[发明专利]融合注意力机制的深度网络智能投资系统数据分析方法

权利要求书

1.融合注意力机制的深度网络智能投资系统数据分析方法，其特征在于，包括如下步骤：

步骤1：从金融网站以及股票数据库中获取足量本地设备端所需调用的金融字段，并进行筛选整合成输入字段X；

X＝x₁,x₂,…,x_n

X包含n个时间点，x_i为第i个时间点的金融字段；

步骤2：将输入字段X输入到编码器模块Encoder中，Encoder模块由长短期记忆网络构成，对输入字段X进行编码；

步骤3：编码后的字段X向量通过注意力分配模块获取符合概率分布取值区间的注意力分配概率分布数值；

步骤4：接着解码器Decoder中的长短期记忆网络根据包含注意力概率分布的字段编码和之前已经生成的历史信息来生成的价格预测；同时将下一交易日金融产品价格的波动率的预测值与下一交易日的价格波动率的真实值与进行比较，使用损失函数得到预测误差，并利用误差反向传播算法BP更新所述长短期记忆网络的参数直至深度网络训练完成；

步骤5：通过训练完成的深度网络输出某交易日预测结果。

2.根据权利要求1所述的融合注意力机制的深度网络智能投资系统数据分析方法，其特征在于：所述损失函数如下：

其中，N为输入LSTM网络的金融字段总的交易天数,g为价格波动率真实值，y为价格波动率的预测值。

3.根据权利要求1所述的融合注意力机制的深度网络智能投资系统数据分析方法，其特征在于：所述长短期记忆网络前一时刻的隐藏状态H_t-1经过多个全连接层以及softmax操作得到输入字段X每个时刻的权重a_t来分配注意力。