[发明专利]基于神经网络的股票价格趋势预测方法及系统

权利要求书

1.基于神经网络的股票价格趋势预测方法，其特征在于，包括以下步骤：

S1、根据选取原则选取作为多层人工神经网络的输入变量的股票技术特征参数，并获取目标股票的交易历史数据，以作为训练的输入训练集；

S2、构建基于多层人工神经网络结构的神经网络模型，其中，所述多层人工神经网络结构包括一个输入层、一个输出层和两个以上的隐层，所述输入层设有n个节点，输出层设有一个节点且输出层的输出结果用以表示所预测的目标股票交易价格的升跌概率；其中所述多层人工神经网络结构的损失函数如下：

式中m为训练数据组的个数，x为输入变量，λ为基本面量化参数，h(x)为输出层的输出结果，_ji^(L)为权重参数；

S3、将所述目标股票的交易历史数据构建训练数据集和测试数据集；

S4、向多层神经网络结构中输入训练数据集，多层神经网络进行训练和有监督的学习，得到初步的用于预测股票交易价格趋势的神经网络预测模型；

S5、向步骤S4得到的神经网络预测模型输入测试数据集，对神经网络预测模型进行泛化能力测试，并根据测试结果进行参数调整和优化处理，得到最终的预测模型。

2.根据权利要求1所述的基于神经网络的股票价格趋势预测方法,其特征在于：步骤S2中，对式(1)利用反向传播算法计算，可得：

其中，

输出节点的误差δ_j⁴＝a_j⁴-y_j，L层其中的节点的误差为δ^L＝a^L-yⁱ。

3.根据权利要求2所述的基于神经网络的股票价格趋势预测方法,其特征在于：步骤S4中，所述多层人工神经网络结构的训练包括步骤如下：

S41、随机初始化权重参数_ji^(L)，以使各参数_ji^(L)为接近于0的数值，λ初始值亦设为接近于0的数值；S42、执行前向传播算法，得到h(x)ⁱ，并对应于任意一个xi，然后计算出损失函数J()；S43、执行反向传播算法计算偏导数，以检测梯度下降结果的有效性，得到最小化损失函数J()后，则确定权重参数_ji^(L),从而使多层人工神经网络结构的模型收敛。

4.根据权利要求1所述的基于神经网络的股票价格趋势预测方法,其特征在于：所述多层神经网络采用Leaky ReLU函数、PReLU函数、Tanh函数中的任意一种作为隐层的激活函数，采用Tanh函数或softmax函数作为输出层的激活函数，其中Leaky ReLU函数是ReLU函数的改良，且其定义为x<0时，f(x)＝ax,当x>＝0时，f(x)＝x。

5.根据权利要求1所述的基于神经网络的股票价格趋势预测方法,其特征在于：步骤S1中，所述多层人工神经网络为大于等于3且小于等于7层的人工神经网络，其中，输入层设有与输入变量的个数相一致的节点数，隐层设有大于或等于5个节点，且各隐层的节点数小于等于输入变量的数目。