CN101763618A - 金融投资决策信息品质检验方法 - Google Patents
金融投资决策信息品质检验方法 Download PDFInfo
- Publication number
- CN101763618A CN101763618A CN201010000045A CN201010000045A CN101763618A CN 101763618 A CN101763618 A CN 101763618A CN 201010000045 A CN201010000045 A CN 201010000045A CN 201010000045 A CN201010000045 A CN 201010000045A CN 101763618 A CN101763618 A CN 101763618A
- Authority
- CN
- China
- Prior art keywords
- investment decision
- financial investment
- decision information
- information
- trading
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明是一种通过模拟交易检验金融投资决策信息品质的方法。采用交易方法数据库提供的多种模拟交易方法与经过结构化处理的原始信息进行匹配,生成完整的模拟交易指令,通过交易指令完成对指定金融产品的模拟交易,并使用真实的行情数据计算相应的收益指标及其他衍生指标。模拟交易结果可以作为判断金融投资决策信息品质的客观依据。通过本方法,使用者可以在获得新的信息后,根据品质检验结果对是否使用信息以及如何使用信息进行实际交易迅速做出判断,以降低因无法在事前确切获知金融投资决策信息品质而造成的信息使用风险。
Description
技术领域
本发明涉及一种使用模拟交易检验金融投资决策信息品质的方法。将金融投资决策信息转换为完整的模拟交易指令,按照交易指令完成信息指定金融产品的模拟交易,通过真实的行情数据计算使用信息所带来的收益率。在收益率数据的基础上计算金融投资决策信息品质判断指标,这组指标可以作为判断金融投资决策信息品质的客观依据。
背景介绍
随着中国金融市场的高速发展,投资理财需求日益增长。相当一部分投资者并不具备系统的金融知识,没有能力独立制定合理的投资策略。互联网中广泛传播的各种金融投资决策信息成为这部分市场主体的重要参考依据。这类信息中既有机构投资者的专业研究成果,又有非专业人士的随意判断,品质良莠不齐。
由于金融投资决策信息的主要作用是指导使用者对指定的金融产品进行交易以获取收益,因此这类信息的品质并不能仅仅简单地用真伪来衡量,最有效的判断方法是按照信息提供的方法进行交易,以实际交易结果作为品质判断依据。然而,这种方法在实际操作中存在难点:
1、如果通过实际交易结果判断信息品质,则一旦交易完成,不确定性就已经转化为实际损益,品质检验变得没有意义。
2、用于做出金融交易决策的信息对时效性要求极高,如果无法迅速判断新信息的品质并进行实际交易,市场环境将发生变化,使信息丧失使用价值。
鉴于上述问题,需要一种可供信息使用者判断金融投资决策信息品质的有效方法,以便使用者在进行实际交易前对使用信息的风险迅速进行评估,从而做出是否采用信息的判断,避免盲目使用信息可能造成的损失。
发明目的
本发明的目的在于设计一种有效的金融投资决策信息品质检验方法,以解决上述问题。采用与新金融投资决策信息同类的历史信息进行模拟交易,使用交易方法数据库提供的多种模拟交易方法对原始信息进行必要的补充,从而生成完整的模拟交易指令,将模拟交易结果作为判断新信息品质的依据。
需要指出的是,本发明并不是一种用于分散风险的金融交易方法,而是一种供信息使用者在获得新信息后,对是否使用信息以及如何使用信息进行实际交易做出判断的方法,以降低因无法在事前确切获知金融投资决策信息品质而造成的信息使用风险。
技术方案
本发明是基于通过模拟交易判断金融投资决策信息品质的相关算法实现的。金融投资决策信息指:在事前做出买卖指定金融投资产品论断的互联网信息。一条有效信息的必要组成部分包括:
1.拟交易金融产品的品种(简称“品种”,如:股票、外汇、期货等)
2.拟交易对象的唯一代码(简称“代码”,如:上证A股600001)
3.信息首次公开发布时间(简称“发布时间”)
其他组成部分包括:发布人、首发媒体、转载媒体等
各种不同格式的原始金融投资决策信息可以通过结构化预处理转换为可供模拟交易的标准信息,主要结构为:
[品种,代码,发布时间,分类指标1,分类指标2,......]
