基于机器学习与深度神经网络的债券推荐方法及系统

本申请实施例提供一种基于机器学习与深度神经网络的债券推荐方法及系统，通过获取债券交易相关的多源特征数据。对多源特征数据执行动态特征筛选处理，通过融合相关性分析与历史趋势加权得到关键影响因子集合，并基于相关性分析生成相关性系数预测结果。将关键影响因子集合输入多模型协同预测框架，通过状态空间模型、长短期记忆网络、梯度提升模型、移动平均收敛散度模型分别生成第一预测结果、第二预测结果、第三预测结果、第四预测结果，并结合相关性系数预测结果输入AdaBoost分类器进行训练得到债券价格涨跌预测模型，基于债券价格涨跌预测模型输出债券推荐结果，从而提升债券推荐的准确性和效率。