基于序列到图的股票趋势预测方法和装置制造方法及图纸

本发明专利技术提供了一种基于序列到图的股票趋势预测方法和装置，涉及金融技术领域，方法包括：获取股票交易历史数据中的时序数据；从时序数据中采样获得股票的技术指标序列数据；利用水平传播方法将技术指标序列数据转换为包含了时空特征的二维图像；将二维图像作为卷积神经网络分类模型的输入，经过卷积运算后输出得到股票趋势分类结果。本发明专利技术将技术指标时间序列数据转换成图，一方面可以有效提高模型的计算效率，另一方面可以在时空中同时学习到股票趋势信息，趋势判断结果更加精准。另外本申请通过对技术指标序列数据组合后的图像数据，采用卷积神经网络方法学习到更易区分的类别，平衡了传统技术中阈值设定方法的不平衡问题。平衡了传统技术中阈值设定方法的不平衡问题。平衡了传统技术中阈值设定方法的不平衡问题。

【技术实现步骤摘要】
基于序列到图的股票趋势预测方法和装置


[0001]本专利技术涉及金融
，尤其涉及一种基于序列到图的股票趋势预测方法和装置。

技术介绍

[0002]股市被认为是全球最重要的投资场所之一。许多金融机构、银行、法律实体和个人将大量资产投资于这些市场。因此，每个国家的股市都是经济增长的指标之一。这就是为什么股市变化如此重要，以至于它们是由许多因素造成的，如宏观经济形势、新闻、公司财务报告、平行市场状况、投资者的心理和情绪状况、法律成分和其他隐藏因素。因此，投资者和研究人员希望能够准确预测股市趋势。鉴于影响股市的许多因素，机器学习和深度学习方法可以帮助我们改进预测。
[0003]目前股票预测领域使用统计分析方法、机器学习方法和深度学习方法做出了各种努力。与此同时，深度学习方法的性能明显优于统计方法或传统机器学习方法。深度学习方法可以根据深度学习架构对模型进行分类。现有技术中有许多不同的方法来确定分类。有些方案使用阈值来确定类，这意味着，如果价格变化率超过α百分比，这被认为是看涨的，如果价格下跌超过α百分比，它被认为是看跌的。然而在，确定这种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于序列到图的股票趋势预测方法，其特征在于，所述方法包括：获取股票交易历史数据中的时序数据；从所述时序数据中采样获得股票的技术指标序列数据；利用水平传播方法将所述技术指标序列数据转换为包含了时空特征的二维图像；将所述二维图像作为卷积神经网络分类模型的输入，经过卷积运算后输出得到股票趋势分类结果。2.如权利要求1所述的基于序列到图的股票趋势预测方法，其特征在于，所述技术指标序列数据为行数为1的输入矩阵，所述利用水平传播方法将所述技术指标序列数据转换为包含了时空特征的二维图像包括：通过在所述输入矩阵的末尾添加0来调整所述输入矩阵的列数，使得所述列数等于整数N的平方；将所述输入矩阵转换为N
×
N像素的二维图像。3.如权利要求1所述的基于序列到图的股票趋势预测方法，其特征在于，所述技术指标序列数据包括：异同移动平均线MACD序列数据、和/或动向指标MDI序列数据、和/或三重指数平滑平均线TRIX序列数据、和/或能量指标CR序列数据、和/或指数移动平均值EMA序列数据。4.如权利要求3所述的基于序列到图的股票趋势预测方法，其特征在于，所述从所述时序数据中采样获得股票的技术指标序列数据包括：利用所述时序数据中MACD数据的长期平滑平均线和短期平滑平均线，计算长期平滑平均线和短期平滑平均线的差离值，以所述长期平滑平均线和短期平滑平均线的差离值作为股票的技术指标序列数据；和/或利用所述时序数据中MDI数据的PDI曲线和MDI曲线，以及ADX曲线和ADXR曲线，计算PDI曲线和MDI曲线的差离值，以及ADX曲线和ADXR曲线的差离值，以所述PDI曲线和MDI曲线的差离值以及ADX曲线和ADXR曲线的差离值作为股票的技术指标序列数据；和/或利用所述时序数据中TRIX数据的TRIX曲线和TRMA曲线，计算TRIX曲线和TRMA曲线的差离值，以所述TRIX曲线和TRMA曲线的差离值作为股票的技术指标序列数据；和/或利用所述时序数据中CR数据的CR曲线和股价曲线，计算...

【专利技术属性】
技术研发人员：张华，孙科伟，唐伟佳，吴亚东，
申请(专利权)人：工银科技有限公司，
类型：发明
国别省市：