一种基于多模态小波分解的深度学习股价概率预测方法

本发明提供一种基于多模态小波分解的深度学习股价概率预测方法，包括如下步骤：构建多模态特征体系，融合动态连续、动态分类、静态连续和静态分类等多源异构特征；对动态连续特征进行小波分解，自适应过滤不同尺度下的噪声成分；采用并行融合策略，将不同模态特征在特征维度上拼接；利用自回归循环神经网络，构建概率密度模型，直接输出股价变化的概率分布预测。本发明通过多模态特征融合提供全面的股价影响因素描述，采用小波分解有效去除噪声，概率预测模型输出更贴近实际的股价分布。实验表明，该模型在NRMSE和ND等指标上显著优于现有方法，并在实际投资策略中取得了可观的超额收益。本发明为股价预测提供了一种新的方法。