[发明专利]基于在线学习的多指标融合的股票投资决策方法及系统

说明书

本申请公开了基于在线学习的多指标融合的股票投资决策方法及系统，方法包括：训练基于在线学习的股票趋势预测模型，构建多指标技术分析方法；根据股票趋势预测模型预测股票价格的趋势指标，根据多指标技术分析方法计算多个决策指标；将股票价格的趋势指标和多个决策指标进行融合形成决策曲线，观察股价的波动；通过获取决策曲线中待决策时刻的决策评分和该时刻的变化表现，为投资者提供决策建议。本发明一方面利用在线学习支撑方法训练在线学习的股票趋势预测模型，一方面利用多指标技术分析方法，将在线学习的股票趋势预测模型与多指标技术分析方法相结合，融合多指标形成最终的决策曲线，给与投资者及时、专业、具有针对性的决策指导。

技术领域

本申请涉及预测模型技术领域，尤其涉及基于在线学习的多指标融合的股票投资决策方法及系统。

背景技术

当前金融市场的股票投资决策产品中，大都采用技术面分析法和线性回归分析的方法，对股票涨势进行预测，对投资者的投资决策行为给出指导建议。

技术面分析法：技术面分析又称技术分析(Technical Analysis)，是股票投资分析的专业术语。技术分析研究以往价格和交易量数据，进而预测未来的价格走向。此类型分析侧重于图表与公式的构成，以捕获主要和次要的趋势，并通过估测市场周期长短，识别买入/卖出机会。根据选择的时间跨度，可以使用日内(每5分钟、每15分钟、每小时)技术分析，也可使用每周或每月技术分析。

线性回归分析：线性回归分析是根据一个或一组自变量的变动情况预测与其相关关系的某随机变量的未来值的一种方法。回归分析需要建立描述变量间相关关系的回归方程。根据自变量的个数，回归方程可以是一元回归，也可以是多元回归。如果回归函数是一个线性函数，则称变量间是线性相关。一元线性回归分析包括两个变量，一个是自变量，以x表示，另一个是因变量(预测变量)以y表示。例如在进行股票价格预测时，y表示当日收盘价，x为当日的开盘价。

但是，技术面分析法和线性回归分析的方法存在以下缺陷：

技术面分析法：纵观当前的股票分析理论和操作策略在一定程度上都存在一些问题，比如操作过程复杂、判断的精准度较差；所有的投资者都使用了同一种专家模型对自己投资的股票进行分析决策。

线性回归分析：模型单一，考虑的特征不够全面，预测的股票涨势不够及时和准确。

发明内容

本申请实施例提供基于在线学习的多指标融合的股票投资决策方法，包括以下步骤：

训练基于在线学习的股票趋势预测模型，构建多指标技术分析方法；

根据所述股票趋势预测模型预测股票价格的趋势指标，根据所述多指标技术分析方法计算多个决策指标；

将所述股票价格的趋势指标和所述多个决策指标进行融合形成决策曲线，观察股价的波动；

通过获取所述决策曲线中待决策时刻的决策评分和该时刻的变化表现，为投资者提供决策建议。

进一步的，所述训练在线学习的股票趋势预测模型，具体为：

将投资用户投资股票的全部历史数据，作为训练样本集{x1，x2，..，xn}，导入模型；

利用训练样本集{x1，x2，..，xn}，训练LSTM模型，即Y＝f(t)，当t为第1个时刻，Y为x1，以此类推t为第n个时刻，Y为xn；

利用训练好的LSTM模型，预测下一时刻股票价格Y_t+1＝f(t+1)，根据预测的股票价格与上一时刻的股票价格进行比较，向上代表股票趋势上涨，向下代表股票趋势下跌，平则代表股票趋势不变；

收集线上实时的股票价格数据，再次训练模型，不断迭代。