基于序列到图的股票趋势预测方法和装置与流程

本发明涉及金融，尤其涉及一种基于序列到图的股票趋势预测方法和装置。

背景技术：

1、股市被认为是全球最重要的投资场所之一。许多金融机构、银行、法律实体和个人将大量资产投资于这些市场。因此，每个国家的股市都是经济增长的指标之一。这就是为什么股市变化如此重要，以至于它们是由许多因素造成的，如宏观经济形势、新闻、公司财务报告、平行市场状况、投资者的心理和情绪状况、法律成分和其他隐藏因素。因此，投资者和研究人员希望能够准确预测股市趋势。鉴于影响股市的许多因素，机器学习和深度学习方法可以帮助我们改进预测。

2、目前股票预测领域使用统计分析方法、机器学习方法和深度学习方法做出了各种努力。与此同时，深度学习方法的性能明显优于统计方法或传统机器学习方法。深度学习方法可以根据深度学习架构对模型进行分类。现有技术中有许多不同的方法来确定分类。有些方案使用阈值来确定类，这意味着，如果价格变化率超过α百分比，这被认为是看涨的，如果价格下跌超过α百分比，它被认为是看跌的。然而在，确定这种分类方法时，获得的类将无法平衡，这在模型学习中会造成许多问题。深度学习框架可以很好的平衡这种阈值缺陷，目前利用深度学习来预测股票趋势的时候，有些技术利用图像编码的时间序列和cnn网络来预测趋势，但是这些技术是直接将股票各个时段的k线图像输入至模型中，这种技术仅可以在时间趋势上捕获趋势信息，对股票趋势的空间特征无效。

技术实现思路

1、有鉴于此，本发明提供一种基于序列到图的股票趋势预测方法和装置，以解决上述提及的至少一个问题。

2、为了实现上述目的，本发明采用以下方案：

3、根据本发明的第一方面，提供一种基于序列到图的股票趋势预测方法，所述方法包括：获取股票交易历史数据中的时序数据；从所述时序数据中采样获得股票的技术指标序列数据；利用水平传播方法将所述技术指标序列数据转换为包含了时空特征的二维图像；将所述二维图像作为卷积神经网络分类模型的输入，经过卷积运算后输出得到股票趋势分类结果。

4、根据本发明的第二方面，提供一种基于序列到图的股票趋势预测装置，所述装置包括：时序数据获取单元，用于获取股票交易历史数据中的时序数据；指标序列获取单元，用于从所述时序数据中采样获得股票的技术指标序列数据；图像转化单元，用于利用水平传播方法将所述技术指标序列数据转换为包含了时空特征的二维图像；分类预测单元，用于将所述二维图像作为卷积神经网络分类模型的输入，经过卷积运算后输出得到股票趋势分类结果。

5、根据本发明的第三方面，提供一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，处理器执行所述计算机程序时实现上述方法的步骤。

6、根据本发明的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。

7、根据本发明的第五方面，提供一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现上述方法的步骤。

8、由上述技术方案可知，本发明提出对于股票历史交易数据的预处理方法，将技术指标时间序列数据转换成图，一方面可以有效提高模型的计算效率，另一方面可以在时空中同时学习到股票趋势信息，趋势判断结果更加精准。另外本申请通过对技术指标序列数据组合后的图像数据，采用卷积神经网络方法学习到更易区分的类别，平衡了传统技术中阈值设定方法的不平衡问题。

技术特征：

1.一种基于序列到图的股票趋势预测方法，其特征在于，所述方法包括：

2.如权利要求1所述的基于序列到图的股票趋势预测方法，其特征在于，所述技术指标序列数据为行数为1的输入矩阵，所述利用水平传播方法将所述技术指标序列数据转换为包含了时空特征的二维图像包括：

3.如权利要求1所述的基于序列到图的股票趋势预测方法，其特征在于，所述技术指标序列数据包括：异同移动平均线macd序列数据、和/或动向指标mdi序列数据、和/或三重指数平滑平均线trix序列数据、和/或能量指标cr序列数据、和/或指数移动平均值ema序列数据。

4.如权利要求3所述的基于序列到图的股票趋势预测方法，其特征在于，所述从所述时序数据中采样获得股票的技术指标序列数据包括：

5.如权利要求1所述的基于序列到图的股票趋势预测方法，其特征在于，所述卷积神经网络分类模型的神经网络层包括第一层、第二层及第三层的三层结构，所述第一层包含一个32神经元的conv2d网络、一个最大池化maxpool和一个dropout；所述第二层包含一个64神经元的conv2d网络、一个最大池化maxpool和一个dropout；所述第三层包含一个64神经元的conv2d网络；利用relu和softmax分别是隐藏层和输出层的激活函数。

6.如权利要求5所述的基于序列到图的股票趋势预测方法，其特征在于，所述趋势分类结果包括：空头头寸、多头头寸和持有。

7.一种基于序列到图的股票趋势预测装置，其特征在于，所述装置包括：

8.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任一项所述方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6任一项所述方法的步骤。

10.一种计算机程序产品，包括计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时实现权利要求1至6任一项所述方法的步骤。

技术总结
本发明提供了一种基于序列到图的股票趋势预测方法和装置，涉及金融技术领域，方法包括：获取股票交易历史数据中的时序数据；从时序数据中采样获得股票的技术指标序列数据；利用水平传播方法将技术指标序列数据转换为包含了时空特征的二维图像；将二维图像作为卷积神经网络分类模型的输入，经过卷积运算后输出得到股票趋势分类结果。本发明将技术指标时间序列数据转换成图，一方面可以有效提高模型的计算效率，另一方面可以在时空中同时学习到股票趋势信息，趋势判断结果更加精准。另外本申请通过对技术指标序列数据组合后的图像数据，采用卷积神经网络方法学习到更易区分的类别，平衡了传统技术中阈值设定方法的不平衡问题。

技术研发人员：张华,孙科伟,唐伟佳,吴亚东
受保护的技术使用者：中国工商银行股份有限公司
技术研发日：
技术公布日：2024/1/13