一种基于均线来判断未来趋势的分析方法技术

本发明专利技术涉及人工智能算法技术领域，具体涉及一种基于均线来判断未来趋势的分析方法，包括获取股票行情数据，并对股票行情数据进行划分，得到第一基础数据和第二基础数据；构建第一机器学习模型和第二机器学习模型；将第一基础数据和第二基础数据分别输入第一机器学习模型中进行训练，分别得到短期有利均线和长期有利均线；将短期有利均线、长期有利均线和主力均线输入第二机器学习模型进行预测，得到预测结果。本发明专利技术根据短期有利均线、长期有利均线和主力均线的走势，复合判断股票未来的趋势，不再单一依赖股价和单一均线的走势判定股票未来的趋势，解决了现有的判断股票未来趋势的方法的分析精确度较低的问题。的方法的分析精确度较低的问题。的方法的分析精确度较低的问题。

【技术实现步骤摘要】
一种基于均线来判断未来趋势的分析方法


[0001]本专利技术涉及人工智能算法
，尤其涉及一种基于均线来判断未来趋势的分析方法。

技术介绍

[0002]股票的价格是实时波动的，具有极大的不稳定性以及随机性，在股票交易过程中，往往是基于人的主观决策或根据股票价格涨跌情绪化地判断股票未来趋势，从而做出选股及购买行为，对股票的分析精确度较低。

