[发明专利]基于复杂网络多源信息融合的股票投资组合推荐方法

权利要求书

1.一种基于复杂网络多源信息融合的股票投资组合推荐方法，其特征在于，包括如下步骤：

1)收集N只股票的交易数据和文本数据；

2)数据预处理，包括：

(2.1)对交易数据以及文本数据进行异常值检测和缺失值补全；

(2.2)将每只股票的交易数据和文本数据分别转化为数组形式的交易数据序列n_i和文本特征序列m_i；

3)构建N只股票之间的关系矩阵，包括：

(3.1)使用每只股票的开盘价序列，在大小为T天的滑动窗口下构建N只股票之间的时空动态分层复杂网络；

(3.2)分别计算每层单只股票网络的度分布和聚类系数分布，得到层与层之间的度分布互信息和聚类系数分布互信息，分别用来表征股票两两间度相关性和股票两两间聚类系数相关性，从而得到以股票为节点，股票两两间相关性为连边的动态股票关系网络；

(3.3)以股票为节点，分别以股票两两间度相关性和股票两两间聚类系数相关性为边构建动态股票关系网络，得到每个滑动窗口下N只股票间的度相关性网络和聚类系数相关性网络，对所述的度相关性网络和聚类系数相关性网络计算均值，得到最终的时空动态分层复杂网络ε，表示为表征从第t-T+1个交易日到第t个交易日跨度内股票之间关系网络，表示为其中E_i,j表示股票i与股票j之间的相关性；

4)构建基于门控循环单元和门控图卷积的多源信息融合神经网络模型，该模型是由张量融合模块、门控循环单元神经网络层、门控图卷积网络层和输出层依次串联构成；

5)模型迭代训练，分别对每只股票t时刻的未来涨跌预测标签y_i和股票的未来涨跌预测值计算交叉熵损失值，得到N只股票的交叉损失值，对N只股票的交叉损失值取平均得到基于门控循环单元和门控图卷积的多源信息融合神经网络模型的交叉损失值，通过在迭代训练中优化该模型的交叉损失值来，更新该模型的可训练参数；其中，当第i只股票的第t+1个交易日的开盘价大于第t个交易日的开盘价时，第i只股票t时刻的未来涨跌预测标签y_i设置为1否则为0。

2.根据权利要求1所述的基于复杂网络多源信息融合的股票投资组合推荐方法，其特征在于，步骤1)中所述的交易数据指每只股票在市场上交易产生的数据信息，包括五种属性：股票的开盘价、收盘价、最高价、最低价和交易量，所述的文本数据包括N只股票每日的腾讯新闻以及东方财富论坛中投资者对N只股票的讨论信息。

3.根据权利要求1所述的基于复杂网络多源信息融合的股票投资组合推荐方法，其特征在于，步骤2)第(2.2)步包括：

(2.2.1)将第i只股票在第t个交易日的L＇维属性数据构成该交易日的交易特征向量则第i只股票的交易数据序列表示为n_i；

(2.2.2)对每只股票的每一条文本数据进行情感提取，是使用中文金融情感字典得到与每只股票相关的新闻对该股票行情的情绪特征，包括：积极的、中立的和消极的；

(2.2.3)将第i只股票在第t交易日内的文本信息中提取到的情绪特征，用L维度的文本特征向量表示，则第i只股票的文本特征序列表示为m_i。

4.根据权利要求1所述的基于复杂网络多源信息融合的股票投资组合推荐方法，其特征在于，步骤3)第(3.1)步具体包括：

(3.1.1)设置有限穿越视距为e；

(3.1.2)将每个交易日作为单只股票网络节点；

(3.1.3)在两个节点和的直方条之间构建水平连线，连线高度为两个节点的直方条中较低的直方条的高度，即其中，设定节点表示第i只股票在第t_a天的开盘价为节点表示第i只股票在第t_b天的开盘价为t_a,t_b∈[t-T+1,t]表示从第t-T+1交易日到第t交易日范围内的第t_a天和t_b天；

规定若所述的两个节点和的水平连线只与e个或者少于e个中间节点相交，则这两个节点和之间存在连边，否则认定在有限穿越视距为e的单只股票网络中节点和节点之间不存在连边；由此，针对每只股票构建一层单只股票网络Gⁱ，即针对N只股票得到N层单只股票网络