CN107563890A - 一种股票类智能投顾个股集中度控制方法及系统 - Google Patents

Abstract

本发明公开了一种股票类智能投顾个股集中度控制方法及系统，所述方法包括：采集用户数据和行情数据到大数据存储系统；根据量化交易算法及用户选择信息生成投资方案；投资方案包括推荐用户投资的股票及数量；根据用户数据、行情数据以及投资方案判断投资方案形成的预期交易量和预期形成的个股持仓占个股流通市值的比例是否超出了限定阈值，如果不超出限定阈值，将投资方案推送给用户；如果超出了限定阈值，则根据判断结果对投资方案进行调整，并对调整后的投资方案进行判断，直到判断不超出限定阈值为止。本申请公开的上述技术方案，避免了个股集中度过高的情况发生，从而解决了个股集中度过高给股票市场带来风险的问题。

Description

一种股票类智能投顾个股集中度控制方法及系统

技术领域

本发明涉及智能投顾领域，特别是涉及一种股票类智能投顾个股集中度控制方法及系统。

背景技术

随着移动互联网技术，人工智能等技术的飞速发展，以及互联网金融的兴起，智能投顾系统也随之得到快速发展。该系统主要依托量化投资的基础方法向广大中小投资者提供选股建议、资产配置建议等服务。智能投顾系统在给投资者提供投资建议的同时，也引起了金融监管层的广泛关注，金融监管层担心该技术的不当使用会产生操纵市场、资金池等违规行为，危害到其他投资者。

股票类的智能投顾主要通过量化交易策略产生股票操作建议并推荐给客户，而目前不少量化交易策略存在一个固定的股票换仓期和调仓期，对传统基金公司来说，在使用这些量化交易策略时，为了避免换仓期和调仓期对股票交易价格造成较大的冲击，可以采用在一定时间周期内分批买入或卖出的策略，根据市场成交量等情况，把大单拆成多个小单来实施调、换仓，从而避免了短期内大量买入而对市场的成交价格造成冲击。而股票类的智能投顾只是能够给客户提供买卖股票的投资方案，而无法控制客户何时下单，如果采纳智能投顾推荐的投资方案的客户数量众多，并且该类客户在很短的时间周期内对某些股票进行买卖，而这些股票的流通市值和交易量又不大，便会造成较大的市场冲击风险。

综上所述，如何解决股票类智能投顾系统中可能产生的个股集中度过高给股票市场带来风险的问题，是本领域技术人员亟待解决的技术问题。

发明内容

本发明的目的是提供一种股票类智能投顾个股集中度控制方法及系统，以解决个股集中度过高给股票市场带来风险的问题。

为解决上述技术问题，本发明提供一种股票类智能投顾个股集中度控制方法，包括：

采集用户数据和行情数据到大数据存储系统；

根据量化交易算法及用户选择信息生成投资方案；所述投资方案包括推荐用户投资的股票及数量；

根据所述用户数据、行情数据以及所述投资方案判断所述投资方案形成的预期交易量和预期形成的个股持仓占个股流通市值的比例是否超出了限定阈值，如果不超出限定阈值，将所述投资方案推送给用户；如果超出了限定阈值，则根据判断结果对所述投资方案进行调整，并对调整后的投资方案进行判断，直到判断不超出限定阈值为止。

可选的，所述采集用户数据和行情数据到大数据存储系统，包括：

采集当前及历史的用户模拟盘数据、用户进行实盘委托及成交数据和交易所股票的行情数据到大数据存储系统。

可选的，所述根据所述用户数据、行情数据以及所述投资方案判断所述投资方案形成的预期交易量和预期形成的个股持仓占个股流通市值的比例是否超出了限定阈值，包括：

估算交易日所述投资方案推荐股票的流通市值占比；

估算交易日和/或交易日第二天的下单比；

按照下列判断规则判断所述投资方案形成的预期交易量和预期形成的个股持仓占个股流通市值的比例是否超出了限定阈值：

如果所述投资方案推荐股票为净买入，判断净买入市值是否超过了可买入市值与可交易量中的最小值，若超过，则判断所述投资方案形成的预期交易量和预期形成的个股持仓占个股流通市值的比例超出了限定阈值，若没超过，则判断所述投资方案形成的预期交易量和预期形成的个股持仓占个股流通市值的比例没有超出限定阈值；

