[发明专利]一种金融数据预测方法、装置、设备及存储介质

权利要求书

1.一种基于深度学习的金融数据预测方法，其特征在于，包括：

从一个或多个数据源获取历史金融数据及实时金融数据；

根据历史时间点对所述历史金融数据进行规整，以使所述历史数据与当前实时金融数据形成对应关系；

根据金融处理标准对所述历史金融数据进行特征处理，得到训练数据；

根据所述历史金融数据建立逐层深度学习预测模型，并根据所述训练数据不断修正所述深度学习预测模型直至模型收敛；

将所述对应关系和实时金融数据输入所述深度学习预测模型，得到金融数据预测结果。

2.如权利要求1所述的基于深度学习的金融数据预测方法，其特征在于，所述历史金融数据包括第一主历史金融数据、第二辅历史外源性特征数据，其中，所述第一历史金融数据包括：记载金融数据来源信息、历史金融数据特征信息、与所述历史金融数据特征信息一一对应的历史时间点、金融数据历史时间序列；所述第二辅历史外源性特征数据为与所述历史金融数据特征信息对应的特征事件。

3.如权利要求2所述的基于深度学习的金融数据预测方法，其特征在于，所述根据记录时间点对所述历史金融数据进行规整，以使所述历史数据与当前实时金融数据形成对应关系，包括：

根据所述历史时间点，获取包括所述历史时间点在内的预设时间段内的金融历史数据，并根据预设标准化数据格式规则进行规整处理，得到规整后的预设时间段内的历史金融数据；

根据所述预设时间段获取当前实时金融数据，且根据所述预设标准化数据格式规则进行规整处理，得到规整后的预设时间段内的当前实时金融数据；

根据所述规整后的预设时间段内的金融历史数据和规整后的预设时间段内的当前实时金融数据，计算得到金融数据相似度，并判断所述金融数据相似度是否大于或等于预设金融数据相似度；

若所述金融数据相似度大于或等于所述预设金融数据相似度，则置包括所述历史时间点在内的预设时间段历史金融数据和预设时间段内的当前实时金融数据成对应关系，并进行标志存储；

若所述金融数据相似度小于所述预设金融数据相似度，则根据历史时间轴移动所述历史时间点，继续获取包括所述历史时间点在内的预设时间段内的金融历史数据和预设时间段内的当前实时金融数据，计算其金融数据相似度。

4.如权利要求3所述的基于深度学习的金融数据预测方法，其特征在于，根据所述历史时间序列和历史时间点，获取所述历史金融数据与当前实时金融数据形成对应关系的次数、形成对应关系的最小时间间隔和最大时间间隔。

5.如权利要求4所述的基于深度学习的金融数据预测方法，其特征在于，根据所述历史时间序列和历史时间点，获取距离所述当前实时金融数据的当前时间点最近形成所述对应关系的历史时间点，并根据所述当前时间点和所述最近形成所述对应关系的历史时间点，计算得到最近形成对应关系的时间间隔。

6.如权利要求5所述的基于深度学习的金融数据预测方法，其特征在于，根据所述形成对应关系的最小时间间隔、最大时间间隔和所述最近形成对应关系的时间间隔，计算得到最新形成对应关系的概率值，并根据所述概率值输出所述金融数据预测结果。

7.如权利要求6所述的基于深度学习的金融数据预测方法，其特征在于，所述根据所述历史金融数据建立逐层深度学习预测模型，并根据所述训练数据不断修正所述深度学习预测模型直至模型收敛，包括：

应用多组初始化训练数据得到多个初始深度学习预测模型；其中，初始化训练数据与所述初始深度学习预测模型一一对应；

在各所述初始深度学习预测模型中保存检查点；

依据所述检查点计算与所述检查点对应的初始深度学习预测模型的预测权值；

根据各所述预测权值对各所述初始深度学习预测模型进行模型收敛融合，得到所述深度学习预测模型。