[发明专利]基于深度学习的股票数据分析方法和装置

权利要求书

1.一种基于深度学习的股票数据分析方法，其特征在于，所述方法包括：

获取多支股票的收盘价以及与所述多支股票相关联的数据；

对获取的所述多支股票的所述收盘价以及与所述多支股票相关联的数据进行处理，并完成训练数据与测试数据的划分操作；

根据所述训练数据对与所述多支股票相关联的数据建立模型，生成第一模型，并对所述第一模型进行训练；

基于训练完成的所述第一模型，根据所述训练数据对所述多支股票的所述收盘价建立模型，生成第二模型，并对所述第二模型进行训练；

根据训练完成的所述第二模型对股票信息进行分析。

2.根据权利要求1所述的基于深度学习的股票数据分析方法，其特征在于，还包括：根据所述测试数据对训练完成的所述第二模型进行测试效果评价操作。

3.根据权利要求1所述的基于深度学习的股票数据分析方法，其特征在于，所述获取多支股票的收盘价以及与所述多支股票相关联的数据包括：

利用爬虫技术从web端获取预设时间周期内所述多支股票的所述收盘价；

利用爬虫技术从web端获取预设时间周期内与所述多支股票相关联的数据，其中，所述多支股票相关联的数据为股民对股票的评论信息。

4.根据权利要1所述的基于深度学习的股票数据分析方法，其特征在于，对获取的所述多支股票的所述收盘价以及与所述多支股票相关联的数据进行处理包括：

将预设时间周期内获取的所述多支股票的所述收盘价处理为涨跌比幅的形式；

对预设时间周期内获取的与所述多支股票相关联的数据进行情感标注处理，其中，所述情感标注处理为通过人工方式进行标注，对标注的评论信息根据预设阈值划分为正向感情倾向、负向感情倾向以及中性感情倾向。

5.根据权利要求4所述的基于深度学习的股票数据分析方法，其特征在于，还包括：对预设时间周期内获取的与所述多支股票相关联的数据进行分词处理；

当分词处理中出现停用词，则对所述停用词进行去除操作。

6.根据权利要求1所述的基于深度学习的股票数据分析方法，其特征在于，根据所述训练数据对与所述多支股票相关联的数据建立模型，生成第一模型包括：

使用word2vec模型，对与所述多支股票相关联的数据进行训练，生成相应的词向量；

通过逻辑斯蒂模型获取与所述多支股票相关联的数据中每个词的情感倾向权重；

连接每个词的word2vec得到的向量和情感倾向权重，作为该词的表达形式；

训练深度循环神经网络进行情感分类。

7.根据权利要求1所述的基于深度学习的股票数据分析方法，其特征在于，所述基于训练完成的所述第一模型，根据所述训练数据对所述多支股票的所述收盘价建立模型，生成第二模型包括：

将所述多支股票的所述收盘价的涨跌数据与所述多支股票相关联的数据进行结合，作为输入数据；

基于所述输入数据，完成深度循环神经网络的训练操作。

8.一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，该程序被处理器执行时实现所述权利要求1-7中任一项所述方法的步骤。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在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程序时实现所述权利要求1-7中任一项所述方法的步骤。

10.一种基于深度学习的股票数据分析装置，其特征在于，所述装置包括：

获取模块，用于获取多支股票的收盘价以及与所述多支股票相关联的数据；

划分模块，用于对获取的所述多支股票的所述收盘价以及与所述多支股票相关联的数据进行处理，并完成训练数据与测试数据的划分操作；

第一模型建立与训练模块，用于根据所述训练数据对与所述多支股票相关联的数据建立模型，生成第一模型，并对所述第一模型进行训练；

第二模型建立与训练模块，用于基于训练完成的所述第一模型，根据所述训练数据对所述多支股票的所述收盘价建立模型，生成第二模型，并对所述第二模型进行训练；

分析模块，用于根据训练完成的所述第二模型对股票信息进行分析。