[发明专利]基于深度神经网络和多任务学习的股票数据波动预测方法

摘要

本发明公开一种基于深度神经网络和多任务学习架构的股票数据处理方法，采集股票数据，获取股票数据特征，所述股票交易数据特征包括股票交易序列特征、与股票相关的技术指标特征；对所述股票数据特征进行处理，包括特征序列化处理、特征平展化处理；基于深度学习模型对处理后的数据特征进行特征抽取，得到序列类型的特征和一般数据类型的特征；将序列类型的特征和一般数据类型的特征进行特征拼合，得到组合后的特征；构建基于多任务学习的股票数据波动模型，输入组合后的特征，对股票数据波动进行预测，输出预测结果。本发明可以进行日频甚至是更高频率的获取，有效的解决了目前很多方法中“特征数据获取困难，频率较低”等问题。