[发明专利]基于改进型LSTM的股票价格预测方法及其系统

权利要求书

1.一种基于改进型LSTM的股票价格预测方法，其特征在于，该方法包括以下步骤：

S1、获取股票交易不同时间点上不同特征的历史数据，基于实际预测需要选择训练数据；

S2、输入训练数据，基于深度学习理论并利用多层LSTM神经网络构建股票价格预测模型，并对所述股票价格预测模型进行训练；

S3、输出预测结果，结合真实值以误差百分比作为测评指标进行测评。

2.根据权利要求1所述的一种基于改进型LSTM的股票价格预测方法，其特征在于，所述S1中获取股票交易历史数据为从股票交易历史数据中选取任意一段时间内不同时间点上具有不同特征的股票信息数据。

3.根据权利要求1所述的一种基于改进型LSTM的股票价格预测方法，其特征在于，所述S1中选取股票在任意一段时间内不同时间点上不同特征信息数据中包含有特定特征信息的数据作为训练数据。

4.根据权利要求3所述的一种基于改进型LSTM的股票价格预测方法，其特征在于，所述特定特征信息包括股票的收盘价信息、开盘价信息、最高价信息、最低价信息、成交量信息和调整收盘价信息。

5.根据权利要求1所述的一种基于改进型LSTM的股票价格预测方法，其特征在于，所述S2中股票价格预测模型至少包括两层输入层、两层隐含层和一层输出层，其中，所述输入层和隐含层均为LSTM结构。

6.根据权利要求1所述的一种基于改进型LSTM的股票价格预测方法，其特征在于，所述S2中对股票价格预测模型进行训练包括利用交叉验证的方法来调节参数，运用随机梯度下降算法训练股票价格预测模型。

7.一种基于改进型LSTM的股票价格预测系统，其特征在于，包括：

数据获取和选择模块，用于获取股票交易不同时间点和不同参数的历史数据，并基于实际需要选择训练数据；

模型构建和训练模块，用于根据输入的训练数据，基于深度学习理论并利用多层LSTM神经网络构建股票价格预测模型，并对所述股票价格预测模型进行训练；以及

预测和测评模块，用于输出预测结果，并结合真实值以误差百分比作为评测指标进行测评。

8.根据权利要求7所述的一种基于改进型LSTM的股票价格预测系统，其特征在于，所述数据获取和选择模块包括数据筛选模块。

9.根据权利要求7所述的一种基于改进型LSTM的股票价格预测系统，其特征在于，所述模型构建和训练模块包括集成有交叉验证算法模块和集成有随机梯度下降算法模块。