一种基于模态分解的股票预测评估方法技术

本发明专利技术公开了一种基于模态分解的股票预测评估方法，属于股票预测领域，该预测评估方法具体步骤如下：(1)工作人员收集股票上证指数价格；(2)分解各组上证指数价格；(3)构建并训练长短期记忆网络；(4)设置参数并进行实验分析；本发明专利技术通过对比验证，证明了MDLSTM可行性与准确率，同时能够对不同类型的股票价格进行预测评估，局限性小，提升了网络在金融学领域的可解释性和实用性。域的可解释性和实用性。域的可解释性和实用性。

【技术实现步骤摘要】
一种基于模态分解的股票预测评估方法


[0001]本专利技术涉及股票预测领域，尤其涉及一种基于模态分解的股票预测评估方法。

技术介绍

[0002]股票市场作为最重要的金融市场之一,
‑
直以来受到各方的广泛关注。股票价格的变动不仅反映上市公司自身经营状况和市场价值的变化，更作为一个主权经济体的“晴雨表”,反映出整个经济体的宏观经济形势。因此股票价格预测的研究一直以来都是一个热门的研究领域。但是由于股票价格的生成机制十分复杂,受宏观经济形势、货币供应量、通货膨胀率、上市公司经营状况、投资者心理、突发事件等众多宏观和微观经济变量影响，其变动规律错综复杂,给从事股票价格研究的学者带来了很大的困扰。故使用正确方法获取市场有效信息，实现对股票价格波动正确的预测,不仅可以帮助投资者提升投资收益,而且对于主权经济体的中央银行及金融监管机构制定合理审慎的宏观经济政策起到重要的参考价值；
[0003]现有的股票预测评估方法无法对不同类型的股票价格进行预测评估，同时降低了网络在金融学领域的可解释性和实用性；为此，我们提出一种基于模态分解的股票本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模态分解的股票预测评估方法，其特征在于，该预测评估方法具体步骤如下：(1)工作人员收集股票上证指数价格；(2)分解各组上证指数价格；(3)构建并训练长短期记忆网络；(4)设置参数并进行实验分析。2.根据权利要求1所述的一种基于模态分解的股票预测评估方法，其特征在于，步骤(2)中所述上证指数价格分解具体步骤如下：步骤一：工作人员收集多组股票上证指数价格序列信号，之后通过互补集合经验模态分解方法，即CEEMD方法对各组股票上证指数价格序列信号分解为不同频率的内涵模态分量，即imf；步骤二：依据分解出的各组内涵模态分量对上证指数价格序列信号中类型的数据分为低频信号、中频信号以及高频信号。3.根据权利要求2所述的一种基于模态分解的股票预测评估方法，其特征在于，步骤二中所述低频信号包含股票的长线趋势信息；步骤二中所述中频信号代表模态分解后位于中部位置的数个imf，包含股票市场中期的波动信号；步骤二中所述高频信号具体为模态分解后处于最靠前位置的1
‑
2个imf，包含市场短期波动的各中细节信息。4.根据权利要求2所述的一种基于模态分解的股票预测评估方法，其特征在于，步骤(3)中所述长短期记忆网络构建训练具体步骤如下：步骤Ⅰ：构建长短期记忆网络LSTM，并将股票的某个时间序列节点上的价格作为该网络的输入以生成LSTM的四个初始状态；步骤Ⅱ：之后将生成的四个状态分别进行三个阶段的操作，当处于遗忘阶段时，LSTM将上一个节点的输出数据与计算得到的遗忘门通过矩阵相乘来实现对上一个时间节点的价格信号进行选择性忘记；步骤Ⅲ：当处于选择性记忆阶段时，LSTM将通过计算得到的状态和此前得到的记忆门通过矩阵相乘来实现对网络的输入...

【专利技术属性】
技术研发人员：张若鹏，冯宏伟，胡陟，
申请(专利权)人：西北大学，
类型：发明
国别省市：