[发明专利]基于深度学习的期货商品价格趋势预测方法

权利要求书

1.一种基于深度学习的期货商品价格趋势预测方法，其特征在于，所述基于深度学习的期货商品价格趋势预测方法包括以下步骤：

获取期货商品历史交易数据；

对获取的历史交易数据进行技术指标计算并进行特征处理获得训练数据；

构建预测价格走势的长短期记忆神经网络模型；

将获得的训练数据输入到模型进行训练直到模型收敛；

获取当前的期货商品数据并计算技术指标转化为特征输入模型后给出预测结果。

2.根据权利要求1所述的基于深度学习的期货商品价格趋势预测方法，其特征在于，所述进行特征处理获得训练数据包括：根据计算的技术指标选取特征数据，做归一化处理，搭建输入的数据特征格式，作为训练集。

3.根据权利要求2所述的基于深度学习的期货商品价格趋势预测方法，其特征在于，所述搭建输入的数据特征格式包括：对获得的特征数据按时间步长*样本数*特征数搭建3D特征。

4.根据权利要求1所述的基于深度学习的期货商品价格趋势预测方法，其特征在于，所述构建预测价格走势的长短期记忆神经网络模型包括：采用了两层LSTM，3层全连接网络，激活函数使用的Relu函数，最后一层使用sigmoid函数。

5.根据权利要求4所述的基于深度学习的期货商品价格趋势预测方法，其特征在于，所述构建预测价格走势的长短期记忆神经网络模型包括：每层之后都采用了丢弃层，以相应的比例丢弃部分输入。

6.根据权利要求5所述的基于深度学习的期货商品价格趋势预测方法，其特征在于，所述构建预测价格走势的长短期记忆神经网络模型包括：模型中损失函数为交叉熵损失函数，优化器为随机梯度下降。

7.根据权利要求1所述的基于深度学习的期货商品价格趋势预测方法，其特征在于，所述获取当前的期货商品数据并计算技术指标转化为特征输入模型后给出预测结果包括：获取当天的期货商品数据并计算技术指标，去归一化后转化为特征输入模型后给出预测结果。

8.根据权利要求1至7之一所述的基于深度学习的期货商品价格趋势预测方法，其特征在于，所述基于深度学习的期货商品价格趋势预测方法包括：根据模型输出的预测结果给出相应的交易建议。

9.根据权利要求8所述的基于深度学习的期货商品价格趋势预测方法，其特征在于，所述根据模型输出的预测结果给出相应的交易建议包括：根据预测结果选择交易的方向，具体为做空或做多。