如果所述投资方案推荐股票为净卖出，判断净卖出市值是否超过了可交易量，若超过，则判断所述投资方案形成的预期交易量和预期形成的个股持仓占个股流通市值的比例超出了限定阈值，若没超过，则判断所述投资方案形成的预期交易量和预期形成的个股持仓占个股流通市值的比例没有超出限定阈值；

其中，V＝(x-x1)×S/b，T＝y×S/b，所述V为可买入市值，所述T为可交易量，所述S为所述个股流通市值，所述x为第一阈值，所述y为第二阈值，所述第一阈值为个股实盘的流通市值占比，所述第二阈值为个股每日交易量的流通市值占比，所述第一阈值和所述第二阈值为预先设置的，所述x1为交易日所述投资方案推荐股票的流通市值占比，所述b为所述交易日第二天的下单比。

可选的，所述估算交易日所述投资方案推荐股票的流通市值占比，包括：

当用户的交易流水数据到位时，按照公式x1＝F×P/S估算交易日所述投资方案推荐股票的流通市值占比；其中，所述F为用户交易流水数据计算得到的用户当前个股实际持仓股数；用户的交易流水数据，所述P为交易日所述投资方案推荐股票的收盘价；

当所述用户交易流水数据没有到位时，按照公式x1＝(N1×P+N2×P×b)/S估算交易日所述投资方案推荐股票的流通市值占比；其中，所述N1为交易日前一天用户的持仓股数，所述N2为所述投资方案推荐投资的股票数量，所述b为交易日的下单比。

可选的，所述估算交易日和/或交易日第二天的下单比，包括：

将交易日和/或交易日第二天的下单比设置为历史十个有投资方案推送的交易日下单比的最大值。

可选的，所述估算交易日和/或交易日第二天的下单比，包括：

对历史的下单比进行建模，根据设置模型的参数估算交易日和/或交易日第二天的下单比。

可选的，所述对历史的下单比进行建模，根据设置模型的参数估算交易日和/或交易日第二天的下单比，包括：

对历史的下单比建立高斯模型，将交易日和/或交易日第二天的下单比设置为模型均值加上三个标准差。

可选的，所述根据判断结果对所述投资方案进行调整，包括：

当所述投资方案推荐股票为净买入时，将所述投资方案推荐投资的股票换成推荐买入相同的所述净买入市值的另一只股票或推荐买入与所述可买入市值相等市值的所述投资方案推荐投资的股票，所述净买入市值超出所述可买入市值的部分换成另一只股票；

当所述投资方案推荐股票为净卖出时，推荐用户将股票分批卖出，批数为对所述净卖出市值除以所述可交易量所得的值取整后加1。

可选的，所述将所述投资方案推送给用户，包括：

通过微信消息或手机短信的方式将所述投资方案推送给用户。

本发明还提供一种股票类智能投顾个股集中度控制系统，包括：

数据采集模块，投资方案生成模块，投资方案处理模块；

其中，所述数据采集模块，用于采集用户数据和行情数据到大数据存储系统；

所述投资方案生成模块，用于根据量化交易算法及用户选择信息生成投资方案；所述投资方案包括推荐用户投资的股票及数量；

所述投资方案处理模块，用于根据所述用户数据、行情数据以及所述投资方案判断所述投资方案形成的预期交易量和预期形成的个股持仓占个股流通市值的比例是否超出了限定阈值，如果不超出限定阈值，将所述投资方案推送给用户；如果超出了限定阈值，则根据判断结果对所述投资方案进行调整，并对调整后的投资方案进行判断，直到判断不超出限定阈值为止。

