一种股票走势预测方法、装置、设备及存储介质与流程

1.本技术一般涉及计算机技术领域，具体涉及一种股票走势预测方法、装置、设备及存储介质。


背景技术：

2.由于股票价格是波动的，股票投资者在进行投资前需要预测股票价格接下来的走势，并以此做出相应的买卖决策，因此股票走势的预测对一个股票投资者非常重要。
3.目前，一般通过双均线法预测股票走势，具体过程为：建立m天移动平均线、n天移动平均线，并找到两条线的交点，若m》n，则n天移动平均线上穿越m天移动平均线的时刻为金叉时刻，下穿越m天移动平均线的时刻为死叉时刻，在金叉时刻进行做多操作，在死叉时刻进行做空操作。
4.由上述内容可知，现有技术至少存在以下缺点：
5.a)双均线方法难以准确确定两根均线的时间周期：
6.如果两根均线的时间周期过于接近，则两根均线会错综缠绕，产生较多的交点，这样会使该方法产生大量交易信号，容易出现错误的交易信号；
7.如果两根均线时间周期相差较大，则很难把握市场中的实时性信息，容易错过最好的交易时间；
8.b)对于短期内股票出现大幅度波动的情况，该方法容易产生误差，由于该方法是根据一定周期内的平均值作为主要择时指标，如果短期内数据之间的波动过大很容易影响整个均线的位置，从而产生错误的交易信号。


技术实现要素：

9.鉴于现有技术对股票走势预测不准确的问题，本技术提出了一种股票走势预测方法、装置、设备及存储介质，能够提高股票走势预测的准确性。
10.第一方面，本技术实施例提供了一种股票走势预测方法，该方法包括：
11.获取目标股票的历史交易数据；
12.基于历史交易数据提取特征参数；
13.将特征参数输入到预先训练的隐马尔科夫模型，以使隐马尔科夫模型输出目标股票在目标交易日的走势。
14.可选地，历史交易数据为目标交易日之前的多个交易日的收盘价、成交量、最高价和最低价。
15.可选地，特征参数为目标交易日之前的多个交易日的最高最低点位对数差，第一预设时间长度的收盘价对数差，第二预设时间长度的成交量对数差中的至少一种。
16.可选地，特征参数为目标交易日之前的多个交易日的开盘价与收盘价对数差，第三预设时间长度的收盘价对数差，第四预设时间长度的成交量对数差中的至少一种。
17.可选地，在隐马尔科夫模型输出目标股票在目标交易日的走势之后，该方法还包
括：根据走势生成目标股票的买卖操作提醒。
18.可选地，目标股票在目标交易日的走势包括上升、波动和下降；则根据走势生成目标股票的买卖操作提醒，包括：
19.当走势为上升时，生成买入提醒；
20.当走势为波动时，生成空操作提醒；
21.当走势为下降时，生成卖出提醒。
22.第二方面，本技术实施例提供了一种股票走势预测装置，该装置包括：
23.获取模块，用于获取目标股票的历史交易数据；
24.提取模块，用于基于历史交易数据提取特征参数；
25.输入输出模块，用于将特征参数输入到预先训练的隐马尔科夫模型，以使隐马尔科夫模型输出目标股票在目标交易日的走势。
26.可选地，历史交易数据为目标交易日之前的多个交易日的收盘价、成交量、最高价和最低价。
27.可选地，特征参数为目标交易日之前的多个交易日的最高最低点位对数差，第一预设时间长度的收盘价对数差，第二预设时间长度的成交量对数差中的至少一种。
28.第三方面，本技术实施例提供了一种计算机设备，包括：
29.一个或者多个处理器；
30.存储器，用于存储一个或者多个程序；
31.当一个或者多个程序被一个或者多个处理器执行时，使得一个或者多个处理器执行实现上述第一方面的方法。
32.第四方面，本技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序用于实现上述第一方面的方法。
33.本技术实施例提供的股票走势预测方法，基于历史交易数据提取特征参数；将特征参数输入到预先训练的隐马尔科夫模型，以使隐马尔科夫模型输出目标股票在目标交易日的走势；相较于现有技术需要计算两根据均线，根据均线的相交情况预测股票走势，本技术实施例只需要计算特征参数，并将特征参数输入到马尔科夫模型，就可以得到股票走势，克服了现有技术两根均线交叉的时间周期有时过于接近，有时相差较远而导致预测不准确的情况，提高了股票走势预测的准确性。
附图说明
34.为了更清楚地说明本技术实施例的技术方案，下面对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，附图仅用于示出优选实施方法的目的，而并不认为是对本技术的限制。另外还需要说明的是，为了便于描述，附图中仅示出了本技术相关的部分而非全部。
35.图1是根据本技术实施例示出的一种股票走势预测方法实施环境架构图；
36.图2是根据本技术实施例示出的一种股票走势预测方法流程图；
37.图3是根据本技术实施例示出的又一种股票走势预测方法流程图；
38.图4是根据本技术实施例示出的一种股票走势预测方法流程示意图；
39.图5是根据本技术实施例示出的一种隐马尔科夫模型建模示意图；
40.图6是根据本技术实施例示出的一种股票走势预测装置框图；
