[发明专利]一种基于集成学习模型的股价预测方法

说明书

本发明公开了一种基于集成学习模型的股价预测方法，属于计算机数据处理领域，方法包括采集股票价格的历史数据和相应影响股价的基本因素；根据基本因素出现的时间点和固定时间间隔对股价历史数据和基本因素进行分组；构建股价预测模型；训练股价预测模型；测试股价预测模型；实时采集当前股票价格的数据和股票基本因素数据；根据当前的股价和基础因素输入股价预测模型预测未来一个时间点或者时间段的股价。采用了不同子网、不同层次以及不同权重的特征，构造了全新预测模型，通过对模型的训练和测试后，预测的股票价格非常精准，可以大大的减少了预测误差。

技术领域

本发明涉及计算机数据处理领域，尤其涉及一种基于集成学习模型的股价预测方法。

背景技术

股票的价格都是实时波动的，具有极大的不稳定性以及随机性，在股票交易过程中，往往是基于人的主观决策或者是在股票价格下跌时来做出选股及购买行为，这样的选股行为并非是基于对股票后续价格走势的预测来做出的，因此可能存在较大的投资风险。

为了构建并采取适当的投资策略，以实现一种较为稳健的理性投资方式，机器学习技术在证券投资领域的应用，尤其是在择股和入市时机的确定方面的应用，已受到了研究人员的广泛关注，其基于对股票价格波动的预测来进行选股及择时入股，已被应用于股票购买行为的决策过程中。

现有技术中，也产生了一些采用互联网技术自动预测股票价格的方法，但是，预测结果的准确率较低，模型并不可靠。

发明内容

本发明的目的在于提供一种基于集成学习模型的股价预测方法，解决现有股价预测方法的预测结果的准确率较低，模型并不可靠的技术问题。

一种基于集成学习模型的股价预测方法，所述方法包括如下步骤：

步骤1：采集股票价格的历史数据和相应影响股价的基本因素；

步骤2：根据基本因素出现的时间点和固定时间间隔对股价历史数据和基本因素进行分组；

步骤3：构建股价预测模型；

步骤4：训练股价预测模型；

步骤5：测试股价预测模型；

步骤6：实时采集当前股票价格的数据和股票基本因素数据；

步骤7：根据当前的股价和基础因素输入股价预测模型预测未来一个时间点或者时间段的股价。

所述步骤1中的基本因素包括基础因素和技术因素；所述基础因素包括经济性因素、政策性因素、所属行业因素和业绩因素，所述技术因素包括公司技术突破因素和行业技术占比因素。

所述所属行业因素是从商品形态上分析公司产品是生产资源还是消费资源，从需求形态上分析公司产品的销售对象及销售范围，从生产形态上分析公司是劳动密集型、资本密集型或是知识技术密集型，分析每个因素都占一定权重因素。

所述步骤2中的具体过程为：取其中的一个时间点为起始点，然后按照固定间隔时间采集历史股价数据和基本因素数据，当基本因新出现、消失或者改变时，以该时间点为起始点采集历史股价数据和基本因素数据，然后再按固定间隔时间进行采集，得到若干个分组数据。

所述步骤3中构建股价预测模型由双层数据子网、参数特征结构层和分类定位预测网络组成，双层数据子网由历史数据子网和历史实时数据子网组成，历史数据子网和历史实时数据子网共享相同或者相近的参数，历史数据子网对选取历史时间N-D点的股价和基本因素进行参数特征提取得到历史参数特征层，历史实时数据子网对选取历史时间N点的股价和基本因素进行参数特征提取得到实时数据特征层，其中，N为历史的实时变化的时间数据，D为相隔时间数据，历史参数特征层和实时数据特征层中抽取H层参数特征，H为正整数；