其中,分类指标是指不影响信息所表达的投资决策,但可以标识信息属性的指标,如信息的发布人、首发媒体、转发媒体等。借助这些分类指标,可以对互联网中的金融投资决策信息进行多种不同的分类。分类指标可以逐个添加,每添加一个分类指标,则将同属一类的金融投资决策信息进行进一步细分,生成若干个子类。
如果分类指标1有A类,分类指标2有B类,则总共存在A×B个金融投资决策信息类,每类决策信息不定期的发布,形成了A×B个金融投资决策信息序列。每个信息序列的起止时间、信息发布时间间隔均无特殊的分布规律,视互联网发布金融决策信息的真实情况而定。在完成对金融投资决策信息结构化处理和分类的准备工作后,可以开始实施品质检验,具体步骤如下:
1.选择模拟交易方法。
虽然完整的金融投资决策包括了投资品种的选择以及具体的交易方法,但通常情况下互联网中发布的金融投资决策信息多以品种选择为主,并不涉及具体的交易方法描述。因此,为原始信息选择合适的模拟交易方法是实施模拟交易的必要前提。
模拟交易方法的来源可以有多种:金融投资决策信息、专业交易员提供、程控交易系统代码等。本系统不涉及模拟交易方法的设计,仅提供各类模拟交易方法的接入和存储。为避免模拟交易方法选择偶然性造成的检验结果偏误,需要同时采用多种模拟交易方法对同一条金融投资决策信息进行多次模拟交易。
2.指令实施模拟交易。
金融投资决策信息发布后,若当时的市场条件满足所选择的模拟交易方法的全部实施条件,则理论上可以实现信息中所指定金融产品的交易,此时视为模拟交易成功,否则视为交易失败。如果系统中有A×B个金融投资决策信息序列,则在M种模拟交易方法下共可获得A×B×M个收益率的时间序列。
3.记录模拟交易结果。
1)记录模拟交易的成功和失败次数;
2)记录成功交易的收益率时间序列;
4.计算品质检验指标。
使用信息带来的实际收益率是判断金融投资决策信息品质的核心指标,通过模拟交易所得到的收益率时间序列的统计属性,如:平均值、方差、中位数等,以及收益率的衍生指标,可作为判断金融投资决策信息品质的辅助信息。
5.当使用者获得新的金融投资决策信息时,采取以下流程判断信息品质:
1)首先按照现有分类指标确定新信息所属类别;
2)然后采用多种方法对历史信息进行模拟交易;
3)根据模拟交易结果计算信息品质检验指标集;
4)最后根据品质检验指标判断是否使用该信息;
5)同时根据品质检验指标判断用何种方法交易;
6)当指标未达要求时调整信息分类重新计算。
附图说明
图1是本发明的流程图
具体实施方式
应用举例1:股票推荐信息品质检验
本例描述如何运用本发明提供的金融投资决策信息品质检验方法及系统对互联网公开发布的股票推荐信息(简称“荐股信息”)进行检验。
步骤1:将历史荐股信息进行结构化,提取“股票代码”,“推荐人(含:机构、个人)”,“推荐时间”,存储在数据库中;
步骤2:将最新荐股信息进行结构化,按“推荐人”归类,如果推荐人为A分析师,则从数据库中提取A分析师全部历史荐股信息待用;
步骤3:通过模拟交易方法数据库接入模拟分析方法:
方法1:开盘后15分钟买入,收盘前15分钟卖出,交易量不限;
方法2:按开盘价下跌5%时买入,按收盘价卖出,交易量不限;
方法3:开盘后间隔5分钟分笔买入,收盘前15分钟全部卖出;
步骤4:通过交易行情数据库接入所有被推荐股票历史行情数据;
步骤5:对A分析师的历史荐股信息序列进行模拟交易得到下表:
股票代码 | 推荐人 | 推荐时间 | 收益_方法1 | 收益_方法2 | ...... |
600001 | 分析师A | 5月5日07:30:00 | 5.00% | 3.00% | ...... |
600002 | 分析师A | 5月6日07:30:00 | -3.51% | 3.51% | ....... |
600003 | 分析师A | 5月7日07:30:00 | -4.05% | 2.05% | ....... |
600004 | 分析师A | 5月8日07:30:00 | 7.98% | -1.25% | ...... |
...... | ...... | ...... | ...... | ...... | ...... |
步骤6:分析模拟交易结果。由分析师A推荐的股票采用方法1进行交易,平均收益率为3.40%,波动区间[-4.05%,7.98%];采用方法2进行交易,平均收益率为2.50%,波动区间[-1.25%,3.51%]。若信息使用者可接受的平均收益率为2.00%、最大损失率为3.00%,则使用方法2对分析师A最新推荐的股票进行交易是符合信息使用者预期的。
应用举例2:交易策略品质检验
金融投资决策信息的内容极其广泛,除了如何选择交易品种外,还包括金融产品的交易方法,如:按技术指标变化规律交易、按组合策略交易等。这类提供交易方法的信息来源非常广泛,包括:交易员主动提供、程控交易系统代码、机构研究报告、分析师言论等。此类信息通常都有相应的专业理论支持,具有一定的规律性和稳定性,对其品质进行检验具有重要的应用价值。下面以提供股票交易方法的信息为例说明具体实施过程:
步骤1:将交易方法信息进行结构化,提取“交易对象”、“提供人”、“买入条件”、“卖出条件”、“交易量”,存储在数据库中;
步骤2:分别对各类荐股信息使用待检验交易方法(如:开盘后5分钟买入,收盘前5分钟卖出)进行模拟交易;
分类1:分析师A在X媒体推荐的股票
分类2:机构B推荐的能源板块股票
步骤3:通过交易行情数据库接入股票历史行情数据;
步骤4:用待检验交易方法对不同类别股票进行模拟交易,结果如下:
股票代码 | 所属板块 | 推荐人 | 发布媒体 | 收益 | 推荐时间 |
600001 | 金融 | 分析师A | X | 3.00% | 5月5日07:30:00 |
600002 | 化工 | 分析师A | X | 3.51% | 5月6日07:30:00 |
600003 | 能源 | 机构B | X | 2.05% | 5月7日07:30:00 |
600004 | 能源 | 机构B | Y | -1.25% | 5月8日07:30:00 |
