[发明专利]基于指数特征提取的股指预测方法、服务器及存储介质

权利要求书

1.一种基于指数特征提取的股指预测方法，应用于服务器，其特征在于，所述方法包括：

样本采集步骤：提取预设数量的时间序列中所有时间点的指数因子及对应的收益率，根据预设规则选取n个指数因子构成一个n维向量x_i，i0且i为整数，将各个时间点的n维向量x_i及其对应的收益率组成待训练的样本数据；

提取步骤：提取样本数据中每段时间序列的所有时间点的n维向量x_i，作为双向长短期记忆网络模型第一层的输入；

处理步骤：在双向长短期记忆网络模型的第二层，根据某段时间序列的某个时间点的n维向量x_i及前一个时间点的n维向量x_i-1的隐藏层状态向量h_i-1计算该时间点的n维向量x_i的第一隐藏层状态向量h_i，并根据该时间点的n维向量x_i及后一个时间点的n维向量x_i+1的隐藏层状态向量h_i+1计算该时间点n维向量x_i的第二隐藏层状态向量h_i’，将第一隐藏层状态向量h_i和第二隐藏层状态向量h_i’进行平均处理，得到该时间点的综合隐藏层状态向量，直至算出所有时间点的综合隐藏层状态向量，再根据每段时间序列的所有时间点的综合隐藏层状态向量得到每段时间序列的特征向量T_i；

计算步骤：在双向长短期记忆网络模型的第三层，根据每段时间序列的特征向量T_i，利用预设的指标计算公式计算下一段时间序列的综合解释性指标S，所述指标计算公式为：S＝a₁T₁+a₂T₂+a₃T₃+…+a_kT_k

其中，T₁、T₂、……、T_k分别代表每段时间序列的特征向量，a₁、a₂、……、a_k分别代表T₁、T₂、……、T_k的权重；

权重确定步骤：在双向长短期记忆网络模型的最后一层，将每段时间序列的综合解释性指标S及该段时间序列对应的所有收益率代入反向传播算法，得到各段时间序列的权重a_i，所述反向传播算法的公式为：

其中，所述a′_k代表更新后的第k个权重，a_k代表更新前的第k个权重，η代表学习速率，0.1η3，代表整体误差E对a_k的偏导值；

预测步骤：接收待分析的时间序列，提取该段时间序列中所有时间点的n维向量，输入到训练好的双向长短期记忆网络模型中，得到该时间序列的综合解释性指标S。

2.根据权利要求1所述的基于指数特征提取的股指预测方法，其特征在于，所述预设规则包括：

分析用户的需求，根据用户需求确定用户意图；及

根据预设的意图与指数因子的对应关系，选取对应的指数因子。

3.根据权利要求1所述的基于指数特征提取的股指预测方法，其特征在于，该方法还包括：

判断预设数量的时间序列的长度是否超过预设值，若时间序列的长度超过预设值，则以预设方式对时间序列进行截取，得到长度合适的时间序列。