本發(fā)明涉及一種基于同構(gòu)卷積神經(jīng)網(wǎng)絡(luò)的金融時間序列預(yù)測與決策方法，所述金融時間序列預(yù)測與決策方法包括：讀取最新數(shù)據(jù)，并根據(jù)同構(gòu)卷積神經(jīng)網(wǎng)絡(luò)模型分別計算預(yù)測價格、趨勢預(yù)測和分類概率、以及綜合預(yù)測指標(biāo)Φ；根據(jù)綜合預(yù)測指標(biāo)Φ生成預(yù)測性交易策略，并通過結(jié)合改進(jìn)的直接強化學(xué)習(xí)交易策略得到交易決策函數(shù)D；通過交易決策函數(shù)D計算交易決策并執(zhí)行交易；重復(fù)上述步驟，直到交易結(jié)束。本發(fā)明提出一個預(yù)測器?分類器?執(zhí)行器框架，利用基于深度學(xué)習(xí)的金融時間序列預(yù)測和基于強化學(xué)習(xí)的決策來實現(xiàn)更好的夏普比率和實時性能；捕捉金融時間序列數(shù)據(jù)規(guī)律，通過同構(gòu)卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)進(jìn)行預(yù)測與趨勢分類，并提出了新穎的集成預(yù)測指標(biāo)。