股票推荐方法及装置、计算机设备、存储介质与流程

技术特征：
1.一种股票推荐方法，其特征在于，包括以下步骤：获取目标股票组的历史股票信息；根据所述历史股票信息进行股票画像特征提取，以获得所述目标股票组中每一支股票的历史画像；根据每一支股票的历史画像和每一支股票的历史收益率计算对应的每一支股票的选股目标特征，以获得所述目标股票组的选股目标特征矩阵；根据每一支股票的历史画像和所述选股目标特征矩阵，对预先存储的每一个深度文本匹配模型进行预训练，以选择出目标模型；根据每一支股票的历史画像和所述选股目标特征矩阵训练所述目标模型；获取预测时间和待推荐股票组的历史股票信息，并将所述预测时间和所述待推荐股票组的历史股票信息输入所述目标模型，以获得在预测时间所述待推荐股票组基于选股目标特征的排序结果。2.如权利要求1所述的股票推荐方法，其特征在于，所述历史股票信息包括证券市场交易数据和金融社交媒体数据，其中，根据所述历史股票信息进行股票画像特征提取，包括：以资产定价视角，从所述证券市场交易数据中提取传统量化因子，并从所述金融社交媒体数据中提取新型社交媒体量化因子。3.如权利要求1所述的股票推荐方法，其特征在于，根据每一支股票的历史画像和每一支股票的历史收益率计算对应的每一支股票的选股目标特征，包括：获取每一支股票的历史画像特征矩阵以及每一支股票的历史收益率集合其中，采用的时间窗口为周度，周度包括日历周内所有交易日，历史画像特征矩阵是由股票画像特征向量在时间序列上向后回溯w个窗口得到，w∈n ，t
i
为某一周度时间点，j为目标组股票内的第j支股票，j<n，n为目标组股票内的股票数量，为股票的周度画像特征向量；降序排列r
(j)
，并从中选取排名前k个收益率对应的股票画像特征向量，以获得每一支股票的选股目标特征矩阵的选股目标特征矩阵其中，为k
×
m维矩阵；k为收益率最优时间窗口，k＝a,1<a≤w。4.如权利要求3所述的股票推荐方法，其特征在于，获得所述目标股票组的选股目标特征矩阵，包括：采用t-sne模型对每一支股票的选股目标特征矩阵进行第一次降维处理，以获得所述目标股票组的选股中间矩阵
采用pca模型对所述选股中间矩阵进行第二次降维处理，以获得所述目标股票组的选股目标特征矩阵其中，第一次降维参数d
f
＝b,b∈n ；第二次降维参数d
s
＝if(m,c),m<c<(b
×
n)。5.如权利要求1所述的股票推荐方法，其特征在于，根据每一支股票的历史画像和所述选股目标特征矩阵，对预先存储的每一个深度文本匹配模型进行预训练，以选择出目标模型，包括：根据每一支股票的历史画像和所述选股目标特征矩阵，使预先存储的每一个深度文本匹配模型以其所有超参数组合进行预训练；在预训练过程中，根据模型表现对每一个超参数组合进行评估，以获得每一个模型的超参数组合评估值集合；根据每一个模型的超参数组合评估值集合计算每一个模型的第一标准差，以获得所有模型的第一标准差集合；根据所述第一标准差集合计算第二标准差，并根据所述第二标准差选择出目标模型。6.如权利要求5所述的股票推荐方法，其特征在于，根据所述第二标准差选择出目标模型，包括：对所述第二标准差进行判断；若所述第二标准差小于预设的第一阈值，则将所述第一标准差集合中的最小标准差对应的模型作为目标模型；若所述第二标准差大于等于预设的第一阈值且小于等于预设的第二阈值，则将所述第一标准差集合中的最大标准差对应的模型作为目标模型；若所述第二标准差大于预设的第二阈值，将所述第一标准差集合中的中间标准差对应的模型作为目标模型。7.如权利要求5或6所述的股票推荐方法，其特征在于，根据每一支股票的历史画像和所述选股目标特征矩阵训练所述目标模型，包括：从目标模型的超参数组合评估值集合中选出评估值最大的超参数组合作为目标模型的最优超参数组合；根据所述最优超参数组合训练所述目标模型。8.一种股票推荐装置，其特征在于，包括：获取模块，用于获取目标股票组的历史股票信息；股票画像模块，用于根据历史股票信息进行股票画像特征提取，以获得目标股票组中每一支股票的历史画像；选股特征提取模块，用于根据每一支股票的历史画像和每一支股票的历史收益率计算对应的每一支股票的选股目标特征，以获得目标组股票的选股目标特征矩阵；模型选择模块，用于根据每一支股票的历史画像和选股目标特征矩阵，对预先存储的每一个深度文本匹配模型进行预训练，以选择出目标模型；模型训练模块，用于根据每一支股票的历史画像和选股目标特征矩阵训练目标模型；所述获取模块还用于，获取预测时间和待推荐股票组的历史股票信息，并将预测时间和待推荐股票组的历史股票信息输入目标模型，以获得在预测时间待推荐股票组基于选股
目标特征的排序结果。9.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的股票推荐程序，所述处理器执行所述股票推荐程序时，实现如权利要求1至7任一项所述的股票推荐方法。10.一种计算机可读存储介质，其特征在于，其上存储有股票推荐程序，该股票推荐程序被处理器执行时实现如权利要求1至7任一项所述的股票推荐方法。

技术总结
本发明涉及一种股票推荐方法，包括：对目标股票组的历史股票信息进行股票画像特征提取，获得每一支股票的历史画像；根据每一支股票的历史画像和历史收益率，获得目标股票组的选股目标特征矩阵；根据每一支股票的历史画像和选股目标特征矩阵，对预先存储的深度文本匹配模型进行预训练，选择出目标模型；根据每一支股票的历史画像和选股目标特征矩阵训练目标模型；获取预测时间和待推荐股票组的历史股票信息，并将其输入目标模型，获得在预测时间待推荐股票组基于选股目标特征的排序结果。能够在预测基于股票收益率的排序应用中，表现出很高的应用价值和稳健性。此外，本发明还提供股票推荐装置、计算机设备和计算机可读存储介质。质。质。


技术研发人员：饶育蕾 郭刚刚
受保护的技术使用者：中南大学
技术研发日：2020.04.29
技术公布日：2021/10/28