[发明专利]基于深度学习模型的成交持仓比预测方法和系统

说明书

本发明公开了一种基于深度学习模型的成交持仓比预测方法和系统，通过深度学习模型对成交持仓比进行预测，从而辅助金融监管的决策。其技术方案为：对市场内数据进行采集和加工；对市场外数据进行采集和加工；对市场外数据进行数值化处理；对加工后的市场内数据和市场外数据进行数据预处理；将预处理后的数据分为训练集和测试集，基于训练集的数据对深度学习模型进行训练；基于测试集对训练完成的深度学习模型进行评估；基于评估效果对深度学习模型进行优化；使用优化后的深度学习模型对成交持仓比进行预测。

技术领域

本发明涉及金融风控技术领域，具体涉及一种基于深度学习模型的成交持仓比预测方法和系统。

背景技术

成交持仓比作为衡量期货市场健康运行的有效指标，一直发挥着重要的风险指导意义。成交持仓比值的计算方式是将当日的成交量除以当日持仓量。一般情况，成交持仓比值较高时，意味着日内交易行为远高于持仓行为，因此市场会存在过度交易的风险。有效分析成交持仓比的影响因素，有利于我们更深入的了解这种风险的形成原因，同样也可以在防范市场风险和改进政策应对时提供更多的科学支持。

由于成交持仓比对于监管机构进行期货市场风险防控有重要意义，因此使用历史市场内特征或市场外特征对于未来成交持仓比值走势的分析及预测成为了辅助监管决策的重要措施。然而由于成交持仓比概念的专业性，市场上并未有产品提供成交持仓比的预测分析，目前业界亟待相应的产品来填补这一空白。

发明内容

以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。

本发明的目的在于解决上述问题，提供了一种基于深度学习模型的成交持仓比预测方法和系统，通过深度学习模型对成交持仓比进行预测，从而辅助金融监管的决策。

本发明的技术方案为：本发明揭示了一种基于深度学习模型的成交持仓比预测方法，方法包括：

步骤1：对市场内数据进行采集和加工；

步骤2：对市场外数据进行采集和加工；

步骤3：对市场外数据进行数值化处理；

步骤4：对加工后的市场内数据和市场外数据进行数据预处理；

步骤5：将预处理后的数据分为训练集和测试集，基于训练集的数据对深度学习模型进行训练；

步骤6：基于测试集对训练完成的深度学习模型进行评估；

步骤7：基于评估效果对深度学习模型进行优化；

步骤8：使用优化后的深度学习模型对成交持仓比进行预测。

根据本发明的基于深度学习模型的成交持仓比预测方法的一实施例，市场内数据的来源包括但不限于：股票、期货、期权、债券，市场内数据的特征数据包括但不限于：收盘价、成交量、持仓量、换手率、波动率；市场外数据的来源包括舆情数据、研报数据，市场外数据的加工包括但不限于：市场相关性筛选、行情交易日的时间对齐。

根据本发明的基于深度学习模型的成交持仓比预测方法的一实施例，步骤3的数值化处理涵盖两个步骤：第一类是依赖于情感分类，包括接收单条相关舆情文本数据并输出情感分类结果；第二类是依赖于情感分类结果并基于短期舆情和长期舆情的不同权重对情感指标进行数值量化。

根据本发明的基于深度学习模型的成交持仓比预测方法的一实施例，步骤4中的数据预处理进一步包括：

将市场内和市场外的特征数据进行拼接，以使拼接后的数据在相同时间维度包含全量特征；

筛选出指定特征，以使所指定的特征为深度学习模型的特征输入；