基于人工智能模型的股市投资决策方法及相关设备技术

本申请实施例提供了一种基于人工智能模型的股市投资决策方法及相关设备，所述方法包括：根据所述样本数据生成对应的样本特征向量，以获得多个样本特征集，其中，每个样本特征集分别对应一个历史交易日；将所述当前训练样本特征集中的样本特征向量作为输入，将所述未来最低成交价作为期望输出，对最低成交价预测模型进行训练，由此得到的目标最低成交价预测模型能够输出最低成交价的预测结果。由于本申请预测的并不是趋势，而是预测最低的下探价格，所以更适合应用于震荡股市行情中。基于本申请实施例的目标最低成交价预测模型的预测结果进行投资决策，将有助于获得更高的收益。将有助于获得更高的收益。将有助于获得更高的收益。

【技术实现步骤摘要】
基于人工智能模型的股市投资决策方法及相关设备


[0001]本申请涉及人工智能领域，特别涉及一种基于人工智能模型的股市投资决策方法及相关设备。

技术介绍

[0002]如今在金融投资中，人工智能在发挥着越来越重要的作用。各大券商、投行等金融机构已经越来越不满足于使用简单的规则以及量化来辅助交易员进行投资决策，而是把眼光投向了现今蓬勃发展的机器学习和深度学习领域。
[0003]传统的金融投资场景中，员工需要去翻阅大量的企业财报，政府的公告数据并同时关注市场对企业的舆论和态度，这种重复的机械的劳动不但需要消耗大量的人力物力，而且由于金融产品的多样性以及大量的人工产出比，对市场的评估很多时候难以做到客观和标准化。而这恰恰是人工智能的优势，替代繁琐的重复的劳动，标准化的提供实时的交易建议。
[0004]不过，在过往的应用场景下，股票市场中的人工智能模型主要聚焦于会有明显趋势的投资场景，但是在当今世界格局下，由于疫情和政治因素影响，震荡的股市市场(体现在股价在一个区间反复波动)会是主流，而传统的基于人工智能的预测模型则无法取得良好效果。

