[发明专利]一种基于量子谐振子的股票可预测性评估方法

权利要求书

1.一种基于量子谐振子的股票可预测性评估方法，其特征在于，包括以下步骤：

步骤1，采集股票价格序列数据，进行对数化预处理，得到股票价格的对数收益率序列，具体是：

步骤11，采集股票价格序列数据；

步骤12，对股票价格序列数据进行切片，对切片后的数据分别使用Softmax函数进行无量纲化处理；

步骤13，将步骤12的输出的无量纲化处理后的切片数据进行对数化运算，得到股票价格的对数收益率序列；

步骤2，使用步骤1得到的股票价格的对数收益率序列构建混合卡方形式的量子谐振子波函数，求解量子谐振子第n能级波函数参数Cn(t)，并得到量子谐振子处于各个能级的概率P_n，具体是：

步骤21，以混合卡方分布形式表示QHO波函数，并建立QHO波函数与步骤1得到的股票价格的对数收益率序列的对应关系式；

步骤22，构建前馈神经网络；

步骤23，以对数收益率序列公开数据集训练网络，得到训练好的网络模型；

步骤24，以步骤1得到的股票对数收益率序列N_i作为输入，根据步骤21得到的对应关系式，计算得到每个Cn(t)(n＝0,1,…,4)的值；

步骤25，将Cn(t)(n＝0,1,…,4)通过Softmax函数重整权重后输出，得到量子谐振子处于各个能级的概率P_n；

步骤3，采用阈值二分类方法对概率P_n进行处理，处理结果作为股票可预测性评估指标值。

2.如权利要求1所述的基于量子谐振子的股票可预测性评估方法，其特征在于，步骤13中的计算公式如下：

其中，M_i为第i个交易日的收盘价，N_i为第i个交易日的对数收益率。

3.如权利要求1所述的基于量子谐振子的股票可预测性评估方法，其特征在于，步骤21中所述对应关系式为：

其中，Cn(t)表示量子谐振子处于第n能级的相对振幅，ρ_n(x)＝1；ρ(x,t)包含着某一时间段内股票市场的完整波动情况。

4.如权利要求1所述的基于量子谐振子的股票可预测性评估方法，其特征在于，步骤23中，构建神经元数量分别为[64,32,32,12,8,8,6]的前馈神经网络。

5.如权利要求1所述的基于量子谐振子的股票可预测性评估方法，其特征在于，步骤23中，采用以QHO参数为标签的SP 500指数的对数收益率序列公开数据集训练网络。