[发明专利]基于机器学习的价值投资分析方法、设备和存储介质

说明书

本发明提供一种基于机器学习的价值投资分析方法、设备及存储介质，所述方法包括以下步骤：将分析标的进行板块划分，计算分析标的与所述板块的相似度；构建基于神经网络理论构建神经网络模型，所述神经网络模块至少包括输入层、隐藏层和输出层，所述输入层为多维线性输入层；以所述分析标的上一周期的财务因子和板块相似度作为输入层参数，预测该分析标的下一周期在各个板块的行情；对所述各个板块行情预测值进行相似度加权平均，取相似度加权平均值作为所述分析标的行情预测值。本发明通过构建多层神经网络，以分析标的历史财务数据和板块的相似度来预测下一周期所述分析标的综合行情，对分析标的中长期的行情预测的准确性和稳定性均有所改善。

技术领域

本发明涉及金融领域，特别地涉及一种基于机器学习的价值投资分析方法、设备及存储介质。

背景技术

预测是一种重要的数据分析形式，数据预测是一个由学习阶段和预测阶段组成的两阶段过程，在第一阶段即学习阶段通过从训练集“学习”或者分析分类算法构造分类器。数据库中数据的元组(样本)以及与其相关联的类符号组成了训练集。由于类标号的存在，整个训练过程是有监督的，可以把学习阶段看作学习一个映射函数，输入输出都是既定的。而在第二阶段，主要是使用模型对测试集数据进行预测，评估预测准确率等指标。所谓准确率是指分类器分类正确的测试集元组所占全部元组的百分比。

大多数学者认为，股票指数是为时间序列相关的数据，即通过研究历史数据，对股票指数的发展可以得到一定的预测结果，从金融学来讲，由于股票市场的高收益与高风险并存的特性，股票预测对于算法的要求很高，传统方法主要包括基本分析法和技术分析法，分别通过市场因素如供求关系和统计学分析来分析股票走势，预测难度较大，且预测结果准确性不高。

随着互联网行业的发展，信息技术占主导地位，证券市场向着现代化的市场方向发展。现在沪深上市公司已经超过几千家，然而股票投资的收益与风险往往是成正比的，即投资收益越高，可能冒得风险越大。因此，股市预测方法的研究具有极其重要的应用价值和理论意义。历来有不少的传统分析技术，应该说这些传统的技术分析方法在股票分析上还是取得了较大的成就的，然而，不难发现，这些现有的理论和方法也是存在着很大的缺陷的，它们无不是采用静态的方法，定性描述的多，定量描述的少，将影响股市的众多因素割裂开来单一分析。因此，这些局限性使得这些方法在变幻莫测的股票价格波动中不能有效和准确地把握股票价格的变化。故需要探索股票市场波动的复杂性以及规律性，并根据其规律性设计一系列的操作简便，精度够高的预测软件，为广大投资者规避风险。

发明内容

为克服上述缺陷，本发明提供一种基于机器学习的价值投资分析方法、设备及存储介质，通过构建神经网络预测分析标的的未来行情。

为此，本发明的其中一实施例提供一种基于机器学习的价值投资分析方法，所述方法适于在计算设备中执行，包括以下步骤：

(1)将分析标的进行板块划分，计算分析标的与所述板块的相似度；

(2)构建基于神经网络理论构建神经网络模型，所述神经网络模块至少包括输入层、隐藏层和输出层，所述输入层为多维线性输入层；

(3)以所述分析标的上一周期的财务因子和板块相似度作为输入层参数，预测该分析标的下一周期在各个板块的行情；

(4)对所述各个板块行情预测值进行相似度加权平均，取相似度加权平均值作为所述分析标的的行情预测值；

(5)显示结果。

所述步骤(1)中，一个分析标的可划分为多个板块，所述分析标的板块划分方法包括：

获取分析标的的基本面信息和技术面数据信息，提取基本面信息和技术面数据信息中的关键词；

合并所述关键词中的同义词或相似度符合阈值的词，生成板块特征词，所述板块特征词即为所述分析标的所属的板块。