[发明专利]金融产品的价格预测方法、装置及设备

说明书

本申请公开了一种金融产品的价格预测方法、装置及设备，属于神经网络领域领域。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，历史价格数据是在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。本申请通过多个第一神经网络模型对数据进行初步预测后，将多个预测结果分别输入至第二神经网络中进行融合，得到最终预测结果，本申请解决了相关技术中只采用支持向量机对价格预测精度较差的问题。

技术领域

本申请涉及神经网络领域，特别涉及一种金融产品的价格预测方法、装置及设备。

背景技术

金融领域存在有股票APP(Application，应用程序)、期货APP、贵金属APP等。这类APP上具有价格预测功能。价格预测功能是采用基于金融时间序列数据的数据模型，对金融产品的未来价格走势的方向和可能性进行预测的功能。

相关技术中采用神经网络模型对金融产品进行价格预测。以神经网络模型为支持向量机(Support Vector Machine，SVM)对股票进行价格预测为例，使用股票的10+1个日指标历史价格数据对SVM进行训练。其中，前10个日指标历史价格数据作为样本输入数据，最后1个日指标历史价格数据作为样本结果数据。在训练完毕后，使用训练后的SVM和最近10个日指标的股票价格数据来预测未来一天的涨跌情况，涨跌用{+1，-1}来表示。

但在实际使用过程中发现，上述支持向量机对股票价格的预测精度较差。

发明内容

本申请实施例提供了金融产品的价格预测方法、装置及设备，可以解决支持向量机对股票价格的预测精度较差的问题。所述技术方案如下：

第一方面，提供了一种金融产品的价格预测方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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；