本發(fā)明涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，具體涉及一種股票數(shù)據(jù)預(yù)測方法和裝置、電子設(shè)備、計(jì)算機(jī)存儲(chǔ)介質(zhì)。

背景技術(shù)：

股票作為一種高回報(bào)的理財(cái)方式，其受到不少投資者的青睞，但與此同時(shí)，股票的高風(fēng)險(xiǎn)性也阻礙了一部分潛在投資者。由于影響股票價(jià)格的因素眾多并且金融數(shù)據(jù)的專業(yè)性較強(qiáng)，普通的投資者，尤其是新入門的投資者，不熟悉市場，對(duì)數(shù)據(jù)缺乏敏感性，因此不能合理的預(yù)測股票的漲跌趨勢。

在實(shí)現(xiàn)本發(fā)明實(shí)施例過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)中不能實(shí)現(xiàn)利用影響股票價(jià)格的多項(xiàng)歷史數(shù)據(jù)建立預(yù)測模型來預(yù)測股票的漲跌，以便為投資者提供較為清晰地指引。

技術(shù)實(shí)現(xiàn)要素：

鑒于上述問題，提出了本發(fā)明以便提供一種克服上述問題或者至少部分地解決上述問題的股票數(shù)據(jù)預(yù)測方法和相應(yīng)的股票數(shù)據(jù)預(yù)測裝置、電子設(shè)備、計(jì)算機(jī)存儲(chǔ)介質(zhì)。

根據(jù)本發(fā)明的一個(gè)方面，提供了一種股票數(shù)據(jù)預(yù)測方法，該方法包括：

以天為單位采集數(shù)天內(nèi)的股票歷史數(shù)據(jù)，在每天的股票歷史數(shù)據(jù)中提取預(yù)先設(shè)定的多個(gè)股票數(shù)據(jù)項(xiàng)對(duì)應(yīng)的股票數(shù)據(jù)值作為每天的訓(xùn)練輸入數(shù)據(jù)，在隔天的股票歷史數(shù)據(jù)中提取股票漲勢數(shù)據(jù)值或股票跌勢數(shù)據(jù)值作為每天的訓(xùn)練輸入數(shù)據(jù)對(duì)應(yīng)的訓(xùn)練輸出數(shù)據(jù)，最終得到數(shù)天的訓(xùn)練輸入數(shù)據(jù)組成的訓(xùn)練輸入數(shù)據(jù)集以及數(shù)天的訓(xùn)練輸出數(shù)據(jù)組成的訓(xùn)練輸出數(shù)據(jù)集；

將訓(xùn)練輸入數(shù)據(jù)集輸入至多層卷積網(wǎng)絡(luò)中，得到與訓(xùn)練輸入數(shù)據(jù)集對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)集，利用與訓(xùn)練輸入數(shù)據(jù)集對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)集和訓(xùn)練輸出數(shù)據(jù)集訓(xùn)練得到多層卷積網(wǎng)絡(luò)的網(wǎng)絡(luò)模型參數(shù)；

獲取當(dāng)天的股票測試數(shù)據(jù)，在當(dāng)天的股票測試數(shù)據(jù)中提取預(yù)先設(shè)定的多個(gè)股票數(shù)據(jù)項(xiàng)對(duì)應(yīng)的股票數(shù)據(jù)值作為當(dāng)天的測試輸入數(shù)據(jù)，將當(dāng)天的測試輸入數(shù)據(jù)輸入至訓(xùn)練得到的多層卷積網(wǎng)絡(luò)中，得到與當(dāng)天的測試輸入數(shù)據(jù)對(duì)應(yīng)的隔天的預(yù)測輸出數(shù)據(jù)，隔天的預(yù)測輸出數(shù)據(jù)具體為股票漲勢數(shù)據(jù)值或股票跌勢數(shù)據(jù)值。

根據(jù)本發(fā)明的另一方面，提供了一種股票數(shù)據(jù)預(yù)測裝置，該裝置包括：

采集模塊，適于以天為單位采集數(shù)天內(nèi)的股票歷史數(shù)據(jù)，在每天的股票歷史數(shù)據(jù)中提取預(yù)先設(shè)定的多個(gè)股票數(shù)據(jù)項(xiàng)對(duì)應(yīng)的股票數(shù)據(jù)值作為每天的訓(xùn)練輸入數(shù)據(jù)，在隔天的股票歷史數(shù)據(jù)中提取股票漲勢數(shù)據(jù)值或股票跌勢數(shù)據(jù)值作為每天的訓(xùn)練輸入數(shù)據(jù)對(duì)應(yīng)的訓(xùn)練輸出數(shù)據(jù)，最終得到數(shù)天的訓(xùn)練輸入數(shù)據(jù)組成的訓(xùn)練輸入數(shù)據(jù)集以及數(shù)天的訓(xùn)練輸出數(shù)據(jù)組成的訓(xùn)練輸出數(shù)據(jù)集；

訓(xùn)練模塊，適于將訓(xùn)練輸入數(shù)據(jù)集輸入至多層卷積網(wǎng)絡(luò)中，得到與訓(xùn)練輸入數(shù)據(jù)集對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)集，利用與訓(xùn)練輸入數(shù)據(jù)集對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)集和訓(xùn)練輸出數(shù)據(jù)集訓(xùn)練得到多層卷積網(wǎng)絡(luò)的網(wǎng)絡(luò)模型參數(shù)；

預(yù)測模塊，適于獲取當(dāng)天的股票測試數(shù)據(jù)，在當(dāng)天的股票測試數(shù)據(jù)中提取預(yù)先設(shè)定的多個(gè)股票數(shù)據(jù)項(xiàng)對(duì)應(yīng)的股票數(shù)據(jù)值作為當(dāng)天的測試輸入數(shù)據(jù)，將當(dāng)天的測試輸入數(shù)據(jù)輸入至訓(xùn)練得到的多層卷積網(wǎng)絡(luò)中，得到與當(dāng)天的測試輸入數(shù)據(jù)對(duì)應(yīng)的隔天的預(yù)測輸出數(shù)據(jù)，隔天的預(yù)測輸出數(shù)據(jù)具體為股票漲勢數(shù)據(jù)值或股票跌勢數(shù)據(jù)值。

根據(jù)本發(fā)明的另一方面，提供了一種電子設(shè)備，包括：處理器、存儲(chǔ)器、通信接口和通信總線，處理器、存儲(chǔ)器和通信接口通過通信總線完成相互間的通信；存儲(chǔ)器用于存放至少一可執(zhí)行指令，可執(zhí)行指令使處理器執(zhí)行股票數(shù)據(jù)預(yù)測方法對(duì)應(yīng)的操作。

根據(jù)本發(fā)明的另一方面，提供了一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，存儲(chǔ)介質(zhì)中存儲(chǔ)有至少一可執(zhí)行指令，可執(zhí)行指令使處理器執(zhí)行股票數(shù)據(jù)預(yù)測方法對(duì)應(yīng)的操作。

