[发明专利]一种基于人工智能的金融交易推荐方法及系统

权利要求书

1.一种基于人工智能的金融交易推荐方法，其特征在于，包括：

获取待识别的金融数据图像；所述金融数据图像不限定图片尺寸和形状；

确定交易风格类型，并根据所述交易风格类型确定预测模型；所述预测模型为训练好的深度神经网络模型；

将所述金融数据图像输入所述预测模型；

通过所述预测模型对所述金融数据图像做特征提取及识别处理；

在所述金融数据图像上输出交易推荐框；并示出所述交易推荐框的类别信息，以及所述交易推荐框的坐标区域信息和/或所述交易推荐框的置信度。

2.根据权利要求1所述的一种基于人工智能的金融交易推荐方法，其特征在于，还包括：

训练指定交易风格的预测模型，具体包括：

采集金融数据图像训练样本；

根据指定交易风格，在所述金融数据图像训练样本上对含有K线和/或技术指标的特定区域进行标注；

基于深度神经网络，构建预测模型；

将所述标注后的金融数据图像训练样本输入所述预测模型，通过梯度下降算法对所述预测模型进行有监督学习训练；并采用GPU对模型回溯进行加速；

根据所述指定交易风格调节确定所述预测模型的损失函数；所述损失函数中包含有坐标信息损失函数；

判断所述预测模型的损失函数值是否达到预设函数值；若是，则训练结束，获得训练好的指定交易风格的预测模型。

3.根据权利要求2所述的一组基于人工智能的金融交易推荐方法，其特征在于，所述基于深度神经网络，构建预测模型；具体包括：

若所述指定交易风格为短线交易风格，则基于SSD系列神经网络或所述SSD系列神经网络所形成的变种卷积神经网络，构建短线交易风格的预测模型；

若所述指定交易风格为长线交易风格，则基于YOLO系列神经网络或所述YOLO系列神经网络所形成的变种卷积神经网络，构建长线交易风格的预测模型。

4.根据权利要求2所述的一种基于人工智能的金融交易推荐方法，其特征在于，所述预测模型基于所述SSD系列深度神经网络构建，所述预测模型在训练过程中，通过其SSD框架将IOU值大于第一预设值的领域区域标注为正样本；将IOU值小于第二预设值的领域区域标注为负样本；所述第一预设值大于所述第二预设值。

5.根据权利要求4所述的一种基于人工智能的金融交易推荐方法，其特征在于，若所述预测模型基于SSD系列深度神经网络构建，则所述预测模型的损失函数为：

其中：

L(x,c,l,g)为损失函数；

N为满足某一类别且IOU0.7领域区域的数量；

L_conf(x,c)代表分类置信度损失函数；

L_loc(x,l,g)代表坐标信息损失函数；

x表示SSD类别示性函数；

c表示置信度；

l表示SS框架坐标信息输出值；

g表示标注样本坐标信息输出值；

α表示Alpha，为拉格朗日乘子，一个常数，缺省值为1。

6.根据权利要求2或5所述的一种基于人工智能的金融交易推荐方法，其特征在于，所述根据所述指定交易风格调节确定所述预测模型的损失函数具体包括：

若所述指定交易风格为长线交易风格，则调小所述预测模型的损失函数中的坐标信息损失函数前的系数的值；调小区间在预设的第一调节区间；

若所述指定交易风格为短线交易风格，则调大所述预测模型的损失函数中的坐标信息损失函数前的系数的值；调大区间在预设的第二调节区间。

7.根据权利要求2所述的一种基于人工智能的金融交易推荐方法，其特征在于，所述技术指标包括移动平均线、布林轨道、MACD或其它基于K线开盘价、收盘价、最高价和最低价中的一种或几种所计算得出的技术指标。