[发明专利]一种基于循环神经网络的股票收益率预测方法在审
| 申请号： | 201811258869.0 | 申请日： | 2018-10-26 |
| 公开（公告）号： | CN109523379A | 公开（公告）日： | 2019-03-26 |
| 发明（设计）人： | 程良伦;申纪元;王卓薇 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06Q40/04 | 分类号： | G06Q40/04;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 林丽明 |
| 地址： | 510006 广东省*** | 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循环神经网络的股票收益率预测方法，包括：收集股票数据，前一天收盘时股票的日期、开盘价、收盘价、最高价、最低价成交量、成交量作为预测因子；利用LSTM模型进行股票数据收益率预测建模；采用LTSM神经网络算法对该模型进行求解；得到未来该股票收益率率预测值。本发明将机器学习理论与投资组合理论相结合，并在集成众核平台上实现并行，有效提高了金融股票收益率预测的准确性。 | ||
| 搜索关键词： | 预测 循环神经网络 股票 股票数据 成交量 神经网络算法 投资组合理论 机器学习 金融股票 预测因子 众核平台 求解 建模 收盘 并行 | ||
【主权项】：
1.一种基于循环神经网络的股票收益率预测方法，其特征在于，所述方法包括以下步骤：S1：在金融市场选取股指数据，对股指数据进行筛选和归一化预处理，得到数据集；S2：使用主成分分析法对S1中的数据进行降维，把降维后的数据集分为80％和20％两部分，其中，80％部分用作训练数据集，20％用作测试数据集，并将降维后的数据用随机函数打乱顺序，保证数据的独立性和准确性；S3：构造LTSM网络并使用步骤S2中的数据集进行训练，利用LSTM对长期信息的感知能力用来学习股票数据中长记忆性特征，将其应用于股票数据的收益率预测并计算目标函数；S4：调整LTSM网络参数使目标函数达到收益率的理想值。
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广东工业大学，未经广东工业大学许可，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/201811258869.0/，转载请声明来源钻瓜专利网。
- 上一篇：一种保持交易一致性的方法、装置及系统
- 下一篇：跨链交易方法及装置