根據(jù)本發(fā)明的股票數(shù)據(jù)預(yù)測方法和裝置、電子設(shè)備、計(jì)算機(jī)存儲(chǔ)介質(zhì)，通過采集每天的股票數(shù)據(jù)作為每天的訓(xùn)練輸入數(shù)據(jù)，采集每天的股票漲跌值作為訓(xùn)練輸出數(shù)據(jù)，在時(shí)間上，每天的訓(xùn)練輸入數(shù)據(jù)與第二天的訓(xùn)練輸出數(shù)據(jù)對(duì)應(yīng)；輸入訓(xùn)練輸入數(shù)據(jù)集至多層卷積網(wǎng)絡(luò)中，利用與訓(xùn)練輸入數(shù)據(jù)集對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)集和訓(xùn)練輸出數(shù)據(jù)集得到多層卷積網(wǎng)絡(luò)的網(wǎng)絡(luò)模型參數(shù)；獲取股票測試數(shù)據(jù)輸入到多層卷積網(wǎng)絡(luò)中，預(yù)測得到與測試輸入數(shù)據(jù)對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)。根據(jù)本實(shí)施例的股票數(shù)據(jù)預(yù)測方法，可以對(duì)數(shù)據(jù)量大并且沒有強(qiáng)事件驅(qū)動(dòng)的股票數(shù)據(jù)采用大數(shù)據(jù)擬合出深度學(xué)習(xí)模型，將影響股票價(jià)格漲跌的多種因素綜合考慮，由此實(shí)現(xiàn)準(zhǔn)確預(yù)測股票漲跌情況的有益效果。

上述說明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說明書的內(nèi)容予以實(shí)施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能夠更明顯易懂，以下特舉本發(fā)明的具體實(shí)施方式。

附圖說明

通過閱讀下文優(yōu)選實(shí)施方式的詳細(xì)描述，各種其他的優(yōu)點(diǎn)和益處對(duì)于本領(lǐng)域普通技術(shù)人員將變得清楚明了。附圖僅用于示出優(yōu)選實(shí)施方式的目的，而并不認(rèn)為是對(duì)本發(fā)明的限制。而且在整個(gè)附圖中，用相同的參考符號(hào)表示相同的部件。在附圖中：

圖1示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的股票數(shù)據(jù)預(yù)測方法的流程圖；

圖2示出了根據(jù)本發(fā)明另一個(gè)實(shí)施例的股票數(shù)據(jù)預(yù)測方法的流程圖；

圖3示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的輸入數(shù)據(jù)與輸出數(shù)據(jù)對(duì)應(yīng)關(guān)系的示意圖；

圖4示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的兩層卷積網(wǎng)絡(luò)的網(wǎng)絡(luò)模型圖；

圖5示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的股票數(shù)據(jù)預(yù)測裝置的功能框圖；

圖6示出了根據(jù)本發(fā)明另一個(gè)實(shí)施例的股票數(shù)據(jù)預(yù)測裝置的功能框圖；

圖7示出了根據(jù)本發(fā)明實(shí)施例的一種電子設(shè)備的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將參照附圖更詳細(xì)地描述本公開的示例性實(shí)施例。雖然附圖中顯示了本公開的示例性實(shí)施例，然而應(yīng)當(dāng)理解，可以以各種形式實(shí)現(xiàn)本公開而不應(yīng)被這里闡述的實(shí)施例所限制。相反，提供這些實(shí)施例是為了能夠更透徹地理解本公開，并且能夠?qū)⒈竟_的范圍完整的傳達(dá)給本領(lǐng)域的技術(shù)人員。

圖1示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的股票數(shù)據(jù)預(yù)測方法的流程圖。如圖1所示，該方法包括以下步驟：

步驟s101，以天為單位采集數(shù)天內(nèi)的股票歷史數(shù)據(jù)，在每天的股票歷史數(shù)據(jù)中提取預(yù)先設(shè)定的多個(gè)股票數(shù)據(jù)項(xiàng)對(duì)應(yīng)的股票數(shù)據(jù)值作為每天的訓(xùn)練輸入數(shù)據(jù)，在隔天的股票歷史數(shù)據(jù)中提取股票漲勢數(shù)據(jù)值或股票跌勢數(shù)據(jù)值作為每天的訓(xùn)練輸入數(shù)據(jù)對(duì)應(yīng)的訓(xùn)練輸出數(shù)據(jù)，最終得到數(shù)天的訓(xùn)練輸入數(shù)據(jù)組成的訓(xùn)練輸入數(shù)據(jù)集以及數(shù)天的訓(xùn)練輸出數(shù)據(jù)組成的訓(xùn)練輸出數(shù)據(jù)集。

具體地，從某只股票的歷史數(shù)據(jù)中，以天為單位提取多個(gè)數(shù)據(jù)項(xiàng)的數(shù)據(jù)值作為一天的訓(xùn)練輸入數(shù)據(jù)的原始數(shù)據(jù)，其中，數(shù)據(jù)項(xiàng)為影響股票價(jià)格漲跌的因素；并且提取與訓(xùn)練輸入數(shù)據(jù)對(duì)應(yīng)的第二天(隔天)的股票漲跌數(shù)據(jù)值作為訓(xùn)練輸出數(shù)據(jù)，例如，若第二天的股票價(jià)格上漲，則對(duì)應(yīng)的股票漲勢數(shù)據(jù)值為1，若第二天的股票價(jià)格下跌，則對(duì)應(yīng)的股票跌勢數(shù)據(jù)值為0。用同樣的方法提取多天的訓(xùn)練輸入數(shù)據(jù)和訓(xùn)練輸出數(shù)據(jù)，由多天的上述訓(xùn)練輸入數(shù)據(jù)和訓(xùn)練輸出數(shù)據(jù)分別組成訓(xùn)練輸入數(shù)據(jù)集和訓(xùn)練輸出數(shù)據(jù)集。

步驟s102，將訓(xùn)練輸入數(shù)據(jù)集輸入至多層卷積網(wǎng)絡(luò)中，得到與訓(xùn)練輸入數(shù)據(jù)集對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)集，利用與訓(xùn)練輸入數(shù)據(jù)集對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)集和訓(xùn)練輸出數(shù)據(jù)集訓(xùn)練得到多層卷積網(wǎng)絡(luò)的網(wǎng)絡(luò)模型參數(shù)。

具體地，將上述提取得到的訓(xùn)練輸入數(shù)據(jù)集作為多層卷積網(wǎng)絡(luò)的第一層的輸入數(shù)據(jù)，利用多層卷積網(wǎng)絡(luò)模型得到的與訓(xùn)練輸入數(shù)據(jù)集對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)集和訓(xùn)練輸出數(shù)據(jù)集的誤差，自適應(yīng)調(diào)整多層卷積網(wǎng)絡(luò)模型的參數(shù)，直到誤差達(dá)到預(yù)設(shè)的值，此時(shí)的網(wǎng)絡(luò)模型參數(shù)就確定了本實(shí)施例的用于預(yù)測的多層卷積網(wǎng)絡(luò)模型。

步驟s103，獲取當(dāng)天的股票測試數(shù)據(jù)，在當(dāng)天的股票測試數(shù)據(jù)中提取預(yù)先設(shè)定的多個(gè)股票數(shù)據(jù)項(xiàng)對(duì)應(yīng)的股票數(shù)據(jù)值作為當(dāng)天的測試輸入數(shù)據(jù)，將當(dāng)天的測試輸入數(shù)據(jù)輸入至訓(xùn)練得到的多層卷積網(wǎng)絡(luò)中，得到與當(dāng)天的測試輸入數(shù)據(jù)對(duì)應(yīng)的隔天的預(yù)測輸出數(shù)據(jù)，隔天的預(yù)測輸出數(shù)據(jù)具體為股票漲勢數(shù)據(jù)值或股票跌勢數(shù)據(jù)值。

在需要預(yù)測某只股票第二天的漲跌情況時(shí)，采集與用于訓(xùn)練時(shí)相同的多個(gè)股票數(shù)據(jù)項(xiàng)對(duì)應(yīng)的股票數(shù)據(jù)值作為測試輸入數(shù)據(jù)，并輸入到已確定的多層卷積網(wǎng)絡(luò)模型中，得到第二天的預(yù)測輸出數(shù)據(jù)。

