一种基于人工智能的金融市场预测及决策的系统、方法.pdf

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 111291925 A (43)申请公布日 2020.06.16 (21)申请号 202010055376.8 G06N 3/04(2006.01) (22)申请日 2020.01.18 (71)申请人 武汉盛信鸿通科技有限公司 地址 430000 湖北省武汉市东湖新技术开 发区高新二路388号武汉光谷国际生 物医药企业加速器1号楼420室 (72)发明人 丁泽彦　彭麟雅　杨可与　童家卫　 徐晶　詹玮琪　 (74)专利代理机构 武汉蓝宝石专利代理事务所 (特殊普通合伙) 42242 代理人 谢洋 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 40/04(2012.01) G06N 3/08(2006.01) 权利要求书2页 说明书5页 附图2页 (54)发明名称 一种基于人工智能的金融市场预测及决策 的系统、方法 (57)摘要 本发明提供一种基于人工智能的金融市场 预测及决策的方法、系统，该系统包括：数据获取 模块、市场情绪特征构建模块、另类数据特征构 建模块、量价数据特征构建模块、LSTM预测模型、 风险对冲计算模块和投资决策模块，其中，通过 获取海量数据，对量价数据、市场情绪数据及另 类数据进行特征选取后输入到LSTM预测模型，计 算最优风险对冲比例，为投资者提供决策及市场 分析。通过该方案解决了现有金融市场预估方法 预测及决策结果准确度不高的问题，可以有效提 高预测、决策结果的准确性和可靠性，设计出合 A 理的投资策略，提高投资收益。 5 2 9 1 9 2 1 1 1 N C CN 111291925 A 权　利　要　求　书 1/2页 1.一种基于人工智能的金融市场预测及决策的系统，其特征在于，包括： 数据获取模块：用于获取金融市场的量价数据、原始市场情绪数据及另类数据，其中所 述另类数据为影响市场量价的相关数据； 市场情绪特征构建模块：用于通过Encoder-Decoder神经网络情绪分类算法对所述原 始市场情绪数据进行情感分类，提取市场情绪数据特征； 另类数据特征构建模块：用于对所述另类数据平滑处理，并提取所述另类数据特征； 量价数据特征构建模块：用于对所述量价数据预处理后，划分所述量价数据特征类型， 通过PAC算法选取主要特征； LSTM预测模型：用于采用LSTM的金融时间序列序列预测模型，对收益率和波动率进行 预测； 风险对冲计算模块：用于通过均方动态模型计算最优风险对冲比例； 投资决策模块：用于根据所述LSTM预测模型的预测结果及所述风险对冲计算模块计算 的对冲比例进行选股。 2.根据权利要求1所述的系统，其特征在于，所述通过Encoder-Decoder神经网络情绪 分类算法对所述原始市场情绪数据进行情感分类，提取市场情绪数据特征具体为： 将卷积神经网络作为编码器，将反卷积神经网络作为解码器，通过编码解码的深度神 经网络，将所述原始市场情绪数据对应的文本内容映射到高维语义空间； 对深度神经网络进行有监督的分类训练出分类模型，通过所述分类模型将所述原始市 场情绪数据区分成正向情感、负向情感和无情感。 3.根据权利要求1所述的系统，其特征在于，所述划分所述量价数据特征类型，通过PAC 算法选取主要特征包括： 将所述量价数据