技術(shù)特征：

1.一種結(jié)合lstm與多圖卷積神經(jīng)網(wǎng)絡(luò)的選股方法，其特征在于，包括以下步驟：

2.如權(quán)利要求1所述的一種結(jié)合lstm與多圖卷積神經(jīng)網(wǎng)絡(luò)的選股方法，其特征在于，步驟s2中，所述數(shù)據(jù)預(yù)處理具體過程為：依次對分類后的股票特征數(shù)據(jù)進(jìn)行中心化以及歸一化后，利用中心化以及歸一化后的股票特征數(shù)據(jù)計(jì)算股票價(jià)格移動(dòng)平均線。

3.如權(quán)利要求1所述的一種結(jié)合lstm與多圖卷積神經(jīng)網(wǎng)絡(luò)的選股方法，其特征在于，步驟s3中，選股模型中的具體處理流程如下：

4.如權(quán)利要求1所述的一種結(jié)合lstm與多圖卷積神經(jīng)網(wǎng)絡(luò)的選股方法，其特征在于，步驟s3中，在訓(xùn)練選股模型時(shí)，采用的損失函數(shù)具體為：

5.一種結(jié)合lstm與多圖卷積神經(jīng)網(wǎng)絡(luò)的選股系統(tǒng)，其特征在于，包括：

6.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序/指令，其特征在于，該計(jì)算機(jī)程序/指令被處理器執(zhí)行時(shí)，能實(shí)現(xiàn)如權(quán)利要求1～4任一項(xiàng)所述的一種結(jié)合lstm與多圖卷積神經(jīng)網(wǎng)絡(luò)的選股方法。

7.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序，當(dāng)所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)如權(quán)利要求1～4任一項(xiàng)所述的一種結(jié)合lstm與多圖卷積神經(jīng)網(wǎng)絡(luò)的選股方法。

8.一種計(jì)算機(jī)電子設(shè)備，其特征在于，包括存儲(chǔ)器和處理器；

技術(shù)總結(jié)
本發(fā)明公開了一種結(jié)合LSTM與多圖卷積神經(jīng)網(wǎng)絡(luò)的選股方法及系統(tǒng)，本發(fā)明方法的步驟如下：獲取原始的股票特征數(shù)據(jù)，并按照股票代碼進(jìn)行分類，由預(yù)處理后的股票特征數(shù)據(jù)構(gòu)建數(shù)據(jù)集；訓(xùn)練包含LSTM模型、圖卷積網(wǎng)絡(luò)、Attention機(jī)制以及全連接層的選股模型，將待檢測股票的股票特征數(shù)據(jù)輸入到訓(xùn)練好的選股模型中預(yù)測未來收益率，按照未來收益率的大小進(jìn)行排序，選取收益率最高的前K支待檢測股票進(jìn)行投資。本發(fā)明的方法通過動(dòng)態(tài)捕獲股票關(guān)系影響，實(shí)現(xiàn)歷史特征嵌入和股票關(guān)系嵌入相結(jié)合，可以有效提高模型預(yù)測準(zhǔn)確性，為投資者提供投資選擇，從而獲得更高額的投資回報(bào)率。

技術(shù)研發(fā)人員：張朋,趙欣欣
受保護(hù)的技術(shù)使用者：浙江大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6