本發(fā)明實(shí)施例提供的股票數(shù)據(jù)預(yù)測方法，通過采集每天的股票數(shù)據(jù)作為每天的訓(xùn)練輸入數(shù)據(jù)，采集每天的股票漲跌值作為訓(xùn)練輸出數(shù)據(jù)，在時(shí)間上，每天的訓(xùn)練輸入數(shù)據(jù)與第二天的訓(xùn)練輸出數(shù)據(jù)對(duì)應(yīng)；輸入訓(xùn)練輸入數(shù)據(jù)集至多層卷積網(wǎng)絡(luò)中，利用與訓(xùn)練輸入數(shù)據(jù)集對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)集和訓(xùn)練輸出數(shù)據(jù)集得到多層卷積網(wǎng)絡(luò)的網(wǎng)絡(luò)模型參數(shù)；獲取股票測試數(shù)據(jù)輸入到多層卷積網(wǎng)絡(luò)中，預(yù)測得到與測試輸入數(shù)據(jù)對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)。根據(jù)本實(shí)施例的股票數(shù)據(jù)預(yù)測方法，可以對(duì)數(shù)據(jù)量大并且沒有強(qiáng)事件驅(qū)動(dòng)的股票數(shù)據(jù)采用大數(shù)據(jù)擬合出深度學(xué)習(xí)模型，將影響股票價(jià)格漲跌的多種因素綜合考慮，由此實(shí)現(xiàn)準(zhǔn)確預(yù)測股票漲跌情況的有益效果。

圖2示出了根據(jù)本發(fā)明另一個(gè)實(shí)施例的股票數(shù)據(jù)預(yù)測方法的流程圖。如圖2所示，該方法包括以下步驟：

步驟s201，采集股票歷史數(shù)據(jù)，并提取數(shù)天的訓(xùn)練輸入數(shù)據(jù)組成訓(xùn)練輸入數(shù)據(jù)集和隔天的訓(xùn)練輸出數(shù)據(jù)組成訓(xùn)練輸出數(shù)據(jù)集，其中，訓(xùn)練輸入數(shù)據(jù)包括多項(xiàng)影響股票價(jià)格漲跌的數(shù)據(jù)項(xiàng)對(duì)應(yīng)的值。

具體地，多個(gè)股票數(shù)據(jù)項(xiàng)包括以下數(shù)據(jù)項(xiàng)中的任意多項(xiàng)：開盤價(jià)、收盤價(jià)、交易量、最高價(jià)、5日均線、5日成交量、10日均線、10日成交量、換手率、指數(shù)平滑移動(dòng)平均線、簡易移動(dòng)平均線以及加權(quán)移動(dòng)平均線。

由于一些金融數(shù)據(jù)的采集需要的周期較長，并且受交易時(shí)間的限制，一個(gè)月開盤的天數(shù)只有20天左右，因此在采集數(shù)據(jù)的時(shí)候，應(yīng)考慮時(shí)間周期等問題。以采集指數(shù)平滑移動(dòng)平均線的數(shù)據(jù)為例，其需要最近26天的數(shù)據(jù)的平均值。

圖3示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的輸入數(shù)據(jù)與輸出數(shù)據(jù)對(duì)應(yīng)關(guān)系的示意圖。如圖3所示，輸入數(shù)據(jù)為從采集到的股票歷史數(shù)據(jù)中提取的m天的開盤價(jià)、收盤價(jià)、最高價(jià)等k項(xiàng)數(shù)據(jù)項(xiàng)的數(shù)據(jù)值，形成m組輸入數(shù)據(jù)，m組輸入數(shù)據(jù)可構(gòu)成一個(gè)m*k的輸入數(shù)據(jù)矩陣，圖3中，macd為指數(shù)平滑移動(dòng)平均線，wma為加權(quán)移動(dòng)平均線，該輸入數(shù)據(jù)構(gòu)成的輸入數(shù)據(jù)矩陣可作為訓(xùn)練時(shí)的訓(xùn)練輸入數(shù)據(jù)集，也可以作為評(píng)估網(wǎng)絡(luò)模型預(yù)測準(zhǔn)確性的測試輸入數(shù)據(jù)；輸出數(shù)據(jù)為對(duì)應(yīng)每一組數(shù)據(jù)的隔天的股票漲勢數(shù)據(jù)值或跌勢數(shù)據(jù)值。以第1組數(shù)據(jù)為例，提取的數(shù)據(jù)項(xiàng)k為64，即第1組數(shù)據(jù)的輸入數(shù)據(jù)長度為64，第1組數(shù)據(jù)對(duì)應(yīng)的當(dāng)天的各個(gè)數(shù)據(jù)項(xiàng)的數(shù)據(jù)值分別為x11、x12……x1n……x164，提取到的隔天的股票的漲跌情況值為跌，用0表示跌勢數(shù)據(jù)值。

步驟s202，設(shè)置多層卷積網(wǎng)絡(luò)的卷積層數(shù)、池化規(guī)格參數(shù)以及初始網(wǎng)絡(luò)模型參數(shù)。

在本實(shí)施例中，多層卷積網(wǎng)絡(luò)的卷積層數(shù)為兩層，池化規(guī)格參數(shù)為2*2。

步驟s203，將訓(xùn)練輸入數(shù)據(jù)集轉(zhuǎn)換為預(yù)設(shè)維度的訓(xùn)練輸入向量后輸入至多層卷積網(wǎng)絡(luò)中。

在本實(shí)施例中，預(yù)設(shè)維度的向量為四維向量。

以采集的訓(xùn)練輸入數(shù)據(jù)為64個(gè)股票數(shù)據(jù)項(xiàng)對(duì)應(yīng)的股票數(shù)據(jù)值為例，則一天的訓(xùn)練輸入數(shù)據(jù)可看作1*64的向量，假設(shè)一組訓(xùn)練輸入數(shù)據(jù)為[0.06999999999999984,83.888888888888928,87.287342287342298,57.105025261063012,-26.315789473684124,…..,127.86885245901655,58.223378529133605,100427.45000000001,2.3728813559321882,9.0526006774772796]，利用python的reshape函數(shù)，將訓(xùn)練輸入數(shù)據(jù)轉(zhuǎn)化為四維向量x1，具體為x1＝tf.reshape(x,[-1,8,8,1])，其中tf為python語言的一個(gè)函數(shù)庫。

將每一組訓(xùn)練輸入數(shù)據(jù)集中的每一天對(duì)應(yīng)的一組訓(xùn)練輸入數(shù)據(jù)都轉(zhuǎn)換為四維的訓(xùn)練輸入向量輸入到多層卷積網(wǎng)絡(luò)的第一層。

步驟s204，計(jì)算訓(xùn)練輸入數(shù)據(jù)集對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)集和訓(xùn)練輸出數(shù)據(jù)集的誤差，利用該誤差對(duì)網(wǎng)絡(luò)模型的參數(shù)進(jìn)行優(yōu)化以滿足預(yù)設(shè)誤差值，得到多層卷積網(wǎng)絡(luò)。

選取與訓(xùn)練輸入數(shù)據(jù)集對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)集和訓(xùn)練輸出數(shù)據(jù)集的交叉熵為訓(xùn)練的損失函數(shù)；采用梯度下降法，對(duì)多層卷積網(wǎng)絡(luò)的網(wǎng)絡(luò)模型參數(shù)進(jìn)行優(yōu)化處理以滿足損失函數(shù)達(dá)到預(yù)設(shè)條件。

