外汇价格预测方法、装置、计算机设备以及存储介质制造方法及图纸

本发明专利技术涉及人工智能领域，公开了一种外汇价格预测方法，包括：获取多个财经新闻文本组和外汇交易数据，将每个财经新闻文本组输入至预设的新闻重要性分析模块进行分析，以得到该财经新闻文本组对应的组表示向量，将外汇交易数据输入至预设的多层感知机进行分析，以得到外汇交易数据对应的交易数据向量，根据每个财经新闻文本组的组表示向量和交易数据向量，计算所有的财经新闻文本组对应的最终表示向量，最后将最终表示向量和交易数据向量输入至预设的全连接层进行分析，以得到外汇价格的预测结果。可见，本发明专利技术能够实现利用人工智能技术对外汇价格进行预测。对外汇价格进行预测。对外汇价格进行预测。

【技术实现步骤摘要】
外汇价格预测方法、装置、计算机设备以及存储介质


[0001]本专利技术涉及人工智能领域，尤其涉及一种外汇价格预测方法、装置、计算机设备以及存储介质。

技术介绍

[0002]在现代社会中，金融工作经常需要进行大量的数据分析和文本分析，以预测金融市场的走势，从而开展金融工作。如，在外汇的工作中，则常常需要通过对外汇相关的金融新闻和交易数据进行分析，以对外汇价格的走向进行预测，从而指导后续金融工作的开展。随着人工智能技术的发展，越来越多的人工智能技术已被应用在金融工作中，用于辅助人们开展金融分析的工作。然而，人工智能技术的具体应用通常比较复杂，要使用人工智能技术实现一项任务往往需要考虑许多因素(如，模型的构建、训练、输入数据等等)，现有技术还未出现将人工智能技术应用到金融的外汇价格的预测的应用。可见，具体如何利用人工智能技术实现对外汇价格的预测仍是一项有待解决的技术问题。

技术实现思路

[0003]本专利技术所要解决的技术问题在于，现有技术还缺少一种利用人工智能技术实现对外汇价格的预测的方法。
[0004]为了解决上述技术问题，本专利技术第一方面公开了一种外汇价格预测方法，所述方法包括：
[0005]获取多个财经新闻文本组和外汇交易数据，其中，每个所述财经新闻文本组中均包含多个财经新闻文本；
[0006]将多个所述财经新闻文本组输入至预设的新闻重要性分析模块进行分析，得到每个所述财经新闻文本组对应的组表示向量；
[0007]将所述外汇交易数据输入至预设的多层感知机进行分析，得到所述外汇交易数据对应的交易数据向量；
[0008]基于所述交易数据向量对所有的所述组表示向量进行汇总，得到所有的所述财经新闻文本组对应的最终表示向量；
[0009]将所述最终表示向量和所述交易数据向量输入至预设的全连接层进行分析，得到外汇价格的预测结果。
[0010]本专利技术第二方面公开了一种外汇价格预测装置，所述装置包括：
[0011]获取模块，用于获取多个财经新闻文本组和外汇交易数据，其中，每个所述财经新闻文本组中均包含多个财经新闻文本；
[0012]组表示向量模块，用于将多个所述财经新闻文本组输入至预设的新闻重要性分析模块进行分析，得到每个所述财经新闻文本组对应的组表示向量；
[0013]交易数据向量模块，用于将所述外汇交易数据输入至预设的多层感知机进行分析，得到所述外汇交易数据对应的交易数据向量；
[0014]最终表示向量模块，用于基于所述交易数据向量对所有的所述组表示向量进行汇总，得到所有的所述财经新闻文本组对应的最终表示向量；
[0015]预测模块，用于将所述最终表示向量和所述交易数据向量输入至预设的全连接层进行分析，得到外汇价格的预测结果。
[0016]本专利技术第三方面公开了一种计算机设备，所述计算机设备包括：
[0017]存储有可执行程序代码的存储器；
[0018]与所述存储器连接的处理器；
[0019]所述处理器调用所述存储器中存储的所述可执行程序代码，执行本专利技术第一方面公开的外汇价格预测方法中的部分或全部步骤。
[0020]本专利技术第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本专利技术第一方面公开的外汇价格预测方法中的部分或全部步骤。
[0021]本专利技术实施例中，获取多个财经新闻文本组和外汇交易数据，将每个财经新闻文本组输入至预设的新闻重要性分析模块进行分析，以得到该财经新闻文本组对应的组表示向量，将外汇交易数据输入至预设的多层感知机进行分析，以得到外汇交易数据对应的交易数据向量，根据每个财经新闻文本组的组表示向量和交易数据向量，计算所有的财经新闻文本组对应的最终表示向量，最后将最终表示向量和交易数据向量输入至预设的全连接层进行分析，以得到外汇价格的预测结果，通过使用财经新闻文本和外汇交易数据作为人工神经网络的输入，然后利用人工神经网络对财经新闻文本和外汇交易数据进行分析，从而能够实现利用人工智能技术对外汇价格进行预测。
附图说明
[0022]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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。
[0023]图1是本专利技术实施例公开的一种外汇价格预测方法的流程示意图；
[0024]图2是本专利技术实施例公开的一种人工神经网络模型的结构示意图；
[0025]图3是本专利技术实施例公开的一种外汇价格预测装置的结构示意图；
[0026]图4是本专利技术实施例公开的一种计算机设备的结构示意图；
[0027]图5是本专利技术实施例公开的一种计算机存储介质的结构示意图。
具体实施方式
[0028]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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作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。
[0029]本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图
input，将会计算该财经新闻文本组中每个财经新闻文本的重要性得分，然后从该财经新闻文本组对应的所有的财经新闻文本中筛选出重要性得分最高的几个财经新闻文本(如，重要性得分排行前k个财经新闻文本，k可以是一个模型中的超参数)，来代表该财经新闻文本组，并将其转化为该财经新闻文本组对应的组表示向量G。
[0040]103、将所述外汇交易数据输入至预设的多层感知机进行分析，得到所述外汇交易数据对应的交易数据向量。
[0041]在上述步骤103中，多层感知机可以是一个三层感知机，其中可以包括一层隐藏层。如图2所示，通过多层感知机可以将外汇交易数据trade data input转化为交易数据向量R
t
。
[0042]104、基于所述交易数据向量对所有的所述组表示向量进行汇总，得到所有的所述财经新闻文本组对应的最终表示向量。
[0043]在上述步骤104中，如图2所示，在得到每个财经新闻文本组对应的组表示向量G之后，可以使用交易数据向量R
t
作为查询，计算出所有的财经新闻文本组的关注度得分，并据此得到所有的财经新闻文本组对应的最终表示向量R
s
。
[0044]105、将所述最终表示向量和所述交易数据向量输入至预设的全连接层进行分析，得到外汇价格的预测结果。
[0045]在上述步骤105中，如图2所示，最终表示向量R
s
和交易数据向量R
t
将被输入至本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种外汇价格预测方法，其特征在于，所述方法包括：获取多个财经新闻文本组和外汇交易数据，其中，每个所述财经新闻文本组中均包含多个财经新闻文本；将多个所述财经新闻文本组输入至预设的新闻重要性分析模块进行分析，得到每个所述财经新闻文本组对应的组表示向量；将所述外汇交易数据输入至预设的多层感知机进行分析，得到所述外汇交易数据对应的交易数据向量；基于所述交易数据向量对所有的所述组表示向量进行汇总，得到所有的所述财经新闻文本组对应的最终表示向量；将所述最终表示向量和所述交易数据向量输入至预设的全连接层进行分析，得到外汇价格的预测结果。2.根据权利要求1所述的外汇价格预测方法，其特征在于，所述新闻重要性分析模块包括bert网络层、重要性评分层和新闻聚合层；以及，所述将多个所述财经新闻文本组输入至预设的新闻重要性分析模块进行分析，得到每个所述财经新闻文本组对应的组表示向量，包括：将每个所述财经新闻文本组输入至所述bert网络层进行编码，将该财经新闻文本组转换为对应的编码向量；将每个所述财经新闻文本组对应的编码向量输入至所述重要性评分层进行分析，得到该财经新闻文本组对应的重要性评分；将每个所述财经新闻文本组对应的重要性评分输入至所述新闻聚合层进行编码向量的聚合，得到该财经新闻文本组对应的组表示向量。3.根据权利要求1或2所述的外汇价格预测方法，其特征在于，所述获取多个财经新闻文本组和外汇交易数据，包括：获取多个原始财经新闻文本和每个所述原始财经新闻文本对应的新闻发生时刻；按照预设的时间间隔对所有的所述原始财经新闻文本进行分组，得到多个财经新闻文本组；获取外汇交易数据，或者，获取多个原始财经新闻文本；基于预设的亲合传播算法对所有的所述原始财经新闻文本进行聚类，得到每个所述原始财经新闻对应的新闻主题；将同一新闻主题的所述原始财经新闻文本分为一组，得到多个财经新闻文本组；获取外汇交易数据，或者，获取多个原始财经新闻文本和每个所述原始财经新闻文本对应的预设新闻类别，按照每个所述原始财经新闻的预设新闻类别对所有的所述原始财经新闻文本进行分组，得到多个财经新闻文本组；获取外汇交易数据。4.根据权利要求1或2所述的外汇价格预测方法，其特征在于，所述外汇交易数据包括外汇原始数量数据、外汇变化率数据和外汇贸易统计数据；其中，所述外汇原始数量数据包括每一交易分钟的开盘价格、收盘价格、最高交易价格和最
低交易价格，所述外汇变化率数据包括当前交易分钟的开盘价格变化率、收盘价格变化率、最高交易价格变化率和最低交易价格变化率，所述外汇贸易统计数据包括预设的交易分钟内所有贸易价格的平均值、最大值、最小值、中值和方差。5.根据权利要求2所述的外汇价格预测方法，其特征在于，所述获取多个财经新闻文本组和外汇交易数据之后，所述将所述外汇交易数据输入至预设的多层感知机进行分析，得到所述外汇交易数据对应的交易数据向量之前，所述方法还包括：确定所述外汇交易数据中每种类型的数据对应的数据最大值和数据最小值；基于每种类型的数据对应的数据最大值和数据最小值对该种类型的数据进行归一化处理。6.根据权利要求5所述的外汇价格预测方法，其特征在于，所述确定所述外...

【专利技术属性】
技术研发人员：袁留君，
申请(专利权)人：平安普惠企业管理有限公司，
类型：发明
国别省市：