[发明专利]高频价格预测方法、装置、终端设备以及存储介质

说明书

本申请公开了一种高频价格预测方法、装置、终端设备以及存储介质，应用于金融市场，其高频价格预测方法包括：获取上一时间段内的逐笔交易数据Tick数据；将所述上一时间段内的Tick数据输入至预先训练好的价格预测网络模型中，得到未来特定时间点的预测涨幅结果，其中，所述价格预测网络模型由LSTM网络构建。本申请解决了人工盯盘难以及时抓住每一次市场高频波动机会的问题，实现程序自动盯盘，快速预测高频盘口价格，提高预测准确率及收益率。

技术领域

本申请涉及金融数据处理技术领域，尤其涉及一种高频价格预测方法、装置、终端设备以及存储介质。

背景技术

人工智能技术已经在金融市场得到了广泛的应用。遗传算法被广泛应用于股票市场因子挖掘，在高效率的同时还保持了很强的可解释性。在沪深300市场中，图神经网络能够学习到股票池中所有股票的潜在行业关联、产业链上下游关联，从而获得超过人类基金经理的年化收益率。

然而，在交易日的连续竞价阶段中，交易员很难通过人工盯盘的方式抓住每一次高频的市场波动机会，如，当成交量突然放量出现单边行情时，交易员很难在短时间内发现行情，完成分析判断、预测走势及下单跟踪等，从而错过高频行情，错失赚取差价的机会。

因此，针对人工盯盘难以及时抓住每一次市场高频波动机会的问题，有必要提出一种高频市场价格预测的的解决方案。

发明内容

本申请的主要目的在于提供一种高频价格预测方法、装置、终端设备以及存储介质，旨在解决人工盯盘难以及时抓住每一次市场高频波动机会的问题，实现程序自动盯盘，快速预测高频市场价格，提高预测准确率及收益率。

为实现上述目的，本申请提供一种高频价格预测方法，应用于金融市场，所述高频价格预测方法包括：

获取上一时间段内的逐笔交易数据Tick数据；

将所述上一时间段内的Tick数据输入至预先训练好的价格预测网络模型中，得到未来特定时间点的预测涨幅结果，其中，所述价格预测网络模型由LSTM网络构建。

可选地，所述获取上一时间段内的逐笔交易数据Tick数据的步骤之前，还包括：

通过预先构建的数据集训练得到所述价格预测网络模型，其中，所述数据集包括训练用的Tick数据和测试用的Tick数据，所述训练用的Tick数据和所述测试用的Tick数据无时间重合。

可选地，所述通过预先构建的数据集训练得到所述价格预测网络模型的步骤包括：

获取所述训练用的Tick数据；

对所述训练用的Tick数据进行预处理；

将预处理后的训练用的Tick数据输入至构建的价格预测网络模型中进行训练，得到训练用的预测涨幅结果；

将所述训练用的预测涨幅结果回传至所述价格预测网络模型，得到训练后的第一价格预测网络模型；

获取所述测试用的Tick数据，对所述测试用的Tick数据进行预处理；

将预处理后的测试用的Tick数据输入至所述第一价格预测网络模型中进行测试，得到测试用的预测涨幅结果；

将所述测试用的预测涨幅结果回传至所述第一价格预测网络模型，得到测试完成后的第二价格预测网络模型，并得到所述训练好的价格预测网络模型。

可选地，所述获取上一时间段内的逐笔交易数据Tick数据的步骤之后，还包括：

对所述上一时间段内的Tick数据进行预处理，具体包括：

基于Tick数据的类型划分特定字段；

将所述上一时间段内的Tick数据按照所述特定字段进行时间重采样。