简介： 本发明涉及一种基于同构卷积神经网络的金融时间序列预测与决策方法，所述金融时间序列预测与决策方法包括：读取最新数据，并根据同构卷积神经网络模型分别计算预测价格、趋势预测和分类概率、以及综合预测指标Φ；根据综合预测指标Φ生成预测性交易策略，并通过结合改进的直接强化学习交易策略得到交易决策函数D；通过交易决策函数D计算交易决策并执行交易；重复上述步骤，直到交易结束。本发明提出一个预测器‑分类器‑执行器框架，利用基于深度学习的金融时间序列预测和基于强化学习的决策来实现更好的夏普比率和实时性能；捕捉金融时间序列数据规律，通过同构卷积神经网络架构进行预测与趋势分类，并提出了新颖的集成预测指标。