CN105447759A - 一种基于大数据的混合估值型智能股票交易系统 - Google Patents
一种基于大数据的混合估值型智能股票交易系统 Download PDFInfo
- Publication number
- CN105447759A CN105447759A CN201510950420.0A CN201510950420A CN105447759A CN 105447759 A CN105447759 A CN 105447759A CN 201510950420 A CN201510950420 A CN 201510950420A CN 105447759 A CN105447759 A CN 105447759A
- Authority
- CN
- China
- Prior art keywords
- stock
- storehouse
- price
- unit
- module
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明涉及电子信息技术领域,尤其涉及一种基于大数据的混合估值型智能股票交易系统,包括:股票分类单元,用于对所有股票从行业与发展阶段进行综合分类;股票估值单元,用于发现股票真实价值;模拟最优化单元,用于寻找最优的交易策略;生成各决策价格单元,用于测算最优买入价、卖出价、调仓价以及加仓价;自动交易单元,用于进行股票的自动交易。其有益效果是本系统在股票交易领域采用大数据及混合估值智能算法,彻底解决了现有交易的情绪化、无法同时分析所有股票、无法发现股票真实价格,以及交易风险过高等问题,大大提高了金融市场的价值修复能力以及投资者的回报稳定性。
Description
技术领域
本发明涉及电子信息技术领域,尤其涉及一种基于大数据的混合估值型智能股票交易系统。
背景技术
大数据,是指不用随机分析法这样的捷径,而采用所有数据进行分析处理,从而解决股票估值的及时性、准确性,同时可以完成交易利润的最大化并降低投资的风险性。
混合估值是集历史表现、现状及未来增长于一体的估值方法。传统的股票估值方法分为现金流分析法、市盈率分析法等。这些分析方法较为片面,无法反映股票的真实价格,同时,单一的分析法导致过高的估值风险。
股票交易是非常经典与频繁发生的金融行为。目前,市场上的股票交易主要为图形分析与估值法。图形分析仅考虑股票的价格波动与走势,而估值法则旨在发现股票作为商品的真实价值,买入被低估的,卖出被高估的。传统图形法分析的弊端是尝试对随机事件进行规律分析,这通常会导致徒劳无功。另外,传统的估值方法较为单一,对风险的控制能力差。最后,绝大多数的现实交易以人工交易进行,人工交易的弊端是无法同时实时分析几千只股票,另外,人工交易会含有情绪进行交易(例如,希望下跌的股票上涨,害怕上涨的股票下跌),这会使交易员进入羊群效应而蒙受损失。
发明内容
根据现有技术及算法中存在的问题,现提供一种基于大数据的混合估值型智能股票交易系统,从而提高交易的精度并为金融市场提供能够真正帮助市场发现并修订企业真实价值的系统工具。
上述技术方案具体包括:
股票分类单元:由于不同类型的股票评估参数不同,因此,该系统会先对所有股票从行业与发展阶段进行综合分类。另外,对股票的分类也会对后续的对冲投资提供支持,从而降低交易风险。
股票估值单元:与所述股票分类单元连接,用于发现股票真实价值。为了更全面的反映股票的价值,该系统从股票的历史表现、目前状况以及未来增长预测进行综合估值。其中,历史表现是根据历史的分红情况与目标分红预期进行计算的;目前状况是根据当前市盈率与市净率来计算的;未来的增长预测主要是根据对未来净利润润逐年增长率进行计算的。
模拟最优化单元:与所述股票估值单元连接,用于根据股票的真实价值与振动方差来自动生成大量随机价格及概率来寻找最优的交易策略的过程。
生成各决策价格单元:与所述模拟最优化单元连接,用于根据模拟最优化输出的最优交易对,及股票的真实价格来测算最优买入价、卖出价、调仓价以及加仓价。
自动交易单元:与所述生成各决策价格单元连接,用于根据实时监听的股票价格及股数变化、系统计算的决策价格、以及资金情况来进行股票的自动交易,包括交易对象(哪知股票)、交易动作(买、卖、调仓、加仓)、以及交易金额。
上述的基于大数据的混合估值型智能股票交易系统,其中,所述的本发明的股票分类单元包括:
行业分类模块:用于将股票按科技、资源、服务、制造四个行业进行划分;
发展阶段模块:用于将股票按成熟期、发展期、初期三个阶段进行划分。
上述的基于大数据的混合估值型智能股票交易系统,其中,所述的本发明的股票估值单元包括:
基于PE的估值模块:用于从目前的市盈率的分析角度对股票进行估值;
基于PB的估值模块:用于从目前的市净率的分析角度对股票进行估值;
基于增长的估值模块:用于从未来的净利润增长现金流分析角度对股票进行估值;
基于分红的估值模块:用于从历史的分红表现角度对股票进行估值。
上述的基于大数据的混合估值型智能股票交易系统,其中,所述的本发明的模拟最优化单元包括:
生成随机价格对模块:用于根据估值及振动情况生成随机价格对,以模拟股票的真实波动;
计算同时出现概率模块:与生成随机价格对模块连接,用于根据随机价格对及振动规律来计算每个价格对同时出现的概率;
计算概率收益模块:与计算同时出现概率模块,用于根据每个价格对的绝对收益及同时出现概率来计算概率收益,以寻求概率收益的最大化。
上述的基于大数据的混合估值型智能股票交易系统,其中,所述的本发明的生成各决策价格单元包括:
生成买入点模块:与计算概率收益模块连接,用于根据模拟最优化输出的结果来确定最优买入点;
生成卖出点模块:与计算概率收益模块连接,用于根据模拟最优化输出的结果来确定最优卖出点;
