[发明专利]一种基于人工神经网络的期权期货交易分析方法

权利要求书

1.一种基于人工神经网络的期权期货交易分析方法，其特征在于：该方法包括信息摘取和信息分析预测系统。

2.根据权利要求1所述的一种基于人工神经网络的期权期货交易分析方法，其特征在于：所述的信息摘取为从历史数据中选取样本数据，将样本数据导入信息分析预测系统。

3.根据权利要求1所述的一种基于人工神经网络的期权期货交易分析方法，其特征在于：所述的信息分析预测系统是一种基于卷积神经网络的分析预测方法，所述的卷积神经网络是对输入到输出的映射关系的描述，卷积神经网络在有监督的情况下进行训练或学习。

4.根据权利要求3所述的一种基于人工神经网络的期权期货交易分析方法，其特征在于：卷积神经网络的预测模型由一个输入层、两个卷积层和降采样层以及一个单层感知机共五层网络构成；输入样本长度为30，卷积核大小为1*7，降采样降幅为2，两个卷积层分别有6个和12个卷积核，将第二次降采样后的输出展开并通过全连接的方式构成单层感知机，输出预测值。

5.根据权利要求3所述的一种基于人工神经网络的期权期货交易分析方法，其特征在于：卷积神经网络的训练过程包括前向传播和后向传播，具体如下：

(1)前向传播过程：从训练样本集中随机抽取一个样本(X，Y_p)，其中X是网络输入，Y_p是网络期望输出，输入X的信息从输入层经过层层计算传播到输出层，并根据下式计算输入X的实际输出：

O_P＝F_n(…(F₂(F₁X(W₁)W₂)…)W_n)；

(2)后向传播过程：即计算实际输出O_P与期望输出Y_p的差异，以误差的E_p最小化作为优化目标更新连接权重矩阵，E_p计算如下：

6.根据权利要求5所述的一种基于人工神经网络的期权期货交易分析方法，其特征在于：所述的卷积包括有效卷积和全卷积，设有两个序列，它们的序列长度分别为L₁和L₂，如果两个序列进行有效卷积，则只计算没有0值填充的部分，返回的卷积结果长度为max{L₁，L₂}-min{L₁，L₂}+1；如果两个序列进行全卷积，用0值填充卷积部分的缺失值，返回的卷积结果长度L₁+L₂-1；在信息的前向传播过程中，卷积核与其输入以有效卷积的方式进行卷积；在误差的后向传播过程中，如果当前层是卷积层，那么它的误差是从下一层即降采样层传播过来，误差传播执行降采样的逆过程，若降采样降幅为s，那么降采样层的误差需要复制s²份，然后对复制过来的误差进行Sigmoid求导；如果当前层是降采样层，那么它的误差是从下一层即卷积层传播过来的，误差传播执行卷积的逆过程。

7.根据权利要求6所述的一种基于人工神经网络的期权期货交易分析方法，其特征在于：所述的卷积的逆过程是通过卷积实现的，具体过程为先将卷积核旋转180度，通过将卷积核旋转180度获取前向传播计算上层特征映射面与卷积核以及当前特征映射层之间的连接关系，然后将卷积核与误差进行全卷积；另外，卷积核连接权重的更新也是通过卷积实现的，具体过程为将卷积核的上层特征映射层与反向传播过来的误差进行有效卷积。