公开(公告)号：CN118333702A

公开(公告)日：2024-07-12

申请号：CN202410501947.4

申请日：2024-04-25

Applicant: 华侨大学

Inventor： 赵睿 ,  苟春燕 ,  郭艺煌

IPC: G06Q30/0283 ,  G06Q40/04 ,  G06N3/0455 ,  G06N3/045

Abstract: 本发明提供基于非稳态Transformer模型的股票价格预测方法，属于股票价格预测领域，包括：步骤S1、对交易数据进行滚动窗口划分，滚动一次得到一个输入样本，以得到样本集；步骤S2、对每一个输入样本进行时间维度的规范化，使各输入样本均服从相同的均值与方差；步骤S3、构建NS‑Transformers模型，该模型包括依次连接的多层感知机和注意力模块，输入样本、均值与方差输入多层感知机后得到去平稳化因子，注意力模块利用输入样本以及去平稳化因子得到预测输出；步骤S4、对步骤S3的预测输出进行反规范化，以恢复规范化时丢失的分布信息，进而得到最终的预测结果。本发明既能够提高股价序列的可预测性，又能够提高股价序列的预测精度。

公开(公告)号：CN118467927A

公开(公告)日：2024-08-09

申请号：CN202410631224.6

申请日：2024-05-21

Applicant: 华侨大学

Inventor： 赵睿 ,  郭艺煌 ,  苟春燕

IPC: G06F18/10 ,  G06F18/213 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/08 ,  G06Q40/04

Abstract: 本发明公开了一种基于多频率时序残差网络的阿尔法因子挖掘方法及装置，包括：构建基于多频率时序残差网络的阿尔法因子挖掘模型并训练，得到经训练的阿尔法因子挖掘模型，阿尔法因子挖掘模型包括至少两个残差块、至少两个BN层和一个全连接层，每个残差块包括并行设置的GRU模型和LSTM模型；将不同频率的预处理后的特征数据输入到经训练的阿尔法因子挖掘模型，不同频率的预处理后的特征数据输入到不同的残差块中，分别经过GRU模型和LSTM模型，得到第一特征和第二特征并相加，得到残差块的输出特征，每个残差块的输出特征输入到对应的BN层，所有BN层的输出结果进行拼接，拼接后的特征输入全连接层，得到阿尔法因子的预测值，能够提高预测的准确度。