[发明专利]一种基于关系-时序图卷积的股票选择方法

权利要求书

1.一种基于关系-时序图卷积的股票选择方法，其特征在于，包括以下步骤：

S1、利用股票时序特征以及抽取的外部关系，构建基于整个股票市场的关系-时序图；

S2、基于所述关系-时序图，利用关系时序图卷积网络结合池化层提取每个股票的关系-时序特征；

S3、根据所述提取的每只股票的关系-时序特征，利用全连接层计算每只股票的预测回报率，并对所述关系时序图卷积网络进行优化；

S4、基于优化后关系时序图卷积网络，将股票市场中所有的股票预测回报率由高到低进行排序，选择回报率最高的前N只股票，完成基于关系-时序图卷积的股票选择。

2.根据权利要求1所述的基于关系-时序图卷积的股票选择方法，其特征在于，所述步骤S1具体为：根据股票时序特征以及抽取的外部关系，对若干个股票的时序特征及其外部关系进行层次化表示，构建基于整个股票市场的关系-时序图。

3.根据权利要求2所述的基于关系-时序图卷积的股票选择方法，其特征在于，所述关系-时序图由T个关系图构成，每个所述关系图共有N个节点，每个节点表示一个股票；且每个所述关系-时序图包括关系边和时间边；

所述关系边，用于表示股票之间的关系；

所述时序边，用于连接不同时间步之间相同的股票。

4.根据权利要求1所述的基于关系-时序图卷积的股票选择方法，其特征在于，所述步骤S2中关系时序图卷积网络包括关系卷积子网络和时序卷积子网络；所述时序卷积子网络包括依次连接的多层一维卷积层。

5.根据权利要求4所述的基于关系-时序图卷积的股票选择方法，其特征在于，所述步骤S2包括以下步骤：

S201、根据所述关系-时序图，分别利用统一策略、权重策略以及时间感知策略为关系卷积子网络获取不同的加权邻接矩阵；

S202、根据所述关系-时序图，利用时序卷积子网络从不同时序维度上为每个股票提取时序特征；

S203、根据所述不同加权邻接矩阵以及每个股票的时序特征，得到关系-时序图中每个节点的特征其中，表示实数集，H表示时序卷积子网络中卷积核的数量，F表示关系卷积子网络中卷积核的数量，N表示股票的数量；

S204、根据所述关系-时序图中每个节点的特征利用池化层提取每个股票的关系-时序特征

6.根据权利要求5所述的基于关系-时序图卷积的股票选择方法，其特征在于，所述步骤S201中利用统一策略获取不同加权邻接矩阵的表达式如下：

其中，表示感知函数，表示关系矩阵，N表示股票的数量，K表示股票之间关系的数量，表示关系向量；

所述利用权重策略获取不同加权邻接矩阵的表达式如下：

其中，表示关系向量的转置，w和b均表示可训练参数，且表示w为维度K的实数；

所述利用时间感知策略获取不同加权邻接矩阵的表达式如下：

其中，表示感知函数，X表示特征集合，X(t)_j和X(t)_i表示股票i和股票j在t时刻的特征，表示维度为T，N，N的三维实数组，T表示关系-时序图中的关系图个数，N为股票数目。

7.根据权利要求1所述的基于关系-时序图卷积的股票选择方法，其特征在于，所述步骤S3中对关系-时序图进行优化时的损失函数的表达式如下：

其中，τ表示损失函数，r_t+1表示股票在t+1时刻的真实回报率，表示股票的预测回报率，β表示学习参数的集合，λ表示正则化权重。