[发明专利]一种GMM与LSTM结合的投资组合风险预测方法

权利要求书

1.一种GMM与LSTM结合的投资组合风险预测方法,其特征在于，包括如下步骤：

S1:获取股票数据集，并计算其收益率，通过数据预处理，得到符合GMM模型输入格式的股票数据集；

S2:根据投资组合需要的股票支数n确定聚类核心数k,然后对S1中预处理后得到的数据集进行主成分成分分析，检查各维度的相关性，得到最优的维数d；对S1中经过数据预处理后的股票数据集进行PCA降维，使用GMM模型对降维后的数据集进行参数评估并进行训练，然后用训练后的GMM模型对降维后的数据集中的股票进行聚类；

S3:从步骤S2聚类结果中找到每个类别的分类中心作为该类的股票代表，对股票代表未降维的收益率序列进行XY数据集构造，将经过XY构造后的数据集按照M:N比例分成两份，N作为训练数据集，M作为测试数据集；

S4:建立三层LSTM模型并使用步骤S3中的训练数据集进行训练，使用训练后的LSTM模型对测试数据进行组合预测，通过计算预测值的均值以及预测值与实际值的方差加权平均，得到收益率期望以及风险值；

S5:判断步骤S4中得到的收益率期望以及风险值是否符合设定的评价指标，如不满足评价指标则修改步骤S2中的参数，重复S2-S4的步骤直至收益率期望和风险值达到指标。

2.根据权利要求1所述的一种GMM与LSTM结合的投资组合风险预测方法,其特征在于，步骤S1中股票收益率计算公式如下：

其中，为第i支股票第t天的收益率，date_n为具体日期，为开盘价，为收盘价。

3.根据权利要求1所述的一种GMM与LSTM结合的投资组合风险预测方法,其特征在于，所述预处理包括有进行平稳性分析以及单位根分析，筛选出平稳并且非噪声序列的股票序列。

4.根据权利要求1所述的一种GMM与LSTM结合的投资组合风险预测方法, 其特征在于，步骤S3中构造数据集需要确定输入维数和输出维数，构造后的数据集分配，按照M取值为4，N取值为1，即4:1的比例划分测试数据集和训练数据集。

5.根据权利要求1所述的一种GMM与LSTM结合的投资组合风险预测方法,其特征在于，步骤S4中LSTM模型建立过程包括初始化每一层的参数、设置激活函数为双曲正切函数、损失函数为均方差，设置自适应估计算法为模型的优化方法，采用小批随机梯度下降法进行训练方式对LSTM模型进行迭代训练LSTM模型。

6.根据权利要求1所述的一种GMM与LSTM结合的投资组合风险预测方法,其特征在于，所述收益率期望风险值计算公式如下：

其中，分别为收益率的期望和风险值，为LSTM模型预测出来的收益率，x为投资组合实际的收益率，T为预测天数。