公开(公告)号：CN117196842A

公开(公告)日：2023-12-08

申请号：CN202311162409.9

申请日：2023-09-11

Applicant: 东北大学

Inventor： 刘席郡 ,  段沛博 ,  刘志鹏 ,  李晓航 ,  张斌

IPC: G06Q40/04 ,  G06F18/213 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明提供一种基于因果关系图神经网络的股票特征分析系统及方法，涉及人工智能技术领域，本系统分为特征提取层和预测层。首先获取股票的历史时序数据和关系数据并进行筛选和预处理工作；将数据输入到股票特征分析系统中，数据分别经过静态关系提取模块SRE和动态关系提取模块DRE,最后将SRE和DRE的输出结果SRE_embedding和DRE_embedding拼接到一起，最后送入预测层得到股票的最终预测结果。本发明考虑了股票数据中的隐性关系和随时间变化的动态关系。与现有的基于GNN的方法做对比，在股票趋势预测中，精度比其他模型的精度更高。

公开(公告)号：CN118365396A

公开(公告)日：2024-07-19

申请号：CN202410489393.0

申请日：2024-04-23

Applicant: 东北大学

Inventor： 李晓航 ,  段沛博 ,  刘席郡 ,  张斌

IPC: G06Q30/0283 ,  G06Q40/06 ,  G06N5/025 ,  G06N5/04 ,  G06N3/092 ,  G06N3/045 ,  G06N3/09 ,  G06N3/048 ,  G06F18/2415 ,  G06F18/27 ,  G06F18/15 ,  G06F18/10 ,  G06F123/02

Abstract: 本发明提供一种基于自适应的股票价格走势预测系统及方法，涉及人工智能技术领域。该方法具体包括：获取股票历史时序数据并进行预处理，利用处理后的数据对预置的若干个深度学习模型进行预训练，利用训练好的深度学习模型构建模型集，构建自适应决策模型(Adaptive Selection Deep Deterministic Policy Gradient，AS‑DDPG)并进行训练，利用训练好的AS‑DDPG为当前获取的股票时序数据选择合适的深度学习模型，并利用该深度学习模型对股票数据走势进行预测，得到股票涨跌走势的预测结果；并根据实时的股票数据变化对调整选择的深度学习模型，以应对不同数据模式下的股票市场环境，便于投资者需要根据实时的预测结果来做出即时决策。

公开(公告)号：CN308504390S

公开(公告)日：2024-03-12

申请号：CN202330425998.X

申请日：2023-07-07

Applicant: 东北大学

Designer： 管西康 ,  唐酞博 ,  刘跃 ,  刘席郡 ,  段沛博

Abstract: 1.本外观设计产品的名称：带舆情监测图形用户界面的手机。
2.本外观设计产品的用途：用于运行程序，显示界面内容。
3.本外观设计产品的设计要点：在于手机屏幕中的图形用户界面的界面内容，手机为现有设计。
4.最能表明设计要点的图片或照片：主视图。
5.手机为现有设计，省略后视图、左视图、右视图、俯视图、仰视图。
6.图形用户界面的用途：主视图显示的是起始页面，用户输入“用户名”、“密码”，点击“登录”按钮，进入界面变化状态图1；点击界面变化状态图1的“舆情研判”按钮，进入界面变化状态图2。
7.其他需要说明的情形其他说明：界面变化状态图中深灰色部分属于内容画面。