[发明专利]一种基于隐马尔可夫与深度学习的股市预测方法在审
| 申请号： | 201910680235.2 | 申请日： | 2019-07-26 |
| 公开（公告）号： | CN110400222A | 公开（公告）日： | 2019-11-01 |
| 发明（设计）人： | 刘俊;刘波;林伟伟;林强 | 申请（专利权）人： | 华南师范大学;华南理工大学 |
| 主分类号： | G06Q40/04 | 分类号： | G06Q40/04;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 李斌 |
| 地址： | 510631 广东省广州市天*** | 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隐马尔可夫与深度学习的股市预测方法，包括下述步骤：S1:获取股票行情数据；S2:处理股票行情数据，计算涨跌幅、对数高低价差、对数涨跌幅和MACD(异同移动平均线)技术指标数据，生成特征数据；S3:对特征数据使用隐马尔可夫模型进行训练和预测，将数据分类成起伏阶段和震荡阶段；S4:构建时间卷积网络模型；S5:分别对起伏阶段和震荡阶段进行时间卷积网络模型训练；S6:预测阶段，对特征测试数据使用隐马尔可夫模型分类，判断数据所处阶段；S7:根据相应阶段选择时间卷积网络模型，预测涨跌情况。本发明有效结合隐马尔可夫模型和深度学习，并以市场投资者常用技术指标数据作为特征，具有良好的效果，为投资者提供参考价值。 | ||
| 搜索关键词： | 隐马尔可夫模型 时间卷积 网络模型 股票行情数据 技术指标数据 股市预测 特征数据 预测 震荡 移动平均线 阶段选择 判断数据 数据分类 数据使用 特征测试 有效结合 构建 学习 参考 分类 | ||
【主权项】：
1.一种基于隐马尔可夫与深度学习的股市预测方法，其特征在于，包括下述步骤：S1:获取股票行情数据；S2:处理股票行情数据，计算涨跌幅对数、高低价差、对数涨跌幅和异同移动平均线MACD技术指标数据,生成特征数据；S3:对特征数据使用隐马尔可夫模型进行训练和预测，并使用隐马尔可夫模型观察各类隐藏状态，然后根据每类隐藏状态全局趋势归类为起伏阶段和震荡阶段；S4:由扩张因果卷积层、权重归一层、修正线性单元函数ReLU和Dropout层线性构成TCN残缺块，多个TCN残缺块组成TCN隐藏层，最后特征输入层、TCN隐藏层和输出层一起组合成时间卷积网络模型；S5:分别对起伏阶段和震荡阶段进行时间卷积网络模型训练；S6:预测阶段，对特征测试数据使用隐马尔可夫模型分类，判断数据所处的阶段；S7:根据相应阶段选择时间卷积网络模型，预测涨跌情况。
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华南师范大学;华南理工大学，未经华南师范大学;华南理工大学许可，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/201910680235.2/，转载请声明来源钻瓜专利网。