生成调仓点模块:与计算概率收益模块连接,用于根据模拟最优化输出的卖出价及股票的真实价格来计算最优调仓点;
生成加仓点模块:与计算概率收益模块连接,用于根据模拟最优化输出的买入点来计算最优加仓点。
上述的基于大数据的混合估值型智能股票交易系统,其中,所述的本发明的自动交易单元包括:
分类标记模块:用于根据每次的操作对资金进行分类、对市场及仓内的股票进行标记;
买入操作模块:与分类标记模块连接,用于根据市场股票标记情况、资金情况及仓内股票状态来决定买入哪些股票,分别买入多少;
卖出操作模块:与分类标记模块连接,用于根据仓内股票状态来决定卖出哪些股票;
调仓操作模块:与分类标记模块连接,用于根据市场股票标记情况、资金情况及仓内股票状态来决定卖出哪些股票,同时,买入哪些股票;
加仓操作模块:与分类标记模块连接,用于根据市场股票标记情况、资金情况及仓内股票状态来决定加仓哪些股票,分别加仓多少。
有益的效果是:本系统在股票交易领域采用大数据及混合估值智能算法,彻底解决了现有交易的情绪化问题、无法同时分析所有股票问题、无法发现股票真实价格问题,以及交易风险过高问题,结果大大提高了金融市场的价值修复能力及速度以及投资者的回报稳定性。
附图说明
图1为本发明一种基于大数据的混合估值型智能股票交易系统的实施案例及流程;
图2为本发明一个较佳的实施案例中,带有一种基于大数据的混合估值型智能股票交易系统股票分类单元的系统的结构示意图;
图3为本发明一个较佳的实施案例中,带有一种基于大数据的混合估值型智能股票交易系统股票估值单元的系统的结构示意图;
图4为本发明一个较佳的实施案例中,带有一种基于大数据的混合估值型智能股票交易系统模拟最优化单元的系统的结构示意图;
图5为本发明一个较佳的实施案例中,带有一种基于大数据的混合估值型智能股票交易系统生成各决策价格单元的系统的结构示意图;
图6为本发明一个较佳的实施案例中,带有一种基于大数据的混合估值型智能股票交易系统自动交易单元的系统的结构示意图。
Claims (6)
1.一种基于大数据的混合估值型智能股票交易系统,其特征在于,包括:
股票分类单元,用于对所有股票从行业与发展阶段进行综合分类,以便对后续的对冲投资提供支持,从而降低交易风险;
股票估值单元,用于根据股票的历史表现、目前状况以及未来增长的混合估值来发现股票真实价值;
模拟最优化单元,用于根据股票的真实价值与振动方差来自动生成大量随机价格及概率来寻找最优的交易策略;
生成各决策价格单元,用于根据模拟最优化输出的最优交易对,及股票的真实价格来测算最优买入价、卖出价、调仓价以及加仓价;
自动交易单元,用于根据实时监听的股票价格及股数变化、系统计算的决策价格、以及资金情况来进行股票的自动交易,包括交易对象(哪知股票)、交易动作(买、卖、调仓、加仓)、以及交易金额。
2.如权利要求1所述的基于大数据的混合估值型智能股票交易系统,其特征在于,所述系统股票分类单元包括:
行业分类模块:用于将股票按科技、资源、服务、制造四个行业进行划分;
发展阶段模块:用于将股票按成熟期、发展期、初期三个阶段进行划分。
3.如权利要求1所述的基于大数据的混合估值型智能股票交易系统,其特征在于,所述股票估值单元包含:
基于PE的估值模块:用于从目前的市盈率的分析角度对股票进行估值;
基于PB的估值模块:用于从目前的市净率的分析角度对股票进行估值;
基于增长的估值模块:用于从未来的净利润增长现金流分析角度对股票进行估值;
基于分红的估值模块:用于从历史的分红表现角度对股票进行估值。
4.如权利要求1所述的基于大数据的混合估值型智能股票交易系统,其特征在于,所述模拟最优化单元包含:
计算同时出现概率模块:与生成随机价格对模块连接,用于根据随机价格对及振动规律来计算每个价格对同时出现的概率;
计算概率收益模块:与计算同时出现概率模块,用于根据每个价格对的绝对收益及同时出现概率来计算概率收益,以寻求概率收益的最大化。
5.如权利要求1所述的基于大数据的混合估值型智能股票交易系统,其特征在于,所述生成各决策价格单元包含:
生成买入点模块:与计算概率收益模块连接,用于根据模拟最优化输出的结果来确定最优买入点;
生成卖出点模块:与计算概率收益模块连接,用于根据模拟最优化输出的结果来确定最优卖出点;
生成调仓点模块:与计算概率收益模块连接,用于根据模拟最优化输出的卖出价及股票的真实价格来计算最优调仓点;
生成加仓点模块:与计算概率收益模块连接,用于根据模拟最优化输出的买入点来计算最优加仓点。
6.如权利要求1所述的基于大数据的混合估值型智能股票交易系统,其特征在于,所述自动交易单元包含:
分类标记模块:用于根据每次的操作对资金进行分类、对市场及仓内的股票进行标记;
买入操作模块:与分类标记模块连接,用于根据市场股票标记情况、资金情况及仓内股票状态来决定买入哪些股票,分别买入多少;
卖出操作模块:与分类标记模块连接,用于根据仓内股票状态来决定卖出哪些股票;
调仓操作模块:与分类标记模块连接,用于根据市场股票标记情况、资金情况及仓内股票状态来决定卖出哪些股票,同时,买入哪些股票;
加仓操作模块:与分类标记模块连接,用于根据市场股票标记情况、资金情况及仓内股票状态来决定加仓哪些股票,分别加仓多少。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510950420.0A CN105447759A (zh) | 2015-12-18 | 2015-12-18 | 一种基于大数据的混合估值型智能股票交易系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510950420.0A CN105447759A (zh) | 2015-12-18 | 2015-12-18 | 一种基于大数据的混合估值型智能股票交易系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105447759A true CN105447759A (zh) | 2016-03-30 |
