一种基于神经网络的股票价格分析方法技术

本发明专利技术公开了一种基于神经网络的股票价格分析方法。本发明专利技术从公开官网中获取上证股票的历史数据，将数据的格式转化为预测模型所需的输入序列格式的数据；对数据集进行归一化操作，并划分训练集和测试集；搭建基于卷积神经网络和长短期记忆神经网络的股票价格分析网络，股票价格分析网络包括输入层、卷积神经网络、长短期记忆神经网络的隐藏层和输出层。将训练集的数据输入模型，对其进行训练，通过网格搜索进行模型参数的调整和优化；最后将股票历史数据输入模型，并得到预测的股价分析。本发明专利技术可以准确的描绘股票在未来的走向，而且计算效率高。算效率高。算效率高。

【技术实现步骤摘要】
一种基于神经网络的股票价格分析方法


[0001]本专利技术属于计算机神经网络
，应用于股票价格分析，具体涉及一种基于神经网络的股票价格分析方法。

技术介绍

[0002]股票市场价格不具有稳定性，经常会因为国家社会的政策而发生很大的跳动，这也使得股民在股市中实现投资盈利变得难以实现。伴随着人工智能的快速崛起，计算机处理一些数学问题也开始变得灵活，于是试着利用计算机这非凡的计算能力，从而对股票市场的走势进行一些分析和预测。针对股票价格预测的这一问题，过去在计算机领域经常用于股票预测的分析方法种类繁多(如：小波分析法；预测短期时间序列的马尔科夫预测法；混沌分析法；经典的预测时间序列的ARIMA模型；SVM方法；BP神经网络以及循环神经网络(RNN)等方法)，但存在着以下缺陷之处：
[0003](1)不平稳、非线性、噪声点多是金融时间序列的特性，股票时间序列也有上述特性，因此，当股票的噪声与所需学习的时间序列进行叠加时，传统的机器学习的方法就不能呈现出良好的分析效果。
[0004](2)针对于长时间序列的股票数据的预测，传统模型(本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的股票价格分析方法，其特征在于：具体包括如下步骤：步骤一：数据采集与转化：从公开官网中获取包括日期、收盘价、最高价、最低价、开盘价以及成交量在内的上证股票的历史数据，将数据的格式转化为预测模型所需的输入序列格式的数据；步骤二：对数据集进行归一化操作，并划分训练集和测试集，并分别对训练集和测试集的数据进行窗口的划分；步骤三：搭建基于卷积神经网络和长短期记忆神经网络的股票价格分析网络，股票价格分析网络包括输入层、卷积神经网络、长短期记忆神经网络的隐藏层和输出层；卷积神经网络包括卷积层和最大池化层，长短期记忆神经网络包括输入门、遗忘门、输出门，在长短期记忆神经网络模型中，第一阶段是遗忘门f
t
，遗忘层决定哪些信息需要从细胞状态中被遗忘；下一阶段是输入门i
t
，输入门确定哪些新信息能够被存放到细胞状态中；最后一个阶段是输出门o
t
，输出门确定输出什么值；入层每次输入天数*数据个数的矩阵，然后再将结果依次送入二维卷积层、最大池化层、长短期记忆神经网络层，最后输出层输出预测的收盘价；步骤四、模型优化：将训练集的数据输入模型，对其进行训练，通过网格搜索进行模型参数的调整和优化；步骤五：将股票历史数据输入模型，并得到预测的股价分析。2.如权利要求1所述的基于神经网络的股票价格分析方法，其特征在于：所述的标准长短期记忆神经网络模型的门控实现如下式所示：f
t
＝σ(W
f
*[h
...

【专利技术属性】
技术研发人员：王奔，黄淑佳，
申请(专利权)人：杭州师范大学，
类型：发明
国别省市：