[发明专利]一种基于人工智能的金融市场预测及决策的系统、方法

说明书

本发明提供一种基于人工智能的金融市场预测及决策的方法、系统，该系统包括：数据获取模块、市场情绪特征构建模块、另类数据特征构建模块、量价数据特征构建模块、LSTM预测模型、风险对冲计算模块和投资决策模块，其中，通过获取海量数据，对量价数据、市场情绪数据及另类数据进行特征选取后输入到LSTM预测模型，计算最优风险对冲比例，为投资者提供决策及市场分析。通过该方案解决了现有金融市场预估方法预测及决策结果准确度不高的问题，可以有效提高预测、决策结果的准确性和可靠性，设计出合理的投资策略，提高投资收益。

技术领域

本发明涉及人工智能领域，尤其涉及一种基于人工智能的金融市场预测及决策的系统、方法。

背景技术

随着经济的发展，金融市场在社会中扮演着越来越重要的角色。随着金融交易和信息体系的现代化，大量信息涌现，信息是金融市场无形的资产，但如何对海量的金融相关数据进行分析，合理的利用数据进行市场预测，是一个需要探讨的问题。

金融市场中股票期货价格受多方影响，不仅受到本身公司经营方面以及历史数据的影响，还会受到整体政策、行业、上下会游各种因素影响。目前，基于卷积神经网络的预测模型，虽然可以对多维的金融特征数据进行处理分析，但由于未考虑到历史数据的影响，对金融市场的风险评估及风险对冲策略预测不准，尤其但对单一种类的股票期货，很难达到很高的准确率。

发明内容

有鉴于此，本发明实施例提供了一种基于人工智能的金融市场预测及决策的系统、方法，以解决的现有金融市场预测及决策结果准确度不高的问题。

在本发明实施例的第一方面，提供了一种基于人工智能的金融市场预测及决策的系统，包括：

数据获取模块：用于获取金融市场的量价数据、原始市场情绪数据及另类数据，其中所述另类数据为影响市场量价的相关数据；

市场情绪特征构建模块：用于通过Encoder-Decoder神经网络情绪分类算法对所述原始市场情绪数据进行情感分类，提取市场情绪数据特征；

另类数据特征构建模块：用于对所述另类数据平滑处理，并提取所述另类数据特征；

量价数据特征构建模块：用于对所述量价数据预处理后，划分所述量价数据特征类型，通过PAC算法选取主要特征；

LSTM预测模型：用于采用LSTM的金融时间序列序列预测模型，对收益率和波动率进行预测；

风险对冲计算模块：用于通过均方动态模型计算最优风险对冲比例；

投资决策模块：用于根据所述LSTM预测模型的预测结果及所述风险对冲计算模块计算的对冲比例进行选股。

在本发明实施例的第二方面，提供了一种基于人工智能的金融市场预测及决策的方法，包括：

获取金融市场的量价数据、原始市场情绪数据及另类数据，其中所述另类数据为影响市场量价的相关数据；

通过Encoder-Decoder神经网络情绪分类算法对所述原始市场情绪数据进行情感分类，提取市场情绪数据特征；

对所述另类数据平滑处理，并提取所述另类数据特征；

对所述量价数据预处理后，划分所述量价数据特征类型，通过PAC算法选取主要特征；

将市场情绪数据特征、另类数据特征及量价数据主要特征输入LSTM预测模型，采用LSTM的金融时间序列序列预测模型，对收益率和波动率进行预测；

通过均方动态模型计算最优风险对冲比例；

根据所述LSTM预测模型的预测结果及所述风险对冲计算模块计算的对冲比例进行选股。