[发明专利]一种基于人工神经网络的金融板块指数预测方法

权利要求书

1.一种基于人工神经网络的金融板块指数预测方法，其特征在于包括如下步骤：

步骤1：建立金融交易数据库，包括数据搜集和数据去噪两部分；

步骤2：构建关联板块加权指数和市场加权指数；使用Pearson相关系数作为关联程度的指标，通过关联程度加权计算得到加权指数；

步骤3：将数据集划为训练集和测试集，比例为17∶3；

将训练集和测试集分别按照不同的先验时间长度处理为预测窗口，以供模型训练和预测；

步骤4：对金融板块指数、关联板块加权指数、市场加权指数和十年期国债收益率四组序列分别进行归一化处理

步骤5：构建人工神经网络模型，模型提取特征和预测输出两部分；

步骤6：以先验长度为基准，生成6种训练集；将6种训练集输入人工神经网络模型中进行训练，迭代次数为50次，得到对应先验长度的6种人工神经网络模型。

2.根据权利要求1所述的一种基于人工神经网络的金融板块指数预测方法，其特征在于步骤1中所述的数据搜集和数据去噪，具体如下：

数据搜集：从通达信金融终端的数据接口导入股票市场数据，存储到电脑本地的MongoDB数据库，作为原始数据；股票市场数据包括各行业板块指数和市场指数；从英为财情网站下载十年期国债收益率数据文件，文件格式为CSV格式；以上数据作为原始数据；

数据去噪：对含有随机噪声的原始数据进行小波去噪，去掉数据中的随机波动。

3.根据权利要求1或2所述的一种基于人工神经网络的金融板块指数预测方法，其特征在于步骤2具体实现如下：

2-1.根据去噪后的原始数据计算金融板块与其他行业板块之间的相关系数；选取相关系数前三的值所对应的行业板块指数，将这三个行业板块指数根据与金融板块的相关系数进行加权，得到关联板块加权指数；计算公式为：

block_index＝∑b_r_ib_ind_i

其中，block_index表示关联板块加权指数，b_r_i为第个板块指数与金融板块指数的关联程度，b_ind_i为第i个板块指数的序列，i＝1，…，11；

2-2.根据去噪后的原始数据计算金融板块与上证指数、深圳成指的相关系数；再根据这两个得到的相关系数对两种市场指数进行加权，得到市场加权指数；

market_index＝∑m_r_im_ind_i

其中，market_index表示市场加权指数，m_r_i为第个市场指数与金融板块指数的关联程度，m_ind_i为第i个板块指数的序列，i＝1，2。

4.根据权利要求3所述的一种基于人工神经网络的金融板块指数预测方法，其特征在于步骤3中采用滑动窗口方法进行；训练部分包括n个数据对象，先验时间长度为m，则共产生(n-m)个预测窗口；

所述的先验时间长度为9天、19天、29天、39天、49天和59天；即训练集以先验时间长度9天进行处理，获得预测窗口；训练集以先验时间长度19天进行处理，获得预测窗口；训练集以先验时间长度29天进行处理，获得预测窗口，依次往后推；

所述的数据集包括关联板块加权指数、市场加权指数和去噪后的原始数据；所述去噪后的原始数据的金融板块指数和十年期国债收益率。

5.根据权利要求4所述的一种基于人工神经网络的金融板块指数预测方法，其特征在于步骤4所述的归一化处理，具体如下：

设每一个预测窗口内有p个先验值和一个预测值；除预测值外，将预测窗口内的每个先验值x_i与窗口内第一个先验值x₀进行比较，计算变化率，然后将计算获得的变化率x′_i替换原来的先验值x_i；变化率计算如下：

其中，i的取值为[1，p]。