一种基于多特征融合生成对抗网络的股票收盘价预测方法技术

本发明专利技术公开了一种基于多特征融合生成对抗网络的股票收盘价预测方法，预先获取股票数据；选取N日为窗口滚动划分数据集，将得到的数据集为多特征数据源，收盘价的滚动数据集作为真实序列；构建包括生成器和判别器的生成对抗网络，其中生成器是由门控循环单元构成，用于生成股票数据；判别器由卷积神经网络构成，用于区分真假数据；从多特征数据源依次取出数据作为输入，先将其进行皮尔森相关性分析，得到相关性矩阵，然后将相关性矩阵利用PCA进行数据降维，得到特征矩阵，最后将特征矩阵输入生成对抗网络进行训练。本发明专利技术采用基于皮尔森相关性分析的PCA特征融合方法，可以凝练特征，利用尽可能少的维度代表尽可能多的信息。用尽可能少的维度代表尽可能多的信息。用尽可能少的维度代表尽可能多的信息。

【技术实现步骤摘要】
一种基于多特征融合生成对抗网络的股票收盘价预测方法


[0001]本专利技术属于股票预测
，具体涉及一种基于多特征融合生成对抗网络的股票收盘价预测方法。

技术介绍

[0002]由于深度学习在数据方面具有强大的处理能力，所以在很多领域都取得了巨大的成功，而股市预测是金融领域最受欢迎和最有价值的领域之一。
[0003]中国专利CN 107239855A公开了一种基于LSTM模型的股票预测方法和系统，采用了LSTM模型构建股票预测模型适用于周期性强的数据和序列数据，解决长期依赖问题，比传统时间序列模型等更加灵活调参。基于机器学习方法方面，中国专利CN 109360097A公开了一种基于深度学习的股票预测方法，通过先利用复合神经网络中的卷积神经网络学习目标股票和关联股票的交易数据的特征，再将特征输入到复合神经网络中的长短期记忆网络进行处理，得到对股票涨跌的预测，提供了一种基于深度学习和群体智能的股票预测方法，可以准确地预测股票的涨跌。中国专利CN 112163951A公开了提供了一种结合投资者心理情绪与股市历史交易数据相结合的股票预测方法，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多特征融合生成对抗网络的股票收盘价预测方法，其特征在于，包括如下步骤：(1)预先获取股票数据，并对数据进行预处理；(2)选取开盘价、成交量、最高价、最低价，以及由以上基础因素计算得来的相对强弱指数RSI、随机震荡指标KD、累积/派发线AD、真实波动幅度均值ATR等多个特征作为数据源；(3)选取N日为窗口滚动划分数据集，将得到的数据集为多特征数据源，收盘价的滚动数据集作为真实序列；(4)构建包括生成器和判别器的生成对抗网络，其中生成器是由门控循环单元构成，用于生成股票数据；判别器由卷积神经网络构成，用于区分真假数据；(5)从多特征数据源依次取出数据作为输入，先将其进行皮尔森相关性分析，得到相关性矩阵，然后将相关性矩阵利用PCA进行数据降维，得到特征矩阵，最后将特征矩阵输入生成对抗网络进行训练；(6)将真实的收盘价序列记为“真”，生成器生成的收盘价序列记为“假”，将“假”序列与“真”序列分别输入判别器，输出真伪的判断结果，根据判断结果进行反复训练，直至达到纳什均衡，训练结束。2.根据权利要求1所述的基于多特征融合生成对抗网络的股票收盘价预测模型，其特征在于，所述步骤(1)所述数据预处理为：对数据进行量纲处理，并按照8:2划分训练集测试集。3.根据权利要求1所述的基于多特征融合生成对抗网络的股票收盘价预测方法，其特征在于，步骤(4)所述卷积神经网络是由卷积层、池化层和全连接层构成，其中卷积层主要是通过共享权值来实现对特征的提取，其数学表达式为：式中，σ为激活函数，c为偏置参数，L表示局部感受野的长，m表示局部感受野的宽，w
l,m
是权重参数，α
j+l,k+m
表示卷积层的输...

【专利技术属性】
技术研发人员：杨玉东，赵子涵，王子民，张秀文，王赫鑫，李文博，朱思源，冯梦婷，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：