[发明专利]一种股票波动预测方法及装置

说明书

本发明实施例提供了一种股票预测方法及装置，获取待预测的目标股票的多源历史数据，以及与目标股票相关的参考股票的多源历史数据；其中，股票的多源历史数据包括：在预测时间点之前预设数量个单位时间的每个单位时间内与股票相关的股市量化数据，新闻标题数据以及网络评价数据；从多源历史数据中提取特征数据；基于参考股票的多源历史数据的特征数据，对目标股票的多源历史数据的特征数据进行修正，得到目标股票的修正数据；将修正数据输入预测模型，得到目标股票的波动预测结果。综合考虑了多个数据源的历史数据，包括股市量化数据，新闻标题数据以及网络评价数据，能够更准确的捕捉股票波动的趋势。

技术领域

本发明涉及数据分析技术领域，特别是涉及一种股票波动预测方法及装置。

背景技术

股票市场是金融市场的重要组成部分，股票市场的波动预测高度依赖各种数据源的数据。

现有的股票波动预测方法依赖于股票历史定量数据，例如成交价格，换手率等数据。仅考虑股票历史定量数据过于片面，不能完全捕捉股票波动的趋势。举例来讲，与市场相关的社交网络帖子可能会改变投资者的观念，进而影响股价。而现有的股票波动预测方法并未考虑这些因素，可见，现有的股票波动预测方法不能准确预测股票波动。

发明内容

本发明实施例的目的在于提供一种股票波动预测方法及装置，以实现提高股票波动预测结果。具体技术方案如下：

为实现上述目的，本发明实施例提供了一种股票波动预测方法，所述方法包括：

获取待预测的目标股票的多源历史数据，以及与所述目标股票相关的参考股票的多源历史数据；其中，股票的多源历史数据包括：在预测时间点之前预设数量个单位时间的每个单位时间内与股票相关的股市量化数据，新闻标题数据以及网络评价数据；

从所述多源历史数据中提取特征数据；

基于所述参考股票的多源历史数据的特征数据，对所述目标股票的多源历史数据的特征数据进行修正，得到所述目标股票的修正数据；

将所述修正数据输入所述预测模型，得到所述目标股票的波动预测结果，所述预测模型是根据样本股票的多源历史数据的特征数据，以及所述样本股票已知的波动数据训练得到的。

可选的，所述特征数据包括第一特征数据，第二特征数据和第三特征数据；所述从所述多源历史数据数据中提取特征数据的步骤，包括：

将所述股市量化数据标准化，得到第一特征数据；

对所述新闻标题数据进行分词，并将分词得到的词语转换为第一词语向量，得到第二特征数据；

对所述网络评价数据进行分词，并将分词后的词语转换为第二词语向量，从所述第二词语向量中提取情感数据，得到第三特征数据，所述情感数据包括积极情感数据和消极情感数据。

可选的，所述基于所述参考股票的多源历史数据的特征数据，对所述目标股票的多源历史数据的特征数据进行修正，得到所述目标股票的修正数据的步骤，包括：

将所述目标股票的多源历史数据的特征数据以及所述参考股票的多源历史数据的特征数据输入注意力网络中，得到所述目标股票与各个参考股票的相似度；

基于所述相似度，确定各个参考股票的加权权重；

基于所述加权权重，对所述目标股票的特征数据进行加权求和，并根据加权求和结果对所述目标股票的特征数据进行修正，得到所述目标股票的修正数据。

可选的，所述预测模型包括因子分解机模型和深度神经网络模型，按照如下步骤训练所述预测模型：

获取预设的因子分解机模型和深度神经网络模型；