[发明专利]股票型基金排序方法及装置

权利要求书

1.一种股票型基金排序方法，其特征在于，基于第一神经网络g(X、Y)和第二神经网络f(g(X、Y))构建的深度对比神经网络进行所述股票型基金排序，所述股票型基金排序方法包括如下步骤：

获取大盘数据X和基金收益数据Y；

用第一神经网络g(X、Y)对大盘数据X和基金收益数据Y之间的关系建模；

用第二神经网络f(g(X、Y))对所述关系进行打分；

用排序损失函数驱动所述第一神经网络和所述第二神经网络进行训练学习，训练后的深度对比神经网络模型用于预测股票型基金的收益率优劣并进行排序。

2.如权利要求1所述的方法，其特征在于，所述第一神经网络预测向量W；再将Y-WX送入第二神经网络f(g(X、Y))对所述关系进行打分。

3.如权利要求2所述的方法，其特征在于，所述排序损失以股票型基金未来时间段T的正确排序作为学习监督目标，优选的是，T为一个月。

4.如权利要求3所述的方法，其特征在于，

当预测月份t的股票型基金排序时，获取每个股票型基金过去N个月的大盘数据X和基金收益数据Y，构建训练集，训练深度对比神经网络预测所有股票型基金在月份t-1的排序，优选的是N＝60。

5.如权利要求4所述的方法，其特征在于，测试步骤包括：

a.随机初始化第一神经网络和第二神经网络的可学习参数；

b.当预测月份t的基金排序时，获取每个基金过去60个月的数据，构建训练集，训练神经网络预测所有基金在月份t-1的排序；

c.网络完成学习后，构建测试数据，用学好的神经网络预测月t的所有股票基金的排序；

d.在时间轴上依次重复a-c步骤，可以完成每个月份的股票基金排序。

6.一种股票型基金排序装置，其特征在于，基于第一神经网络g(X、Y)和第二神经网络f(g(X、Y))构建的深度对比神经网络进行所述股票型基金排序，所述股票型基金排序装置包括：

采集组件所述采集组件被配置为获取大盘数据X和基金收益数据Y；

第一神经网络所述第一神经网络被配置为用第一神经网络g(X、Y)对大盘数据X和基金收益数据Y之间的关系建模；

第二神经网络所述第二神经网络被配置为用第二神经网络f(g(X、Y))对所述关系进行打分；

损失函数驱动组件所述损失函数驱动组件被配置为用排序损失函数驱动所述第一神经网络和所述第二神经网络进行训练学习，训练后的深度对比神经网络模型用于预测股票型基金的收益率优劣并进行排序。

7.如权利要求6所述的装置，其特征在于，所述第一神经网络预测向量W；再将Y-WX送入第二神经网络f(g(X、Y))对所述关系进行打分。

8.如权利要求7所述的装置，其特征在于，所述排序损失以股票型基金未来时间段T的正确排序作为学习监督目标，优选的是，T为一个月。

9.如权利要求8所述的装置，其特征在于，

当预测月份t的股票型基金排序时，获取每个股票型基金过去N个月的大盘数据X和基金收益数据Y，构建训练集，训练深度对比神经网络预测所有股票型基金在月份t-1的排序，优选的是N＝60。

10.如权利要求9所述的装置，其特征在于，应用所述装置测试时按如下步骤配置：

a.随机初始化第一神经网络和第二神经网络的可学习参数；

b.当预测月份t的基金排序时，获取每个基金过去60个月的数据，构建训练集，训练神经网络预测所有基金在月份t-1的排序；

c.网络完成学习后，构建测试数据，用学好的神经网络预测月t的所有股票基金的排序；

d.在时间轴上依次重复a-c步骤，可以完成每个月份的股票基金排序。