41.图7是根据本技术实施例示出的又一种股票走势预测装置框图；
42.图8是根据本技术实施例示出的一种计算机系统的结构示意图。
具体实施方式
43.下面结合附图和实施例对本技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释本技术相关内容，而非对该申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与申请相关的部分。
44.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
45.图1是根据本技术实施例示出的一种股票走势预测的实施环境架构图。如图1所示，该实施环境架构包括：终端101和服务器102。
46.其中，终端101安装有股票预测类应用客户端。当该应用客户端启动后，终端101可显示有应用界面，通过该界面可获取用户输入的数据，与用户进行交互。比如，通过交互界面向终端101输入目标股票走势预测请求，终端101在接收到该请求后，将该请求发送至服务器102，以使服务器102根据该请求对目标股票的走势进行预测，并将预设结果返回给终端101。终端101还用于展示服务器102发送来的数据，比如股票走势预测图，以使用户根据走势预测图进行相应操作。
47.终端101的类型包括但不限于智能手机、平板电脑、电视机、笔记本电脑、台式电脑等，本技术实施例对此不进行具体限定。
48.其中，服务器102用于存储各股票的历史数据，还用于接收终端101发来的请求，比如，股票走势预测请求，并根据历史数据预测股票走势，将预测的股票走势发送给终端101。
49.服务器102还用于训练股票预测模型，比如隐马尔科夫模型，通过获取股票的历史交易数据，计算股票特征参数，将特征参数输入到初始隐马尔科夫模型，多次训练得到训练好的隐马尔科夫模型。
50.服务器101还用于在每日股票交易结束后，获取当日的交易数据作为历史交易数据进行存储，以更新历史交易数据，并在更后再次训练隐马尔科夫模型，以不断优化隐马尔科夫模型。
51.服务器102可以是一台服务器，也可以是由多台服务器组成的服务器集群，或者是一个云计算服务中心。
52.终端101与服务器102通过有线或无线网络建立通信连接。
53.图2是根据本技术实施例示出的一种股票走势预测方法的流程图。图2所示的方法可以由图1中的终端1执行，结合图4，该方法包括以下步骤：
54.步骤201，获取目标股票的历史交易数据。
55.其中，目标股票为用户想要得知走势的股票。
56.其中，历史交易数据为目标交易日之前的多个历史交易日对应的交易数据。历史交易日的数量可以根据实际情况进行设置，比如，可以为目标交易日之前的一年内，也可是两年内，可以是连续的多个历史交易日，也可以是不连续的多个历史交易日。
57.可选地，历史交易数据包括交易日的收盘价、成交量、最高价和最低价等。
58.历史交易数据可以存储在服务器中，进一步地，可以事先建立股票标识与交易日，收盘价、成交量、最高价和最低价等的对应关系，然后再存储在服务器中。当终端需要某一目标股票的历史交易数据时，向服务器发送数据请求，数据请求携带目标股票的股票标识，历史交易日的日期，数据种类等，服务器根据该股票标识查询对应日期和种类的历史数据；并将查询到的历史数据发送给终端。
59.示例性地，数据请求携带的股票标识为01，历史交易日期为20200101、数据种类为收盘价和成交量；则服务器在接收到请求时查询01股票在2020年1月1日的收盘价和成交量数据，并将查询到的数据返回给终端。
60.步骤202，基于历史交易数据提取特征参数。
61.可选地，特征参数包括多个历史交易日的最高最低点位对数差，第一预设时间长度的收盘价对数差，第二预设时间长度的成交量对数差中的至少一种。
62.其中，第一预设时间长度、第二预设时间长度可以根据实际情况进行设置，比如，二者均为5日。
63.可选地，特征参数包括多个历史交易日的开盘价与收盘价对数差，第三预设时间长度的收盘价对数差，第四预设时间长度的成交量对数差中的至少一种。
64.其中，第三预设时间长度、第四预设时间长度可以根据实际情况进行设置，比如，二者均为5日。
65.终端在接收到历史交易数据时，可以根据历史交易数据计算上特征值，得到特征参数。
66.步骤203，将特征参数输入到预先训练的隐马尔科夫模型，以使隐马尔科夫模型输出目标股票在目标交易日的走势。
67.其中，隐马尔科夫模型是大量历史交易数据，包括收盘价、成交量、最高价，最低价以及当天交易日的走势进行多次训练得到的，训练好的隐马尔科夫模型可以根据特定的特征参数确定目标交易日股票的走势，有关训练过程参见下文描述。
68.可选地，目标股票在目标交易日的走势包括上升、波动和下降。则进一步地，参见图3，在步骤203之后，还可以包括步骤204：根据走势生成目标股票的买卖操作提醒。
69.进一步地，当走势为上升时，生成买入提醒；当走势为波动时，生成空操作提醒；当走势为下降时，生成卖出提醒。
