摘要
本发明公开了一种基于隐马尔可夫与深度学习的股市预测方法,包括下述步骤:S1:获取股票行情数据;S2:处理股票行情数据,计算涨跌幅、对数高低价差、对数涨跌幅和MACD(异同移动平均线)技术指标数据,生成特征数据;S3:对特征数据使用隐马尔可夫模型进行训练和预测,将数据分类成起伏阶段和震荡阶段;S4:构建时间卷积网络模型;S5:分别对起伏阶段和震荡阶段进行时间卷积网络模型训练;S6:预测阶段,对特征测试数据使用隐马尔可夫模型分类,判断数据所处阶段;S7:根据相应阶段选择时间卷积网络模型,预测涨跌情况。本发明有效结合隐马尔可夫模型和深度学习,并以市场投资者常用技术指标数据作为特征,具有良好的效果,为投资者提供参考价值。
- 单位