一种基于深度学习的金融产品交易监测方法及系统技术方案

本发明专利技术公开了一种基于深度学习的金融产品交易监测方法及系统，涉及金融交易深度学习技术领域。获取目标金融产品在第一预设时间段内的当前交易数据，将一维时间序列的当前交易数据转化为当前二维图像；获取与目标金融产品在第一预设时间段内的相关的网络信息，对网络信息进行语义识别计算网络信息的当前情绪指数；将当前二维图像和当前情绪指数输入预先训练的金融交易深度学习模型输出各种金融操作的估计概率，生成交易指导信息，并向目标用户终端发送交易指导信息。通过将一维时间序列的交易数据转化为二维图像，可以使用基于深度学习模型对二维图像进行识别，结合网络信息中提取的情绪指数，提高了金融产品交易的预测精度。度。度。

【技术实现步骤摘要】
一种基于深度学习的金融产品交易监测方法及系统


[0001]本专利技术涉及金融交易深度学习
，具体涉及一种基于深度学习的金融产品交易监测方法及系统。

技术介绍

[0002]随着社会经济的发展和科技的高速进步，近些年来股票、债券、期货和基金等等金融产品已经成为人们资产配置的重要手段。金融产品拥有来源广泛而异质的海量数据，随着信息技术的发展，运用数据挖掘算法可以挖掘出数据中潜在的、有价值的知识和信息以支持管理和决策活动，因此，对金融产品市场的数据进行挖掘和预测分析，可以了解未来金融产品市场的走向，从而可以为投资者调整投资策略时提供帮助，能够根据预测所得的金融产品涨跌趋势及时避免投资亏损。
[0003]但是，影响金融产品价格的因素较为复杂，现有技术中通常是对金融产品的历史交易数据进行分析预测涨跌趋势，导致预测精度低结果偏差较大。

技术实现思路

[0004]本专利技术的目的就在于解决上述
技术介绍
的问题，而提出一种基于深度学习的金融产品交易监测方法及系统。
[0005]本专利技术的目的可以通过以下技术方案实现：本专利技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的金融产品交易监测方法，其特征在于，所述方法包括：获取目标金融产品在第一预设时间段内的当前交易数据，将一维时间序列的所述当前交易数据转化为当前二维图像；获取与所述目标金融产品在第一预设时间段内的相关的网络信息，对网络信息进行语义识别计算网络信息的当前情绪指数；将所述当前二维图像和所述当前情绪指数输入预先训练的金融交易深度学习模型输出各种金融操作的估计概率；根据各种金融操作的估计概率生成交易指导信息，并向目标用户终端发送所述交易指导信息。2.根据权利要求1所述的一种基于深度学习的金融产品交易监测方法，其特征在于，所述金融交易深度学习模型的训练过程包括：获取目标金融产品在第二预设时间段内的历史交易数据，根据时间顺序以第一窗口将所述历史交易数据划分为多个历史交易子数据；所述第一窗口移动步长为第三预设时间段，窗口宽度为所述第一预设时间段；针对每一历史交易子数据，将一维时间序列的历史交易子数据转化为历史二维图像，根据该历史交易子数据的变化值将各种金融操作作为标签对二维图像进行标注；针对每一历史交易子数据，获取该历史交易子数据对应的时间段内相关的网络信息，对网络信息进行语义识别计算网络信息的历史情绪指数；将预设比例的历史二维图像与对应的历史情绪指数作为训练集，将所述训练集以外的历史二维图像与对应的历史情绪指数作为验证集，使用交叉熵损失来训练预设深度学习模型得到所述金融交易深度学习模型。3.根据权利要求2所述的一种基于深度学习的金融产品交易监测方法，其特征在于，金融操作包括买进、卖出和持有；根据该历史交易子数据的变化值将各种金融操作作为标签对二维图像进行标注包括：根据该历史交易子数据计算收益值：其中，为收益值，、和分别为该历史交易子数据的起始值、结束值和成交量计；根据收益值与预设交易阈值的关系确定对应金融操作作为标签对该历史交易子数据对应的二维图像进行标注。4.根据权利要求3所述的一种基于深度学习的金融产品交易监测方法，其特征在于，目标交易数据为所述当前交易数据，目标二维图像为所述当前二维图像，或者，所述目标交易数据为任一历史交易子数据，所述目标二维图像为该历史交易子数据对应的历史二维图像；将一维时间序列的所述目标交易数据转化为所述目标二维图像包括：将所述目标交易数据以第二窗口划分为多个目标交易子数据；所述第二窗口的移动步长和窗口宽度均为第四预设时间段；针对每一目标交易子数据，计算多个预设数据指标，并按照固定顺序排列得到指标向量；将各目标交易子数据对应的指标向量按照时间顺序排列得到二维的指标矩阵，将指标
矩阵转化为所述目标二维图像。5.根据权利要求2所述的一种基于深度学习的金融产品交易监测方法，其特征在于，目标情绪指数为所述当前情绪指数或所述历史情绪指数；对网络信息进行语义识别计算网络信息的目标情绪指数包括：针对网络信息中的每一新闻文章，根据停用词列表去除该新闻文章中的停用词，并对剩余的词进行分词得到该新闻文章的词向量；使用情感词典将词向量映射到情感空间确定该新闻文章的情感极性值；将网络信息中的各新闻文章的情感极性值加权求和得到目标情绪指数。6.根据权利要求5所述的一种基于深度学习的金融产品交易监测方法，其特征在于，所述情感词典包括n种情感类型的词语，在所述情感空间中新闻文章被表示为一个单行n列向量；使用情感词典将词向量映射到情感空间确定该新闻文章的情感极性值包括：将词向量中的各词语在所述情感词典中检索匹配，确定每一种情感类型的词语在词向量中出现的次数，将词向量映射为单行n列向量；将该单行n列向量进行归一化处理得到该新闻文章的情感向量；根据情感向量计算该新闻文章的情感极性值：其中，为所述情感极性值，、和分别表示情感向量中积极情感类型词语总数、消极情感类型词语总数和中性情感类型词语总数。7.一种基于深度学习的金融产品交易监测系统，其特征在于，所述系统包括：交易数据处理模块，用于获取目标金融产品在第一预设时间段内的当前交易数据，将一维时间序列的所述当前交易数据转化为当前二维图像；网络信息处理模块，用于获取与所述目标...

【专利技术属性】
技术研发人员：董飞洋，赵明慧，邢光辉，
申请(专利权)人：深圳市泰铼科技有限公司，
类型：发明
国别省市：