圖4示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的兩層卷積網(wǎng)絡(luò)的網(wǎng)絡(luò)模型圖。如圖4所示，在輸入數(shù)據(jù)矩陣對(duì)應(yīng)的訓(xùn)練輸入數(shù)據(jù)轉(zhuǎn)化為預(yù)設(shè)維度的訓(xùn)練輸入向量之后，將訓(xùn)練輸入向量與多層卷積網(wǎng)絡(luò)的第一層的網(wǎng)絡(luò)模型參數(shù)w1求卷積，具體算法為：y1＝tf.nn.conv2d(x1,w1)+b1，其中x1為預(yù)設(shè)維度的訓(xùn)練輸入向量，w1和b1均為網(wǎng)絡(luò)模型參數(shù)，y1為卷積結(jié)果；將卷積結(jié)果進(jìn)行池化，即將y1按照預(yù)設(shè)的池化規(guī)格取均值或最大值，例如本實(shí)施例中的池化規(guī)格為2*2，就是對(duì)y1以2*2的規(guī)格依次求取均值或最大值，相當(dāng)于對(duì)y1進(jìn)行了聚合操作，得到第一層卷積的輸出為y2。

將第一層卷積的輸出y2輸入到多層卷積網(wǎng)絡(luò)的第二層中與第二層卷積的模型參數(shù)w2求卷積后進(jìn)行池化，即將卷積結(jié)果y3按照預(yù)設(shè)的池化規(guī)格取均值或最大值，得到第二層卷積的輸出為y4。

將第二層卷積的輸出y4輸出到一個(gè)全連接層，即將y4與一模型參數(shù)進(jìn)行w3的耦合，具體算法為：y5＝y(tǒng)4*w3+b，其中w3和b均為網(wǎng)絡(luò)模型參數(shù)，y5為耦合結(jié)果，耦合結(jié)果y5經(jīng)softmax函數(shù)處理后即為對(duì)應(yīng)訓(xùn)練輸入向量的隔天的預(yù)測輸出數(shù)據(jù)，則m*k的輸入數(shù)據(jù)矩陣也有對(duì)應(yīng)的m*1的輸出數(shù)據(jù)矩陣。該對(duì)應(yīng)訓(xùn)練輸入向量的隔天的預(yù)測輸出數(shù)據(jù)與訓(xùn)練輸出數(shù)據(jù)誤差值須達(dá)到預(yù)設(shè)誤差值，訓(xùn)練的過程才能結(jié)束，結(jié)束時(shí)的網(wǎng)絡(luò)模型參數(shù)就確定了用于預(yù)測的多層卷積網(wǎng)絡(luò)模型。

在本實(shí)施例中，選取的計(jì)算誤差大小的損失函數(shù)為對(duì)應(yīng)訓(xùn)練輸入向量的預(yù)測輸出數(shù)據(jù)和訓(xùn)練輸出數(shù)據(jù)的交叉熵，即-∑y-*㏒(y)，其中，y-為對(duì)應(yīng)訓(xùn)練輸入向量的預(yù)測輸出數(shù)據(jù)，y為訓(xùn)練輸出數(shù)據(jù)；在該交叉熵的結(jié)果未滿足預(yù)設(shè)條件時(shí)，采用梯度下降法優(yōu)化多層卷積網(wǎng)絡(luò)的網(wǎng)絡(luò)模型參數(shù)，直至達(dá)到預(yù)設(shè)條件，即找出讓交叉熵最小的網(wǎng)絡(luò)模型參數(shù)時(shí)，訓(xùn)練結(jié)束，得到多層卷積網(wǎng)絡(luò)的網(wǎng)絡(luò)模型參數(shù)。

步驟s205，將測試輸入數(shù)據(jù)轉(zhuǎn)換為預(yù)設(shè)維度的測試輸入向量輸入至訓(xùn)練得到的多層卷積網(wǎng)絡(luò)中，預(yù)測得到與測試輸入數(shù)據(jù)對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)。

在需要預(yù)測某只股票第二天的漲跌情況時(shí)，采集與用于訓(xùn)練時(shí)相同的多個(gè)股票數(shù)據(jù)項(xiàng)對(duì)應(yīng)的股票數(shù)據(jù)值作為測試輸入數(shù)據(jù)，將測試輸入數(shù)據(jù)轉(zhuǎn)換為四維的測試輸入向量并輸入到已確定的多層卷積網(wǎng)絡(luò)模型中，得到第二天的預(yù)測輸出數(shù)據(jù)。

在本實(shí)施例步驟s205之前，還可以對(duì)步驟s204得到的多層卷積網(wǎng)絡(luò)模型進(jìn)行評(píng)估，進(jìn)一步驗(yàn)證模型的準(zhǔn)確率和有效性。

本發(fā)明實(shí)施例提供的股票數(shù)據(jù)預(yù)測方法，將提取的訓(xùn)練輸入數(shù)據(jù)轉(zhuǎn)化為預(yù)設(shè)向量輸入到多層卷積網(wǎng)絡(luò)中；采用梯度下降法并根據(jù)損失函數(shù)的值來優(yōu)化多層卷積網(wǎng)絡(luò)的網(wǎng)絡(luò)模型參數(shù)；對(duì)確定的多層卷積網(wǎng)絡(luò)模型進(jìn)行評(píng)估，輸入預(yù)測輸入數(shù)據(jù)進(jìn)行預(yù)測。根據(jù)本實(shí)施例的股票數(shù)據(jù)預(yù)測方法，可以對(duì)數(shù)據(jù)量大并且沒有強(qiáng)事件驅(qū)動(dòng)的股票數(shù)據(jù)采用大數(shù)據(jù)擬合出深度學(xué)習(xí)模型，將影響股票價(jià)格漲跌的多種因素綜合考慮，由此實(shí)現(xiàn)準(zhǔn)確預(yù)測股票漲跌情況的有益效果。

圖5示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的股票數(shù)據(jù)預(yù)測裝置的功能框圖。如圖3所示，該裝置包括采集模塊31、訓(xùn)練模塊32和預(yù)測模塊33。

采集模塊31，適于以天為單位采集數(shù)天內(nèi)的股票歷史數(shù)據(jù)，在每天的股票歷史數(shù)據(jù)中提取預(yù)先設(shè)定的多個(gè)股票數(shù)據(jù)項(xiàng)對(duì)應(yīng)的股票數(shù)據(jù)值作為每天的訓(xùn)練輸入數(shù)據(jù)，在隔天的股票歷史數(shù)據(jù)中提取股票漲勢數(shù)據(jù)值或股票跌勢數(shù)據(jù)值作為每天的訓(xùn)練輸入數(shù)據(jù)對(duì)應(yīng)的訓(xùn)練輸出數(shù)據(jù)，最終得到數(shù)天的訓(xùn)練輸入數(shù)據(jù)組成的訓(xùn)練輸入數(shù)據(jù)集以及數(shù)天的訓(xùn)練輸出數(shù)據(jù)組成的訓(xùn)練輸出數(shù)據(jù)集。

訓(xùn)練模塊32，適于將訓(xùn)練輸入數(shù)據(jù)集輸入至多層卷積網(wǎng)絡(luò)中，得到與訓(xùn)練輸入數(shù)據(jù)集對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)集，利用與訓(xùn)練輸入數(shù)據(jù)集對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)集和訓(xùn)練輸出數(shù)據(jù)集訓(xùn)練得到多層卷積網(wǎng)絡(luò)的網(wǎng)絡(luò)模型參數(shù)。

