[发明专利]一种基于深度循环神经网络的股指价格预测方法

摘要

本发明提供了一种基于深度循环神经网络的股指价格预测方法，其方法包括：首获取待预测股指的历史指数数据，并将获取的历史指数数据分为训练数据序列和预测数据序列；然后对训练数据序列和预测数据序列分别进行分析处理，构建长短时记忆节点的深度循环神经网络模型，并采用监督学习的方法对模型进行训练；最后根据所述处理后的预测数据序列，采用训练后的长短时记忆节点网络模型，对下一个工作日的股指进行预测。本发明的有益效果是：本发明所提出的技术方案结合时间序列中的相空间重构方法和深度学习中的长短时记忆网络，设计了一个应用于股指价格的预测模型，相对于别的方法，可取得更高的精度，拥有更好的预测能力。

主权项

1.一种基于深度循环神经网络的股指价格预测方法，其特征在于：包括以下步骤：S101：获取待预测股指的历史指数数据，并将获取的历史指数数据分为训练数据序列和预测数据序列；其中，预测数据序列为：待预测工作日前n个工作日的真实股指组成的数据序列；n大于0，为预设值；S102：利用小波去噪方法对训练数据序列和预测数据序列分别进行去噪处理，以去除异常数据，得到去噪后的训练数据序列和去噪后的预测数据序列；S103：对去噪后的训练数据序列和去噪后的预测数据序列分别进行相空间重构，并对重构后的训练数据序列和重构后的预测数据序列分别进行标准化和结构化处理，得到最终处理后的训练数据序列和处理后的预测数据序列；S104：构建长短时记忆节点的深度循环神经网络模型，并根据所述处理后的训练数据序列，采用监督学习的方法对所述深度循环神经网络模型进行训练，得到训练后的长短时记忆节点网络模型；S105：根据所述处理后的预测数据序列，采用训练后的长短时记忆节点网络模型，对待预测的工作日的股指进行预测，得到待预测的工作日的预测股指。