...... | ...... | ...... | ...... | ...... | ...... |
步骤5:模拟交易结果表明:分析师A在媒体X推荐股票的平均收益率为3.40%,变动区间[-4.05%,7.98%];机构B推荐能源板块股票的平均收益率为2.50%,变动区间[-1.25%,3.51%]。若信息使用者可接受的平均收益率为2.00%,可接受的最大损失率为3.00%,则交易方法在对机构B推荐的能源板块股票进行操作时是有效的。
Claims (8)
1.一种金融投资决策信息品质检验方法,其特征在于:该方法是将金融投资决策信息转换为完整的模拟交易指令,按照交易指令完成信息指定金融产品的模拟交易。
2.根据权利要求1所述的一种金融投资决策信息品质检验方法,其特征在于:将金融投资决策信息按照发布人、发布媒体等标识信息来源的显性指标进行分类。
3.根据权利要求2所述的一种金融投资决策信息品质检验方法,其特征在于:对同属一个类别的全部历史信息作为模拟交易的实施对象。
4.根据权利要求1所述的一种金融投资决策信息品质检验方法,其特征在于:模拟交易方法来源于交易方法数据库,且该数据库提供的交易方法不是单一的。
5.根据权利要求1所述的一种金融投资决策信息品质检验方法,其特征在于:模拟交易指令由金融投资决策信息提供的交易品种、交易方法数据库提供的模拟交易方法共同构成。
6.根据权利要求1所述的一种金融投资决策信息品质检验方法,其特征在于:通过模拟交易指令判断行情数据是否满足交易方法约定的成交条件,符合成交条件则视为模拟交易成功。
7.根据权利要求1所述的一种金融投资决策信息品质检验方法,其特征在于:记录模拟交易取得的实际收益率时间序列并在此基础上计算金融投资决策信息品质判断指标集。
8.根据权利要求1所述的一种金融投资决策信息品质检验方法,其特征在于:所述的金融投资决策信息品质判断指标集包括平均收益率、最大损失率、最大收益率、收益率方差等多个刻划金融投资决策信息实际交易结果的指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010000045A CN101763618A (zh) | 2010-01-05 | 2010-01-05 | 金融投资决策信息品质检验方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010000045A CN101763618A (zh) | 2010-01-05 | 2010-01-05 | 金融投资决策信息品质检验方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101763618A true CN101763618A (zh) | 2010-06-30 |
Family
ID=42494774
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010000045A Pending CN101763618A (zh) | 2010-01-05 | 2010-01-05 | 金融投资决策信息品质检验方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101763618A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105844523A (zh) * | 2016-04-11 | 2016-08-10 | 海南世嘉亮科技有限公司 | 利用证券追溯数据进行模拟交易的方法、装置及计算设备 |
CN107016557A (zh) * | 2016-06-01 | 2017-08-04 | 阿里巴巴集团控股有限公司 | 产品数据的推荐方法和装置 |
CN107798057A (zh) * | 2017-09-05 | 2018-03-13 | 平安科技(深圳)有限公司 | 交易数据处理方法、装置、存储介质和计算机设备 |
TWI805966B (zh) * | 2020-11-19 | 2023-06-21 | 寶碩財務科技股份有限公司 | 金融交易策略驗證系統 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080027880A1 (en) * | 2006-07-07 | 2008-01-31 | Dan Yu | Investment chart-based interactive trade simulation training and game system |
-
2010
- 2010-01-05 CN CN201010000045A patent/CN101763618A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080027880A1 (en) * | 2006-07-07 | 2008-01-31 | Dan Yu | Investment chart-based interactive trade simulation training and game system |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105844523A (zh) * | 2016-04-11 | 2016-08-10 | 海南世嘉亮科技有限公司 | 利用证券追溯数据进行模拟交易的方法、装置及计算设备 |
CN107016557A (zh) * | 2016-06-01 | 2017-08-04 | 阿里巴巴集团控股有限公司 | 产品数据的推荐方法和装置 |
CN107798057A (zh) * | 2017-09-05 | 2018-03-13 | 平安科技(深圳)有限公司 | 交易数据处理方法、装置、存储介质和计算机设备 |
CN107798057B (zh) * | 2017-09-05 | 2019-02-01 | 平安科技(深圳)有限公司 | 交易数据处理方法、装置、存储介质和计算机设备 |
