[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

说明书

本申请实施例提供了一种基于人工智能模型的股市投资决策方法及相关设备，所述方法包括：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；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，由此得到的目标最低成交价预测模型能够输出最低成交价的预测结果。由于本申请预测的并不是趋势，而是预测最低的下探价格，所以更适合应用于震荡股市行情中。基于本申请实施例的目标最低成交价预测模型的预测结果进行投资决策，将有助于获得更高的收益。

技术领域

本申请涉及人工智能领域，特别涉及一种基于人工智能模型的股市投资决策方法及相关设备。

背景技术

如今在金融投资中，人工智能在发挥着越来越重要的作用。各大券商、投行等金融机构已经越来越不满足于使用简单的规则以及量化来辅助交易员进行投资决策，而是把眼光投向了现今蓬勃发展的机器学习和深度学习领域。

传统的金融投资场景中，员工需要去翻阅大量的企业财报，政府的公告数据并同时关注市场对企业的舆论和态度，这种重复的机械的劳动不但需要消耗大量的人力物力，而且由于金融产品的多样性以及大量的人工产出比，对市场的评估很多时候难以做到客观和标准化。而这恰恰是人工智能的优势，替代繁琐的重复的劳动，标准化的提供实时的交易建议。

不过，在过往的应用场景下，股票市场中的人工智能模型主要聚焦于会有明显趋势的投资场景，但是在当今世界格局下，由于疫情和政治因素影响，震荡的股市市场(体现在股价在一个区间反复波动)会是主流，而传统的基于人工智能的预测模型则无法取得良好效果。

发明内容

本申请的旨在至少一定程度解决现有技术的问题，提供一种种基于人工智能模型的股市投资决策方法、装置、计算机设备和计算机可读存储介质，能够在震荡的股市环境下提供智能的投资决策，以提高投资收益率。

本申请实施例的技术方案如下：

第一方面，本申请提供了一种基于人工智能模型的股市投资决策方法，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。

根据本申请的一些实施例，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：