申请/专利权人：西南财经大学;中国农业银行股份有限公司四川省分行

申请日：2023-12-26

公开（公告）日：2024-03-29

公开（公告）号：CN117788159A

主分类号：G06Q40/04

分类号：G06Q40/04;G06N3/0455;G06N3/0499;G06N3/084;G06F17/16

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明涉及深度神经网络领域，提供了一种股票走势状态空间模型的构建方法，其根据预测任务信息及关联信息，构建股票集合及其训练样本，然后，输入训练样本进行训练；首先，利用训练样本的关联矩阵，对训练样本的行情特征矩阵进行聚合更新，然后，通过编码网络，转换为嵌入表示；之后，通过状态空间模型，进行状态演化，获得训练样本最后一个交易时刻的后验状态和后验证协方差，并基于此预测股票集合所包含股票在下一交易时刻的回报率；最后，进行损失计算并反向传播更新模型参数，直至完成训练。本发明引入状态空间模型的思想，充分利用股票的行情数据和股票公司之间的关联关系，有效缓解不断变化的波动性背后的不确定性，适用于股票走势预测。

主权项：1.一种股票走势状态空间模型的构建方法,其特征在于,包括以下步骤:S1、根据预测任务的信息及公司间的关联信息，选择预测任务所涉及股票及其关联股票，构成股票集合；基于股票集合内公司间的关联信息，构建关联矩阵；按交易时间段划分股票集合的历史交易数据，构建训练样本；基于训练样本所对应交易时间段内股票集合所包含股票的历史交易数据，构建训练样本的行情特征矩阵；所述关联矩阵中各元素的值为表示股票集合中公司间关联程度的关系权重，所述行情特征矩阵中各元素的值为对应股票在对应交易时刻的行情特征，所述关联矩阵的维度为S×S，所述行情特征矩阵的维度为N×S×D，其中，N表示该训练样本对应交易时间段所包含交易时刻的数量，S表示股票集合所包含股票的数量，D表示股票行情数据的特征维度；S2、随机选择一个训练样本，作为当前样本；利用关联矩阵，对当前样本的行情特征矩阵进行聚合更新，获得当前样本更新后的行情特征矩阵；之后，将当前样本更新后的行情特征矩阵，通过编码网络，转换为当前样本的嵌入表示；S3、从步骤S2获得的当前样本的嵌入表示中，提取当前交易时刻的嵌入表示，作为状态空间模型的观测值，通过状态空间模型，获得当前交易时刻的预测状态；S4、返回步骤S3，直至完成当前样本中所有交易时刻的计算，获得当前样本在第N交易时刻的预测状态；S5、基于步骤S4获得的当前样本在第N个交易时刻的预测状态，预测股票集合所包含股票在第N+1个交易时刻的回报率；基于第N+1个交易时刻真实的回报率和预测的回报率，进行损失计算，并反向传播更新模型参数；S6、判断是否达到预设训练轮数或预设训练目标，若是，则完成训练，否则返回步骤S2。

全文数据：

权利要求：

百度查询： 西南财经大学;中国农业银行股份有限公司四川省分行 一种股票走势状态空间模型的构建方法

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