一种基于卷积神经网络的股票交易反转点与异常点检测方法技术

本发明专利技术公开了一种基于卷积神经网络的股票交易反转点与异常点检测方法，涉及股票信息处理技术领域。本发明专利技术如下步骤：获取股票的历史数据，并在K线图上标记反转点与异常点；采用滑动窗口，将股票分割成子序列并输入到卷积神经网络进行特征学习，将学习到的特征进行分类；采用前向传播算法与后向传播算法反复训练模型；训练好的模型对测试数据进行效果检验；获取股票数据输入训练好的模型，得到股票反转点和异常点并进行统计。本发明专利技术通过将股票的历史数据输入到卷积神经网络进行特征学习，并对特征进行分类，采用前向传播算法与后向传播算法反复训练模型，统计股票的异常点和反转点，提高投资者对股票分析的准确率，给投资者带来经济效益。经济效益。经济效益。

【技术实现步骤摘要】
一种基于卷积神经网络的股票交易反转点与异常点检测方法


[0001]本专利技术属于股票信息处理
，特别是涉及一种基于卷积神经网络的股票交易反转点与异常点检测方法。

技术介绍

[0002]股票交易中存在频繁的波动和各种异常，这一情况使得投资者在选择股票交易时面临风险和考验。由于在股票交易的过程中，投资者希望预测股票的反转点，以最大限度地利用股价最低价时候的谷值以及股价最高价时候的峰值来实现最大化盈利，因此，检测股票市场中的异常波动点以及这种反转点，对于股票分析具有重要意义。

技术实现思路

[0003]本专利技术的目的在于提供一种基于卷积神经网络的股票交易反转点与异常点检测方法，通过将股票的历史数据输入到卷积神经网络进行特征学习，并对特征进行分类，采用前向传播算法与后向传播算法反复训练模型，统计股票的异常点和反转点，解决了现有的投资者股票分析不准确、容易造成经济损失的问题。
[0004]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：
[0005]本专利技术为一种基于卷积神经网络的股票交易反转点与异常点检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的股票交易反转点与异常点检测方法，其特征在于，包括如下步骤：步骤S1：获取股票的历史数据，并根据K线图手工标记所有股票的反转点与异常点；步骤S2：采用滑动窗口，将股票分割成子序列；步骤S3：将子序列直接输入到卷积神经网络进行特征学习；步骤S4：卷积神经网络将学习到的特征输入到一个全连通的多层感知器，并由多层感知器将学习到的特征进行分类；步骤S5：采用前向传播算法与后向传播算法反复训练模型，直至参数收敛；步骤S6：根据训练好的模型对测试数据进行效果检验，计算正确率；步骤S7：获取股票数据输入训练好的模型，学习得到的特征进行小波聚类，结合马尔科夫链模型，得到股票反转点和异常点并进行统计。2.根据权利要求1所述的一种基于卷积神经网络的股票交易反转点与异常点检测方法，其特征在于，所述步骤S1中，从互联网上获取股票数据，并对K线图人工标记所有的反转点和异常点；标记方法采用经济学中的反转点判断方法；所述反转点包括向上反转点、向下反转点和非反转点。3.根据权利要求2所述的一种基于卷积神经网络的股票交易反转点与异常点检测方法，其特征在于，所述股票反转点的认定方法如下：将股票时间序列在T1,T2,T3时刻对应的收盘价分别是S1,S2,S3,当满足公式：(S2‑
S1)/S2>r且(S2‑
S3)/S2>r；则说明在时刻T2股价发生了反转，且该时刻的反转为股价向下的反转点；当满足公式：(S1‑
S2)/S2>r且(S3‑
S2)/S2>r；则说明在时刻T2股价发生了反转，且该时刻的反转为股价向上的反转点。4.根据权利要求1所述的一种基于卷积神经网络的股票交易反转点与异常点检测方法，其特征在于，所述步骤S2中，将反转点标记完成的股票信息采用分割技术，将股票信息分割成不同的股票片段，同时也将股票的分类标签划分成子片段，并根据每...

【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：