技术实现思路

[0003]本专利技术的目的在于提供一种基于均线来判断未来趋势的分析方法，旨在解决现有的判断股票未来趋势的方法的分析精确度较低的问题。
[0004]为实现上述目的，本专利技术提供了一种基于均线来判断未来趋势的分析方法，包括以下步骤：
[0005]获取股票行情数据，并对所述股票行情数据进行划分，得到第一基础数据和第二基础数据；
[0006]构建第一机器学习模型和第二机器学习模型；
[0007]将所述第一基础数据和所述第二基础数据分别输入所述第一机器学习模型中进行训练，分别得到短期有利均线和长期有利均线；
[0008]将所述短期有利均线、所述长期有利均线和主力均线输入所述第二机器学习模型进行预测，得到预测结果。
[0009]其中，在步骤将所述短期有利均线、所述长期有利均线和主力均线输入所述第二机器学习模型进行预测，得到预测结果之后，所述方法还包括：
[0010]将实际价格与所述预测结果进行对比，得到对比结果；
[0011]基于所述对比结果调整所述第一机器学习模型的期望收益和最大回测值后，将所述第一基础数据和所述第二基础数据分别输入所述第一机器学习模型中进行重新训练。
[0012]其中，所述将所述短期有利均线、所述长期有利均线和主力均线输入所述第二机器学习模型进行预测，得到预测结果，包括：
[0013]根据股票单的交易量计算主力持仓平均成本，得到主力均线；
[0014]在所述第二机器学习模型中引入基金评价体系；
[0015]将所述短期有利均线、所述长期有利均线和所述主力均线输入所述第二机器学习模型进行预测，得到预测结果。
[0016]其中，所述将所述第一基础数据和所述第二基础数据分别输入所述第一机器学习模型中进行训练，分别得到短期有利均线和长期有利均线，包括：
[0017]所述将所述第一基础数据和所述第二基础数据分别输入所述第一机器学习模型中进行训练，分别得到第一有利均线和第二有利均线；
[0018]分别计算所述第一基础数据和所述第二基础数据的阿尔法系数和贝塔系数；
[0019]基于所述阿尔法系数和所述贝塔系数对所述第一有利均线和所述第二有利均线进行筛选，得到短期有利均线和长期有利均线。
[0020]其中，所述第一基础数据为所述股票行情数据中1、3和2中MA10～MA59的均线；
[0021]所述第二基础数据为所述股票行情数据中1、3和2中MA60～MA610的均线。
[0022]其中，所述将所述短期有利均线、所述长期有利均线和主力均线输入所述第二机器学习模型进行预测时的判断条件包括：
[0023]若所述主力均线位于所述长期有利均线上方，则判断股价处于开始上涨趋势；
[0024]若所述长期有利均线同时位于所述主力均线、所述短期有利均线上方，则判断估计处于确定上涨趋势；
[0025]若所述短期有利均线位于所述主力均线下方，则判断股价开始下跌趋势；
[0026]若所述短期有利均线位于所述主力均线下方、所述主力均线位于所述长期有利均线下方时，则判断股价处于确定下跌趋势。
[0027]其中，所述第一机器学习模型和所述第二机器学习模型均为长短期记忆模型。
[0028]本专利技术的一种基于均线来判断未来趋势的分析方法，通过获取股票行情数据，并对所述股票行情数据进行划分，得到第一基础数据和第二基础数据；构建第一机器学习模型和第二机器学习模型；将所述第一基础数据和所述第二基础数据分别输入所述第一机器学习模型中进行训练，分别得到短期有利均线和长期有利均线；将所述短期有利均线、所述长期有利均线和主力均线输入所述第二机器学习模型进行预测，得到预测结果。本专利技术根据短期有利均线、长期有利均线和主力均线的走势，复合判断股票未来的趋势，不再单一依赖股价和单一均线的走势判定股票未来的趋势，提高分析的精确度，解决了现有的判断股票未来趋势的方法的分析精确度较低的问题。
附图说明
[0029]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将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，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0030]图1是本专利技术提供的一种基于均线来判断未来趋势的分析方法的流程图。
[0031]图2是将所述短期有利均线、所述长期有利均线和主力均线输入所述第二机器学习模型进行预测，得到预测结果的流程图。
[0032]图3是将所述短期有利均线、所述长期有利均线和主力均线输入所述第二机器学习模型进行预测，得到预测结果的流程图。
具体实施方式
[0033]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。
[0034]请参阅图1至图3，本专利技术提供一种基于均线来判断未来趋势的分析方法，包括以
下步骤：
[0035]S1获取股票日K级行情数据，并对所述股票行情数据进行划分，得到第一基础数据和第二基础数据；
[0036]具体的，设定数据获取时间，并在所述数据获取时间内调用股票文件；对所述股票文件进行关键提取，得到提取数据；对所述提取数据进行过滤，得到股票行情数据。
[0037]所述第一基础数据为所述股票行情数据中1、3和2中MA10～MA59的均线；所述第二基础数据为所述股票行情数据中1、3和2中MA60～MA610的均线。
[0038]S2构建第一机器学习模型和第二机器学习模型；
[0039]具体的，所述第一机器学习模型和所述第二机器学习模型均为长短期记忆模型。
[0040]S3将所述第一基础数据和所述第二基础数据分别输入所述第一机器学习模型中进行训练，分别得到短期有利均线和长期有利均线；
[0041]具体方式为：
[0042]S31所述将所述第一基础数据和所述第二基础数据分别输入所述第一机器学习模型中进行训练，分别得到第一有利均线和第二有利均线；
[0043]S32分别计算所述第一基础数据和所述第二基础数据的阿尔法系数和贝塔系数；
[0044]S33基于所述阿尔法系数和所述贝塔系数对所述第一有利均线和所述第二有利均线进行筛选，得到短期有利均线和长期有利均线。
[0045]具体的，每次运行的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于均线来判断未来趋势的分析方法，其特征在于，包括以下步骤：获取股票行情数据，并对所述股票行情数据进行划分，得到第一基础数据和第二基础数据；构建第一机器学习模型和第二机器学习模型；将所述第一基础数据和所述第二基础数据分别输入所述第一机器学习模型中进行训练，分别得到短期有利均线和长期有利均线；将所述短期有利均线、所述长期有利均线和主力均线输入所述第二机器学习模型进行预测，得到预测结果。2.如权利要求1所述的基于均线来判断未来趋势的分析方法，其特征在于，在步骤将所述短期有利均线、所述长期有利均线和主力均线输入所述第二机器学习模型进行预测，得到预测结果之后，所述方法还包括：将实际价格与所述预测结果进行对比，得到对比结果；基于所述对比结果调整所述第一机器学习模型的期望收益和最大回测值后，将所述第一基础数据和所述第二基础数据分别输入所述第一机器学习模型中进行重新训练。3.如权利要求2所述的基于均线来判断未来趋势的分析方法，其特征在于，所述将所述短期有利均线、所述长期有利均线和主力均线输入所述第二机器学习模型进行预测，得到预测结果，包括：根据股票单的交易量计算主力持仓平均成本，得到主力均线；在所述第二机器学习模型中引入基金评价体系；将所述短期有利均线、所述长期有利均线和所述主力均线输入所述第二机器学习模型进行预测，得到预测结果。4.如权利要求3所述的基于均线来判断未来趋势的分析方法，其特征在于，所述将所述第一基础数据和所述第二基础数...

【专利技术属性】
技术研发人员：胡凯祺，
申请(专利权)人：杭州顶点财经网络传媒有限公司，
类型：发明
国别省市：