Family
ID=55557894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510950420.0A Pending CN105447759A (zh) | 2015-12-18 | 2015-12-18 | 一种基于大数据的混合估值型智能股票交易系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105447759A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976243A (zh) * | 2016-04-27 | 2016-09-28 | 焦小兴 | 一种反向预期股票交易系统 |
CN106056450A (zh) * | 2016-06-08 | 2016-10-26 | 文石峰 | 一种利用plc语言编程分析并选择股票及期货的方法 |
CN106095777A (zh) * | 2016-05-26 | 2016-11-09 | 优品财富管理有限公司 | 基于大数据的预测证券市场多空情绪指标方法 |
CN106355495A (zh) * | 2016-08-31 | 2017-01-25 | 苗青 | 一种导航式智能投顾辅助决策系统 |
CN106845817A (zh) * | 2017-01-11 | 2017-06-13 | 清华大学 | 在线强化学习交易系统及方法 |
CN107480857A (zh) * | 2017-07-10 | 2017-12-15 | 武汉楚鼎信息技术有限公司 | 一种股票基因库诊断方法及系统 |
CN107563890A (zh) * | 2017-09-12 | 2018-01-09 | 广发证券股份有限公司 | 一种股票类智能投顾个股集中度控制方法及系统 |
CN108805380A (zh) * | 2017-05-04 | 2018-11-13 | 上海诺亚投资管理有限公司 | 一种基于区块链的金融产品收益评估方法和系统 |
CN110458607A (zh) * | 2019-07-23 | 2019-11-15 | 南方电网科学研究院有限责任公司 | 一种电力市场价格影响因素分析系统 |
CN113393323A (zh) * | 2020-02-27 | 2021-09-14 | 京东数字科技控股股份有限公司 | 产品的控制方法和装置、存储介质和电子装置 |
-
2015
- 2015-12-18 CN CN201510950420.0A patent/CN105447759A/zh active Pending
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976243A (zh) * | 2016-04-27 | 2016-09-28 | 焦小兴 | 一种反向预期股票交易系统 |
CN106095777A (zh) * | 2016-05-26 | 2016-11-09 | 优品财富管理有限公司 | 基于大数据的预测证券市场多空情绪指标方法 |
CN106056450A (zh) * | 2016-06-08 | 2016-10-26 | 文石峰 | 一种利用plc语言编程分析并选择股票及期货的方法 |
CN106355495A (zh) * | 2016-08-31 | 2017-01-25 | 苗青 | 一种导航式智能投顾辅助决策系统 |
CN106845817A (zh) * | 2017-01-11 | 2017-06-13 | 清华大学 | 在线强化学习交易系统及方法 |
CN108805380A (zh) * | 2017-05-04 | 2018-11-13 | 上海诺亚投资管理有限公司 | 一种基于区块链的金融产品收益评估方法和系统 |
CN107480857A (zh) * | 2017-07-10 | 2017-12-15 | 武汉楚鼎信息技术有限公司 | 一种股票基因库诊断方法及系统 |
CN107563890A (zh) * | 2017-09-12 | 2018-01-09 | 广发证券股份有限公司 | 一种股票类智能投顾个股集中度控制方法及系统 |
CN110458607A (zh) * | 2019-07-23 | 2019-11-15 | 南方电网科学研究院有限责任公司 | 一种电力市场价格影响因素分析系统 |
CN110458607B (zh) * | 2019-07-23 | 2022-06-14 | 南方电网科学研究院有限责任公司 | 一种电力市场价格影响因素分析系统 |
CN113393323A (zh) * | 2020-02-27 | 2021-09-14 | 京东数字科技控股股份有限公司 | 产品的控制方法和装置、存储介质和电子装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105447759A (zh) | 一种基于大数据的混合估值型智能股票交易系统 | |
US20180182037A1 (en) | Systems and methods for crowdsourcing of algorithmic forecasting | |
Lin et al. | An end-to-end optimal trade execution framework based on proximal policy optimization | |
