[发明专利]一种贵金属价格趋势预测方法及装置

说明书

本发明提供了一种贵金属价格趋势预测方法及装置，可以应用于人工智能领域，方法包括：获取贵金属的当前价格数据；将当前价格数据输入预先训练的价格趋势预测模型中获得贵金属的价格趋势预测结果。本申请将获得的情感分类、舆情基本面分析结果和财经事件影响因子作为神经网络模型的训练样本，训练获得成熟的贵金属价格趋势预测模型，利用该贵金属价格趋势预测模型预测贵金属的未来价格走势实现了无需人工分析即可自动获取价格走势的技术效果，提升了市场判断效率和准确性，由于神经网络模型相比于人而言更加理性，因此得到的趋势预测结果比人工分析结果更加准确，更加贴合实际情况。

技术领域

本申请属于自然语言处理技术领域，具体地讲，涉及一种贵金属价格趋势预测方法及装置。

背景技术

贵金属作为重要的金融产品需要对其价格走势进行辅助判断。目前缺少行之有效的价格趋势判断方法，只能依靠业务人员自身的经验分析。当前现有的通过舆情分析实现价格趋势预测的方法往往只是通过单一模型进行关联关系构建，预测模型整体的可解释性、运行效率和预测准确度都未能满足实际业务需求。

发明内容

本申请提供了一种贵金属价格趋势预测方法及装置，以至少解决当前通过单一模型预测产品价格趋势所产生的准确度低、运行效率低的问题。

为了解决上述技术问题，本申请提供以下技术方案：

根据本申请的第一方面，提供了一种贵金属价格趋势预测方法，包括：

获取贵金属的当前价格数据；

将当前价格数据输入预先训练的价格趋势预测模型中获得贵金属的价格趋势预测结果；价格趋势预测模型为MLP神经网络模型；

价格趋势预测模型为利用对从相关新闻中获取的自然语言数据进行矢量转换并提取的基本面分析因子作为训练要素而获得。

在一实施例中，价格趋势预测模型的训练方法包括：

将获取的财经新闻数据转化为词向量、句向量和文本向量；

根据词向量、句向量和文本向量获得舆情基本面系数；

根据贵金属的历史价格数据建立经验分布函数获得经验系数；

根据舆情基本面系数及经验系数生成训练样本集合；

利用训练样本集合对MLP神经网络模型进行训练，以预测价格趋势为训练目标，获得价格趋势预测模型。

在一实施例中，将获取的财经新闻数据转化为词向量、句向量和文本向量，包括：

通过词向量相关模型对财经新闻数据进行分词并获得词向量；

通过无监督算法将财经新闻数据分解转化为句向量；

对财经新闻数据进行累加归一计算，获得文本向量。

在一实施例中，根据词向量、句向量和文本向量获得舆情基本面系数，包括：

从词向量、句向量和文本向量中确定情感对象，并通过段落语法分析获得财经新闻数据中的情感基本面类型；

根据情感基本面类型计算该情感对象的舆情基本面系数。

在一实施例中，根据所述情感基本面类型计算该情感对象的舆情基本面系数，包括：

识别所述情感基本面类型中描述基本情感和市场情感的关键词；

根据描述基本情感的关键词计算基础得分；

根据描述市场情感的关键词计算修饰符得分；

将所述基础得分和所述修饰符得分相加获得舆情基本面系数。