龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：本发明提供一种基于多模态小波分解的深度学习股价概率预测方法，包括如下步骤：构建多模态特征体系，融合动态连续、动态分类、静态连续和静态分类等多源异构特征；对动态连续特征进行小波分解，自适应过滤不同尺度下的噪声成分；采用并行融合策略，将不同模态特征在特征维度上拼接；利用自回归循环神经网络，构建概率密度模型，直接输出股价变化的概率分布预测。本发明通过多模态特征融合提供全面的股价影响因素描述，采用小波分解有效去除噪声，概率预测模型输出更贴近实际的股价分布。实验表明，该模型在NRMSE和ND等指标上显著优于现有方法，并在实际投资策略中取得了可观的超额收益。本发明为股价预测提供了一种新的方法。
主权项：1.一种基于多模态小波分解的深度学习股价概率预测方法，其特征在于，包括以下具体步骤：对于目标股票，进行多模态特征工程构建，由1种股价时序单维特征和m-1种模态的辅助多维特征组成，具体包括：基于过去L个时间步的股价时序特征：其中d1表示t时刻股价时序特征的维度；以及过去L个时间步的m-1种模态的辅助特征： 其中di表示t时刻第i种模态的特征维度；模态特征有m种，其特征分类为动态连续特征、静态连续特征、动态分类特征及静态分类特征；对股价时序单维特征x1进行小波分解；对每个模态特征进行特征提取；对每个模态特征进行特征融合；构建一个多模态特征的深度学习模型，预测未来T个时间步的股价概率分布：其中，x1,...,xm表示所有模态在过去L时间步的特征数据。
全文数据：
权利要求：
百度查询： 华东师范大学 一种基于多模态小波分解的深度学习股价概率预测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号