[发明专利]一种股市量化投资的金融科技人工智能优化方法及装置

权利要求书

1.一种股市量化投资的金融科技人工智能优化方法，其特征为，包括：

获取股票历史价格数据，对所述股票历史价格数据进行预处理，获得处理后数据；

将所述处理后数据导入筛选获得的最优神经网络模型中，获得股票预测价格；

将所述股票预测价格导入至预设的规则中，获得最优投资组合比例。

2.根据权利要求1所述的一种股市量化投资的金融科技人工智能优化方法，其特征为，“对所述股票历史价格数据进行预处理”具体包括：

读取所述股票历史价格数据的csv文件，将所述csv文件以DataFrame类型保存并将含有空值的行进行删除，获得可使用股票历史数据；

将所述可使用股票历史数据按照预设的比例分为训练数据和测试数据；

对所述训练数据与所述测试数据进行取均值、归一化。

3.根据权利要求1所述的一种股市量化投资的金融科技人工智能优化方法，其特征为，“将所述处理后数据导入筛选获得的最优神经网络模型中，获得股票预测价格”具体包括：

将所述处理后数据导入训练神经网络中，通过反向传播求解所述训练神经网络参数梯度；

根据所述参数梯度优化所述训练神经网络的参数，获得优化神经网络；

判断所述优化神经网络的迭代次数是否达到最大值，若达到最大值，则判断所述优化神经网络的预测误差是否在预设范围内，若未达到最大值，则重新将所述处理后数据导入训练神经网络中再次训练；

若所述预测误差不在预设范围内，则重新将所述处理后数据导入训练神经网络中再次训练，若所述预测误差在预设范围内，则将所述优化神经网络作为最优神经网络模型，并将所述处理后数据导入所述最优神经网络模型，获得股票预测价格。

4.根据权利要求1所述的一种股市量化投资的金融科技人工智能优化方法，其特征为，“将所述股票预测价格导入至预设的规则中，获得最优投资组合比例”具体包括：

获取所述股票预测价格，根据所述股票预测价格与所述股票历史价格数据得到股票期望收益值；

根据所述股票期望收益值确定股票的标准差、协方差；

根据所述标准差、协方差确定最优投资组合比例。

5.一种股市量化投资的金融科技人工智能优化装置，其特征为，包括：

获取模块：获取股票历史价格数据，对所述股票历史价格数据进行预处理，获得处理后数据；

处理模块：将所述处理后数据导入筛选获得的最优神经网络模型中，获得股票预测价格；

运算模块：将所述股票预测价格导入至预设的规则中，获得最优投资组合比例。

6.根据权利要求5所述的一种股市量化投资的金融科技人工智能优化装置，其特征为，“对所述股票历史价格数据进行预处理”具体包括：

处理模块：读取所述股票历史价格数据的csv文件，将所述csv文件以DataFrame类型保存并将含有空值的行进行删除，获得可使用股票历史数据；

将所述可使用股票历史数据按照预设的比例分为训练数据和测试数据；

对所述训练数据与所述测试数据进行取均值、归一化。

7.根据权利要求5所述的一种股市量化投资的金融科技人工智能优化装置，其特征为，“将所述处理后数据导入筛选获得的最优神经网络模型中，获得股票预测价格”具体包括：

处理模块：将所述处理后数据导入训练神经网络中，通过反向传播求解所述训练神经网络参数梯度；

根据所述参数梯度优化所述训练神经网络的参数，获得优化神经网络；

判断所述优化神经网络的迭代次数是否达到最大值，若达到最大值，则判断所述优化神经网络的预测误差是否在预设范围内，若未达到最大值，则重新将所述处理后数据导入训练神经网络中再次训练；

若所述预测误差不在预设范围内，则重新将所述处理后数据导入训练神经网络中再次训练，若所述预测误差在预设范围内，则将所述优化神经网络作为最优神经网络模型，并将所述处理后数据导入所述最优神经网络模型，获得股票预测价格。

8.根据权利要求5所述的一种股市量化投资的金融科技人工智能优化装置，其特征为，“将所述股票预测价格导入至预设的规则中，获得最优投资组合比例”具体包括：

运算模块：获取所述股票预测价格，根据所述股票预测价格与所述股票历史价格数据得到股票期望收益值；

根据所述股票期望收益值确定股票的标准差、协方差；

根据所述标准差、协方差确定最优投资组合比例。