[发明专利]一种基于自适应特征提取的股票指数预测方法

权利要求书

1.一种基于自适应特征提取的股票指数预测方法，其特征在于，所述方法包括以下步骤：

S1：获取股票指数数据，得到每日的开盘价(O)、最低价(L)、最高价(H)、收盘价(C)和成交量(V)；

S2：根据股票指数数据计算由金融经济专家提出的人工指标值；

S3：构造样本，包括样本特征及样本标签，将所有样本划分为训练集、验证集和测试集；

S4：利用逻辑回归模型对样本进行自适应特征提取；

S5：将自适应提取特征与S2计算的人工指标一起输入基于因子机的神经网络预测模型中，并输出预测结果。

2.根据权利要求1所述的基于自适应特征提取的股票指数预测方法，其特征在于，S2中的人工指标包括：随机指数％K_t、随机指数％D_t、慢随机指数％D_t、Momentum_t、ROC_t、拉里·威廉姆斯指数％R_t、A/D Oscillator_t、n-天Disparity_t、2n-天Disparity_t、OSCP_t、CCI_t、RSI_t、OBV_t、BIAS6_t、PSY12_t、ASY5_t、ASY4_t、ASY3_t、ASY2_t、ASY1_t。

3.根据权利要求2所述的基于自适应特征提取的股票指数预测方法，其特征在于，随机指数％K_t用于比较给定时间段内证券的收盘价相对于其价格范围的波动性，表达式为：

其中LL_t和HH_t分别表示在过去t天中的最小的日最低价和最大的日最高价，C_t表示第t天的收盘价，n为时间窗口；

随机指数％D_t为随机指数％K_t的滑动平均，表达式为：

慢随机指数％D_t为随机指数％D_t的滑动平均，表达式为：

Momentum_t为衡量证券价格在一段时间内变化的程度，表达式为：

C_t-C_t-n-1

额ROC_t为价格变动率量化了当前价格和n天前价格之间的变化，表达式为：

拉里·威廉姆斯指数％R_t衡量的是超买/超卖的水平，表达式为：

其中，H_n为第n天的最高价，L_n为第n天的最低价；

A/D Oscillator_t用来衡量成交量产生的价格变化，表达式为：

其中，V_t为第t天的成交量；L_t为第t天的最低价；

n-天Disparity_t是当前价格和n天移动平均值之间的距离，表达式为：

其中，MA_n为n天移动平均收盘价值；

2n-天Disparity_t是当前价格和2n天移动平均值之间的距离，表达式为：

OSCP_t展示证券价格的两个移动平均线之间的相对差异，表达式为：

CCI_t用来衡量证券价格从其统计平均值的变化，表达式为：

其中和

RSI_t用来衡量在给定的时间跨度内价格变动的速度和变化，表达式为：

其中UP_t＝max{0，C_t-C_t-1}和DW_t＝max{0，C_t-1-C_t}；

OBV_t表示股票总体成交量表达式为：

V_t+V_t-1

BIAS6_t用来衡量收盘价与移动平均线之间的偏离水平，表达式为：

其中MA6_t为过去6天收盘价的移动平均值；

PSY12_t表示过去12天的心理线，表达式为：

其中D_up12表示过去12天中收盘价上涨的天数；

ASY5_t为预测日前5天的平均收益率，表达式为：

其中SY_t＝(ln C_t-ln C_t-1)×100；

ASY4_t为预测日前4天的平均收益率，表达式为：

ASY3_t为预测日前3天的平均收益率，表达式为：

ASY2_t为预测日前2天的平均收益率，表达式为：

ASY1_t为预测日前1天的平均收益率，表达式为：

SY_t-1。