[发明专利]股票预测与投资组合优化方法、系统、计算机及存储介质

权利要求书

1.股票预测与投资组合优化方法，其特征在于，包括以下步骤：

S1、创建支持向量机回归模型；

S2、将基于禁忌搜索和微分进化的融合算法DETS应用于优化支持向量机回归模型的参数；

S3、通过参数优化后的支持向量机回归模型进行股票预测，得到股票预测数据；

S4、结合融合算法DETS和Pareto排序理论，得到适应多目标优化的算法NSDE-TS，并将其与预测数据结合，生成符合实际要求的股票投资组合方案。

2.根据权利要求1所述的股票预测与投资组合优化方法，其特征在于，所述步骤S2包括以下步骤：

S2-1、获取股票的历史数据，并将历史数据分为训练集和测试集；

S2-2、对训练集和测试集的数据进行归一化；

S2-3、对测试集中的输入集X_test进行预处理，聚合成为X_test’；

S2-4、设定种群规模Pop，进化代数G_a，变异算子值β，线性不敏感损失值ε，交叉率Pε，变异率Pm，禁忌矩阵[W₁，W₂，...，W_k]和禁忌搜索移动次数G_t；

S2-5、种群初始化；

S2-6、同时进行变异行为和交叉行为；

S2-7、计算适应度，进行轮盘赌选择，更新最优参数组合和种群的状态，并判断是否满足循环结束条件，不满足则返回步骤S2-5，满足则结束循环，并输出优秀参数组合[c_good,y_good]；

S2-8、设定隔代的禁忌表，代入优秀参数组合[c_good,y_good]，禁忌矩阵[W₁，W₂，...，W_k]进行G_t次移动，得到最优参数组合[c_best,y_best]，从而得到参数优化后的支持向量机回归模型。

3.根据权利要求2所述的股票预测与投资组合优化方法，其特征在于，所述步骤S2-6包括：

1)变异行为：随机选取两个不同的个体，将其向量差缩放后与待变异个体进行向量合成，即

i≠r₁≠r₂≠r₃，

其中，F为缩放因子，x_i(g)表示第g代种群中第i个个体；

同时引入自适应因子，设计如下:

F＝F₀·K^λ

其中，F₀为变异算子；G_m代表最大进化代数；G代表当前进化代数；

在算法开始时自适应变异算子为KF₀，K的大小根据自变量的规模进行衡量；初期F具有大值，可有效保持个体多样性，避免早熟，实现全局搜索；随着算法进展变异算子逐步降低，到后期变异率接近F₀，保留优良个体,实现局部深度搜索；

2)交叉行为：将个体X_m(c_m，y_m)和按照轮盘赌抽选的个体X_n(c_n，y_n)进行交叉互换，得到X′_m(c_m，y_n)和X′_n(c_n，y_m)；

3)检测行为：逐一检查更新后的种群个体；

如果个体的分量X_iMax_i，则令X_i＝Max_i-rand×(X_i-Max_i)；如果个体的变量X_i0，则令X_i＝rand×(-X_i)；rand为0到1的随机数，Max_i为分量X_i的最大边界值，X_i∈[-Max_i，2Max_i]。