[发明专利]基于深度学习的股票预测方法、装置、设备及存储介质在审
| 申请号： | 201811144154.2 | 申请日： | 2018-09-28 |
| 公开（公告）号： | CN109360097A | 公开（公告）日： | 2019-02-19 |
| 发明（设计）人： | 任江涛;陈兆鹏;梁华淇 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06Q40/04 | 分类号： | G06Q40/04;G06Q10/04;G06N3/04;G06N3/08 |
| 代理公司： | 深圳市世纪恒程知识产权代理事务所 44287 | 代理人： | 胡海国 |
| 地址： | 510275 *** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的股票预测方法，包括：获取目标股票和关联股票的最新交易数据，生成所述最新交易数据对应的多维特征矩阵，将所述最新交易数据对应的多维特征矩阵输入复合神经网络进行处理，得到所述目标股票的预测结果，本发明还公开了一种基于深度学习的股票预测装置、基于深度学习的股票预测设备和存储介质，本发明通过先利用复合神经网络中的卷积神经网络学习目标股票和关联股票的交易数据的特征，再将特征输入到复合神经网络中的长短期记忆网络进行处理，得到对股票涨跌的预测，提供了一种基于深度学习和群体智能的股票预测方法，可以准确地预测股票的涨跌。 | ||
| 搜索关键词： | 股票预测 交易数据 股票 复合神经 存储介质 多维特征 学习 矩阵 卷积神经网络 关联 网络 股票涨跌 获取目标 记忆网络 矩阵输入 群体智能 特征输入 学习目标 预测结果 预测 | ||
【主权项】：
1.一种基于深度学习的股票预测方法，其特征在于，所述基于深度学习的股票预测方法包括以下步骤：获取目标股票和关联股票的最新交易数据；生成所述最新交易数据对应的多维特征矩阵；将所述最新交易数据对应的多维特征矩阵输入复合神经网络进行处理，得到所述目标股票的预测结果，其中，所述复合神经网络的参数由所述目标股票和所述关联股票的历史交易数据训练得到，所述关联股票与所述目标股票相关联。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中山大学，未经中山大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811144154.2/，转载请声明来源钻瓜专利网。
