[发明专利]一种GMM与LSTM结合的投资组合风险预测方法

摘要

本发明公开了一种GMM与LSTM结合的投资组合风险预测方法，所述方法包括：收集股票数据，选取满足平稳性条件的非噪声股票序列，并对其进行预处理；采用PCA方法对数据进行降维处理，用混合高斯模型(GMM)对降维后的数据进行聚类；从聚类结果中选取类簇代表作为投资组合，并对类簇代表的数据集进行划分；采用三层LSTM模型对投资组合进行预测，对预测结果的收益和风险进行评估，通过多次聚类预测以产生高收益低风险的投资组合。本发明可以提高投资组合的选取效率和风险预测精度。

主权项

1.一种GMM与LSTM结合的投资组合风险预测方法,其特征在于，包括如下步骤：S1:获取股票数据集，并计算其收益率，通过数据预处理，得到符合GMM模型输入格式的股票数据集；S2:根据投资组合需要的股票支数n确定聚类核心数k,然后对S1中预处理后得到的数据集进行主成分成分分析，检查各维度的相关性，得到最优的维数d；对S1中经过数据预处理后的股票数据集进行PCA降维，使用GMM模型对降维后的数据集进行参数评估并进行训练，然后用训练后的GMM模型对降维后的数据集中的股票进行聚类；S3:从步骤S2聚类结果中找到每个类别的分类中心作为该类的股票代表，对股票代表未降维的收益率序列进行XY数据集构造，将经过XY构造后的数据集按照M:N比例分成两份，N作为训练数据集，M作为测试数据集；S4:建立三层LSTM模型并使用步骤S3中的训练数据集进行训练，使用训练后的LSTM模型对测试数据进行组合预测，通过计算预测值的均值以及预测值与实际值的方差加权平均，得到收益率期望以及风险值；S5:判断步骤S4中得到的收益率期望以及风险值是否符合设定的评价指标，如不满足评价指标则修改步骤S2中的参数，重复S2‑S4的步骤直至收益率期望和风险值达到指标。