[发明专利]金融产品的价格预测方法、装置及设备

权利要求书

1.一种金融产品的价格预测方法，其特征在于，所述方法包括：

获取所述金融产品在第一时间段上的历史价格数据，所述历史价格数据是在所述第一时间段上按照时间序列形式产生的价格数据；

将所述历史价格数据输入至n个第一神经网络模型进行价格预测，得到n个初步预测结果，n为大于1的整数；

将所述n个初步预测结果输入至第二神经网络模型进行融合，得到所述金融产品在第二时间段上的最终预测结果。

2.根据权利要求1所述的方法，其特征在于，

所述n个第一神经网络模型包括：前馈神经网络模型、循环神经网络模型和第一支持向量机；

所述第二神经网络模型包括第二支持向量机。

3.根据权利要求1所述的方法，其特征在于，所述n个第一神经网络模型的模型参数和输入指标集是基于遗传算法来训练得到的。

4.根据权利要求3所述的方法，其特征在于，所述将所述历史价格数据输入至n个第一神经网络模型进行价格预测之前，还包括：

初始化遗传算法中的种群，所述种群包括若干个个体，每个个体的基因对应一组模型参数和输入指标集；

根据所述个体的基因为所述第一神经网络模型设置所述模型参数和所述输入指标集；

对所述种群按照所述遗传算法的适应函数进行迭代，得到最优个体；所述遗传算法的适应函数是根据所述第一神经网络模型在第一训练集中的误差的倒数设置的；

根据所述最优个体的基因，确定所述第一神经网络模型的最终模型参数和最终输入指标集。

5.根据权利要求4所述的方法，其特征在于，所述根据所述最优个体的基因，确定所述第一神经网络模型的最终模型参数和最终输入指标集之后，还包括：

获取所述金融产品的第二训练集，所述第二训练集包括第一历史时间段的样本输入数据和第二历史时间段的样本真实数据；

将所述第一历史时间段的样本输入数据输入至所述n个第一神经网络模型进行价格预测，得到n个样本预测结果；

将所述n个样本预测结果和所述第二历史时间段的样本真实数据作为第三训练集，对所述第二神经网络模型进行训练，得到训练后的所述第二神经网络模型。

6.一种金融产品的价格预测装置，其特征在于，所述装置包括：

获取模块，用于获取所述金融产品在第一时间段上的历史价格数据，所述历史价格数据是在所述第一时间段上按照时间序列形式产生的价格数据；

预测模块，用于将所述获取模块获取的历史价格数据输入至n个第一神经网络模型进行价格预测，得到n个初步预测结果，n为大于1的整数；

融合模块，用于将所述预测模块预测的n个初步预测结果输入至第二神经网络模型进行融合，得到所述金融产品在第二时间段上的最终预测结果。

7.根据权利要求6所述的装置，其特征在于，

所述n个第一神经网络模型包括：前馈神经网络模型、循环神经网络模型和第一支持向量机；

所述第二神经网络模型包括第二支持向量机。

8.根据权利要求6所述的装置，其特征在于，所述n个第一神经网络模型的模型参数和输入指标集是基于遗传算法来训练得到的。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括：初始操作模块、参数设定模块、迭代模块以及选定模块；

所述初始操作模块，用于初始化遗传算法中的种群，所述种群包括若干个个体，每个个体的基因对应一组模型参数和输入指标集；

所述参数设定模块，用于根据所述个体的基因为所述第一神经网络模型设置所述模型参数和所述输入指标集；

所述迭代模块，用于对所述种群按照所述遗传算法的适应函数进行迭代，得到最优个体；所述遗传算法的适应函数是根据所述第一神经网络模型在第一训练集中的误差的倒数设置的；

所述选定模块，用于根据所述最优个体的基因，确定所述第一神经网络模型的最终模型参数和最终输入指标集。