一种基于Transformer模型的股票截面收益预测方法与设备与流程

本申请涉及信息，尤其涉及一种基于transformer模型的股票截面收益预测技术。

背景技术：

1、影响股票价格的因素包括相关的政策、经济环境、用户情绪等，不同股票对应的公司业绩表现各异，股票收益也会呈现出不同的变化趋势。时间和顺序在股票预测中占有非常重要的位置，近年来，对于股票截面收益的研究一直比较热门。然而，目前对于股票截面收益的长期预测能力比较弱，在预测比较远的未来数据时，预测的误差比较大。

技术实现思路

1、本申请的一个目的是提供一种基于transformer模型的股票截面收益预测方法与设备。

2、根据本申请的一个方面，提供了一种基于transformer模型的股票截面收益预测方法，其中，所述方法包括：

3、对股票因子数据进行预处理操作，从预处理操作后的数据中选取前l个因子的数据；

4、对于每支股票，创建对应的排名列表数据，其中，所述排名列表数据包含各个时间区间内不同因子的排名信息；

5、根据所述排名列表数据导出按时间顺序排列的矩阵，并根据不同的l，通过截断形成抽象模型w的输入序列；

6、通过计算得到所述抽象模型w输出的股票截面收益预测值，其中，所述抽象模型w包括lstm编码解码器、t-d以及t-dmca。

7、进一步地，所述预处理操作包括：去极值、填充缺失值以及标准化操作。

8、进一步地，所述t-d是基于标准transformer模型处理掉编码器的长序列模块而后训练得到的。

9、进一步地，所述t-dmca用于复用上一个时间的t-d。

10、进一步地，所述t-dmca是基于标准transformer模型，修改了多头注意力，通过限制查询和主键之间的点积来减少内存使用。

11、进一步地，对股票因子数据进行预处理操作，从预处理操作后的数据中选取前l个因子的数据，包括：

12、对股票因子数据进行预处理操作，从预处理操作后的数据中选取前l个因子的数据，并通过计算判断各个因子的重要程度。

13、进一步地，所述按时间顺序排列的矩阵的行代表不同的时间点，列代表不同的股票。

14、根据本申请的另一个方面，还提供了一种基于transformer模型的股票截面收益预测设备，其中，所述设备包括：

15、萃取模块，用于对股票因子数据进行预处理操作，从预处理操作后的数据中选取前l个因子的数据；

16、排名模块，用于对于每支股票，创建对应的排名列表数据，其中，所述排名列表数据包含各个时间区间内不同因子的排名信息；

17、输入模块，用于根据所述排名列表数据导出按时间顺序排列的矩阵，并根据不同的l，通过截断形成抽象模型w的输入序列；

18、输出模块，用于通过计算得到所述抽象模型w输出的股票截面收益预测值，其中，所述抽象模型w包括lstm编码解码器、t-d以及t-dmca。

19、根据本申请的又一个方面，还提供了一种计算设备，其中，该设备包括用于存储计算机程序指令的存储器和用于执行计算机程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发所述设备执行所述基于transformer模型的股票截面收益预测方法。

20、根据本申请的又一个方面，还提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令可被处理器执行以实现所述基于transformer模型的股票截面收益预测方法。

21、本申请提供的方案中，先对股票因子数据进行预处理操作，从预处理操作后的数据中选取前l个因子的数据；对于每支股票，创建包含各个时间区间内不同因子的排名信息的排名列表数据；然后根据所述排名列表数据导出按时间顺序排列的矩阵，并根据不同的l，通过截断形成抽象模型w的输入序列，其中，所述抽象模型w包括lstm编码解码器、t-d以及t-dmca；最后，通过计算得到所述抽象模型w输出的股票截面收益预测值。与现有技术相比，本申请基于标准transformer模型进行改进，提出了一种在时间和顺序相关上更优质的预测方案，可以滚动预测股票收益，得到更好的预测结果，同时提高预测效率。

技术特征：

1.一种基于transformer模型的股票截面收益预测方法，其中，所述方法包括：

2.根据权利要求1所述的方法，其中，所述预处理操作包括：去极值、填充缺失值以及标准化操作。

3.根据权利要求1所述的方法，其中，所述t-d是基于标准transformer模型处理掉编码器的长序列模块而后训练得到的。

4.根据权利要求1至3中任一项所述的方法，其中，所述t-dmca用于复用上一个时间的t-d。

5.根据权利要求4所述的方法，其中，所述t-dmca是基于标准transformer模型，修改了多头注意力，通过限制查询和主键之间的点积来减少内存使用。

6.根据权利要求1至5中任一项所述的方法，其中，对股票因子数据进行预处理操作，从预处理操作后的数据中选取前l个因子的数据，包括：

7.根据权利要求1至6中任一项所述的方法，其中，所述按时间顺序排列的矩阵的行代表不同的时间点，列代表不同的股票。

8.一种基于transformer模型的股票截面收益预测设备，其中，所述设备包括：

9.一种计算设备，其中，该设备包括用于存储计算机程序指令的存储器和用于执行计算机程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发所述设备执行权利要求1至7中任一项所述的方法。

10.一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令可被处理器执行以实现如权利要求1至7中任一项所述的方法。

技术总结
本申请的目的是提供一种基于Transformer模型的股票截面收益预测方法与设备。具体地，先对股票因子数据进行预处理操作，从预处理操作后的数据中选取前L个因子的数据；对于每支股票，创建包含各个时间区间内不同因子的排名信息的排名列表数据；然后根据所述排名列表数据导出按时间顺序排列的矩阵，并根据不同的L，通过截断形成抽象模型W的输入序列，其中，所述抽象模型W包括LSTM编码解码器、T‑D以及T‑DMCA；最后，通过计算得到所述抽象模型W输出的股票截面收益预测值。与现有技术相比，本申请基于标准Transformer模型进行改进，提出了一种在时间和顺序相关上更优质的预测方案，可以滚动预测股票收益，得到更好的预测结果，同时提高预测效率。

技术研发人员：张炯,贾怡鸣,王沛弘,葛翔,刘瑾,秦壮言,贾雪丽
受保护的技术使用者：上海星图比特信息技术服务有限公司
技术研发日：
技术公布日：2024/3/31