1.一種基于多標度卷積神經(jīng)網(wǎng)絡(luò)的外匯交易預(yù)測模型，其特征在于，包括以下步驟：
第一步，數(shù)據(jù)處理：將外匯交易實時價格數(shù)據(jù)轉(zhuǎn)換為價格曲線圖像；
第二步，建立卷積神經(jīng)網(wǎng)絡(luò)體系：該步驟包括預(yù)處理步驟，即拍攝各時間段價格曲線圖，并將曲線圖圖像轉(zhuǎn)換成灰度圖，結(jié)合嵌入特征得到預(yù)處理特征；還包括用推拉窗和修正線性單元處理卷積神經(jīng)網(wǎng)絡(luò)，提取局部語境，通過內(nèi)核處理局部語境集合，并對其進行連接得到局部語境圖；
第三步，實施并行特征學習：將價格特征計入局部語境圖，作為兩個共享的完全連接的隱藏層的輸入，進行并行特征學習，產(chǎn)生外匯價格變動預(yù)測的輸出。
2.根據(jù)權(quán)利要求1所述的預(yù)測模型，其特征在于，還包括調(diào)整優(yōu)化參數(shù)。
3.根據(jù)權(quán)利要求2所述的預(yù)測模型，其特征在于，所述的調(diào)整優(yōu)化參數(shù)的調(diào)整范圍包括開始學習率、學習率更新方案和參數(shù)、求解器類型。
4.根據(jù)權(quán)利要求1所述的預(yù)測模型，其特征在于，所述的數(shù)據(jù)處理步驟中是獲取每對貨幣每分鐘的結(jié)束價、開始價、最高價和最低價,用結(jié)束價來繪制價格曲線圖。
5.根據(jù)權(quán)利要求1所述的預(yù)測模型，其特征在于，所述的數(shù)據(jù)處理步驟中獲取過去30分鐘相關(guān)數(shù)值，用以預(yù)測未來5分鐘的價格走勢。
6.根據(jù)權(quán)利要求1所述的預(yù)測模型，其特征在于，所述的建立卷積神經(jīng)網(wǎng)絡(luò)體系的預(yù)處理步驟中采用自然語言處理嵌入操作，在前饋神經(jīng)網(wǎng)絡(luò)層將稀疏序列特征改變?yōu)檩^密實的標示。