股票成交金额预测及模型训练方法、装置、设备及介质制造方法及图纸

本申请提供一种股票成交金额预测方法及模型训练方法、装置、设备及介质，涉及人工智能技术领域。其中方法包括：获取目标股票在设定历史时间段内的成交金额时序数据和搜索指数时序数据；对所述成交金额时序数据和搜索指数时序数据进行预处理后，输入预先训练的股票成交金额预测模型，得到所述目标股票在未来设定时间段内的预估成交金额数据；所述股票成交金额预测模型是通过所述目标股票的历史成交金额时序数据样本和历史搜索指数时序数据样本对时间序列神经网络进行训练得到的。本申请提供的股票成交金额预测方法可以提高股票成交金额预测的精准性。金额预测的精准性。金额预测的精准性。

【技术实现步骤摘要】
股票成交金额预测及模型训练方法、装置、设备及介质


[0001]本申请涉及人工智能领域，具体涉及一种股票成交金额预测方法、模型训练方法、装置、电子设备及存储介质。

技术介绍

[0002]股票成交金额是指股票在一个时间段内的总成交量，其反映了一只股票的短期交易状况，为投资者提供了一个关键的量化指标来映射到股票价格的波动。
[0003]准确的预测支持更好的交易决策，但由于股票市场的高度波动性，股票成交金额预测对投资者来说仍然十分棘手。股票成交金额的时序数据通常被认为是一个连续的随机过程，存在高不确定性。
[0004]因此亟需提供一种可以准确预测股票成交金额的方法。

技术实现思路

[0005]本申请的目的是提供一种股票成交金额预测方法及模型训练方法、装置、电子设备及存储介质，从而提高股票成交金额预测的精准性。
[0006]第一方面，本申请实施例提供了一种股票成交金额预测方法，包括：
[0007]获取目标股票在设定历史时间段内的成交金额时序数据和搜索指数时序数据；
[0008]将所述成交金额时序数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种股票成交金额预测方法，其特征在于，包括：获取目标股票在设定历史时间段内的成交金额时序数据和搜索指数时序数据；对所述成交金额时序数据和搜索指数时序数据进行预处理后，输入预先训练的股票成交金额预测模型，得到所述目标股票在未来设定时间段内的预估成交金额数据；所述股票成交金额预测模型是通过所述目标股票的历史成交金额时序数据样本和历史搜索指数时序数据样本对时间序列神经网络进行训练得到的。2.根据权利要求1所述的方法，其特征在于，按照以下方式预先训练所述股票成交金额预测模型：获取目标股票的历史成交金额时序数据样本和历史搜索指数时序数据样本；对所述历史成交金额时序数据样本和历史搜索指数时序数据样本进行所述预处理后，将所述历史成交金额时序数据样本和历史搜索指数时序数据样本分别转化为成交金额有监督数据和搜索指数有监督数据；将所述成交金额有监督数据和搜索指数有监督数据输入所述时间序列神经网络进行训练，在达到预设训练截止条件后得到所述股票成交金额预测模型。3.根据权利要求2所述的方法，其特征在于，所述将所述历史成交金额时序数据样本和历史搜索指数时序数据样本分别转化为成交金额有监督数据和搜索指数有监督数据，包括：设置用于表示所述目标股票的历史成交金额滞后时长的超参数；按照所述超参数，将所述历史成交金额时序数据样本和历史搜索指数时序数据样本分别转化为成交金额有监督数据和搜索指数有监督数据。4.根据权利要求2所述的方法，其特征在于，所述时间序列神经网络包括多向表示提取层、线性表示提取层和自适应表示合并层；所述将所述成交金额有监督数据和搜索指数有监督数据输入所述时间序列神经网络进行训练，在达到预设训练截止条件后得到所述股票成交金额预测模型，包括：分别将所述成交金额有监督数据和搜索指数有监督数据输入所述多向表示提取层，得到多向相关性表征，所述多向相关性表征包括：成交金额的周期相关性表征和临近时间点相关性表征，以及搜索指数的周期相关性表征、临近时间点相关性表征和变量间相关性表征；分别将所述成交金额有监督数据和搜索指数有监督数据输入所述线性表示提取层，得到所述成交金额的线性模式；基于所述自适应表示合并层融合所述线性模式和所述多向相关性表征，得到所述时间序列神经网络输出的目标股票的历史预测成交金额；基于所述历史预测成交金额和所述历史成交金额时序数据样本中与所述历史预测成交金额对应的真实成交金额，对所述时间序列神经网络中的参数进行调节，直至达到预设条件后，得到所述股票成交金额预测模型。5.根据权利要求4所述的方法，其特征在于，所述时间序列神经网络还包括过滤层，基于所述自适应表示合并层融合所述线性模式和所述多向相关性表征，得到所述时间...

【专利技术属性】
技术研发人员：王智谨，黄耀辉，涂江得，张培松，陈志荣，
申请(专利权)人：集美大学，
类型：发明
国别省市：