申请/专利权人：复旦大学

申请日：2024-01-30

公开（公告）日：2024-05-14

公开（公告）号：CN118036802A

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q40/04;G06N3/045;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.31#实质审查的生效;2024.05.14#公开

摘要：本发明提供了一种基于Transformer的股票数据预测方法，具有这样的特征，包括以下步骤：步骤S1，构建初始股票数据预测模型；步骤S2，根据现有的股市数据构建训练集，对初始股票数据预测模型进行训练，得到股票数据预测模型；步骤S3，采集多个股票的股市数据，并分别构建对应的时序数据；步骤S4，将所有时序数据输入股票数据预测模型，得到数据预测结果。总之，本方法能够提高对股票的数据预测结果的鲁棒性和预测准确度。

主权项：1.一种基于Transformer的股票数据预测方法，用于得到多个股票的数据预测结果，其特征在于，包括以下步骤：步骤S1，构建初始股票数据预测模型；步骤S2，根据现有的股市数据构建训练集，对所述初始股票数据预测模型进行训练，得到股票数据预测模型；步骤S3，采集所述多个股票的股市数据，并分别构建对应的时序数据；步骤S4，将所有所述时序数据输入所述股票数据预测模型，得到所述数据预测结果，其中，所述初始股票数据预测模型包括时序特征提取模块和预测模块，所述时序特征提取模块基于TransformerEncoder构建得到，包括：标准化单元，用于对所述时序数据进行逐通道标准化，得到输入数据，所述输入数据包括各个所述股票在各个通道上的数据；Patching单元，用于分别对所述输入数据中各个所述股票对应的数据进行Patching操作，得到各个所述股票对应的Patch数据；标准输入特征生成单元，用于将所有所述Patch数据进行维度转变，得到标准输入特征，所述标准输入特征包括各个所述股票在各个所述通道上的个股逐通道特征；时序特征提取单元，用于对各个所述个股逐通道特征分别进行特征提取，得到对应的个股通道时序特征，所述预测模块，用于根据各个所述股票对应的所有所述个股通道时序特征，得到该股票对应的所述数据预测结果，所述步骤S2包括以下子步骤：步骤S2-1，根据现有的股市数据构建训练集，所述训练集包括多个现有股票对应的所述时序数据作为训练时序数据；步骤S2-2，将所述训练时序数据输入最后一层替换为线性探测层的所述初始股票数据预测模型，依次经由所述标准化单元和所述Patching单元，得到对应的Patch数据作为训练Patch数据；步骤S2-3，构建mask矩阵，并根据所述mask矩阵随机对所述训练Patch数据的不同通道不同位置的数据进行掩盖，得到预训练MaskedPatch输入数据；步骤S2-4，将所述预训练MaskedPatch输入数据作为所述Patching单元的输出依次经由后续单元处理，得到重构股价时序数据；步骤S2-5，根据各个所述重构股价时序数据计算均方误差损失函数，并根据对应的损失计算结果对所述初始股票数据预测模型进行更新，得到预训练模型；步骤S2-6，将所述预训练模型的所述线性探测层更改为预测层；步骤S2-7，将所述预训练模型的所述时序特征提取模块的Encder参数进行冻结；步骤S2-8，根据所述训练Patch数据结合排序损失函数，对所述预测层的参数进行拟合；步骤S2-9，解冻所述Encder参数，根据所述训练Patch数据结合所述排序损失函数，对所述预训练模型的参数进行微调，得到所述股票数据预测模型。

全文数据：

权利要求：

百度查询： 复旦大学 基于Transformer的股票数据预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD