龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：西南财经大学
摘要：本发明公开了一种基于大语言模型和深度学习的股指价格分解集成预测方法，包括：通过网络接口获取投资者评论文本，并结合在线AI模型与大语言模型对文本进行情感分类，再基于分类结果构造当日投资者情绪指数；基于模糊熵和鲸鱼寻优算法WOA的变分分解VMD与聚类重构模型，将序列分解为多个本征模态函数IMF，然后聚类重构为不同信息区间的模态；将LSTM模型与编码‑解码器结构相结合，利用两阶段学习的结构设计，再结合多头注意力机制，分别从特征维度和时序维度两个视角对特征集合进行学习，完成对特征集合的建模；本发明基于大语言模型、分解集成算法和深度学习网络，融合投资者评论文本和历史价格数据对股指价格进行预测。
主权项：1.一种基于大语言模型和深度学习的股指价格分解集成预测方法，其特征在于，包括以下步骤：步骤1、通过网络接口获取投资者评论文本，结合在线AI模型与大语言模型对文本进行情感分类，基于分类结果构造当日投资者情绪指数，并将其作为情感特征与收盘价、开盘价、最高价、最低价一起构造特征矩阵；步骤2、基于模糊熵和鲸鱼寻优算法WOA的变分分解VMD与聚类重构模型，将特征矩阵中的序列，依次作输入的时间序列信号，并构建约束优化问题，将序列分解为多个本征模态函数IMF；再以模糊熵为适应度函数，使用WOA对参数进行优化，最后得到优化后的分解模态，并使用k-means进行聚类重构，为得到三条处于不同信息量区间的模态序列，再加总与原始序列做差，得到残差序列；最后完成全部特征的分解，得到四个模态特征集合；步骤3、将LSTM模型与编码-解码器结构相结合，利用两阶段学习的结构设计，再结合多头注意力机制，分别从特征维度和时序维度两个视角对特征集合进行学习，完成对特征集合的建模；依次对不同的特征集合建模完成后，分别进行预测，将各个特征集合上的预测结果进行加总，得到最终的股指价格预测值。
全文数据：
权利要求：
百度查询： 西南财经大学 基于大语言模型和深度学习的股指价格分解集成预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号