技术实现思路

[0005]本申请的旨在至少一定程度解决现有技术的问题，提供一种种基于人工智能模型的股市投资决策方法、装置、计算机设备和计算机可读存储介质，能够在震荡的股市环境下提供智能的投资决策，以提高投资收益率。
[0006]本申请实施例的技术方案如下：
[0007]第一方面，本申请提供了一种基于人工智能模型的股市投资决策方法，所述方法包括：/>[0008]获取目标股票的样本数据，其中，所述样本数据至少包括股价数据，所述股价数据至少包括所述目标股票在每个历史交易日的最低单价；
[0009]依次将每个历史交易日作为第一起点日，当所述第一起点日的最低单价低于此后T个交易日的最低单价，将所述第一起点日的最低单价作为最低成交价，其中，T为大于1的整数；
[0010]根据所述样本数据生成对应的样本特征向量，以获得多个样本特征集，其中，每个样本特征集分别对应一个历史交易日；
[0011]从多个样本特征集中确定当前训练样本特征集，将所述当前训练样本特征集对应的历史交易日作为第二起点日，确定与所述第二起点日日期最接近的未来最低成交价；
[0012]将所述当前训练样本特征集中的样本特征向量作为输入，将所述未来最低成交价作为期望输出，对最低成交价预测模型进行训练，以得到目标最低成交价预测模型；
[0013]获取所述目标股票的目标数据，并根据所述目标数据生成对应的目标特征向量；
[0014]将所述目标特征向量输入到所述目标最低成交价预测模型，以使所述最低成交价预测模型输出目标最低成交价；
[0015]根据所述目标最低成交价进行投资决策。
[0016]根据本申请的一些实施例，在所述获得多个样本特征集之后，所述方法还包括：将所述多个样本特征集划分为训练集、验证集和测试集；
[0017]所述从多个样本特征集中确定当前训练样本特征集，包括：从所述训练集中确定当前训练样本特征集；
[0018]在所述将所述当前训练样本特征集中的特征向量作为输入，将所述未来最低成交价作为期望输出，对最低成交价预测模型进行训练之后，所述方法还包括：
[0019]利用所述验证集对所述最低成交价预测模型进行多轮迭代训练，以对所述最低成交价预测模型进行参数调优；
[0020]利用所述测试集对所述最低成交价预测模型进行评估，以得到目标最低成交价预测模型。
[0021]根据本申请的一些实施例，所述将所述多个样本特征集划分为训练集、验证集和测试集，包括：
[0022]按照日期顺序，对所述多个样本特征集进行排序；
[0023]按照预设的比例，依次从所述多个样本特征集划分训练集、验证集和测试集。
[0024]根据本申请的一些实施例，所述样本数据还包括企业数据，所述企业数据包括以下至少之一：企业领域、利润率历史数据、企业所在地区、年利润数据、大股东股份占比数据。
[0025]根据本申请的一些实施例，所述股价数据还包括以下至少之一：
[0026]每个历史交易日的最高单价；
[0027]每个历史交易日中以小时为单位的成交量比值数据序列；
[0028]每个历史交易日中以小时为单位的平均成交单价数据序列。
[0029]根据本申请的一些实施例，所述样本数据还包括舆情数据，所述舆情数据为使用自然语言处理NLP模型从与所述目标股票相关的舆论中提取；
[0030]所述根据所述样本数据生成对应的样本特征向量，包括：
[0031]通过预先训练的BERT模型对所述舆情数据进行拟合，以获得所述舆情数据对应的特征向量。
[0032]根据本申请的一些实施例，所述根据所述目标最低成交价进行投资决策，包括以下之一：
[0033]获取所述目标股票的当前的第一股价与所述目标最低成交价的第一差值，在所述第一差值与所述第一股价的比例小于第一预设阈值时，执行买入操作，并将所述第一股价作为买入价格；
[0034]获取所述目标股票的当前的第二股价与所述买入价格的第二差值，在所述第二差值与所述买入价格的比例小于第二预设阈值时，执行卖出操作。
[0035]第二方面，本申请提供了基于人工智能模型的股市投资决策装置，包括：
[0036]样本数据获取模块，用于获取目标股票的样本数据，其中，所述样本数据至少包括
股价数据，所述股价数据至少包括所述目标股票在每个历史交易日的最低单价；
[0037]第一处理模块，用于依次将每个历史交易日作为第一起点日，当所述第一起点日的最低单价低于此后T个交易日的最低单价，将所述第一起点日的最低单价作为最低成交价，其中，T为大于1的整数；
[0038]样本特征提取模块，用于根据所述样本数据生成对应的样本特征向量，以获得多个样本特征集，其中，每个样本特征集分别对应一个历史交易日；
[0039]第二处理模块，用于从多个样本特征集中确定当前训练样本特征集，将所述当前训练样本特征集对应的历史交易日作为第二起点日，确定与所述第二起点日日期最接近的未来最低成交价；
[0040]训练模块，用于将所述当前训练样本特征集中的样本特征向量作为输入，将所述未来最低成交价作为期望输出，对最低成交价预测模型进行训练，以得到目标最低成交价预测模型；
[0041]目标数据获取模块，用于获取所述目标股票的目标数据；
[0042]目标特征提取模块，用于根据所述目标数据生成对应的目标特征向量；
[0043]预测模块，将所述目标特征向量输入到所述目标最低成交价预测模型，以使所述最低成交价预测模型输出目标最低成交价；
[0044]决策模块，用于根据所述目标最低成交价进行投资决策。
[0045]第三方面，本申请提供了一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能模型的股市投资决策方法，其特征在于，所述方法包括：获取目标股票的样本数据，其中，所述样本数据至少包括股价数据，所述股价数据至少包括所述目标股票在每个历史交易日的最低单价；依次将每个历史交易日作为第一起点日，当所述第一起点日的最低单价低于此后T个交易日的最低单价，将所述第一起点日的最低单价作为最低成交价，其中，T为大于1的整数；根据所述样本数据生成对应的样本特征向量，以获得多个样本特征集，其中，每个样本特征集分别对应一个历史交易日；从多个样本特征集中确定当前训练样本特征集，将所述当前训练样本特征集对应的历史交易日作为第二起点日，确定与所述第二起点日的日期最接近的未来最低成交价；将所述当前训练样本特征集中的样本特征向量作为输入，将所述未来最低成交价作为期望输出，对最低成交价预测模型进行训练，以得到目标最低成交价预测模型；获取所述目标股票的目标数据，并根据所述目标数据生成对应的目标特征向量；将所述目标特征向量输入到所述目标最低成交价预测模型，以使所述最低成交价预测模型输出目标最低成交价；根据所述目标最低成交价进行投资决策。2.根据权利要求1所述的方法，其特征在于，在所述获得多个样本特征集之后，所述方法还包括：将所述多个样本特征集划分为训练集、验证集和测试集；所述从多个样本特征集中确定当前训练样本特征集，包括：从所述训练集中确定当前训练样本特征集；在所述将所述当前训练样本特征集中的特征向量作为输入，将所述未来最低成交价作为期望输出，对最低成交价预测模型进行训练之后，所述方法还包括：利用所述验证集对所述最低成交价预测模型进行多轮迭代训练，以对所述最低成交价预测模型进行参数调优，以得到目标最低成交价预测模型；利用所述测试集评估基于所述所述目标最低成交价预测模型进行投资决策的收益，以获得最优的投资决策参数。3.根据权利要求2所述的方法，其特征在于，所述将所述多个样本特征集划分为训练集、验证集和测试集，包括：按照日期顺序，对所述多个样本特征集进行排序；按照预设的比例，依次从所述多个样本特征集划分训练集、验证集和测试集。4.根据权利要求1所述的方法，其特征在于，所述样本数据还包括企业数据；所述企业数据包括以下至少之一：企业领域、利润率历史数据、企业所在地区、年利润数据、大股东股份占比数据。5.根据权利要求1所述的方法，其特征在于，所述股价数据还包括以下至少之一：每个历史交易日的最高单价；每个历史交易日中以小时为单位的成交量比值数据序列；每个历史交易日中以小时为单位的平均成交单价数据序列。6.根据权利要求1所述的方法，其特征在于，所述...

【专利技术属性】
技术研发人员：谭泽宇，庞宇嘉，彭琛，汪伟，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：