70.可选地，操作提醒可以为语音提醒，文字提醒等，比如，当目标股票在目标交易日的走势为上升时，直接在客户端生成语音或文字“您关注的股票今日处于上升走势”等。用户可以根据提醒消息直接做出交易选择，提高用户交易选择的方便性。
71.上述隐马尔科夫模型是预先训练的，训练过程可以由终端101单独执行，也可以由终端101和服务器102共同执行。进一步训练过程如下：
72.获取大量目标股票的历史交易数据；基于历史交易数据计算特征参数；将计算的特征参数输入到初始隐马尔科夫模型，当输出的走势不正确时，调整隐马尔科夫模型的参数，再次输入特征参数，并确定输出走势，直到输出的走势与当日的走势相同为止。如此往复使用不同的历史数据多次训练隐马尔科夫模型，直到隐马尔科夫模型的正确率达到预设值以上，比如，预设值为98％。
73.由上述训练过程可知，历史交易数据除了包括每个交易日的收盘价、成交量、最高
价和最低价等，还包括当日各目标股票对应的走势。
74.其中，隐马尔科夫模型包含一条由马尔科夫链构成的隐藏状态序列和一条由每一个隐藏状态生成的观测序列。在隐藏状态序列中，不同的隐藏状态之间按照一定的概率进行转化；同时每一个隐藏状态都会有固定的概率生成一个可观测状态，因此就会生成一条观测序列。
75.图5示出了一种隐马尔科夫模型对股票走势预测建模示意图，图图5中的强势、震荡势、弱势分别代表模型中的三种隐藏状态，实线箭头表示了各个状态之间的转移情况，股价上涨、股价波动、股价下跌分别代表了模型中的三种可观测状态，虚线箭头表示了由每个隐藏状态生成三种可观测状态的可能性。
76.假设i＝(i1,i2,i3)分别表示强势、震荡势、弱势三种状态，则可以用如下矩阵a表示三种状态之间的转移情况：
[0077][0078]
其中a
ij
,i,j＝1,2,3表示ai转移到aj的概率，矩阵a要求每一行的行和为1。
[0079]
假设o＝(o1,o2,o3)分别表示股价上涨、股价波动、股价下跌等可观测状态，则可以用如下矩阵b表示由隐藏状态转移到观测状态的概率：
[0080][0081]
其中b
ij
,i,j＝1,2,3表示隐藏状态为ai生成观测状态bj的概率，上面矩阵同样要求每一行的行和为1。
[0082]
矩阵a在隐马尔科夫模型中被称为状态转移矩阵，矩阵b在隐马尔科夫模型中被称为发射矩阵，仅需给出模型的初始状态分布π＝(p1,p2,p3)即可确定一个隐马尔科夫模型。
[0083]
对于隐马尔科夫模型来说，使用baum welch算法、viterbi算法等来解决相应的学习问题即解码问题。在本技术中，利用baum welch算法使用计算后的特征数据训练模型，然后利用viterbi算法确定模型的隐藏状态，得到强势、震荡势、弱势的结果，再根据此结果确定观测状态，即股票价格上涨，股票价格波动，股票价格下降，进而根据此状态进行股票的买卖。
[0084]
综上所述，本技术实施例提供的股票走势预测方法，基于历史交易数据提取特征参数；将特征参数输入到预先训练的隐马尔科夫模型，以使隐马尔科夫模型输出目标股票在目标交易日的走势；相较于现有技术需要计算两根据均线，根据均线的相交情况预测股票走势，本技术实施例只需要计算特征参数，并将特征参数输入到马尔科夫模型，就可以得到股票走势，克服了现有技术两根均线交叉的时间周期有时过于接近，有时相差较远而导致预测不准确的情况，提高了股票走势预测的准确性。
[0085]
本说明书中的实施例均采用递进的方式描述，各个实施例子之间的相似部分相互参见。每个步骤下的实施例侧重于该步骤下的具体方法。以上的所描述的实施方案仅仅是示意性的，具体实施例仅是对本技术做举例说明，本技术所属技术领域的技术人员在不脱离本技术实施例所述原理的前提，还可以做出若干改进和润色，这些改进也应视为本技术
的保护范围。
[0086]
图6是根据本技术实施例示出的一种股票走势预测装置框图。如图6所示，该装置包括：
[0087]
获取模块601，用于获取目标股票的历史交易数据。
[0088]
提取模块602，用于基于历史交易数据提取特征参数。
[0089]
输入输出模块603，用于将特征参数输入到预先训练的隐马尔科夫模型，以使隐马尔科夫模型输出目标股票在目标交易日的走势。
[0090]
可选地，历史交易数据为目标交易日之前的多个交易日的收盘价、成交量、最高价和最低价。
[0091]
可选地，特征参数为目标交易日之前的多个交易日的最高最低点位对数差，第一预设时间长度的收盘价对数差，第二预设时间长度的成交量对数差中的至少一种。
[0092]
可选地，特征参数为目标交易日之前的多个交易日的开盘价与收盘价对数差，第三预设时间长度的收盘价对数差，第四预设时间长度的成交量对数差中的至少一种。
[0093]
可选地，目标股票在目标交易日的走势包括上升、波动和下降；则参见图7，该装置还包括生成模块604，用于根据走势生成目标股票的买卖操作提醒。
[0094]
可选地，根据走势生成目标股票的买卖操作提醒包括：
[0095]
当走势为上升时，生成买入提醒；
[0096]
当走势为波动时，生成空操作提醒；
[0097]
