[发明专利]限价指令簿的趋势预测方法及预测系统

权利要求书

1.一种限价指令簿的趋势预测方法，其特征在于，包括以下步骤：

S1、获取限价指令簿的数据，对所述限价指令簿的数据做预处理，获得预处理后的数据；

S2、构建堆叠残差门控循环单元神经网络，使用预处理后的数据对神经网络进行训练，获得训练后的堆叠残差门控循环单元神经网络，其中，所述堆叠残差门控循环单元神经网络包括多个基于GRU层的残差块，多个基于GRU层的残差块堆叠设置；

S3、使用训练后的堆叠残差门控循环单元神经网络对限价指令簿做趋势预测。

2.根据权利要求1所述的限价指令簿的趋势预测方法，其特征在于，S1中，对所述限价指令簿的数据做预处理，包括：

提取限价指令簿的特征；

将提取的限价指令簿的特征标准化，获得标准化后的数据；

将标准化后的数据集类图像化，获得类图像化后的数据集。

3.根据权利要求2所述的限价指令簿的趋势预测方法，其特征在于，所述提取限价指令簿的特征，包括：

将股票的限价指令簿的基础特征和由限价指令簿得到的分布特征作为训练集。

4.根据权利要求3所述的限价指令簿的趋势预测方法，其特征在于，所述将股票的限价指令簿的基础特征和由限价指令簿得到的分布特征作为训练集，具体包括：

输入及其标签

其中，S为总的样本数，x_t∈R^D是时间点t对应的一个D维样本，D为特征数，包含了基础特征和分布特征；y_t∈R^3×1表示股票价格在时间点t+m相应于时间点t的变化情况，其中每个值分别表示上涨、下跌和不变，m是预测的未来时间长度；

样本x_t＝{a₁,a₂,a₃,a₄,a₅,a₆,a₇}，

其中，a₁表示n级行情，包含买卖双方每一级的价格和成交量，n表示限价指令簿的级别数；a₂表示同一级行情买卖双方的价差和每一级的中间价格；a₃表示第1级和第n级的价格差异、限价委托买单或卖单相邻级之间的价格差异；a₄表示买单或卖单价格、成交量的均值；a₅表示买单或卖单价格和成交量的累差和；a₆表示每一级价格对时间的导数；a₇表示每一级成交量对时间的导数。

5.根据权利要求2所述的限价指令簿的趋势预测方法，其特征在于，将提取的限价指令簿的特征标准化，获得标准化后的数据，具体包括：

标准化后的特征

其中，是第d维特征的均值，σ_d是第d维特征的标准差，x_td为提取的限价指令簿的特征。

6.根据权利要求2所述的限价指令簿的趋势预测方法，其特征在于，所述将标准化后的数据集类图像化，获得类图像化后的数据集，具体包括：

类图像化样本x′_t包含了在时间区间[t-Δt+1,t]的归一化样本，类图像化样本x'_t∈R^Δt×D，Δt为时间跨度，标签y_t∈R^3×1表示股票价格在时间点t+m相应于时间点t的变化情况；

经数据类图像化后，系统得到训练数据集

7.根据权利要求1所述的限价指令簿的趋势预测方法，其特征在于，所述S2中，所述堆叠残差门控循环单元神经网络包括依次设置的GRU层、多个基于GRU层的残差块和平均池化层。

8.根据权利要求7所述的限价指令簿的趋势预测方法，其特征在于，所述基于GRU层的残差块的输入矩阵与所述GRU层的输出矩阵具有相同的形状，所述堆叠残差门控循环单元神经网络的输入特征数不等于GRU层的门控循环单元数。