买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种基于多层次编码器‑解码器架构的股票市场异常预警方法，其特点是该方法包括：构建多尺度股票信息预测模型、股票异常评估模型和市场异常评估模型等步骤，使用Informer模型整理金融指标数据，利用注意力机制加权舆情和多种金融指标，评估和预测股票数据，通过逻辑回归和岭回归算法构建异常评估模型，利用波动性、抛售额等因素进行评估，并通过可信度与预测序列长度的关系模型，结合股票异常评估模型，构建股票市场异常评估模型。本发明与现有技术相比具有综合预测和分析金融背景、舆情以及股票趋势因素，解决了单一模型如LSTM对股票预测效果差的问题，从预测准确度的先验知识角度保障最终异常分析准确性，具有良好的运用前景和商业价值。

主权项：1.一种基于多层次编码器-解码器架构的股票市场异常预警方法，其特征在于，该方法具体包括如下步骤：步骤a：构建多尺度股票信息预测模型a1：将股票历史数据划分为训练集和测试集，并对股票历史数据进行清洗；a2：设置Informer模型的主函数读取包括：数据名称、预测类型、数据重采样、输入、先验、预测序列长度、多头注意力机制头数、早停策略以及使用GPU加速训练，所述GPU加速训练的损失函数采用平均绝对误差，使用前向传播方式计算输出值，并利用梯度下降算法优化Informer模型的参数；a3：将金融指标数据划分为训练集和测试集，使用最大-最小缩放算法归一化数据集，使用主成分分析方法降维数据，调用整合移动平均自回归模型预测金融指标数据；a4：利用大语言模型整理舆情数据，通过文本情感分析对舆情量化，并评估其对特定股票的影响：a5：利用全局注意力机制，处理舆情和多种金融指标数据，量化对股票价格、交易量的影响；a6：利用全局注意力机制，处理舆情和多种金融指标数据，量化对股票价格、交易量的影响；步骤b：构建股票评估模型b1：将金融数据输入多尺度股票信息预测模型，预测未来股票市场数据、宏观经济指标和微观经济指标；b2：构建逻辑回归算法的损失函数，通过L2正则化处理多尺度股票信息预测模块产生的预测指标数据；b3：利用岭回归算法训练并拟合某支股票的评估模型，调整正则化强度，使用测试集测试并评估多尺度股票信息预测模型；步骤c：构建市场评估模型c1：构建预测可信度与预测序列长度的关系模型，通过线性回归的机器学习算法拟合模型，调整权重参数，所述预测序列长度单位为天；所述量化股市预测可信度C由下述e式计算： 其中，C为预测的可信度；l为训练时采用的历史数据时间跨度；l为未来某天距今的时间跨度；c为预测天数；c2：通过波动性和抛售额构建某支股票的评估模型，使用交易量、下跌市场趋势和波动性量化未来股票市场的危险度c3：通过预测可信度和股票评估模型构建市场评估模型，利用可信危险TW表示股市未来的异常情况，所述可信危险TW由下述h式计算： 其中，为平均预测准确度，为股票市场危险度；步骤d：将结构化数据输入多尺度预测模型进行预测，利用股票评估模型对预测结果进行评估，利用市场评估模型对市场进行评估。

全文数据：

权利要求：

百度查询： 华东师范大学 基于多层次编码器-解码器架构的股票市场异常预警方法