Lubnau et al. | Trading on mean-reversion in energy futures markets | |
Stanišić et al. | Corporate bankruptcy prediction in the Republic of Serbia | |
Yan et al. | Enhanced Bollinger Band Stock Quantitative Trading Strategy Based on Random Forest | |
Miciuła | The concept of FTS analysis in forecasting trends of exchange rate changes | |
Li et al. | An intelligent market making strategy in algorithmic trading | |
Boehmer et al. | Low latency trading and the comovement of order flow, prices, and market conditions | |
Sudhakar et al. | A survey on computer automated trading in indian stock markets | |
Masteika et al. | Quantitative research in high frequency trading for natural gas futures market | |
Bukunov | Verification of the applicability of trend strategies in modern financial markets | |
Carè et al. | Technology and automation in financial trading: a bibliometric review | |
Cullen | Exchange-traded funds (ETFs) and FinTech: Market efficiency and systemic risk | |
Thomas Jayachandran | The financial crash of 2020 and the retail trader’s boon: a correlation between sentiment and technical analysis | |
Gao et al. | High-frequency financial market simulation and flash crash scenarios analysis: an agent-based modelling approach | |
Parashar et al. | An empirical analysis of ESG and financial performance of clean energy companies through unsupervised machine learning | |
van der Wel et al. | Are market makers uninformed and passive? Signing trades in the absence of quotes | |
Choi et al. | A Study on the Effectiveness of the Korean Government's Policy Intervention to Revitalize Venture Capital's Early-stage Investment | |
Jiang et al. | Optimized Artificial Intelligence and Econometric Model Empowered Virtual-Fiat Settled Price Prediction in Green Cryptocurrency Networks | |
Low | The Impact of Technology on Bond and Sukuk Trading Practices | |
Lomakin et al. | Analysis Order Book with a Card of Kohonen | |
Coleman et al. | High Frequency Statistical Arbitrage Model: Using a band strategy and co-integration to capture alpha in pairs trading | |
Cit | AI-Driven Algorithmic Trading with Real-Time Risk Management: Integrating Control Systems for Optimized Portfolio Management | |
Martinez et al. | Online Trading: Part II |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160330 |
|
WD01 | Invention patent application deemed withdrawn after publication |