一种股票交易数据的预测方法及其系统技术方案

本发明专利技术公开了一种股票交易数据的预测方法及其系统，涉及股票交易技术领域。本发明专利技术包括：用于获取股票相关历史交易数据作为样本的获取模块；用于对获取的股票交易数据进行预处理的预处理模块；用于对样本数据进行数据分段，得到特征量的特征量模块；用于根据得到的特征量，训练股票交易预测模型的模型训练模块；用于将实时采集的股票交易数据输入到股票交易预测模型中，得到下一时刻的股票交易数据的预测模块。本发明专利技术通过获取股票相关历史交易数据作为样本，对获取的股票交易数据进行预处理，特征构造函数输出为特征量，根据特征向量训练得到股票趋势预测模型，降低股票投资者风险，帮助市场节约更多的交易人力，加强股票市场的监管。场的监管。场的监管。

【技术实现步骤摘要】
一种股票交易数据的预测方法及其系统


[0001]本专利技术属于股票交易
，特别是涉及一种股票交易数据的预测方法及其系统。

技术介绍

[0002]股票和期货是资本资源优化的一个重要场所，掌握其变化规律不仅是投资者日思夜想的，也对宏观经济有着积极作用，股票和期货的价格直接取决于买卖关系，而买卖股票和期货的主体就是各个股票持有者和期货持有者。
[0003]然而，股票的运动走势具有高度复杂性和大量的噪声，现有的金融理论傾向于认为股票市场是不可预測的。数十年来，对股票趋势预測的研究从未间断，且在金融市场中切实运行着各种有效的基于预測的投资策略。有效的涨跌预測可以帮助投资者更好地控制风险，同时，算法交易也可以帮助市场节约更多的交易人力，减少人为情绪波动对市场带来的负面影响。
[0004]研究好股票和期货的交易策略，就能够把握住股票和期货在平常状态下的涨跌，对各个投资者以及宏观经济具有较大的影响。

