[发明专利]一种基于技术因子图注意力网络的股票趋势预测方法

权利要求书

1.一种基于技术因子图注意力网络的股票趋势预测方法，其特征在于,步骤如下：

S1:从CSMAR与同花顺财经取得股票的行业分类与板块概念数据，同时从tushare与baostock的金融数据接口获得每日交易数据；

S2：通过S1中获取的数据构建股票关系图，同时建立模型；

S3：通过GAT分类器预测股票趋势的计算特征。

2.根据权利要求1所述的一种基于技术因子图注意力网络的股票趋势预测方法，其特征在于，S3中GAT中一共包含了两层Graph Attention Layer，层的输入是一组节点特征，

其中，N是股票节点的数量290，F是每个节点特征的数量，在第一个GAT层中为输入特征的数量；将生成一组新的节点特征s'作为其输出，表示为：

3.根据权利要求2所述的一种基于技术因子图注意力网络的股票趋势预测方法，其特征在于，将全部输入特征通过线性变换转换为一个更高级别的特征；每个节点都有一个共享参数的线性变换W∈R^F′×F，

再将自注意力应用到每个节点，对于每个和节点i相连的节点j，注意力系数计算公式如下：

其中，LeakyReLU的负输入斜率α＝0.2，·^T表示转置，||表示拼接。

4.根据权利要求3所述的一种基于技术因子图注意力网络的股票趋势预测方法，其特征在于，通过注意力计算直接连接到节点i的每个j的系数；并使用softmax函数对i附近的所有j系数进行归一化，公式如下：

同时经过一个非线性变换σ后得到该节点的最终输出特征，表示为：

5.根据权利要求4所述的一种基于技术因子图注意力网络的股票趋势预测方法，其特征在于，通过使用k个独立的注意力机制对进行变换，得到公式如下：

其中||表示拼接，·^k表示第k头注意力。

6.根据权利要求1所述的一种基于技术因子图注意力网络的股票趋势预测方法，其特征在于，S2中，模型中使用了2层GATLayer，其中第一层使用了8头注意力，单个注意力模块的输出为60维特征；而第二层为单头注意力并且去掉了输出的非线性激活函数以便输出最终预测结果。