預(yù)測模塊33，適于獲取當(dāng)天的股票測試數(shù)據(jù)，在當(dāng)天的股票測試數(shù)據(jù)中提取預(yù)先設(shè)定的多個(gè)股票數(shù)據(jù)項(xiàng)對(duì)應(yīng)的股票數(shù)據(jù)值作為當(dāng)天的測試輸入數(shù)據(jù)，將當(dāng)天的測試輸入數(shù)據(jù)輸入至訓(xùn)練得到的多層卷積網(wǎng)絡(luò)中，得到與當(dāng)天的測試輸入數(shù)據(jù)對(duì)應(yīng)的隔天的預(yù)測輸出數(shù)據(jù)，隔天的預(yù)測輸出數(shù)據(jù)具體為股票漲勢數(shù)據(jù)值或股票跌勢數(shù)據(jù)值。

本發(fā)明實(shí)施例提供的股票數(shù)據(jù)預(yù)測裝置，通過采集每天的股票數(shù)據(jù)作為每天的訓(xùn)練輸入數(shù)據(jù)，采集每天的股票漲跌值作為訓(xùn)練輸出數(shù)據(jù)，在時(shí)間上，每天的訓(xùn)練輸入數(shù)據(jù)與第二天的訓(xùn)練輸出數(shù)據(jù)對(duì)應(yīng)；輸入訓(xùn)練輸入數(shù)據(jù)集至多層卷積網(wǎng)絡(luò)中，利用與訓(xùn)練輸入數(shù)據(jù)集對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)集和訓(xùn)練輸出數(shù)據(jù)集得到多層卷積網(wǎng)絡(luò)的網(wǎng)絡(luò)模型參數(shù)；獲取股票測試數(shù)據(jù)輸入到多層卷積網(wǎng)絡(luò)中，預(yù)測得到與測試輸入數(shù)據(jù)對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)。根據(jù)本實(shí)施例的股票數(shù)據(jù)預(yù)測裝置，可以對(duì)數(shù)據(jù)量大并且沒有強(qiáng)事件驅(qū)動(dòng)的股票數(shù)據(jù)采用大數(shù)據(jù)擬合出深度學(xué)習(xí)模型，將影響股票價(jià)格漲跌的多種因素綜合考慮，由此實(shí)現(xiàn)準(zhǔn)確預(yù)測股票漲跌情況的有益效果。

圖6示出了根據(jù)本發(fā)明另一個(gè)實(shí)施例的股票數(shù)據(jù)預(yù)測裝置的功能框圖。如圖6所示，圖6除了包括圖5所示的各個(gè)模塊外，還包括初始化模塊41。

初始化模塊41，適于設(shè)置多層卷積網(wǎng)絡(luò)的卷積層數(shù)、池化規(guī)格參數(shù)以及初始網(wǎng)絡(luò)模型參數(shù)。

在本實(shí)施例中，多層卷積網(wǎng)絡(luò)的卷積層數(shù)為兩層，池化規(guī)格參數(shù)為2*2。

采集模塊31，適于以天為單位采集數(shù)天內(nèi)的股票歷史數(shù)據(jù)，在每天的股票歷史數(shù)據(jù)中提取預(yù)先設(shè)定的多個(gè)股票數(shù)據(jù)項(xiàng)對(duì)應(yīng)的股票數(shù)據(jù)值作為每天的訓(xùn)練輸入數(shù)據(jù)，在隔天的股票歷史數(shù)據(jù)中提取股票漲勢數(shù)據(jù)值或股票跌勢數(shù)據(jù)值作為每天的訓(xùn)練輸入數(shù)據(jù)對(duì)應(yīng)的訓(xùn)練輸出數(shù)據(jù)，最終得到數(shù)天的訓(xùn)練輸入數(shù)據(jù)組成的訓(xùn)練輸入數(shù)據(jù)集以及數(shù)天的訓(xùn)練輸出數(shù)據(jù)組成的訓(xùn)練輸出數(shù)據(jù)集。

其中，多個(gè)股票數(shù)據(jù)項(xiàng)包括以下數(shù)據(jù)項(xiàng)中的任意多項(xiàng)：開盤價(jià)、收盤價(jià)、交易量、最高價(jià)、5日均線、5日成交量、10日均線、10日成交量、換手率、指數(shù)平滑移動(dòng)平均線、簡易移動(dòng)平均線以及加權(quán)移動(dòng)平均線。

訓(xùn)練模塊32，適于將訓(xùn)練輸入數(shù)據(jù)集轉(zhuǎn)換為預(yù)設(shè)維度的訓(xùn)練輸入向量后輸入至多層卷積網(wǎng)絡(luò)中，得到與訓(xùn)練輸入數(shù)據(jù)集對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)集，利用與訓(xùn)練輸入數(shù)據(jù)集對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)集和訓(xùn)練輸出數(shù)據(jù)集訓(xùn)練得到多層卷積網(wǎng)絡(luò)的網(wǎng)絡(luò)模型參數(shù)。

在本實(shí)施例中，預(yù)設(shè)維度的向量為四維向量。

訓(xùn)練過程中，訓(xùn)練模塊32還適于選取與訓(xùn)練輸入數(shù)據(jù)集對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)集和訓(xùn)練輸出數(shù)據(jù)集的交叉熵為訓(xùn)練的損失函數(shù)；采用梯度下降法，對(duì)多層卷積網(wǎng)絡(luò)的網(wǎng)絡(luò)模型參數(shù)進(jìn)行優(yōu)化處理以滿足損失函數(shù)達(dá)到預(yù)設(shè)條件。

預(yù)測模塊33，適于將測試輸入數(shù)據(jù)轉(zhuǎn)換為預(yù)設(shè)維度的測試輸入向量輸入至訓(xùn)練得到的多層卷積網(wǎng)絡(luò)中，預(yù)測得到與測試輸入數(shù)據(jù)對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)。

本發(fā)明實(shí)施例提供的股票數(shù)據(jù)預(yù)測裝置，將提取的訓(xùn)練輸入數(shù)據(jù)轉(zhuǎn)化為預(yù)設(shè)向量輸入到多層卷積網(wǎng)絡(luò)中；采用梯度下降法并根據(jù)損失函數(shù)的值來優(yōu)化多層卷積網(wǎng)絡(luò)的網(wǎng)絡(luò)模型參數(shù)；對(duì)確定的多層卷積網(wǎng)絡(luò)模型進(jìn)行評(píng)估，輸入預(yù)測輸入數(shù)據(jù)進(jìn)行預(yù)測。根據(jù)本實(shí)施例的股票數(shù)據(jù)預(yù)測裝置，可以對(duì)數(shù)據(jù)量大并且沒有強(qiáng)事件驅(qū)動(dòng)的股票數(shù)據(jù)采用大數(shù)據(jù)擬合出深度學(xué)習(xí)模型，將影響股票價(jià)格漲跌的多種因素綜合考慮，由此實(shí)現(xiàn)準(zhǔn)確預(yù)測股票漲跌情況的有益效果。

本發(fā)明實(shí)施例還提供了一種非易失性計(jì)算機(jī)存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)存儲(chǔ)介質(zhì)存儲(chǔ)有至少一可執(zhí)行指令，該計(jì)算機(jī)可執(zhí)行指令可執(zhí)行上述任意方法實(shí)施例中的股票數(shù)據(jù)預(yù)測方法。

圖7示出了根據(jù)本發(fā)明實(shí)施例的一種電子設(shè)備的結(jié)構(gòu)示意圖，本發(fā)明具體實(shí)施例并不對(duì)電子設(shè)備的具體實(shí)現(xiàn)做限定。

