[发明专利]基于媒体信息张量监督学习的股票价格波动预测系统及方法

权利要求书

1.一种基于媒体信息张量监督学习的股票价格波动预测方法，其特征在于：它包括如下步骤：

S1、收集市场交易信息、媒体新闻信息、股民情感信息；

S2、对收集的信息进行预处理；

S3、基于预处理后的信息构建张量；

S4、对构造的张量进行张量分解与重构；

S5、基于市场交易信息及重构后的张量，利用张量监督学习算法对股价波动进行训练和预测。

2.根据权利要求1所述的股票价格波动预测方法，其特征在于：所述预处理包括对收集的所述媒体新闻信息进行文本处理，对收集的所述股民情感信息进行情感分析。

3.根据权利要求1所述的股票价格波动预测方法，其特征在于：所述构建张量的步骤包括：构建市场交易信息维度、媒体新闻信息维度、股民情感信息维度，基于市场交易信息维度、媒体新闻信息维度、股民情感信息维度构建三阶张量。

4.根据权利要求1所述的股票价格波动预测方法，其特征在于：所述张量分解方法为Tucker分解，所述重构方法为核张量与因子矩阵相乘。

5.根据权利要求3所述的股票价格波动预测方法，其特征在于：所述市场交易信息维度为对市场交易信息组合进行向量化；所述媒体新闻信息维度是将新闻与新闻词库对比，加上对应词的权重，转换为向量；所述股民情感信息维度通过计算公众对单支股票的情感因子和公众对整个市场的情感因子；

张量X_t表示时间t时投资者所处的投资坏境，张量X_t∈ℝ^I₁^×I₂^×I₃表示媒体信息空间，其I₁、I₂、I₃表示张量每一阶的维数，即股票市场信息有I₁个属性值，媒体新闻信息有I₂个属性值，股民情感信息有I₃个属性值；t表示第t个张量样本，对应于股票市场可以表示时间t投资者所后去的媒体信息，即对不同样本设置的下标；a_i1,i2,i3表示张量X中某一个元素值，其对应为第一阶维度下标为i₁，第二阶维度下标为i₂，第三阶维度下标为i₃的元素，关于第t个张量样本X_t的构造如下：

a_i1,1,1,1≤i₁≤I₁表示市场交易信息维度，该维度的属性值个数有I₁个；

a_{2, i2,2},1≤i₂≤I₂表示媒体新闻信息维度，该维度的属性值个数有I₂个；

a_{3,3, i3},1≤i₃≤I₃表示股民情感信息维度，该维度的属性值个数有I₃个。

6.一种基于媒体信息张量监督学习的股票价格波动预测系统，其特征在于：它包括：

信息收集模块，用于收集市场交易信息、媒体新闻信息、股民情感信息；

预处理模块，用于对收集的信息进行预处理；

张量构建模块，用于基于预处理后的信息构建张量；

张量处理模块，对构造的张量进行张量分解与重构；

训练和预测模块，基于市场交易信息及重构后的张量，利用张量监督学习算法对股价波动进行训练和预测。

7.根据权利要求6所述的基于媒体信息张量监督学习的股票价格波动预测系统，其特征在于：所述预处理包括对收集的所述媒体新闻信息进行文本处理，对收集的所述股民情感信息进行情感分析。

8.根据权利要求6所述的基于媒体信息张量监督学习的股票价格波动预测系统，其特征在于：所述构建张量包括：构建市场交易信息维度、媒体新闻信息维度、股民情感信息维度，基于市场交易信息维度、媒体新闻信息维度、股民情感信息维度构建三阶张量。