申请/专利权人：西安电子科技大学

申请日：2024-02-29

公开（公告）日：2024-05-14

公开（公告）号：CN118037340A

主分类号：G06Q30/0202

分类号：G06Q30/0202;G06Q40/06;G06Q40/04;G06F16/951;G06F40/279;G06F40/126;G06F18/25;G06N3/0442;G06N3/042;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：基于多源特征融合和图神经网络的股票趋势预测方法、系统、设备及介质，其方法为：多源爬取新闻文本数据，并使用基于自注意力机制的特征提取器对文本进行特征构建，使其能学习到针对于不同行业的不同特征表示；对于股票的基础量化数据，使用图注意力机制来模拟股票交易带来的影响力，对基础股票特征进行调整，使得股票特征更加准确；最后通过计算各个股票市值占总行业市值权重的倒数的方式进行特征融合，输入进时序预测模型LSTM自动学习，从而获得预测结果；系统、设备及介质用于实现模拟股票影响力和多源数据融合的股票趋势预测方法，预测股票趋势，具有预测结果准确的特点。

主权项：1.一种基于多源特征融合和图神经网络的股票趋势预测方法，其特征在于：具体步骤如下：步骤一、获取股票交易数据通过金融接口获取包括股票的代码、开盘价、收盘价、最高价、最低价、成交量、成交额、交易日期数据；步骤二、获取新闻文本数据多源爬取新闻文本数据，得到新闻文本数据集；步骤三、新闻文本特征提取通过对步骤二获取到的数据进行特征提取并用于后期收益预测：通过训练行业表示矩阵，以及FinBert模型参数，计算行业表示矩阵和新闻文本通过FinBert模型之后的特征表示的相似性，并将此相似性作为针对于行业i的权重，并与初始化文本特征相乘，得出该新闻文本对于行业i的特征表示；步骤四、股票关系图建模通过爬取股票的行业与概念信息，将相同行业和概念的股票之间添加关系边，构建股票关系图，用于步骤六股票之间的影响力计算；步骤五、构建股票基础特征对于股票Si以过去N天内的初始量化特征进行拼接；采用门控神经网络GRU，其最后一个隐藏状态向量hij作为该股票的特征表示,用于步骤六股票之间的影响力计算；步骤六、股票之间影响力建模在步骤四得到的股票关系图的基础上，通过根据步骤五得到的股票特征表示数据来训练股票自身的关系矩阵和对股票之间影响力建模；步骤七、股票之间特征融合根据步骤六中的关系矩阵，进行特征融合，将股票自身特征与关系权重相乘，再将结果与原特征进行相加，得到更加准确的特征表示；步骤八、多源数据融合计算每个股票市值所占股票所属行业的总市值的占比的倒数，作为每个文本特征对于个股的特征表示的权重；将步骤三中计算出的文本表示与该权重相乘，拼接至股票的特征中，得到输入向量；步骤九、模型预测将步骤八中得到的输入向量作为LSTM的输入，LSTM模型根据输入，自动学习，从而获得预测结果。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于多源特征融合和图神经网络的股票趋势预测方法、系统、设备及介质

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