本发明所提供的股票类智能投顾个股集中度控制方法及系统，采集用户数据和行情数据到大数据存储系统；根据量化交易算法及用户选择信息生成投资方案；投资方案包括推荐用户投资的股票及数量；根据用户数据、行情数据以及投资方案判断投资方案形成的预期交易量和预期形成的个股持仓占个股流通市值的比例是否超出了限定阈值，如果不超出限定阈值，将投资方案推送给用户；如果超出了限定阈值，则根据判断结果对投资方案进行调整，并对调整后的投资方案进行判断，直到判断不超出限定阈值为止。

由此可见，在给用户推送投资方案之前会对该投资方案是否会造成个股集中度过高即该投资方案形成的预期交易量和预期形成的个股持仓占个股流通市值的比例是否超出限定阈值进行判断，如果会造成个股集中度过高，则对该投资方案进行调整并再次对其进行判断，直到判断该投资方案不会造成个股集中度过高以后再推送给用户，这样一来就避免了个股集中度过高的情况发生，从而解决了个股集中度过高给股票市场带来风险的问题。

附图说明

为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例所提供的一种股票类智能投顾个股集中度控制方法的流程图；

图2为本发明实施例所提供的一种步骤103对应的流程图；

图3为本发明实施例所提供的一种股票类智能投顾个股集中度控制系统的结构框图。

具体实施方式

本发明的核心是提供一种股票类智能投顾个股集中度控制方法及系统，以解决个股集中度过高给股票市场带来风险的问题。

为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，图1为本发明实施例所提供的一种股票类智能投顾个股集中度控制方法的流程图，包括以下步骤：

步骤101：采集用户数据和行情数据到大数据存储系统。

用户数据可以为当前及历史的用户模拟盘数据和用户进行实盘委托及成交数据，行情数据可以为交易所股票的行情数据。其中，模拟盘数据包括股票名称、持股信息和调仓信息等信息，用户进行实盘委托及成交数据可以为用户通过智能投顾系统真正进行的实盘委托及成交数据，交易所股票的行情数据可以包括开盘价、收盘价、最高价、最低价、成交股数、成交金额、分红配股等信息。将上述数据采集到大数据存储系统中，当然也可以根据实际情况添加一些其他的相关数据。

大数据存储系统可以采用Apache Hadoop。数据的采集可以根据数据源的不同存储方式采用不同的方法，例如，采集实时的数据可以通过KAFKA采集，采集Oracle，MySQL等关系型数据库中的数据可以通过Apache Sqoop采集，采集日志类型的数据可以通过ApacheFlume采集。将数据采集到Apache Hadoop后，还可以通过Apache Hive等大数据仓库进行管理。

步骤102：根据量化交易算法及用户选择信息生成投资方案；投资方案包括推荐用户投资的股票及数量。

用户选择信息可以包括用户的投资资金量和风险偏好。根据量化交易算法及用户的投资资金量和风险偏好生成推荐用户投资的股票及数量，例如，如果用户的资金量较少，那么会从交易算法生成的股票池中筛选出较少数量的股票给用户，如果用户的资金量较多，那么会从交易算法生成的股票池中筛选出较多数量的股票给用户，如果用户不喜欢投资创业板，那么会筛选出非创业板的股票推荐给用户。在具体实现时，本步骤可以利用大数据计算引擎，例如，Apache Hadoop的MapReduce和Apache Spark。

步骤103：根据用户数据、行情数据以及投资方案判断投资方案形成的预期交易量和预期形成的个股持仓占个股流通市值的比例是否超出了限定阈值，如果否，则执行步骤104，如果是，则执行步骤105。

在具体实现时，本步骤可以利用大数据计算引擎进行计算，例如，Apache Hadoop的MapReduce和Apache Spark。

步骤104：将投资方案推送给用户。

在具体实现中，可以通过微信消息或手机短信的方式将投资方案推送给用户，微信消息或手机短信是如今人们经常关注的信息。

步骤105：根据判断结果对投资方案进行调整，并对调整后的投资方案返回步骤103进行判断，直到判断不超出限定阈值为止。

在具体实现时，本步骤可以利用大数据计算引擎进行计算，例如，Apache Hadoop的MapReduce和Apache Spark。

可见，在给用户推送投资方案之前会对该投资方案是否会造成个股集中度过高即该投资方案形成的预期交易量和预期形成的个股持仓占个股流通市值的比例是否超出限定阈值进行判断，如果会造成个股集中度过高，则对该投资方案进行调整并再次对其进行判断，直到判断该投资方案不会造成个股集中度过高以后再推送给用户，这样一来就避免了个股集中度过高的情况发生，从而解决了个股集中度过高给股票市场带来风险的问题。

请参阅图2，图2为本发明实施例所提供的一种步骤103对应的流程图，在上述实施例的基础上，步骤103可以包括：

步骤201：估算交易日投资方案推荐股票的流通市值占比。

在具体实现中，当用户的交易流水数据到位时，可以按照公式x1＝F×P/S估算交易日投资方案推荐股票的流通市值占比；；当用户交易流水数据没有到位时，可以按照公式x1＝(N1×P+N2×P×b)/S估算交易日投资方案推荐股票的流通市值占比。

其中，x1为交易日投资方案推荐股票的流通市值占比，F为用户交易流水数据计算得到的用户当前个股实际持仓股数，P为交易日投资方案推荐股票的收盘价，S为个股流通市值，N1为交易日前一天用户的持仓股数，N2为投资方案推荐投资的股票数量，b为交易日的下单比。

当然，除了上述的方法，也可以采用其他的方法对交易日投资方案推荐股票的流通市值占比进行估算，在此不再进行赘述。

步骤202：估算交易日和/或交易日第二天的下单比。

下单比即个股客户实际交易金额与个股模拟盘推荐交易金额的比值。在估算该值时，可以将其设置为历史十个有投资方案推送的交易日下单比的最大值，这种估算方法比较简单，还可以对历史的下单比进行建模，根据设置模型的参数对其进行估算，例如，对历史的下单比建立高斯模型，将其设置为模型均值加上三个标准差，这种方法的估算结果比较准确。

当然，除了上述的方法，也可以采用其他的方法对交易日和/或交易日第二天的下单比进行估算，在此不再进行赘述。

需要说明的是步骤201与步骤202之间无明确的顺序关系，只要在执行步骤203之前将这两个步骤执行即可。

步骤203：判断投资方案推荐股票为净买入还是为净卖出，如果投资方案推荐股票为净买入，则执行步骤204，如果投资方案推荐股票为为净卖出，则执行步骤205。

步骤204：判断净买入市值是否超过了可买入市值与可交易量中的最小值，如果是，则执行步骤206，如果否，则执行步骤207。

在具体实现中，可买入市值可以按照公式V＝(x-x1)×S/b进行计算，可交易量可以按照公式T＝y×S/b进行计算。

其中，V为可买入市值，T为可交易量，x1为交易日投资方案推荐股票的流通市值占比，由步骤201估算所得，b为交易日第二天的下单比，由步骤202估算所得，S为个股流通市值，x为第一阈值，y为第二阈值，第一阈值为个股实盘的流通市值占比，该阈值主要用于避免智能投顾的用户对某只股票持有量过多，在行情发生巨大波动时，例如大幅度下跌的情况下，用户自行将该股票卖出对该股票造成的市场冲击，第二阈值为个股每日交易量的流通市值占比，该阈值主要用于避免正常交易日推荐的个股交易数量过多，对日常交易形成市场冲击。第一阈值和第二阈值为预先设置的，可以将第一阈值设置为5％，将第二阈值设置为1％，在实际应用中，由于用户的具体下单数量具有不可控性以及交易日第二天行情的不可预知性，还可以进一步的降低这两个阈值的数值。

步骤205：判断净卖出市值是否超过了可交易量，如果是，则执行步骤206，如果否，则执行步骤207。

可交易量的计算方法与步骤204中所描述的方法相同。

步骤206：判断投资方案形成的预期交易量和预期形成的个股持仓占个股流通市值的比例超出了限定阈值。

步骤207：判断投资方案形成的预期交易量和预期形成的个股持仓占个股流通市值的比例没有超出限定阈值。

在上述实施例的基础上，步骤105中根据判断结果对投资方案进行调整，可以包括：

当投资方案推荐股票为净买入时，将投资方案推荐投资的股票换成推荐买入相同的净买入市值的另一只股票，例如，投资方案推荐买入市值为一万元的股票A，就将推荐换为买入市值为一万元的股票B，或推荐买入与可买入市值相等市值的投资方案推荐投资的股票，净买入市值超出可买入市值的部分换成另一只股票，例如，投资方案推荐净买入市值为一万元的股票A，但是步骤204中计算出的可买入市值为六千元，那么就推荐买入市值为六千元的股票A，超出可买入市值的四千元买入股票B。

当投资方案推荐股票为净卖出时，推荐用户将股票分批卖出，批数为对净卖出市值除以可交易量所得的值取整后加1，例如，投资方案推荐卖出一万元的股票A，而步骤205中计算出的可交易量为三千元，一万元除以三千元所得的值取整后为3，再加1就为批数，即推荐用户将股票A分为4批卖出。

下面对本发明实施例所提供的一种股票类智能投顾个股集中度控制系统进行介绍，下文描述的一种股票类智能投顾个股集中度控制系统与上文描述的一种股票类智能投顾个股集中度控制方法可相互对应参照。

请参阅图3，图3为本发明实施例所提供的一种股票类智能投顾个股集中度控制系统的结构框图，该系统可以包括：

数据采集模块301，投资方案生成模块302，投资方案处理模块303；

其中，数据采集模块301，用于采集用户数据和行情数据到大数据存储系统；

投资方案生成模块302，用于根据量化交易算法及用户选择信息生成投资方案；投资方案包括推荐用户投资的股票及数量；

投资方案处理模块303，用于根据用户数据、行情数据以及投资方案判断投资方案形成的预期交易量和预期形成的个股持仓占个股流通市值的比例是否超出了限定阈值，如果不超出限定阈值，将投资方案推送给用户；如果超出了限定阈值，则根据判断结果对投资方案进行调整，并对调整后的投资方案进行判断，直到不超出限定阈值为止。

本实施例的一种股票类智能投顾个股集中度控制系统用于实现前述的一种股票类智能投顾个股集中度控制方法，因此一种股票类智能投顾个股集中度控制系统中的具体实施方式可见前文中的一种股票类智能投顾个股集中度控制方法的实施例部分，例如，数据采集模块301用于实现上述方法中的步骤101，投资方案生成模块302用于实现上述方法中的步骤102，投资方案处理模块303用于实现上述方法中的步骤103，步骤104和步骤105，所以，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再赘述。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上对本发明所提供的一种股票类智能投顾个股集中度控制方法以及系统进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (10)

1.一种股票类智能投顾个股集中度控制方法，其特征在于，包括：

采集用户数据和行情数据到大数据存储系统；

根据量化交易算法及用户选择信息生成投资方案；所述投资方案包括推荐用户投资的股票及数量；

根据所述用户数据、行情数据以及所述投资方案判断所述投资方案形成的预期交易量和预期形成的个股持仓占个股流通市值的比例是否超出了限定阈值，如果不超出限定阈值，将所述投资方案推送给用户；如果超出了限定阈值，则根据判断结果对所述投资方案进行调整，并对调整后的投资方案进行判断，直到判断不超出限定阈值为止。

2.如权利要求1所述的方法，其特征在于，所述采集用户数据和行情数据到大数据存储系统，包括：

采集当前及历史的用户模拟盘数据、用户进行实盘委托及成交数据和交易所股票的行情数据到大数据存储系统。

3.如权利要求1所述的方法，其特征在于，所述根据所述用户数据、行情数据以及所述投资方案判断所述投资方案形成的预期交易量和预期形成的个股持仓占个股流通市值的比例是否超出了限定阈值，包括：

估算交易日所述投资方案推荐股票的流通市值占比；

估算交易日和/或交易日第二天的下单比；

按照下列判断规则判断所述投资方案形成的预期交易量和预期形成的个股持仓占个股流通市值的比例是否超出了限定阈值：

如果所述投资方案推荐股票为净买入，判断净买入市值是否超过了可买入市值与可交易量中的最小值，若超过，则判断所述投资方案形成的预期交易量和预期形成的个股持仓占个股流通市值的比例超出了限定阈值，若没超过，则判断所述投资方案形成的预期交易量和预期形成的个股持仓占个股流通市值的比例没有超出限定阈值；