如圖7所示，該電子設(shè)備可以包括：處理器(processor)602、通信接口(communicationsinterface)604、存儲(chǔ)器(memory)606、以及通信總線608。

其中：

處理器602、通信接口604、以及存儲(chǔ)器606通過通信總線608完成相互間的通信。

通信接口604，用于與其它設(shè)備比如客戶端或其它服務(wù)器等的網(wǎng)元通信。

處理器602，用于執(zhí)行程序610，具體可以執(zhí)行上述股票數(shù)據(jù)預(yù)測方法實(shí)施例中的相關(guān)步驟。

具體地，程序610可以包括程序代碼，該程序代碼包括計(jì)算機(jī)操作指令。

處理器602可能是中央處理器cpu，或者是特定集成電路asic(applicationspecificintegratedcircuit)，或者是被配置成實(shí)施本發(fā)明實(shí)施例的一個(gè)或多個(gè)集成電路。電子設(shè)備包括的一個(gè)或多個(gè)處理器，可以是同一類型的處理器，如一個(gè)或多個(gè)cpu；也可以是不同類型的處理器，如一個(gè)或多個(gè)cpu以及一個(gè)或多個(gè)asic。

存儲(chǔ)器606，用于存放程序610。存儲(chǔ)器606可能包含高速ram存儲(chǔ)器，也可能還包括非易失性存儲(chǔ)器(non-volatilememory)，例如至少一個(gè)磁盤存儲(chǔ)器。

程序610具體可以用于使得處理器602執(zhí)行以下操作：

以天為單位采集數(shù)天內(nèi)的股票歷史數(shù)據(jù)，在每天的股票歷史數(shù)據(jù)中提取預(yù)先設(shè)定的多個(gè)股票數(shù)據(jù)項(xiàng)對(duì)應(yīng)的股票數(shù)據(jù)值作為每天的訓(xùn)練輸入數(shù)據(jù)，在隔天的股票歷史數(shù)據(jù)中提取股票漲勢數(shù)據(jù)值或股票跌勢數(shù)據(jù)值作為每天的訓(xùn)練輸入數(shù)據(jù)對(duì)應(yīng)的訓(xùn)練輸出數(shù)據(jù)，最終得到數(shù)天的訓(xùn)練輸入數(shù)據(jù)組成的訓(xùn)練輸入數(shù)據(jù)集以及數(shù)天的訓(xùn)練輸出數(shù)據(jù)組成的訓(xùn)練輸出數(shù)據(jù)集；

將所述訓(xùn)練輸入數(shù)據(jù)集輸入至多層卷積網(wǎng)絡(luò)中，得到與所述訓(xùn)練輸入數(shù)據(jù)集對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)集，利用所述與訓(xùn)練輸入數(shù)據(jù)集對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)集和所述訓(xùn)練輸出數(shù)據(jù)集訓(xùn)練得到多層卷積網(wǎng)絡(luò)的網(wǎng)絡(luò)模型參數(shù)；

獲取當(dāng)天的股票測試數(shù)據(jù)，在所述當(dāng)天的股票測試數(shù)據(jù)中提取預(yù)先設(shè)定的多個(gè)股票數(shù)據(jù)項(xiàng)對(duì)應(yīng)的股票數(shù)據(jù)值作為當(dāng)天的測試輸入數(shù)據(jù)，將所述當(dāng)天的測試輸入數(shù)據(jù)輸入至訓(xùn)練得到的多層卷積網(wǎng)絡(luò)中，得到與所述當(dāng)天的測試輸入數(shù)據(jù)對(duì)應(yīng)的隔天的預(yù)測輸出數(shù)據(jù)，所述隔天的預(yù)測輸出數(shù)據(jù)具體為股票漲勢數(shù)據(jù)值或股票跌勢數(shù)據(jù)值。

所述多個(gè)股票數(shù)據(jù)項(xiàng)包括以下數(shù)據(jù)項(xiàng)中的任意多項(xiàng)：開盤價(jià)、收盤價(jià)、交易量、最高價(jià)、5日均線、5日成交量、10日均線、10日成交量、換手率、指數(shù)平滑移動(dòng)平均線、簡易移動(dòng)平均線以及加權(quán)移動(dòng)平均線。

程序610具體還可以用于使得處理器602執(zhí)行以下操作：

將所述訓(xùn)練輸入數(shù)據(jù)集轉(zhuǎn)換為預(yù)設(shè)維度的訓(xùn)練輸入向量后輸入至所述多層卷積網(wǎng)絡(luò)中；

將所述當(dāng)天的測試輸入數(shù)據(jù)轉(zhuǎn)換為預(yù)設(shè)維度的測試輸入向量輸入至所述訓(xùn)練得到的多層卷積網(wǎng)絡(luò)中。

所述預(yù)設(shè)維度的向量為四維向量。

程序610具體還可以用于使得處理器602執(zhí)行以下操作：

設(shè)置多層卷積網(wǎng)絡(luò)的卷積層數(shù)、池化規(guī)格參數(shù)以及初始網(wǎng)絡(luò)模型參數(shù)。

所述多層卷積網(wǎng)絡(luò)的卷積層數(shù)為兩層，所述池化規(guī)格參數(shù)為2*2。

程序610具體還可以用于使得處理器602執(zhí)行以下操作：

選取與所述訓(xùn)練輸入數(shù)據(jù)集對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)集和所述訓(xùn)練輸出數(shù)據(jù)集的交叉熵為訓(xùn)練的損失函數(shù)；

采用梯度下降法，對(duì)多層卷積網(wǎng)絡(luò)的網(wǎng)絡(luò)模型參數(shù)進(jìn)行優(yōu)化處理以滿足損失函數(shù)達(dá)到預(yù)設(shè)條件。

程序610中各步驟的具體實(shí)現(xiàn)可以參見上述應(yīng)用中股票數(shù)據(jù)預(yù)測方法實(shí)施例中的相應(yīng)步驟和單元中對(duì)應(yīng)的描述，在此不贅述。所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡潔，上述描述的設(shè)備和模塊的具體工作過程，可以參考前述方法實(shí)施例中的對(duì)應(yīng)過程描述，在此不再贅述。

在此提供的算法和顯示不與任何特定計(jì)算機(jī)、虛擬系統(tǒng)或者其它設(shè)備固有相關(guān)。各種通用系統(tǒng)也可以與基于在此的示教一起使用。根據(jù)上面的描述，構(gòu)造這類系統(tǒng)所要求的結(jié)構(gòu)是顯而易見的。此外，本發(fā)明也不針對(duì)任何特定編程語言。應(yīng)當(dāng)明白，可以利用各種編程語言實(shí)現(xiàn)在此描述的本發(fā)明的內(nèi)容，并且上面對(duì)特定語言所做的描述是為了披露本發(fā)明的最佳實(shí)施方式。

在此處所提供的說明書中，說明了大量具體細(xì)節(jié)。然而，能夠理解，本發(fā)明的實(shí)施例可以在沒有這些具體細(xì)節(jié)的情況下實(shí)踐。在一些實(shí)例中，并未詳細(xì)示出公知的方法、結(jié)構(gòu)和技術(shù)，以便不模糊對(duì)本說明書的理解。