当走势为下降时，生成卖出提醒。
[0098]
另外，需要说明的是，装置实施例中的相关内容，请参照方法实施例，在此不做赘述。
[0099]
综上所述，本技术实施例提供的股票走势预测装置，基于历史交易数据提取特征参数；将特征参数输入到预先训练的隐马尔科夫模型，以使隐马尔科夫模型输出目标股票在目标交易日的走势；相较于现有技术需要计算两根据均线，根据均线的相交情况预测股票走势，本技术实施例只需要计算特征参数，并将特征参数输入到马尔科夫模型，就可以得到股票走势，克服了现有技术两根均线交叉的时间周期有时过于接近，有时相差较远而导致预测不准确的情况，提高了股票走势预测的准确性。
[0100]
图8是根据本技术实施例示出的一种计算机系统800的结构示意图，计算机系统包括中央处理单元(cpu)801，其可以根据存储在只读存储器(rom)802中的程序或者从存储部分加载到随机访问存储器(ram)803中的程序而执行各种适当的动作和处理。在ram803中，还存储有系统操作所需的各种程序和数据。cpu801、rom802以及ram803通过总线804彼此相连。输入/输出(i/o)接口805也连接至总线804。
[0101]
以下部件连接至i/o接口805：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分；包括硬盘等的存储部分808；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器也根据需要连接至i/o接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。
[0102]
特别地，根据本技术的实施例各流程图描述的过程可以被实现为计算机软件程
序。例如，本技术的各方法实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分从网络上被下载和安装，和/或从可拆卸介质被安装。在该计算机程序被中央处理单元(cpu)801执行时，执行本技术的系统中限定的上述功能。
[0103]
需要说明的是，本技术所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本技术中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
[0104]
附图中的流程图和框图，图示了按照本技术各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0105]
描述于本技术实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。所描述的单元或模块也可以设置在处理器中，例如，可以描述为：一种处理器包括获取模块、提取模块、输入输出模块。其中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
[0106]
作为另一方面，本技术还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现如上述实施例中所述的股票走势预测方法。
[0107]
例如，所述电子设备可以实现如图2中所示的：步骤201，获取目标股票的历史交易
数据；步骤202，基于历史交易数据提取特征参数；步骤203，将特征参数输入到预先训练的隐马尔科夫模型，以使隐马尔科夫模型输出目标股票在目标交易日的走势。
[0108]
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
[0109]
此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
[0110]
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。
[0111]
综上所述，本技术实施例提供的股票走势预测计算机系统或计算机可读介质，基于历史交易数据提取特征参数；将特征参数输入到预先训练的隐马尔科夫模型，以使隐马尔科夫模型输出目标股票在目标交易日的走势；相较于现有技术需要计算两根据均线，根据均线的相交情况预测股票走势，本技术实施例只需要计算特征参数，并将特征参数输入到马尔科夫模型，就可以得到股票走势，克服了现有技术两根均线交叉的时间周期有时过于接近，有时相差较远而导致预测不准确的情况，提高了股票走势预测的准确性。
[0112]
上述仅为本技术较佳实施例及对所运用技术原理的说明。本领域技术人员应当理解，本技术中所涉及的申请范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述申请构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本技术中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。