的指标因子库；其中，指标因子库中包括关联因子；预测模块，用于根据指标因子库和预先建立的预测模型确定预设时间段内目标股票的股价涨跌。第三方面，本专利技术实施例提供了一种电子设备，包括处理器和存储器，存储器存储有能够被处理器执行的计算机可执行指令，处理器执行计算机可执行指令以实现上述第一方面提供的任一项的方法的步骤。第四方面，本专利技术实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述第一方面提供的任一项的方法的步骤。本专利技术实施例带来了以下有益效果：本专利技术实施例提供的上述股票预测方法、装置及电子设备，能够首先获取当前时刻目标股票的股票数据；然后根据股票数据确定目标股票的指标因子库(指标因子库中包括关联因子)；最后根据指标因子库和预先建立的预测模型确定预设时间段内目标股票的股价涨跌。上述方法增加了企业的关联因子对股票价格影响的定量分析，从而提高了股票价格预测的精度以及稳定性。本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种的股票预测方法的流程图；图2为本专利技术实施例提供的一种预测模型平台的结果展示界面示意图；图3为本专利技术实施例提供的一种股票预测的技术方案框架图；图4为本专利技术实施例提供的一种股票预测装置的结构示意图；图5为本专利技术实施例提供的一种电子设备的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。现有的预测方法主要是基于估值、成长、财务质量、杠杆、动量反转、换手率、情绪、技术等内生指标和交易类指标进行预测，尚未涵盖将上市公司关联企业或集团公司等的关联主体的基本面的因子进行定量分析，预测效果较差。基于此，本专利技术实施例提供的一种股票预测方法、装置及电子设备，增加了企业关联因子对股票价格影响的定量分析，提高了股票价格预测的精度以及稳定性。为便于对本实施例进行理解，首先对本专利技术实施例所公开的一种股票预测方法进行详细介绍，该方法可以由电子设备执行，参见图1所示的一种的股票预测方法的流程图，示意出该方法主要包括以下步骤S102至步骤S106：步骤S102：获取当前时刻目标股票的股票数据。在一种实施方式中，可以从大约100个财经类网站中，或者通过第三渠道大智慧、汇法、元素等数据服务商，获取当前时刻目标股票的股票数据，股票数据包括诸如工商数据、司法数据、股市债市交易数据、公告数据、企业经营数据、财务数据、企业关系数据、企业担保数据、评级数据、投资关系数据等。步骤S104：根据股票数据确定目标股票的指标因子库；其中，指标因子库中包括关联因子。在一种实施方式中，指标因子库中包括自身因子、关联因子和交易因子，其中，自身因子(企业自身因子)指企业自身生产经营活动中可能影响上市公司未来股价的因子，包括诸如企业的管理结构、企业属性、违法信息、信用记录、盈利能力、资产结构、偿债能力、现金流量、收益质量、成长能量以及司法诉讼等因子；关联因子(企业关联因子)为外部因子，指企业所在的图谱关系网络中受其他企业或其他外部因素的影响可能影响上市公司未来股价的因子，包括诸如关联企业的违法信息、信用记录、盈利能力、资产结构、偿债能力、司法诉讼、工商处罚以及舆情新闻等因子；交易因子本文档来自技高网...

【技术保护点】
1.一种股票预测方法，其特征在于，包括：/n获取当前时刻目标股票的股票数据；/n根据所述股票数据确定所述目标股票的指标因子库；其中，所述指标因子库中包括关联因子；/n根据所述指标因子库和预先建立的预测模型确定预设时间段内所述目标股票的股价涨跌。/n

【技术特征摘要】
1.一种股票预测方法，其特征在于，包括：
获取当前时刻目标股票的股票数据；
根据所述股票数据确定所述目标股票的指标因子库；其中，所述指标因子库中包括关联因子；
根据所述指标因子库和预先建立的预测模型确定预设时间段内所述目标股票的股价涨跌。


2.根据权利要求1所述的股票预测方法，其特征在于，所述根据所述股票数据确定所述目标股票的指标因子库的步骤，包括：
将所述股票数据进行整合得到多个指标因子报表；
根据所述指标因子报表和预先建立的指标体系，确定所述目标股票的指标因子库。


3.根据权利要求1所述的股票预测方法，其特征在于，所述根据所述指标因子库和预先建立的预测模型确定预设时间段内所述目标股票的股价涨跌的步骤，包括；
将所述指标因子库中的指标因子输入到预先建立的预测模型中，得到预设时间段内所述目标股票的预测涨幅概率；
如果所述预测涨幅概率大于或等于预设值，确定预设时间段内所述目标股票的股价上涨；
如果所述预测涨幅概率小于预设值，确定预设时间段内所述目标股票的股价下跌。


4.根据权利要求2所述的股票预测方法，其特征在于，所述预测模型的训练过程包括：
构建股票市场的指标体系；
获取样本股票的样本数据，并将所述样本数据进行整合得到多个指标因子报表；
根据所述指标因子报表和所述指标体系，确定所述样本股票的指标因子库；
根据所述样本股票的指标因子库进行模型训练，得到预测模型。


5.根据权利要求4所述的股票预测方法，其特征在于，所述根据所述样本股票的指标因子库进行模型训练，得到预测模型的步骤，包括：

【专利技术属性】
技术研发人员：任亮，傅雨梅，王璞，
申请(专利权)人：北京知因智慧科技有限公司，
类型：发明
国别省市：北京;11