[发明专利]股市趋势预测方法、装置、计算机设备和存储介质在审
| 申请号: | 201910620463.0 | 申请日: | 2019-07-10 |
| 公开(公告)号: | CN110489631A | 公开(公告)日: | 2019-11-22 |
| 发明(设计)人: | 项舒畅;张春玲;罗傲雪;汪伟 | 申请(专利权)人: | 平安科技(深圳)有限公司 |
| 主分类号: | G06F16/953 | 分类号: | G06F16/953;G06F17/27;G06K9/62;G06Q40/04 |
| 代理公司: | 44224 广州华进联合专利商标代理有限公司 | 代理人: | 姜晓云<国际申请>=<国际公布>=<进入 |
| 地址: | 518033 广东省深圳市福田区福*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 标签 趋势曲线 趋势预测 新闻事件 文本数据 预测结果 预设 数据库 计算机设备 标签匹配 存储介质 关联存储 接收目标 历史新闻 目标终端 事件数据 文本识别 终端发送 大数据 关联 返回 申请 | ||
1.一种股市趋势预测方法,所述方法包括:
接收目标终端发送的待处理新闻事件数据;
对所述待处理新闻事件数据进行文本识别得到第一文本数据,根据所述第一文本数据得到所述待处理新闻事件对应的第一标签;
当预设数据库中存在与第一标签匹配的第二标签时,获取与所述第二标签关联的股市趋势曲线,其中,所述第二标签是基于历史新闻事件数据得到,且与股市趋势曲线关联存储在预设数据库中的标签;
根据所述股市趋势曲线得到与所述待处理新闻事件相关的预测结果,并将所述预测结果返回至所述目标终端。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括;
对历史新闻事件数据进行文本识别得到第二文本数据,根据所述第二文本数据得到所述历史新闻事件对应的第二标签;
获取所述历史新闻事件发生的时间节点,以及所述时间节点的相邻时间段内的股市收益数据,并根据所述股市收益数据计算所述相邻时间段内的累积超额收益率;
根据所述相邻时间段内的累积超额收益率,绘制股市趋势曲线;
将所述第二标签与所述股市趋势曲线进行关联存储至所述预设数据库中。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第二文本数据得到所述历史新闻事件对应的第二标签之后,还包括:
识别所述第二标签的类型,获取所述第二标签类型对应的股市趋势浮动属性;
根据所述股市趋势浮动属性确定对应的累积超额收益率计算模型;
所述根据所述股市收益数据计算所述历史新闻事件发生的时间节点相邻时间段内每天的累积超额收益率,包括:
根据所述累积超额收益率计算模型及所述股市收益数据计算所述历史新闻事件发生的时间节点相邻时间段内每天的累积超额收益率累积超额收益率。
4.根据权利要求2所述的方法,其特征在于,所述获取历史新闻事件数据之后,还包括:
获取所述历史新闻事件数据中的空间影响力数据;
根据所述空间影响力数据得到所述历史新闻事件对应的空间影响力等级;
确定所述空间影响力等级对应的数据影响范围,获取所述数据影响范围内第三标签与所述第二标签匹配的历史新闻事件;
所述获取历史新闻事件发生的时间节点相邻时间段的股市收益数据,并根据所述股市收益数据计算所述历史新闻事件发生的时间节点相邻时间段内每天的累积超额收益率,包括:
获取所述第三标签对应的历史新闻事件发生的时间节点相邻时间段的股市收益数据,并根据所述股市收益数据计算所述第三标签对应的历史新闻事件发生的时间节点相邻时间段内每天的累积超额收益率的平均值。
5.根据权利要求2所述的方法,其特征在于,获取历史新闻事件数据之后,还包括:
获取所述历史新闻事件数据中的时间影响力数据;
根据所述时间影响力数据得到所述历史新闻事件对应的时间影响力等级;
确定所述时间影响力等级对应的影响时长,根据所述影响时长得到预设天数。
6.根据权利要求2所述的方法,其特征在于,所述根据所述股市收益数据计算所述历史新闻事件发生的时间节点相邻时间段内每天的累积超额收益率,包括:
将所述时间节点相邻时间段内每天的累积超额收益率分为所述时间节点前预设天数内每天的累积超额收益率及所述时间节点后预设天数内每天的累积超额收益率;
根据所述时间节点前预设天数内每天的累积超额收益率得到第一趋势类型,根据所述时间节点后预设天数内每天的累积超额收益率得到第二趋势类型;
根据所述第一趋势类型及所述第二趋势类型确定股市趋势类型;
所述根据所述时间节点相邻时间段内每天的累积超额收益率,绘制股市趋势曲线,包括:
根据所述股市趋势类型绘制股市趋势曲线。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910620463.0/1.html,转载请声明来源钻瓜专利网。





