[发明专利]一种基于长短期记忆神经网络的股票预测系统

权利要求书

1.一种基于长短期记忆神经网络的股票预测系统，主要包括以下步骤：

(1)股票基本信息的获取和股票新闻信息的获取；

(2)股票情感词典的构建；

(3)股票新闻信息的特征提取；

(4)基于长短期记忆神经网络的股票预测模型的构建。

2.根据权利要求1所述的一种基于长短期记忆神经网络的股票预测系统，其特征在于：所述步骤(1)中，有关股票基本信息的收集比较简单，但是股票新闻信息的收集存在大量的冗余，需要重新建立数据集去除大量的重复信息。本发明中的股票数据基本信息是通过使用python中的tushare模块获取的，其中包括股票的开盘价、收盘价、最低价和最高价等。本发明中的股票新闻信息是通过爬虫技术在搜狐网站中，在证券板块获取新闻与研报信息，仅保留标题中出现股票名称的新闻。

3.根据权利要求1所述的一种基于长短期记忆神经网络的股票预测系统，其特征在于：所描述步骤(2)中，构建股票情感词典，情感词典的好坏直接影响情感倾向分析结果的准确度。本发明将基础情感词典、财经领域情感词典和修饰词词典整合，从而得到本发明中所需的情感词典。

4.根据权利要求1所述的一种基于长短期记忆神经网络的股票预测系统，其特征在于：所描述的步骤(3)中，股票相关的文档集合记为D＝{doc₁,doc₂,doc₃,…,doc_i,…,doc_n}，每条新闻可以作为一个单词的序列doc_i＝w₁w₂…w_ni，有些单词对股票利好，有些单词对股票利空。记单词w在文档集中出现的概率记为p(w)，两个单词w和v之间的点互信息记为单词w的利好性polar(w)表示单词在利好新闻中出现的概率；利好性越大，单词的利好新闻中出现的概率越大，在利空新闻中出现的概率越小。

5.根据权利要求1所述的一种基于长短期记忆神经网络的股票预测系统，其特征在于：所描述的步骤(4)中，在训练和测试阶段，利用长短期记忆(LSTM)神经网络，将股票基本信息作为特征和股票新闻情感特征作为输入，对股票涨跌进行预测。在一个连续的时间段内，某只股票的收盘价格序列，记为p₁,p₂,…,p_t,…,p_T，其中p_t表示该股票在第t个交易日的收盘价格。定义股票每天的涨跌情况，记为c₁,c₂,…,c_t,…,c_T，其中c_t表示在第t个交易日股票的涨跌情况。1表示股票价格上涨，0表示股票价格不变或者下跌：