申请/专利权人：北京工商大学

申请日：2023-12-15

公开（公告）日：2024-02-27

公开（公告）号：CN117611340A

主分类号：G06Q40/04

分类号：G06Q40/04;G06Q30/0202;G06F18/22;G06F18/24;G06N3/042;G06N3/084;G06F123/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.15#实质审查的生效;2024.02.27#公开

摘要：本发明公开了一种基于动态异构网络的股票涨跌预测方法与系统，方法包括以下步骤：基于预处理后股票数据，构建金融股票异构拓扑图；向拓扑图引入股票节点嵌入；在引入股票节点嵌入的拓扑图的异构边中加入金融指标间的相似性关系，构建金融相似性子图；构建基于注意力的元路径消息聚合模块，聚合金融股票异构拓扑图以及金融相似性子图，并进行元路径选择以及消息聚合，获得最终股票节点嵌入；将最终股票节点嵌入输入到图神经网络分类器中，进行二分类，获得基于动态异构网络的股票涨跌预测模型；基于股票涨跌预测模型，进行股票涨跌预测。本发明刻画了股票市场的交易场景，综合多方面的信息融合来实现股票的涨跌预测。

主权项：1.一种基于动态异构网络的股票涨跌预测方法，其特征在于，包括以下步骤：S1：获取并预处理股票数据；S2：基于预处理后所述股票数据，构建金融股票异构拓扑图；S3：向所述金融股票异构拓扑图引入股票节点嵌入；其中，所述股票节点嵌入包含股票价格动态信息；S4：在引入所述股票节点嵌入的金融股票异构拓扑图的异构边中加入金融指标间的相似性关系，构建金融相似性子图；S5：聚合所述金融股票异构拓扑图以及所述金融相似性子图，并进行元路径选择以及消息聚合，获得最终股票节点嵌入；S6：将所述最终股票节点嵌入输入到图神经网络分类器中，进行二分类，获得基于动态异构网络的股票涨跌预测模型；基于所述股票涨跌预测模型，进行股票涨跌预测。

全文数据：

权利要求：

百度查询： 北京工商大学 一种基于动态异构网络的股票涨跌预测方法与系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD