[发明专利]基于人工智能模型的股市投资决策方法及相关设备

权利要求书

1.一种基于人工智能模型的股市投资决策方法，其特征在于，所述方法包括：

获取目标股票的样本数据，其中，所述样本数据至少包括股价数据，所述股价数据至少包括所述目标股票在每个历史交易日的最低单价；

依次将每个历史交易日作为第一起点日，当所述第一起点日的最低单价低于此后T个交易日的最低单价，将所述第一起点日的最低单价作为最低成交价，其中，T为大于1的整数；

根据所述样本数据生成对应的样本特征向量，以获得多个样本特征集，其中，每个样本特征集分别对应一个历史交易日；

从多个样本特征集中确定当前训练样本特征集，将所述当前训练样本特征集对应的历史交易日作为第二起点日，确定与所述第二起点日的日期最接近的未来最低成交价；

将所述当前训练样本特征集中的样本特征向量作为输入，将所述未来最低成交价作为期望输出，对最低成交价预测模型进行训练，以得到目标最低成交价预测模型；

获取所述目标股票的目标数据，并根据所述目标数据生成对应的目标特征向量；

将所述目标特征向量输入到所述目标最低成交价预测模型，以使所述最低成交价预测模型输出目标最低成交价；

根据所述目标最低成交价进行投资决策。

2.根据权利要求1所述的方法，其特征在于，在所述获得多个样本特征集之后，所述方法还包括：将所述多个样本特征集划分为训练集、验证集和测试集；

所述从多个样本特征集中确定当前训练样本特征集，包括：从所述训练集中确定当前训练样本特征集；

在所述将所述当前训练样本特征集中的特征向量作为输入，将所述未来最低成交价作为期望输出，对最低成交价预测模型进行训练之后，所述方法还包括：

利用所述验证集对所述最低成交价预测模型进行多轮迭代训练，以对所述最低成交价预测模型进行参数调优，以得到目标最低成交价预测模型；

利用所述测试集评估基于所述所述目标最低成交价预测模型进行投资决策的收益，以获得最优的投资决策参数。

3.根据权利要求2所述的方法，其特征在于，所述将所述多个样本特征集划分为训练集、验证集和测试集，包括：

按照日期顺序，对所述多个样本特征集进行排序；

按照预设的比例，依次从所述多个样本特征集划分训练集、验证集和测试集。

4.根据权利要求1所述的方法，其特征在于，所述样本数据还包括企业数据；

所述企业数据包括以下至少之一：企业领域、利润率历史数据、企业所在地区、年利润数据、大股东股份占比数据。

5.根据权利要求1所述的方法，其特征在于，所述股价数据还包括以下至少之一：

每个历史交易日的最高单价；

每个历史交易日中以小时为单位的成交量比值数据序列；

每个历史交易日中以小时为单位的平均成交单价数据序列。

6.根据权利要求1所述的方法，其特征在于，所述样本数据还包括舆情数据，所述舆情数据为使用自然语言处理NLP模型从与所述目标股票相关的舆论中提取；

所述根据所述样本数据生成对应的样本特征向量，包括：

通过预先训练的BERT模型对所述舆情数据进行拟合，以获得所述舆情数据对应的特征向量。

7.根据权利要求1所述的方法，其特征在于，所述根据所述目标最低成交价进行投资决策，包括以下之一：

获取所述目标股票的当前的第一股价与所述目标最低成交价的第一差值，在所述第一差值与所述第一股价的比例小于第一预设阈值时，执行买入操作，并将所述第一股价作为买入价格；

获取所述目标股票的当前的第二股价与所述买入价格的第二差值，在所述第二差值与所述买入价格的比例小于第二预设阈值时，执行卖出操作。