[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

说明书

本发明公开了一种股市量化投资的金融科技人工智能优化方法。包括获取股票历史价格数据，对股票历史价格数据进行预处理，获得处理后数据；将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。本发明还公开了一种股市量化投资的金融科技人工智能优化装置。本发明提出的金融投资组合优化算法基于神经网络的结构、自适应能力、模拟非线性函数特点，使用金融科技分析股票数据进行预测，创新人工智能优化算法在证券量化投资组合中的功用。

技术领域

本发明涉及股市量化投资的人工智能优化领域，特别是涉及一种股市量化投资的金融科技人工智能优化方法及装置。

背景技术

投资组合理论为西方发达资本主义国家经济快速、稳定的发展起到了至关重要的作用。但是，与国外的理论发展现状相比，我国目前的发展无论是在理论的研究上还是应用上，都尚处于摸索阶段。现有技术方案包括马科维兹理论、资本资产定价模型、套利定价理论等，大都通过采用分散组合投资的方式控制个股的不稳定波动所造成的损失，藉以降低股票投资风险。伴随着中国股票市场交易制度的完善，对新金融科技技术的量化交易需求越来越庞大，各投资机构陆续进行股票数据预测算法和量化投资技术的相关研究。然而，造成股票价格波动的因素有很多，致使股票市场交易形成了一个复杂的非线性系统，现有技术方案的金融预测与投资组合优化技术已经无法满足需求。

发明内容

本发明目的是提供一种股市量化投资的金融科技人工智能优化方法及装置，能够优化股市量化投资。

根据本发明的第一方面，提供了一种股市量化投资的金融科技人工智能优化方法，包括：

获取股票历史价格数据，对股票历史价格数据进行预处理，获得处理后数据；

将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。

进一步的，“对股票历史价格数据进行预处理”具体包括：

读取股票历史价格数据的csv文件，将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；

对训练数据与测试数据进行取均值、归一化。

进一步的，“将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：

将处理后数据导入训练神经网络中，通过反向传播求解训练神经网络参数梯度；

根据参数梯度优化训练神经网络的参数，获得优化神经网络；

判断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，则重新将处理后数据导入训练神经网络中再次训练；

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

进一步的，“将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：

获取股票预测价格，根据股票预测价格与股票历史价格数据得到股票期望收益值；

根据股票期望收益值确定股票的标准差、协方差；

根据标准差、协方差确定最优投资组合比例。

根据本发明的第二方面，提供了一种股市量化投资的金融科技人工智能优化装置，包括：