交易决策推荐方法、装置、设备、介质和程序产品制造方法及图纸

本公开提供了一种交易决策推荐方法，可以应用于人工智能技术领域或金融科技领域。该方法包括：对当前时间步的交易状态信息进行降维，获取状态特征信息；将所述状态特征信息输入至基于强化学习的交易策略推荐模型，获取交易策略推荐结果，其中，所述交易策略推荐结果用于对用户在当前时间步的交易策略进行推荐；基于趋势预测模型对历史状态的市场交易数据进行处理，获取交易趋势预测结果，其中，所述交易策略推荐结果以及所述交易趋势预测结果用于向用户展示以辅助用户进行交易决策。本公开还提供了一种交易决策推荐装置、设备、存储介质和程序产品。

【技术实现步骤摘要】

本公开涉及人工智能或金融科技领域，具体地，涉及一种交易决策推荐方法、装置、设备、介质和程序产品。

技术介绍

1、在量化交易等投资交易市场中，由于交易市场的瞬息万变，用户难以准确解读市场动态和预测价格趋势，难以在复杂不确定的市场环境下做出最优交易决策，增加了交易的难度和风险，也很容易打击用户信息。目前，以往利用人工智能辅助交易的主要方法包括：使用机器学习算法对历史数据进行分析，预测价格走势变化趋势，但预测精度不高，难以应对异常情况；根据简单投资策略给出买卖指导，但忽略市场复杂变化导致的策略优化难题。基于经济模型模拟市场行为制定交易策略，但是难以考虑个别用户情况定制化交易方案。与此同时，作为一种深度学习方法，强化学习在利用强大表示能力和价值评估能力进行动态决策优化方面表现突出。但传统的强化学习在应对巨大数据量的场景时容易出现维度灾难的困扰，导致模型训练速度缓慢，精度下降。且仅利用强化学习进行交易策略学习尚不足以给用户提供可操作的交易建议。

技术实现思路

1、鉴于上述问题，本公开提供了一种交易决策推荐方法、装置、设本文档来自技高网...

【技术保护点】

1.一种交易决策推荐方法，其特征在于，包括：

2.根据权利要求1所述的方法，其中，所述对当前时间步的状态信息进行降维，获取状态特征信息包括：

3.根据权利要求1或2所述的方法，其中，所述将所述状态特征信息输入至基于强化学习的交易策略推荐模型，获取交易策略推荐结果包括：

4.根据权利要求1所述的方法，其中，所述交易策略推荐模型预训练得到，训练方法包括：

5.根据权利要求4所述的方法，其中，在训练过程中，所述方法还包括：向所述经验回访缓冲区注入新的样本数据。

6.根据权利要求1所述的方法，其中，所述基于趋势预测模型对历史状态的市场交...

【技术特征摘要】

1.一种交易决策推荐方法，其特征在于，包括：

2.根据权利要求1所述的方法，其中，所述对当前时间步的状态信息进行降维，获取状态特征信息包括：

3.根据权利要求1或2所述的方法，其中，所述将所述状态特征信息输入至基于强化学习的交易策略推荐模型，获取交易策略推荐结果包括：

4.根据权利要求1所述的方法，其中，所述交易策略推荐模型预训练得到，训练方法包括：

5.根据权利要求4所述的方法，其中，在训练过程中，所述方法还包括：向所述经验回访缓冲区注入新的样本数据。

6.根据权利要求1所述的方法，其中，所...

【专利技术属性】
技术研发人员：张拓，白杰，楚辰生，张雅婷，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：