[发明专利]双线性注意力卷积神经网络限价单预测分析方法及系统

权利要求书

1.一种双线性注意力卷积神经网络限价单预测分析方法，其特征在于，包括以下步骤：

步骤1：获取股票限价单的数据集，将数据集分成训练集和测试集；

步骤2：基于卷积神经网络增加双线性注意力机制，建立双线性注意力卷积神经网络模型；

步骤3：将训练集输入双线性注意力卷积神经网络模型对模型进行训练，采用损失函数L和Adam算法计算并反向优化更新整个神经网络模型的权重和偏置值，训练完成得到训练完成的双线性注意力卷积神经网络模型；

步骤4：将测试集输入训练完成的双线性注意力卷积神经网络模型，得到对应的输出数据，即预测结果。

2.根据权利要求1所述的一种双线性注意力卷积神经网络限价单预测分析方法，其特征在于：所述步骤1中训练集和测试集都经过预处理，将数据归一化。

3.根据权利要求2所述的一种双线性注意力卷积神经网络限价单预测分析方法，其特征在于：所述数据集的预处理方法为z-score标准化方法，具体步骤为：

步骤1-1：获取数据集及其标签其中T为总的样本数，x_t是时间点t对应的D维样本，D为特征数，且每个时间点t包含前n档行情，第i档行情包含预买入价格P_i^bid和预买入成交量V_i^bid以及预卖出价格P_i^ask和预卖出成交量V_i^ask，y_t表示股票价格在时间点t+m相应于时间点t的走势，是大小为3×1的矩阵，矩阵中的每个值分别表示上涨、下跌和不变，m是模型预测的未来的时间段；

步骤1-2：将原始数据进行归一化，使得经过处理后的数据的均值为0，标准差为1，其标准化公式为：

其中为原始数据中第d维特征的均值，σ_d为原始数据第d维特征的标准差；

步骤1-3：归一化的数据集需要处理为类图像的数据集，以便使用过去一段时间的数据来预测股票的价格走势。类图像样本x′_t由时间点t-Δt+1到时间点t的归一化样本组成，类图像样本大小为Δt×D，Δt为时间跨度，其标签为y_t；

步骤1-4：数据集I经过步骤1-1、1-2和1-3后，分成训练集U和测试集X。

4.根据权利要求1所述的一种双线性注意力卷积神经网络限价单预测分析方法，其特征在于：所述步骤2中建立的双线性注意力卷积神经网络模型包括8层的卷积网络和双线性注意力机制。

5.根据权利要求4所述的一种双线性注意力卷积神经网络限价单预测分析方法，其特征在于：所述8层的卷积网络为：

第1层是二维卷积层，卷积核大小为4×4n，通道数为16；第2层是Reshape层；第3层是一维卷积层，卷积核大小为3，通道数为16；第4层是一维最大池化层；第5层是一维卷积层，卷积核大小为3，通道数为32；第6层是一维卷积层，卷积核大小为3，通道数为32；第7层是一维最大池化层；第8层是全连接层，神经元的个数为3。