TWI805966B (zh) * | 2020-11-19 | 2023-06-21 | 寶碩財務科技股份有限公司 | 金融交易策略驗證系統 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20170034647A (ko) | 로보어드바이저 시스템 및 이를 이용한 자산관리 방법 | |
CN107808337A (zh) | 因子聚类方法与装置、设备与存储介质 | |
Fairchild et al. | Evaluating differences in technological activity between transnational and domestic firms in Latin America | |
Honarmandi et al. | Comparing the impact of brand value on corporate profit in B2B and B2C businesses: A case study | |
CN101763618A (zh) | 金融投资决策信息品质检验方法 | |
Chen et al. | Experimental research on the impact of interest rate on real estate market transactions | |
Moradi et al. | A model for performance evaluation of digital game industry using integrated AHP and BSC | |
Buleev et al. | Formation of a Regional Development Strategy According to the Level of Investment Activity of Enterprises | |
Collier et al. | How effective is technological innovation? | |
Sadeghi et al. | Development of optimal stock portfolio selection model in the Tehran Stock Exchange by employing Markowitz mean-semivariance model | |
CN101105850A (zh) | 证券投资个股主动买卖分析系统和方法 | |
Abdulmannan et al. | The Relationship Between Fundamental Factors and Stock Return: A Case Based Approach on Banking Companies Listed in Indonesia Stock Exchange | |
Jun et al. | Flow-performance relationship and star effect: New evidence from Chinese mutual funds | |
Fulga et al. | Portfolio optimization with prior stock selection | |
Adnan | Exploring the role of domestic and foreign factors in Indonesian Islamic mutual funds | |
Cisse | Do firms learn by exporting or learn to export? Evidence from Senegalese manufacturing firms | |
CN114168635A (zh) | 证券组合投资的交易策略挖掘方法、系统、设备及存储介质 | |
Lin et al. | BENCHMARKING LEARNING MAP MODEL: THE INTEGRATED FRA PERSPECTIVE | |
Wei et al. | Building the model of artificial stock market based on JASA | |
Zakie et al. | Herding on shariah stocks on the Indonesian stock exchange | |
Akpan et al. | Cluster analysis of share price: How firm characteristics relate to accounting metrics | |
Han | The application of data mining in the analysis of high underpricing rate of IPO | |
Milojević et al. | Evaluation of the Financial Performance of Serbian Dairy Companies Using the Integrated AHP and VIKOR Methodology for Sustainable Competition | |
Gao et al. | Mean Clustering Estimation Method of Financial Profit of Financial Derivatives of Listed Companies | |
Özyeşil | An Application of TOPSIS Method for Financial Decision Making Process: A Research on Real Estate Investment Trusts Listed in Borsa Istanbul |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20100630 |