[发明专利]基于神经网络的数据分析方法、装置、设备及存储介质

权利要求书

1.一种基于神经网络的数据分析方法，其特征在于，包括：

获取金融标的物在最近的预设数量个采样时间间隔的实际价格、实际移动平均价格；

根据所述采样时间间隔、所述实际价格和所述实际移动平均价格构建输入变量；

将所述输入变量输入至预先训练好的反向传播神经网络模型进行分析，并根据分析结果确认未来预设时间内所述金融标的物的价格趋势；

基于布林带交易法根据所述价格趋势生成所述未来预设时间内的交易策略建议。

2.根据权利要求1所述的基于神经网络的数据分析方法，其特征在于，所述反向传播神经网络模型通过以下方式训练得到：

根据预先获取的历史价格、历史移动平均价格和所述采样时间间隔构建训练样本，并获取与所述采样时间间隔对应的历史实际价格趋势；

将所述训练样本输入至待训练的反向传播神经网络模型进行分析，并根据历史分析结果确认所述训练样本对应的历史事件段内所述金融标的物的期望价格趋势；

结合所述期望价格趋势、所述历史实际价格趋势和预先设置的损失函数反向传播更新所述反向传播神经网络模型。

3.根据权利要求2所述的基于神经网络的数据分析方法，其特征在于，所述反向传播神经网络模型包括输入层、隐含层和输出层；

所述输入层对所述输入变量进行归一化处理，计算公式为：其中，a_i为第i个训练样本，n为训练样本的总数，max()表示取最大值，min()表示取最小值，x_i为归一化后的第i个训练样本；

所述隐含层的输出值的计算公式为： j＝0，1，...，f-1；其中，h_j为隐含层的输出值，m表示输入层神经元个数，m≤n，w_ij为输入层的第i个神经元与隐含层的第j个神经元之间的权值，θ_j为隐含层的第j个神经元的阈值，f为隐含层神经元个数；

所述输出层的输出值的计算公式为：k＝0，1，...，g-1；其中，y_k为输出层的输出值，w_jk为隐含层的第j个神经元与输出层的第k个神经元之间的权值，θ_k为输出层的第k个神经元的阈值，g为输出层神经元个数；

所述损失函数为：其中E₁为损失函数值，o_i为期望价格趋势。

4.根据权利要求1所述的基于神经网络的数据分析方法，其特征在于，所述根据所述采样时间间隔、所述实际价格和所述实际移动平均价格构建输入变量，包括：

获取预设数量个所述采样时间间隔对应的所述实际价格和所述实际移动平均价格；

根据所述实际价格计算所述实际价格的标准差；

根据所述实际移动平均价格、所述实际价格、所述标准差和所述采样时间间隔构建所述输入变量，所述输入变量表示为：

其中，X为所述输入变量，表示所述实际移动平均价格的一阶差分，表示所述实际价格的一阶差分，表示所述标准差的一阶差分，t表示所述采样时间间隔，n表示所述采样时间间隔的周期。

5.根据权利要求1所述的基于神经网络的数据分析方法，其特征在于，所述基于布林带交易法根据所述价格趋势生成所述未来预设时间内的交易策略建议，包括：

当所述价格趋势为所述上升趋势时，按照预设规则放大所述布林带的设定值；

当所述价格趋势为所述下降趋势时，按照所述预设规则缩小所述布林带的设定值；

当所述价格趋势为所述平稳趋势时，按照所述预设规则将所述布林带的设定值设置为预设常规值。

6.根据权利要求2所述的基于神经网络的数据分析方法，其特征在于，所述根据预先获取的历史价格、历史移动平均价格和所述采样时间间隔构建训练样本之前，还包括：

对所述历史价格和所述历史移动平均价格进行数据清洗。

7.根据权利要求1所述的基于神经网络的数据分析方法，其特征在于，所述价格趋势包括所述未来预设时间内所述金融标的物的移动平均价格趋势。