[发明专利]一种结合网络舆情和相依性的股票价格预测方法

权利要求书

1.一种结合网络舆情和相依性的股票价格预测方法，其特征在于，包括以下步骤：

步骤1：利用爬虫技术爬取实时的网络舆情数据，以获取网络上股票的评价信息；

步骤2：利用步骤1中获取的股票的评价信息，构建并训练股票评价的CNN特征提取模型和具有多通道注意力机制的LSTM分类模型；

步骤3：爬取待预测价格股票的评价信息，利用CNN特征提取模型和具有多通道注意力机制的LSTM分类模型对该股票进行情感分类；

步骤4：借助高斯混合Copula函数选取与待预测价格股票具有强相依性的股票；

步骤5：获取待预测价格股票的历史数据，利用SLLE算法提取历史数据的特征并进行PCA降维，得到影响该股票收盘价的主要因素；

步骤6：将步骤3中的情感分类结果、步骤4中具有强相依性的股票的上期收盘价、步骤5中的主要影响因素的上期数值输入到BiLSTM模型中，对待预测价格股票的本期收盘价进行预测。

2.如权利要求1所述的一种结合网络舆情和相依性的股票价格预测方法，其特征在于，步骤1中，根据爬取状态将股票分为三种状态：outstanding-等待爬取的股票，complete-爬取完成的股票，processing-正在爬取的股票；所有股票的初始状态均为outstanding，若开始爬取某股票的网络舆情数据则将其状态切换为processing，若某股票的网络舆情数据爬取完成则将其状态切换为complete，若某股票处于processing状态的时间超过一定阈值则将其状态重置为outstanding。

3.如权利要求1所述的一种结合网络舆情和相依性的股票价格预测方法，其特征在于，步骤1中，利用PageRank算法搭建爬虫框架，爬取网页中的非结构化数据。

4.如权利要求3所述的一种结合网络舆情和相依性的股票价格预测方法，其特征在于，所述爬虫框架中，用户访问网页的方式为链接跳转和网址输入，用户访问网页的PR值为：

式中，PR(u)、PR(v)分别表示网页u和网页v的PR值，B_u为对网页u有出链的网页的集合，L(v)表示网页v的出链数目，N为链出网页总数，d为阻尼因子，表示用户通过链接跳转访问网页的概率。

5.如权利要求4所述的一种结合网络舆情和相依性的股票价格预测方法，其特征在于，所述阻尼因子d＝0.85。

6.如权利要求4所述的一种结合网络舆情和相依性的股票价格预测方法，其特征在于，步骤2中，采用结巴分词的方法对爬取自PR值最高的网页的某股票的评价信息进行预处理；利用一维CNN特征提取模型提取预处理后每条评价信息的局部特征和上下文特征，组成特征序列；将特征序列输入具有多通道注意力机制的LSTM分类模型中提取多通道融合情感特征并进行情感分类，分为积极或消极中的一种。

7.如权利要求1所述的一种结合网络舆情和相依性的股票价格预测方法，其特征在于，步骤4中，计算历史同期待预测价格股票的收盘价与其他股票收盘价的Spearman相关系数、kendall秩相关系数和Pearson相关系数，对获取的三种相关系数进行加权平均并设定相依性阈值，选取加权平均后相关系数大于相依性阈值的股票作为与待预测价格股票具有强相依性的股票。

8.如权利要求1所述的一种结合网络舆情和相依性的股票价格预测方法，其特征在于，步骤6中，训练BiLSTM模型时，利用改进的粒子群算法RPSO将BiLSTM模型的参数初始化为一群随机粒子，然后通过迭代确定最佳参数。