[发明专利]基于标签组合的股市分析方法

权利要求书

1.基于标签组合的股市分析方法，其特征在于：所述方法具体过程为：

步骤一、定义股票和标签的基本特征；

步骤二、基于步骤一建立标签之间的关系以及股票之间的关系；

步骤三、判断是否为股票开盘时间，若是，执行步骤四；若否，结束；

步骤四、获取当前股票的行情数据，包括各个股票的最高价、最低价、当前价格、上一个交易日各个股票的收盘价和各个股票涨幅；

步骤五、基于步骤一和步骤二建立的标签之间的关系、股票之间的关系和步骤四获取当前股票的行情数据，选出热门的标签组合，基于热门的标签组合，选出热门标签；

步骤六、将步骤五选出的热门标签以网络图的方式展示。

2.根据权利要求1所述基于标签组合的股市分析方法，其特征在于：所述步骤一中定义股票和标签的基本特征；具体过程为：

标签分类为行业标签、地域标签、概念标签、特征标签、技术标签；

股票存储方式：

股票代码、股票所属市场、股票名称、风格标签、行业标签、概念标签；

标签存储方式：

标签代码、标签名称、标签类型、标签包含的股票；

股票基本特征的定义：

股票热度计算：

式中，hot为股票热度，sigmoid为逻辑函数，z为逻辑函数的函数输入值；

股票强度的计算：

选取一定的历史时间窗口，统计一支股票涨幅超过8％的次数作为股票强度；

标签热度计算：

标签包含股票的热度的平均值。

3.根据权利要求1或2所述基于标签组合的股市分析方法，其特征在于：所述步骤二中基于步骤一建立标签之间的关系和股票之间的关系；具体过程为：

一、计算标签之间的关系；过程为：

a)计算基于集合相似度的标签关系：

其中，Relation表示基于集合相似度的标签关系；p_i表示第i个标签对应的股票集合，p_j表示第j个标签对应的股票集合，min表示求最小值；

b)计算基于词向量相似度的标签关系：

1)首先从腾讯获得开源的词向量；

2)从互联网公开的数据中获取金融数据；

3)利用获取的金融数据使用word2vec模型对开源的词向量进行训练，开源的词向量训练完毕后，得到最终模型，模型中包含训练后的词向量；

4)利用训练后的词向量计算标签之间的关系，即基于词向量的相似度；

利用训练后的词向量计算标签之间的关系，即基于词向量相似度，公式如下：

其中，Relation表示基于词向量相似度的标签关系；t_i表示第i个标签对应的词向量，t_j表示第j个标签对应的词向量，|t_i|_l2表示求t_i的L2范数，|t_j|_l2表示求t_j的L2范数；*表示乘法；

最终，由基于集合相似度的标签关系Relation和基于词向量相似度的标签关系Relation值做加和来确定最终的标签之间的关系；

二、计算股票之间的关系；过程为：

其中，Relation(s_m，s_n)表示股票之间的关系，s_m表示第m只股票的标签集合，s_n表示第n只股票的标签集合；log()表示对数函数，∩表示集合的求交运算。