一种基于异质图神经网络的股票价格波动预测方法

本发明涉及一种基于异质图神经网络的股票价格波动预测方法，属于大数据模型应用技术领域，该方法包括：S1，异质图构建；S2，动态异质图嵌入生成；S3，基于元路径的消息传递；S4，将新闻驱动市场预测整合器和行业新闻融合编码器，分别用于实现特征融合和评估间接连接的股票节点之间的影响力评分，S5，利用宏观经济同步编码器得到宏观嵌入向量，再进行股票嵌入和宏观嵌入向量的交叉融合；S6，节点嵌入的消息传递与更新；S7，经过预测层输出预测结果，并且采用反向传播和梯度下降算法优化模型。本发明通过量化新闻内容对股票的影响、捕捉多条新闻内容之间的共性，以及精确分析宏观经济因素对股票价格波动的影响，对股票波动进行了更准确的预测。