[发明专利]一种基于结合注意力的CNN-LSTM网络基金价格预测方法

说明书

本发明公开了一种基于结合注意力的CNN‑LSTM网络基金价格预测方法，Step1：基金平台数据收集；Step2：基金数据预处理；Step3：样本特征提取；Step4：建立基金价格预测网络模型；Step5：基金预测模型的训练与预测。本发明提供一种基于结合注意力的CNN‑LSTM网络基金价格预测方法，预测精度高，能够实现基金价格的多步预测，为投资人员提供可靠的参考信息。

技术领域

本发明属于基金价格预测领域，特别涉及一种基于结合注意力的CNN-LSTM网络基金 价格预测方法。

背景技术

随着经济的发展和国民观念的转变，基金投资已经逐渐成为了人们生活 的重要内容之一。分析影响基金价格的各种因素，掌握基金价格的变化规律 并对价格进行预测，从而有效规避价格风险，对基金投资者来说具有十分重 要的意义。然而，基金价格数据具有高噪声、动态、复杂、多因素影响和非 参数等特点，显然准确的预测基金价格是一个具有开放性挑战的难题。

伴随着金融理论与数理工具的日渐完善，各种各样的基金价格预测方法应运而生。

传统的基金价格预测模型是利用平均线理论、K线图分析法、回归分析法、灰色预测方 法、ARIMA模型、多核支持向量机和马尔柯夫链等，然而由于基金价格受多因素交叉影响，而且这些因素之间表现出较强的非线性特征，致使这些传统的线性基金预测模型的 精度不高。此外，大多数研究或方法针对于基金价格的单时步预测(即只预测下一天或 月或年的基金价格)，并不具有太大的实际意义，因为投资者关注的是未来较长一段时期 内的价格。因此，亟待提出一种预测精度高的基金价格预测方法，能同时表达经济数据 在空间维度和时间维度上的特征，从而实现基金价格的多步预测，为投资人员提供可靠 的参考信息。

发明内容

为了解决上述存在问题，本发明提供一种基于结合注意力的CNN-LSTM网络基金价格预 测方法，预测精度高，能够实现基金价格的多步预测，为投资人员提供可靠的参考信息。为 达此目的：

本发明提供一种基于结合注意力的CNN-LSTM网络基金价格预测方法，具体步骤如下：

Step1：基金平台数据收集

从网络基金平台上搜集该基金股在过去两年内的历史数据，日期类型是基金价格的 重要影响因素之一，由于基金周末是休市的事实上，投资者会有选择的调整投资策略，因此将日期类型作为重要考量之一，并将周一到周五分别编码为1～5。

Step2：基金数据预处理

采用的归一化处理方式为Min-Max归一化方法，使得所有的输入向量元素取值都在 0-1之间。具体计算公式为其中，x_i^*为归一化后的基金价格特征值；x_i为第i个基金价格特征值，x_max，x_min分别为x_i中的最大值和最小值。

Step3：样本特征提取