[发明专利]股票价格的预测方法、服务器及存储介质

说明书

本发明公开了一种股票价格的预测方法，包括以下步骤：获取目标股票的历史股票数据，并对所述历史股票数据进行预处理；根据所述历史股票数据的时间顺序，对所述预处理后的历史股票数据赋予时间权重，所述时间权重与所述时间顺序成正相关；基于预先构建的深度神经网络模型，根据赋予时间权重后的所述历史股票数据得到所述目标股票的价格预测结果。本发明还公开了一种服务器以及计算机可读存储介质。本发明通过对与价格预测结果的时间点越近的历史股票数据赋予越大的权重，并根据历史股票数据基于深度神经网络模型生成价格预测结果，提高了预测得到的股票价格的准确率。

技术领域

本发明涉及人工智能领域，尤其涉及一种股票价格的预测方法、服务器以及计算机可读存储介质。

背景技术

目前，在对股票价格的预测中，往往仅使用K线图模型去预测股票的价格，或者只根据股票日内分笔交易数据对股票价格日内变化趋势进行量化，而未考虑历史股票数据的时间远近，对股票价格预测结果所产生的影响，这些都导致了预测得到的股票价格的准确率低下。

发明内容

本发明的主要目的在于提供一种股票价格的预测方法、服务器以及计算机可读存储介质，提高了对股票价格预测的准确率。

为实现上述目的，本发明提供一种股票价格的预测方法，所述股票价格的预测方法包括以下步骤：

获取目标股票的历史股票数据，并对所述历史股票数据进行预处理；

根据所述历史股票数据的时间顺序，对所述预处理后的历史股票数据赋予时间权重，所述时间权重与所述时间顺序成正相关；

基于预先构建的深度神经网络模型，根据赋予时间权重后的所述历史股票数据得到所述目标股票的价格预测结果。

优选地，所述历史股票数据包括开盘价、收盘价、最低价、最高价、预设时间间隔内的股票价格、交易量和换手率，所述对所述历史股票数据进行预处理的步骤包括：

对所述历史股票数据进行数据筛选，并根据数据筛选后的历史股票数据确定股票价格走势特征；

将所述股票价格走势特征添加到所述数据筛选后的历史股票数据中，以得到所述预处理后的历史股票数据。

优选地，所述根据所述历史股票数据的时间顺序，对所述预处理后的历史股票数据赋予时间权重的步骤包括：

根据预设时间间隔将所述历史股票数据划分成多组子数据；

根据多组所述子数据的时间顺序，通过预设的时间权重函数对多组所述子数据赋予时间权重。

优选地，所述深度神经网络模型包括生成式对抗网络，所述生成式对抗网络包括长短期记忆网络和卷积神经网络，其中，所述长短期记忆网络为所述生成式对抗网络中的生成网络，所述卷积神经网络为所述生成式对抗网络中的监督网络。

所述深度神经网络模型还包括强化学习算法模型，所述基于预先构建的深度神经网络模型，根据赋予时间权重后的所述历史股票数据得到所述目标股票的价格预测结果的步骤之后还包括：

将所述目标股票的价格预测结果输入强化学习算法模型进行处理，得到所述目标股票的买卖预测信号。

优选地，所述将所述目标股票的价格预测结果输入强化学习算法模型进行处理，得到所述目标股票的买卖预测信号的步骤包括：

根据所述目标股票的价格预测结果和所述目标股票的历史价格获取股价差值；

根据所述股价差值、所述目标股票的历史买卖预测信号和所述强化学习算法模型中的参数计算得到所述目标股票的买卖预测信号。

优选地，所述根据所述股价差值、所述目标股票的历史买卖预测信号和所述强化学习算法模型中的参数计算得到所述目标股票的买卖预测信号的步骤之后还包括：