[发明专利]一种股票K线图像识别方法、装置、智能终端及存储介质

说明书

本发明公开了股票K线图像识别方法、装置、智能终端及存储介质，所述方法包括：获取待识别的股票K线图像；采用训练后的股票K线图像识别模型,对所述待识别股票K线图像进行识别，得到与所述待识别的股票K线图像对应的分类识别结果；其中，所述股票K线图像识别模型为残差卷积网络模型。本发明通过利用深度学习中的卷积神经网络技术，对股票数据进行智能识别，提取股票K线图的视觉特征，利用视觉特征预测股票未来趋势，提升了股票预测的准确率。为用户提供合理正确的交易提示。解决了现有技术在利用股票K线图预测股票走势时，预测结果不准确的问题。

技术领域

本发明涉及图像识别技术领域，尤其涉及的是一种股票K线图像识别方法、存储介质及智能终端。

背景技术

股票交易中，股民在进行交易前通常要对所买股票进行趋势研判，除了要考虑所要买卖的股票的基本面，往往还要研判股市大盘以及个股的近期走势，所参考的就是股票K线图。K线图又叫做日本蜡烛图，根据时间可以分为，日线、周线、月线、季线、年线以及小时线、分钟线等分时图。K线由当日开盘价、收盘价、最高价、最低价构成。

股民在研判K线图时，多数是所谓的右侧交易，就是当他们看到股价创出新高时才明白行情开始了，才开始去追股票，但是往往追到阶段高点，尤其是在面对短期波动的时候，这是股市中为什么只有少数人赚钱的根本原因。而已有的股票预测模型主要是基于股票数据并直接进行数值分析进行预测。由于股票的波动是各种因素影响所致，这其中包括市场大环境，基本面以及各方参与者的心理因素，导致直接进行数值分析预测的结果不准确。

因此，现有技术还有待于改进和发展。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供股票K线图识别方法、装置、智能终端及存储介质，旨在解决现有技术中在对K线图研判时，掺杂过多的人为因素，分析结果不准确的问题。

本发明解决技术问题所采用的技术方案如下：

第一方面，本发明实施例提供股票K线图识别方法，所述方法包括：

获取待识别的股票K线图像；

采用训练后的股票K线图像识别模型,对所述待识别股票K线图像进行识别，得到与所述待识别的股票K线图像对应的分类识别结果；其中，所述股票K线图像识别模型为残差卷积网络模型。

优选地，所述的股票K线图像识别方法，所述股票K线图像识别模型为五分类的图像分类器，包括：卷积层、池化层、全连接层、丢弃层、批量正则化层和softmax层。

优选地，所述的股票K线图像识别方法，所述采用训练后的股票K线图像识别模型,对所述待识别股票K线图像进行识别的过程为：

通过所述卷积层对所述待识别的股票K线图像进行卷积操作，提取得到与所述待识别股票K线图像对应的各个特征；

通过所述池化层对所述各个特征进行降低维度，得到与每个所述特征各自对应的特征向量；

通过所述全连接层对所述各个特征向量进行非线性拟合并实现维度变换，经过非线性拟合以及维度变换后得到与每个所述特征各自对应的拟合特征向量；

通过所述丢弃层对各个所述拟合特征向量的每个元素进行随机置0，减少过拟合现象的发生；

通过批量正则化层对各个所述拟合特征向量进行正则化；

通过所述softmax层对各个所述拟合特征向量进行归一化，得到5个介于0到1之间的数字，分别表示将所述待识别的股票涨跌幅评级为1～5级的概率。

优选地，所述的股票K线图像识别方法，所述softmax层所用的目标函数是交叉熵损失函数。