[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

说明书

本发明公开了融合注意力机制的深度网络智能投资系统数据分析方法，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，筛选整合成字段X；步骤2：将字段X输入到编码器模块Encoder中，Encoder模块由长短期记忆网络构成，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：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；步骤5：通过训练完成的深度网络输出某交易日预测结果与设定的阈值进行比较，判断该金融产品的风险。

技术领域

本发明属于信息处理技术领域，具体涉及融合注意力机制的深度网络智能投资系统数据分析方法。

背景技术

自1991年成立证券交易所至今，中国金融市场已获得长足发展，股票交易规模不断扩大，股票价格以及各类基金的购买已成为中国绝大多数公民关心的问题，也是经济，系统科学领域研究的热点问题。金融市场的预测研究对我国经济发展具有重要意义。

金融产品(股票，基金)预测是经济预测的一个分支，指以准确的调查统计资料和市场信息为依据，从股票市场的历史，现状和规律性出发，运用科学的方法，对各类金融产品的价格未来走势做出测定。

传统的金融产品走势预测方法有证券投资分析法，时间序列预测分析法，非线性预测法等。这样的缺点是算法依据比较单一，这样的计算结果往往会让评估结果的风险比较高，会让投资的不确定性更高，让投资者的投资也变得不够理性。

随着近几年，神经网络，深度学习等技术的兴起，基于神经网络的股票预测方法也随之产生，主要是用神经网络进行股票价格的数据学习训练，然后使用训练模型去进行估计预测。股票预测的神经网络主要是递归神经网络。人们迫切需要一种融合注意力机制的深度网络智能投资顾问是在长短期记忆网络中加入注意力机制，并融入其他的相关创新性操作的方法，使得金融产品前景预测更加准确，并具有更强的鲁棒性，并能够合理配置最优投资组合，使投资决策变得更加理性。

发明内容

本发明的目的在于：针对上述的算法依据单一，使得计算结果的预测准确性低的问题，提出融合注意力机制的深度网络智能投资系统数据分析方法以增加算法的准确性。

本发明采用的技术方案如下：

融合注意力机制的深度网络智能投资系统数据分析方法，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_n为第n个时间点的金融字段；

输入到由Encoder-Decoder组成的框架中，注意力模块附着在Encoder-Decoder框架之中；

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：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更新所述整体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与设定的阈值进行比较，判断该金融产品是否存在风险。