類似地，應(yīng)當(dāng)理解，為了精簡本公開并幫助理解各個(gè)發(fā)明方面中的一個(gè)或多個(gè)，在上面對(duì)本發(fā)明的示例性實(shí)施例的描述中，本發(fā)明的各個(gè)特征有時(shí)被一起分組到單個(gè)實(shí)施例、圖、或者對(duì)其的描述中。然而，并不應(yīng)將該公開的方法解釋成反映如下意圖：即所要求保護(hù)的本發(fā)明要求比在每個(gè)權(quán)利要求中所明確記載的特征更多的特征。更確切地說，如下面的權(quán)利要求書所反映的那樣，發(fā)明方面在于少于前面公開的單個(gè)實(shí)施例的所有特征。因此，遵循具體實(shí)施方式的權(quán)利要求書由此明確地并入該具體實(shí)施方式，其中每個(gè)權(quán)利要求本身都作為本發(fā)明的單獨(dú)實(shí)施例。

本領(lǐng)域那些技術(shù)人員可以理解，可以對(duì)實(shí)施例中的設(shè)備中的模塊進(jìn)行自適應(yīng)性地改變并且把它們設(shè)置在與該實(shí)施例不同的一個(gè)或多個(gè)設(shè)備中?？梢园褜?shí)施例中的模塊或單元或組件組合成一個(gè)模塊或單元或組件，以及此外可以把它們分成多個(gè)子模塊或子單元或子組件。除了這樣的特征和/或過程或者單元中的至少一些是相互排斥之外，可以采用任何組合對(duì)本說明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開的所有特征以及如此公開的任何方法或者設(shè)備的所有過程或單元進(jìn)行組合。除非另外明確陳述，本說明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開的每個(gè)特征可以由提供相同、等同或相似目的的替代特征來代替。

此外，本領(lǐng)域的技術(shù)人員能夠理解，盡管在此所述的一些實(shí)施例包括其它實(shí)施例中所包括的某些特征而不是其它特征，但是不同實(shí)施例的特征的組合意味著處于本發(fā)明的范圍之內(nèi)并且形成不同的實(shí)施例。例如，在下面的權(quán)利要求書中，所要求保護(hù)的實(shí)施例的任意之一都可以以任意的組合方式來使用。

本發(fā)明的各個(gè)部件實(shí)施例可以以硬件實(shí)現(xiàn)，或者以在一個(gè)或者多個(gè)處理器上運(yùn)行的軟件模塊實(shí)現(xiàn)，或者以它們的組合實(shí)現(xiàn)。本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解，可以在實(shí)踐中使用微處理器或者數(shù)字信號(hào)處理器(dsp)來實(shí)現(xiàn)根據(jù)本發(fā)明實(shí)施例的股票數(shù)據(jù)預(yù)測裝置中的一些或者全部部件的一些或者全部功能。本發(fā)明還可以實(shí)現(xiàn)為用于執(zhí)行這里所描述的方法的一部分或者全部的設(shè)備或者裝置程序(例如，計(jì)算機(jī)程序和計(jì)算機(jī)程序產(chǎn)品)。這樣的實(shí)現(xiàn)本發(fā)明的程序可以存儲(chǔ)在計(jì)算機(jī)可讀介質(zhì)上，或者可以具有一個(gè)或者多個(gè)信號(hào)的形式。這樣的信號(hào)可以從因特網(wǎng)網(wǎng)站上下載得到，或者在載體信號(hào)上提供，或者以任何其他形式提供。

應(yīng)該注意的是上述實(shí)施例對(duì)本發(fā)明進(jìn)行說明而不是對(duì)本發(fā)明進(jìn)行限制，并且本領(lǐng)域技術(shù)人員在不脫離所附權(quán)利要求的范圍的情況下可設(shè)計(jì)出替換實(shí)施例。在權(quán)利要求中，不應(yīng)將位于括號(hào)之間的任何參考符號(hào)構(gòu)造成對(duì)權(quán)利要求的限制。單詞“包含”不排除存在未列在權(quán)利要求中的元件或步驟。位于元件之前的單詞“一”或“一個(gè)”不排除存在多個(gè)這樣的元件。本發(fā)明可以借助于包括有若干不同元件的硬件以及借助于適當(dāng)編程的計(jì)算機(jī)來實(shí)現(xiàn)。在列舉了若干裝置的單元權(quán)利要求中，這些裝置中的若干個(gè)可以是通過同一個(gè)硬件項(xiàng)來具體體現(xiàn)。單詞第一、第二、以及第三等的使用不表示任何順序?？蓪⑦@些單詞解釋為名稱。

本發(fā)明公開了：a1.一種股票數(shù)據(jù)預(yù)測方法，其包括：

以天為單位采集數(shù)天內(nèi)的股票歷史數(shù)據(jù)，在每天的股票歷史數(shù)據(jù)中提取預(yù)先設(shè)定的多個(gè)股票數(shù)據(jù)項(xiàng)對(duì)應(yīng)的股票數(shù)據(jù)值作為每天的訓(xùn)練輸入數(shù)據(jù)，在隔天的股票歷史數(shù)據(jù)中提取股票漲勢數(shù)據(jù)值或股票跌勢數(shù)據(jù)值作為每天的訓(xùn)練輸入數(shù)據(jù)對(duì)應(yīng)的訓(xùn)練輸出數(shù)據(jù)，最終得到數(shù)天的訓(xùn)練輸入數(shù)據(jù)組成的訓(xùn)練輸入數(shù)據(jù)集以及數(shù)天的訓(xùn)練輸出數(shù)據(jù)組成的訓(xùn)練輸出數(shù)據(jù)集；

將所述訓(xùn)練輸入數(shù)據(jù)集輸入至多層卷積網(wǎng)絡(luò)中，得到與所述訓(xùn)練輸入數(shù)據(jù)集對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)集，利用所述與訓(xùn)練輸入數(shù)據(jù)集對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)集和所述訓(xùn)練輸出數(shù)據(jù)集訓(xùn)練得到多層卷積網(wǎng)絡(luò)的網(wǎng)絡(luò)模型參數(shù)；

獲取當(dāng)天的股票測試數(shù)據(jù)，在所述當(dāng)天的股票測試數(shù)據(jù)中提取預(yù)先設(shè)定的多個(gè)股票數(shù)據(jù)項(xiàng)對(duì)應(yīng)的股票數(shù)據(jù)值作為當(dāng)天的測試輸入數(shù)據(jù)，將所述當(dāng)天的測試輸入數(shù)據(jù)輸入至訓(xùn)練得到的多層卷積網(wǎng)絡(luò)中，得到與所述當(dāng)天的測試輸入數(shù)據(jù)對(duì)應(yīng)的隔天的預(yù)測輸出數(shù)據(jù)，所述隔天的預(yù)測輸出數(shù)據(jù)具體為股票漲勢數(shù)據(jù)值或股票跌勢數(shù)據(jù)值。

a2.根據(jù)a1所述的方法，其中，所述多個(gè)股票數(shù)據(jù)項(xiàng)包括以下數(shù)據(jù)項(xiàng)中的任意多項(xiàng)：開盤價(jià)、收盤價(jià)、交易量、最高價(jià)、5日均線、5日成交量、10日均線、10日成交量、換手率、指數(shù)平滑移動(dòng)平均線、簡易移動(dòng)平均線以及加權(quán)移動(dòng)平均線。

a3.根據(jù)a1或a2所述的方法，其中，所述將所述訓(xùn)練輸入數(shù)據(jù)集輸入至多層卷積網(wǎng)絡(luò)中具體為：將所述訓(xùn)練輸入數(shù)據(jù)集轉(zhuǎn)換為預(yù)設(shè)維度的訓(xùn)練輸入向量后輸入至所述多層卷積網(wǎng)絡(luò)中；

