[发明专利]一种基于深度学习和回测策略的金融风险预测方法

说明书

本发明公开了一种基于深度学习和回测策略的金融风险预测方法，包括以下步骤：步骤1、建立历史数据库；步骤2、对多个激励函数建立融合分类机制，构建深度学习神经网络预测模型；步骤3、建立回测参数数据库，执行回测任务，生成回测报告；步骤4、将回测报告显示在带触控面板功能的显示元件上。本发明结构简单、设计合理，对不同的激励函数建立融合分类机制，利用深度学习方法让预测模型向实际趋势数据“学习”，以提高预测模型的预测精度，回测参数数据库，能够更好的识别用户用不同词语表达的回测参数，将预测时间序列波形和模糊输出量显示在带触控面板功能的显示元件上，显示直观清晰。

技术领域

本发明属于深度学习技术领域，具体涉及一种基于深度学习和回测策略的金融风险预测方法。

背景技术

我国一直在致力于推动经济的高速增长，带来的一个表现是金融市场的不断繁荣。金融的不断发展产生了海量的数据，传统的方法依靠人工，随着数量增多，在短时间内快速处理数据变得越发艰难，因此在早期，计算机主要用来算数据，跟随技术潮流的发展，以计算机科学与技术作为基础的智能程序不断在某些领域开始扮演人类的智能决策角色。

股票市场是资本的一个交易场所，同时我国金融市场在不断地向国际化方向前进，国外资本机构通过“北上资金”可以直接参与到我们的交易。因此股市研究中所考虑的影响因素和信息来源是多样的，这样导致的问题是使得我国证券市场受国内外投资者的操作影响急剧变大，相对增加了调控难度，如何保证股票市场的稳定是一个重大挑战，而计算机技术的出现可以在一定程度化解风险，使用计算机技术高效计算、处理、决策不失为一个好的方向。

计算机技术的核心是数据问题，那么深度学习方法无疑是处理大数据的重要利器。近年来机器学习、深度学习成果不断，相应的技术也被应用到股票研究中来，深度学习通过激活函数获得非线性，经过层层堆叠得到非线性合适的网络结构，能够充分学习股票时序数据中的前后依赖关系，从而在未来的预测中发挥作用。

由此可以看出将计算机科学与技术成功运用到股票市场有着很大的研究与应用价值，在预测股票市场、维护金融市场稳定、防范发生重大风险、提高投资水平、获取超额收益等方面会发挥重要作用，将深度学习应用于金融市场风险预测是一个很有意义的方向。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于深度学习和回测策略的金融风险预测方法，其结构简单、设计合理，对不同的激励函数建立融合分类机制，利用深度学习方法让预测模型向实际趋势数据“学习”，以提高预测模型的预测精度，回测参数数据库，能够更好的识别用户用不同词语表达的回测参数，将预测时间序列波形和模糊输出量显示在带触控面板功能的显示元件上，显示直观清晰，采用人工智能的技术来研究股票的趋势预测的可能性，高效快速地计算与处理，为人类决策提供依据。

为解决上述技术问题，本发明采用的技术方案是：一种基于深度学习和回测策略的金融风险预测方法，其特征在于：包括以下步骤：

步骤1、建立历史数据库：获取n只股票的波形时间序列数据，将波形时间序列数据划分为训练集和测试集，存储在历史数据库中；

步骤2、构建深度学习神经网络预测模型；

步骤201、构建LSTM网络，LSTM网络的激励函数输出为

步骤202、将历史数据库中训练集的数据输入，进行训练，得到训练好的LSTM网络，LSTM网络具有记忆单元、输入门、遗忘门和输出门；步骤203、将测试集数据构成的时序特征向量输入训练好的LSTM网络，计算LSTM网络模型输出识别精度，若大于精度阈值，对LSTM网络模型中的全连接层参数进行迭代优化，直至小于精度阈值；

步骤3、模型回测；

步骤301、建立回测参数数据库，回测参数数据库包括多个回测参数的基准词和与其对应的近义词；

步骤302、用户输入回测参数：输入的回测参数包括但不限于回测名称、回测时间、策略名称、初始资金、频率、撮合方式、业绩基准、滑点、交易佣金，和/或限制成交量；