一种基于隐马尔可夫模型与动态相似性度量的股票市场预测方法

本发明属于金融科技与量化投资领域，涉及一种基于隐马尔可夫模型与动态相似性度量的股票市场预测方法。首先利用HMM历史股价数据的趋势信息进行建模，通过状态映射得到隐藏状态序列。其次计算收盘价的涨跌幅，构建涨跌信息，并将涨跌幅与对应时间步长中模型生成的隐藏状态向量进行特征融合，以构建既能反映市场动态又能表征潜在模式的特征表达。接着利用HMM模型在不同的随机种子下进行训练，选择效果较为稳定的作为后续模型训练的固定种子。然后以最大化预测准确率为目标，通过循环遍历距离阈值选出最优距离。根据得到的最优距离筛选出对于目标样本可信度较高的邻居，称为可信邻居。最后，将可信邻居的标签进行加权聚合的到最终的预测结果。