[发明专利]基于神经网络的股票价格趋势预测方法及系统

摘要

本发明公开了一种基于神经网络的股票价格趋势预测方法及其系统，本发明的神经网络模型基于多层人工神经网络结构而构建，多层人工神经网络结构采用的算法能快速收敛计算得到最小化损失函数，并且在损失函数中引入的λ参数能够避免了宏观经济环境变化或股票基本面突发性变化所带来的预测偏差，极大的优化了神经网络模型预测的准确度，适用范围广。同时，本发明多层人工神经网络所采用的损失函数中采用前向和反向传播训练算法找到优化的权重参数_ji^(L)，采用的卷积训练算法收敛较快，程序运行效率高、实时性强，对硬件配置无需很高要求，系统性价比高。

主权项

1.基于神经网络的股票价格趋势预测方法，其特征在于，包括以下步骤：S1、根据选取原则选取作为多层人工神经网络的输入变量的股票技术特征参数，并获取目标股票的交易历史数据，以作为训练的输入训练集；S2、构建基于多层人工神经网络结构的神经网络模型，其中，所述多层人工神经网络结构包括一个输入层、一个输出层和两个以上的隐层，所述输入层设有n个节点，输出层设有一个节点且输出层的输出结果用以表示所预测的目标股票交易价格的升跌概率；其中所述多层人工神经网络结构的损失函数如下：式中m为训练数据组的个数，x为输入变量，λ为基本面量化参数，h(x)为输出层的输出结果，ji(L)为权重参数；S3、将所述目标股票的交易历史数据构建训练数据集和测试数据集；S4、向多层神经网络结构中输入训练数据集，多层神经网络进行训练和有监督的学习，得到初步的用于预测股票交易价格趋势的神经网络预测模型；S5、向步骤S4得到的神经网络预测模型输入测试数据集，对神经网络预测模型进行泛化能力测试，并根据测试结果进行参数调整和优化处理，得到最终的预测模型。