如果所述投资方案推荐股票为净卖出，判断净卖出市值是否超过了可交易量，若超过，则判断所述投资方案形成的预期交易量和预期形成的个股持仓占个股流通市值的比例超出了限定阈值，若没超过，则判断所述投资方案形成的预期交易量和预期形成的个股持仓占个股流通市值的比例没有超出限定阈值；

其中，V＝(x-x1)×S/b，T＝y×S/b，所述V为可买入市值，所述T为可交易量，所述S为所述个股流通市值，所述x为第一阈值，所述y为第二阈值，所述第一阈值为个股实盘的流通市值占比，所述第二阈值为个股每日交易量的流通市值占比，所述第一阈值和所述第二阈值为预先设置的，所述x1为交易日所述投资方案推荐股票的流通市值占比，所述b为所述交易日第二天的下单比。

4.如权利要求3所述的方法，其特征在于，所述估算交易日所述投资方案推荐股票的流通市值占比，包括：

当用户的交易流水数据到位时，按照公式x1＝F×P/S估算交易日所述投资方案推荐股票的流通市值占比；其中，所述F为用户交易流水数据计算得到的用户当前个股实际持仓股数，所述P为交易日所述投资方案推荐股票的收盘价；

当所述用户交易流水数据没有到位时，按照公式x1＝(N1×P+N2×P×b)/S估算交易日所述投资方案推荐股票的流通市值占比；其中，所述N1为交易日前一天用户的持仓股数，所述N2为所述投资方案推荐投资的股票数量，所述b为交易日的下单比。

5.如权利要求4所述的方法，其特征在于，所述估算交易日和/或交易日第二天的下单比，包括：

将交易日和/或交易日第二天的下单比设置为历史十个有投资方案推送的交易日下单比的最大值。

6.如权利要求4所述的方法，其特征在于，所述估算交易日和/或交易日第二天的下单比，包括：

对历史的下单比进行建模，根据设置模型的参数估算交易日和/或交易日第二天的下单比。

7.如权利要求6所述的方法，其特征在于，所述对历史的下单比进行建模，根据设置模型的参数估算交易日和/或交易日第二天的下单比，包括：

对历史的下单比建立高斯模型，将交易日和/或交易日第二天的下单比设置为模型均值加上三个标准差。

8.如权利要求3所述的方法，其特征在于，所述根据判断结果对所述投资方案进行调整，包括：

当所述投资方案推荐股票为净买入时，将所述投资方案推荐投资的股票换成推荐买入相同的所述净买入市值的另一只股票或推荐买入与所述可买入市值相等市值的所述投资方案推荐投资的股票，所述净买入市值超出所述可买入市值的部分换成另一只股票；

当所述投资方案推荐股票为净卖出时，推荐用户将股票分批卖出，批数为对所述净卖出市值除以所述可交易量所得的值取整后加1。

9.如权利要求1所述的方法，其特征在于，所述将所述投资方案推送给用户，包括：

通过微信消息或手机短信的方式将所述投资方案推送给用户。

10.一种股票类智能投顾个股集中度控制系统，其特征在于，包括：数据采集模块，投资方案生成模块，投资方案处理模块；

其中，所述数据采集模块，用于采集用户数据和行情数据到大数据存储系统；

所述投资方案生成模块，用于根据量化交易算法及用户选择信息生成投资方案；所述投资方案包括推荐用户投资的股票及数量；

所述投资方案处理模块，用于根据所述用户数据、行情数据以及所述投资方案判断所述投资方案形成的预期交易量和预期形成的个股持仓占个股流通市值的比例是否超出了限定阈值，如果不超出限定阈值，将所述投资方案推送给用户；如果超出了限定阈值，则根据判断结果对所述投资方案进行调整，并对调整后的投资方案进行判断，直到判断不超出限定阈值为止。