[发明专利]一种基于人工智能的金融交易推荐方法及系统

说明书

本申请公开了一种基于人工智能的金融交易推荐方法及系统，其方法包括：获取待识别的金融数据图像；金融数据图像不限定图片尺寸和形状；确定交易风格类型，并根据交易风格类型确定预测模型；该预测模型为训练好的深度神经网络模型；将金融数据图像输入该预测模型；通过该预测模型对金融数据图像做特征提取及识别处理；在金融数据图像上输出交易推荐框；并示出该交易推荐框的类别信息，以及该交易推荐框的坐标区域信息和/或该交易推荐框的置信度。通过本发明可以更为精准的识别金融数据图像，预测金融行情，此外，本发明还根据不同的交易风格选用不同的预测模型，从而满足不同金融交易风格的交易者的需求。

技术领域

本申请涉及金融领域，尤其涉及一种基于人工智能的金融交易推荐方法及系统。

背景技术

在量化交易建模场景下，经典方法通常是将统计方法得出来的技术指标在某个时间点的值做为输入信息回测模型(例如五日均线值大于十日均线值这一时间点为买入点)，从信息量和时间点的角度考虑，这些信息的输入为零维信息，信息量少，从而使训练出的模型稳定性不高，失效快；且传统回溯分析技术通常采用参数枚举(暴力破解)点式信息输入、或使用线性回归等方法一维信息输入对数据进行处理；传统数据回溯建模通常基于CPU进行枚举、拟合运算，对数据量较大的样本回溯速度极为缓慢以至于不得不放弃较大的样本数据以满足工程产出要求。

此外，现有技术中，金融风险预测的模型一般都是通用模型，没有根据交易员的交易风格进行个性化定制，难以满足各种不同类型的交易员的需求。

发明内容

为解决上述技术问题，本申请提供一种基于人工智能的金融交易推荐方法及系统。具体的，本发明的技术方案如下：

一方面，本申请公开了一种基于人工智能的金融交易推荐方法，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。

优选地，所述基于人工智能的金融交易推荐方法，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；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。

优选地，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。

优选地，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。

优选地，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：