技术实现思路

[0005]本专利技术的目的在于提供一种股票交易数据的预测方法及其系统，通过获取股票相关历史交易数据作为样本，经过处理后得到特征向量，根据特征向量训练得到股票趋势预测模型，解决了现有的股票投资者风险大、股票市场监管难度大的问题。
[0006]为解决上述技术问题，本专利技术是通过以下技术方案实现的：
[0007]本专利技术为一种股票交易数据的预测方法，包括如下步骤：
[0008]步骤S1：获取股票相关历史交易数据作为样本，包括日期、前收盘价、开盘价、最高价、最低价、收盘价、成交量、成交金额、涨跌、涨跌幅；
[0009]步骤S2：对获取的股票交易数据进行完整性处理；
[0010]步骤S3：对完整的股票交易数据进行预处理，得到预处理后的样本数据；
[0011]步骤S4：对样本数据进行数据分段，根据时间间隔将分段后的样本数据，输入到特征构造函数，特征构造函数输出为特征量；
[0012]步骤S5：根据股票K线图，将股票价格趋势分为上涨、下跌和横盘三中状态，并对股票价格趋势状态进行标记；
[0013]步骤S6：将特征量作为训练样本，将股票价格趋势状态标记作为样本标签，实用多分类双子支撑向量机建立股票趋势预测模型；
[0014]步骤S7：使用训练集、交叉验证集训练预测模型并确定模型参数；
[0015]步骤S8：股票趋势预测模型输出当前交易时刻相较一下交易时刻股票价格趋势。
[0016]作为一种优选的技术方案，所述步骤S2中，股票的相关历史数据从盘面最大的网站获取，并以收盘价作为预测对象，将获取的数据与其余网站搜集的数据进行完整性处理，
将残缺的数据与其余网站比对后填入，然后进行数据准确性处理,将券商间的信息比对后,与其它券商不同的数据进行更改处理。
[0017]作为一种优选的技术方案，所述步骤S3中，股票交易数据的预处理包括数据格式的转换、数据噪声的消除、数据清洗和归一化处理，得到归一化后的样本数据；所述数据格式的转换，用于将股票交易数据转换成能够训练的样本数据；所述数据噪声的消除，用于消除数据中的噪声；所述数据清洗，用于过滤零值、去除无效的样本；所述归一化处理，用于将股票交易数据压缩至确定的区间，得到归一化后的样本数据。
[0018]作为一种优选的技术方案，所述归一化处理，对股票交易数据中各个具体因素的序列数据进行Min
‑
Max归一化处理，通过对原始数据进行线性变换，将样本数值量化归一化至[0,1]区间内，归一化的计算公式如下：
[0019][0020]式中，d
′
表示归一化后的序列数据，d表示一组特征样本，min(
·
)表示输入向量的最小值，max(
·
)表示输入向量的最大值。
[0021]作为一种优选的技术方案，所述步骤S4中，计算第i个特征向量和第j个特征向量之间的相关系数的具体公式为：
[0022][0023]式中，v
i
为第i个特征向量，v
j
为第j个特征向量，n
ij
为第i个特征向量和第j个特征向量之间的相关系数，u
i
为第i个特征向量的期望值，u
j
为第j个特征向量的期望值，D(v
i
)为第i个特征向量的方差，D(v
j
)为第j个特征向量的方差，E(
·
)为求数学期望的运算。
[0024]作为一种优选的技术方案，所述步骤S5中，股票价格趋势状态进行标记的具体方法为：设t
‑
1时刻至t时刻的时间长度为T，T为可见参数，具体表现为,T的数量级为分组、小时、日、周中的任意一种，T的大小和数量级根据投资者投资需求进行设定；状态设定参数分别为x
‑
、x+；当t时刻股票价格相较于t
‑
1时刻下跌了x
‑
％，则股票状态为下跌状态，标记为
‑
1；当t时刻股票价格相较于t
‑
1时刻上涨了x+％，则股票状态为上涨状态，标记为+1；当t时刻股票价格相较于t
‑
1时刻波动在x
‑
％～x+％之间，则股票状态为横盘状态，标记为0。
[0025]作为一种优选的技术方案，所述步骤S6中，使用多分类双子支持向量机作为预测模型，通过训练预测模型，最终得到多组非平行分类超平面，并以最优方式将样本分为多类；将训练好的模型用于预测，即将t时刻特征量数据输入预测模型，模型输出t+1时刻相较于t时刻的股票价格趋势。
[0026]本专利技术为一种股票交易数据的预测系统，包括获取模块、预处理模块、特征量模块、模型训练模块和预测模块；
[0027]所述获取模块，用于获取股票相关历史交易数据作为样本；
[0028]所述预处理模块，用于对获取的股票交易数据进行预处理，得到预处理后的样本数据；
[0029]所述特征量模块，用于对样本数据进行数据分段，根据时间间隔将分段后的样本数据得到特征量；
[0030]所述模型训练模块，用于根据得到的特征量，训练股票交易预测模型；
[0031]所述预测模块，用于将实时采集的股票交易数据输入到制造好的股票交易预测模型中，得到下一时刻的股票交易数据。
[0032]本专利技术具有以下有益效果：
[0033]本专利技术通过获取股票相关历史交易数据作为样本，对获取的股票交易数据进行预处理，根据时间间隔将分段后的样本数据，输入到特征构造函数，特征构造函数输出为特征量，根据特征向量训练得到股票趋势预测模型，降低股票投资者风险，帮助市场节约更多的交易人力，加强股票市场的监管。
[0034]当然，实施本专利技术的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
[0035]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种股票交易数据的预测方法，其特征在于，包括如下步骤：步骤S1：获取股票相关历史交易数据作为样本，包括日期、前收盘价、开盘价、最高价、最低价、收盘价、成交量、成交金额、涨跌、涨跌幅；步骤S2：对获取的股票交易数据进行完整性处理；步骤S3：对完整的股票交易数据进行预处理，得到预处理后的样本数据；步骤S4：对样本数据进行数据分段，根据时间间隔将分段后的样本数据，输入到特征构造函数，特征构造函数输出为特征量；步骤S5：根据股票K线图，将股票价格趋势分为上涨、下跌和横盘三中状态，并对股票价格趋势状态进行标记；步骤S6：将特征量作为训练样本，将股票价格趋势状态标记作为样本标签，实用多分类双子支撑向量机建立股票趋势预测模型；步骤S7：使用训练集、交叉验证集训练预测模型并确定模型参数；步骤S8：股票趋势预测模型输出当前交易时刻相较一下交易时刻股票价格趋势。2.根据权利要求1所述的一种股票交易数据的预测方法，其特征在于，所述步骤S2中，股票的相关历史数据从盘面最大的网站获取，并以收盘价作为预测对象，将获取的数据与其余网站搜集的数据进行完整性处理，将残缺的数据与其余网站比对后填入，然后进行数据准确性处理,将券商间的信息比对后,与其它券商不同的数据进行更改处理。3.根据权利要求1所述的一种股票交易数据的预测方法，其特征在于，所述步骤S3中，股票交易数据的预处理包括数据格式的转换、数据噪声的消除、数据清洗和归一化处理，得到归一化后的样本数据；所述数据格式的转换，用于将股票交易数据转换成能够训练的样本数据；所述数据噪声的消除，用于消除数据中的噪声；所述数据清洗，用于过滤零值、去除无效的样本；所述归一化处理，用于将股票交易数据压缩至确定的区间，得到归一化后的样本数据。4.根据权利要求3所述的一种股票交易数据的预测方法，其特征在于，所述归一化处理，对股票交易数据中各个具体因素的序列数据进行Min
‑
Max归一化处理，通过对原始数据进行线性变换，将样本数值量化归一化至[0,1]区间内，归一化的计算公式如下：式中，d
′
表示归一化后的序列数据，d表示一组特征样本，min(
·
)表示输入向量的最小值，max(
·
)表示输入向量的最大值。5.根据权利要求1所述的一种股票交易数据的预测方法，其特征在于，所述步骤S4中，计算第i个特征向量和第j个特征向量之间的相关系数的具体...

【专利技术属性】
技术研发人员：孙瑶，
申请(专利权)人：上海卡方信息科技有限公司，
类型：发明
国别省市：