Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 天津大学;上海纯达资产管理有限公司高忠科获国家专利权

天津大学;上海纯达资产管理有限公司高忠科获国家专利权

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!

龙图腾网获悉天津大学;上海纯达资产管理有限公司申请的专利一种基于多模态融合与动量溢出效应的股票预测方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115482102B

龙图腾网通过国家知识产权局官网在2025-11-25发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210943505.6,技术领域涉及:G06Q40/04;该发明授权一种基于多模态融合与动量溢出效应的股票预测方法是由高忠科;郭嘉仪;苏静钰;田源;薄地阔设计研发完成,并于2022-08-08向国家知识产权局提交的专利申请。

一种基于多模态融合与动量溢出效应的股票预测方法在说明书摘要公布了:一种基于多模态融合与动量溢出效应的股票预测方法,包括:收集目标股票和N‑1只与目标股票相关股票的交易数据和文本数据;数据预处理;构建N只股票之间的关系矩阵;对N只股票的文本数据进行特征提取,转化为每个交易日下文本特征向量;设定股票预测模型的输入样本;建立股票预测模型;采用输入样本对股票预测模型进行迭代训练和预测,在训练中更新股票预测模型的可训练参数。本发明的一种基于多模态融合与动量溢出效应的股票预测方法,主要从多模态数据特征融合和利用市场动量溢出效应两个角度入手设计出适合的、有效的深度学习模块来提升股票预测模型的准确性和可靠性。

本发明授权一种基于多模态融合与动量溢出效应的股票预测方法在权利要求书中公布了:1.一种用于交易数据和文本数据的多模态数据特征融合方法,其特征在于:包括如下步骤: 1收集目标股票和N-1只与目标股票相关股票的交易数据和文本数据; 2数据预处理: 3构建N只股票之间的关系矩阵; 4对N只股票的文本数据进行特征提取,转化为每个交易日下文本特征向量: 5对每只股票分别构建股票预测模型的特征交叉融合模块,用于每只股票的交易数据与文本特征数据交叉学习,特征融合,得到每只股票的交易数据与文本特征的融合特征嵌入;具体过程如下: 特征交叉融合模块是由H个特征交叉融合层组成,每个特征交叉融合层是由3个子层串联组成,所述的3个子层包括:一个双向交叉注意力子层、一个由两个并联的自注意力机制组成的自注意力子层、一个由两个并联的前馈神经网络组成的子层,所述的两个前馈神经网络均采用两层全连接神经网络和采用tanh函数为激活函数,3个子层的后面分别引入一个残差网络结构和归一化处理; 每只股票的交易数据与添加了[class]令牌的文本特征数据输入到特征交叉融合模块中,其中表示第i只股票在第个交易日的交易数据,表示第i只股票在第个交易日的文本特征数据,属于第t-T+1交易日到第t交易日范围内;每只股票的股票数据输入对应的特征交叉融合模块; 双向交叉注意力子层包含两个单向交叉注意力模块,分别用来将交易数据融合到文本特征数据域,以及将文本特征数据融合到交易数据域,具体融合公式为: ; 其中表示将文本特征数据融合到交易数据域,表示将交易数据融合到文本特征数据域;表示融合到文本特征数据域的交易数据序列,表示融合到[class]令牌的交易数据向量,表示融合到交易数据域的文本数据特征序列和[class]令牌,同时,和也是第k层交叉特征融合模块中双向交叉注意力子层的输出序列;表示从第t-T+1交易日到第t交易日内的一个交易日,共有K层交叉融合模块,其中k表示为第k层。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人天津大学;上海纯达资产管理有限公司,其通讯地址为:300072 天津市南开区卫津路92号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

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。