[发明专利]交易机器人分类模型的训练方法、电子设备和计算机存储介质

说明书

本发明涉及一种交易机器人分类模型的训练方法、电子设备和计算机存储介质。该方法交易机器人获取预设时间段内的各股票每日的成交量、开盘价格、收盘价格、最高价格、最低价格；分别确定各股票每日成交量、开盘价格、收盘价格、最高价格、最低价格对应的包络值；交易机器人以包络值作为训练样本，通过k‑means算法进行训练，得到分类模型。本方法交易机器人获取预设时间段内的各股票每日的信息，并分别确定各股票每日成交量、开盘价格、收盘价格、最高价格、最低价格对应的包络值；交易机器人以包络值作为训练样本，通过k‑means算法进行训练，得到分类模型，由于包络值比真实值更平滑，因此通过包络值训练出的模型更加精确。

技术领域

本发明涉及计算机技术领域，尤其涉及一种交易机器人分类模型的训练方法、电子设备和计算机存储介质。

背景技术

全世界股票、期货、外汇和黄金市场是一个资金博弈市场或资金博弈平台。博弈的决策人是操纵每个金融产品的庄家，这是极少数人。博弈策略是筹集大量的资金，利用资金优势，大量买进股票或各种金融产品，并控制了大量的筹码或金融产品，通过资金优势，任意拉抬和打压金融产品的价格，制造价格的波动，通过价格波动来赢得博弈胜利，就是赢取博弈对手的钱。

交易机器人可以基于股票信息智能的向投资者推荐投资信息，而如何训练交易机器人，使其推荐的信息更加准确成为当前研究的热点。

发明内容

(一)要解决的技术问题

为了合理推荐，本发明提供一种交易机器人分类模型的训练方法、电子设备和计算机存储介质。

(二)技术方案

为了达到上述目的，本发明采用的主要技术方案包括：

一种交易机器人分类模型的训练方法，所述方法，包括：

S101，交易机器人获取预设时间段内的各股票每日的成交量、开盘价格、收盘价格、最高价格、最低价格；

S102，分别确定各股票每日成交量、开盘价格、收盘价格、最高价格、最低价格对应的包络值；

S103，交易机器人以包络值作为训练样本，通过k-means算法进行训练，得到分类模型。

可选地，所述预设时间段为一年。

可选地，所述S102的包络值通过如下公式得到：

E_i(t)＝a*[f_i(t)-f_i(t-1)]+logf_i(t)；

a＝0.05*minf_i(t)/maxf_i(t)；

i为参数标识，参数为成交量或开盘价格或收盘价格或最高价格或最低价格，E_i(t)为t日i对应的包络值，f_i(t)为t日i的值。

可选地，所述S103包括：

S103-1，对于任一股票n，将其第t日的成交量包络值、开盘价格包络值、收盘价格包络值、最高价格包络值、最低价包络值组成向量

S103-2，根据形成样本点；

S103-3，通过k-means算法对各样本点进行聚类，形成分类模型。

可选地，所述103-2中每一个作为一个样本点。

可选地，S103-3包括：

S103-3-1，从所有样本点中选择k个作为中心点；

S103-3-2，计算各样本点与格中心点之间的距离；