所述將所述當(dāng)天的測試輸入數(shù)據(jù)輸入至訓(xùn)練得到的多層卷積網(wǎng)絡(luò)中具體為：將所述當(dāng)天的測試輸入數(shù)據(jù)轉(zhuǎn)換為預(yù)設(shè)維度的測試輸入向量輸入至所述訓(xùn)練得到的多層卷積網(wǎng)絡(luò)中。

a4.根據(jù)a3所述的方法，其中，所述預(yù)設(shè)維度的向量為四維向量。

a5.根據(jù)a1-a4中任一項(xiàng)所述的方法，其中，在所述將所述訓(xùn)練輸入數(shù)據(jù)集輸入至多層卷積網(wǎng)絡(luò)中之前，所述方法還包括：設(shè)置多層卷積網(wǎng)絡(luò)的卷積層數(shù)、池化規(guī)格參數(shù)以及初始網(wǎng)絡(luò)模型參數(shù)。

a6.根據(jù)a5所述的方法，其中，所述多層卷積網(wǎng)絡(luò)的卷積層數(shù)為兩層，所述池化規(guī)格參數(shù)為2*2。

a7.根據(jù)a1-a6中任一項(xiàng)所述的方法，所述利用所述與訓(xùn)練輸入數(shù)據(jù)集對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)集和所述訓(xùn)練輸出數(shù)據(jù)集訓(xùn)練得到多層卷積網(wǎng)絡(luò)的網(wǎng)絡(luò)模型參數(shù)進(jìn)一步包括：

選取與所述訓(xùn)練輸入數(shù)據(jù)集對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)集和所述訓(xùn)練輸出數(shù)據(jù)集的交叉熵為訓(xùn)練的損失函數(shù)；

采用梯度下降法，對(duì)多層卷積網(wǎng)絡(luò)的網(wǎng)絡(luò)模型參數(shù)進(jìn)行優(yōu)化處理以滿足損失函數(shù)達(dá)到預(yù)設(shè)條件。

本發(fā)明還公開了：b8.一種股票數(shù)據(jù)預(yù)測裝置，其包括：

采集模塊，適于以天為單位采集數(shù)天內(nèi)的股票歷史數(shù)據(jù)，在每天的股票歷史數(shù)據(jù)中提取預(yù)先設(shè)定的多個(gè)股票數(shù)據(jù)項(xiàng)對(duì)應(yīng)的股票數(shù)據(jù)值作為每天的訓(xùn)練輸入數(shù)據(jù)，在隔天的股票歷史數(shù)據(jù)中提取股票漲勢數(shù)據(jù)值或股票跌勢數(shù)據(jù)值作為每天的訓(xùn)練輸入數(shù)據(jù)對(duì)應(yīng)的訓(xùn)練輸出數(shù)據(jù)，最終得到數(shù)天的訓(xùn)練輸入數(shù)據(jù)組成的訓(xùn)練輸入數(shù)據(jù)集以及數(shù)天的訓(xùn)練輸出數(shù)據(jù)組成的訓(xùn)練輸出數(shù)據(jù)集；

訓(xùn)練模塊，適于將所述訓(xùn)練輸入數(shù)據(jù)集輸入至多層卷積網(wǎng)絡(luò)中，得到與所述訓(xùn)練輸入數(shù)據(jù)集對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)集，利用所述與訓(xùn)練輸入數(shù)據(jù)集對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)集和所述訓(xùn)練輸出數(shù)據(jù)集訓(xùn)練得到多層卷積網(wǎng)絡(luò)的網(wǎng)絡(luò)模型參數(shù)；

預(yù)測模塊，適于獲取當(dāng)天的股票測試數(shù)據(jù)，在所述當(dāng)天的股票測試數(shù)據(jù)中提取預(yù)先設(shè)定的多個(gè)股票數(shù)據(jù)項(xiàng)對(duì)應(yīng)的股票數(shù)據(jù)值作為當(dāng)天的測試輸入數(shù)據(jù)，將所述當(dāng)天的測試輸入數(shù)據(jù)輸入至訓(xùn)練得到的多層卷積網(wǎng)絡(luò)中，得到與所述當(dāng)天的測試輸入數(shù)據(jù)對(duì)應(yīng)的隔天的預(yù)測輸出數(shù)據(jù)，所述隔天的預(yù)測輸出數(shù)據(jù)具體為股票漲勢數(shù)據(jù)值或股票跌勢數(shù)據(jù)值。

b9.根據(jù)b8所述的裝置，其中，所述多個(gè)股票數(shù)據(jù)項(xiàng)包括以下數(shù)據(jù)項(xiàng)中的任意多項(xiàng)：開盤價(jià)、收盤價(jià)、交易量、最高價(jià)、5日均線、5日成交量、10日均線、10日成交量、換手率、指數(shù)平滑移動(dòng)平均線、簡易移動(dòng)平均線以及加權(quán)移動(dòng)平均線。

b10.根據(jù)b8或b9所述的裝置，其中，所述訓(xùn)練模塊進(jìn)一步適于：將所述訓(xùn)練輸入數(shù)據(jù)集轉(zhuǎn)換為預(yù)設(shè)維度的訓(xùn)練輸入向量后輸入至所述多層卷積網(wǎng)絡(luò)中；

所述預(yù)測模塊進(jìn)一步適于：將所述當(dāng)天的測試輸入數(shù)據(jù)轉(zhuǎn)換為預(yù)設(shè)維度的測試輸入向量輸入至所述訓(xùn)練得到的多層卷積網(wǎng)絡(luò)中。

b11.根據(jù)b10所述的裝置，其中，所述預(yù)設(shè)維度的向量為四維向量。

b12.根據(jù)b8-b11中任一項(xiàng)所述的裝置，其中，所述裝置還包括：初始化模塊，適于設(shè)置多層卷積網(wǎng)絡(luò)的卷積層數(shù)、池化規(guī)格參數(shù)以及初始網(wǎng)絡(luò)模型參數(shù)。

b13.根據(jù)b12所述的裝置，其中，所述多層卷積網(wǎng)絡(luò)的卷積層數(shù)為兩層，所述池化規(guī)格參數(shù)為2*2。

b14.根據(jù)b8-b13中任一項(xiàng)所述的裝置，所述訓(xùn)練模塊進(jìn)一步適于：選取與所述訓(xùn)練輸入數(shù)據(jù)集對(duì)應(yīng)的預(yù)測輸出數(shù)據(jù)集和所述訓(xùn)練輸出數(shù)據(jù)集的交叉熵為訓(xùn)練的損失函數(shù)；采用梯度下降法，對(duì)多層卷積網(wǎng)絡(luò)的網(wǎng)絡(luò)模型參數(shù)進(jìn)行優(yōu)化處理以滿足損失函數(shù)達(dá)到預(yù)設(shè)條件。

本發(fā)明還公開了：c15.一種電子設(shè)備，包括：處理器、存儲(chǔ)器、通信接口和通信總線，所述處理器、所述存儲(chǔ)器和所述通信接口通過所述通信總線完成相互間的通信；

所述存儲(chǔ)器用于存放至少一可執(zhí)行指令，所述可執(zhí)行指令使所述處理器執(zhí)行如a1-a7中任一項(xiàng)所述的股票數(shù)據(jù)預(yù)測方法對(duì)應(yīng)的操作。

本發(fā)明還公開了：d16.一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)中存儲(chǔ)有至少一可執(zhí)行指令，所述可執(zhí)行指令使所述處理器執(zhí)行如a1-a7中任一項(xiàng)所述的股票數(shù)據(jù)預(yù)測方法對(duì)應(yīng)的操作。