一种利用光子晶体储备池训练光信号的股票预测方法

技术特征：
1.一种利用光子晶体储备池训练光信号的股票预测方法，其特征在于，所述方法包括如下步骤：s1，获取股票数据并进行预处理；s2，构建光子晶体储备池并对其进行训练；s3，迁移学习；s4，误差评估及预测结果的输出。2.根据权利要求1所述的利用光子晶体储备池训练光信号的股票预测方法，其特征在于，所述预处理包括归一化处理和去噪处理。3.根据权利要求2所述的利用光子晶体储备池训练光信号的股票预测方法，其特征在于，所述归一化处理的公式为：其中，x和x
norm
分别代表归一化前后的收盘价数据，x
min
与x
max
分别表示归一化前的数据中的最小值与最大值。4.根据权利要求3所述的利用光子晶体储备池训练光信号的股票预测方法，其特征在于，所述去噪处理采用阶数为3的db3小波。5.根据权利要求4所述的利用光子晶体储备池训练光信号的股票预测方法，其特征在于，所述步骤s2中所述预处理后的股票数据通过信号调制器与混沌掩盖信号生成掩盖后的信号，再利用由驱动激光器驱动的电光调制器将掩盖后的信号调制为包含新发行股票所属股市板块信息的光信号，调制后的光信号与注入激光器输出的光信号通过光纤合束器合并为一路光信号注入光子晶体储备池。6.根据权利要求5所述的利用光子晶体储备池训练光信号的股票预测方法，其特征在于，所述光子晶体储备池包括输入层、储备池、输出层，所述输出层提取虚拟节点状态得到输出权重w
out
。7.根据权利要求6所述的利用光子晶体储备池训练光信号的股票预测方法，其特征在于，所述步骤s2中所述训练之前将前100个股票数据作为初始化数据，输入所述光子晶体储备池。8.根据权利要求7所述的利用光子晶体储备池训练光信号的股票预测方法，其特征在于，所述步骤s2中所述训练过程中调节所述光子晶体储备池的参数，所述参数包括所述光子晶体储备池的虚拟节点数目与间隔、采样周期与光子晶体反馈环的反馈时间、训练新发行股票所属股市板块数据的长度、预测新发行股票数据的长度、激光器初始化长度、光子晶体储备池的反馈强度、注入强度与注入功率。9.根据权利要求8所述的利用光子晶体储备池训练光信号的股票预测方法，其特征在于，所述步骤s4中所述误差评估使用归一化均方误差(nmse)、均方根误差(rmse)、平均绝对误差(mae)、平均绝对百分比误差(mape)四个评估指标进行。10.根据权利要求1所述的利用光子晶体储备池训练光信号的股票预测方法，其特征在于，所述股票数据为新发行股票的收盘价数据和新发行股票所属股市板块收盘价数据。

技术总结
本申请涉及计算机技术领域，具体提供了一种利用光子晶体储备池训练光信号的股票预测方法，该方法包括：S1，获取股票数据并进行预处理；S2，构建光子晶体储备池并对其进行训练；S3，迁移学习；S4，误差评估及预测结果的输出。本发明中采用迁移学习将利用大数据量训练得到的预测能力用于预测数据量较少的新发行股票，有效提升预测准确率。光子晶体储备池相较于深度学习与机器学习等算法不需要训练大量的神经元与多种权重，而仅需训练输出权重就能够完成预测任务的计算过程，提升了计算速度。本发明解决了股票市场中上市时间短、数据量少的新发行股票的快速预测问题，且预测准确率较高。高。高。


技术研发人员：庞凝 黄洁 向志丹 王紫薇 范睿婷 陈琪 解宜原
受保护的技术使用者：西南大学
技术研发日：2022.08.04
技术公布日：2022/11/8