CN107784551A - 股票舆情数据处理方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本发明涉及一种股票舆情数据处理方法、装置、计算机设备和存储介质，所述方法包括：读取预设推荐影响因子库中的推荐影响因子；对存储的股票舆情预测数据进行统计，得到推荐影响因子对应于股票舆情预测数据中各股票标识的推荐影响因子值；获取所述推荐影响因子对应的推荐影响程度值；根据推荐影响因子对应于各股票标识的推荐影响因子值，及推荐影响因子对应的推荐影响程度值，得到各股票标识分别对应的股票推荐值；根据所述各股票标识分别对应的股票推荐值生成股票推荐结果。对存储的股票舆情预测数据进行统计和计算，得到各股票标识分别对应的股票推荐值，根据股票推荐值生成股票推荐结果，大大提高了股票推荐结果的准确性。

Description

股票舆情数据处理方法、装置、计算机设备和存储介质

技术领域

本发明涉及数据处理技术领域，特别是涉及一种股票舆情数据处理方法、装置、计算机设备和存储介质。

背景技术

随着互联网技术的迅猛发展，通过互联网获取数据的能力越来越强大，也越来越便捷。同时，计算机技术的发展使得计算机的数据处理分析能力也大幅度的提升。

传统的股票推荐，都是根据个人建议和互联网热点事件来确定股票推荐结果。这样确定的股票推荐结果缺乏对股票市场全局的分析，基于个人建议和互联网热点事件所给出的股票推荐结果比较片面，容易导致股票推荐结果的准确率较低。

发明内容

基于此，有必要针对股票推荐结果的准确率较低的问题，提供一种股票舆情数据处理方法、装置、计算机设备和存储介质。

一种股票舆情数据处理方法，所述方法包括：

读取预设推荐影响因子库中的推荐影响因子；

对存储的股票舆情预测数据进行统计，得到所述推荐影响因子对应于所述股票舆情预测数据中各股票标识的推荐影响因子值；

获取所述推荐影响因子对应的推荐影响程度值；

根据所述推荐影响因子对应于各股票标识的推荐影响因子值，及所述推荐影响因子对应的推荐影响程度值，得到所述各股票标识分别对应的股票推荐值；

根据所述各股票标识分别对应的股票推荐值生成股票推荐结果。

一种股票舆情数据处理装置，所述装置包括：

影响因子读取模块，用于读取预设推荐影响因子库中的推荐影响因子；

舆情数据统计模块，用于对存储的股票舆情预测数据进行统计，得到所述推荐影响因子对应于所述股票舆情预测数据中各股票标识的推荐影响因子值；

程度值获取模块，用于获取所述推荐影响因子对应的推荐影响程度值；

推荐值得到模块，用于根据所述推荐影响因子对应于各股票标识的推荐影响因子值，及所述推荐影响因子对应的推荐影响程度值，得到所述各股票标识分别对应的股票推荐值；

推荐结果生成模块，用于根据所述各股票标识分别对应的股票推荐值生成股票推荐结果。

一种计算机设备，所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

读取预设推荐影响因子库中的推荐影响因子；

对存储的股票舆情预测数据进行统计，得到所述推荐影响因子对应于所述股票舆情预测数据中各股票标识的推荐影响因子值；

获取所述推荐影响因子对应的推荐影响程度值；

根据所述推荐影响因子对应于各股票标识的推荐影响因子值，及所述推荐影响因子对应的推荐影响程度值，得到所述各股票标识分别对应的股票推荐值；

根据所述各股票标识分别对应的股票推荐值生成股票推荐结果。

一个或多个存储有计算机可执行指令的存储介质，所述计算机可执行指令被一个或多个处理器执行时，使得所述一个或多个处理器执行以下步骤：

读取预设推荐影响因子库中的推荐影响因子；

对存储的股票舆情预测数据进行统计，得到所述推荐影响因子对应于所述股票舆情预测数据中各股票标识的推荐影响因子值；

获取所述推荐影响因子对应的推荐影响程度值；

根据所述推荐影响因子对应于各股票标识的推荐影响因子值，及所述推荐影响因子对应的推荐影响程度值，得到所述各股票标识分别对应的股票推荐值；

根据所述各股票标识分别对应的股票推荐值生成股票推荐结果。

上述股票舆情数据处理方法、装置、计算机设备和存储介质，根据预设推荐影响因子库中的推荐影响因子，对存储的股票舆情预测数据进行统计，得到推荐影响因子对应于股票舆情预测数据中各股票标识的推荐影响因子值，保证根据存储的股票舆情预测数据得到当前周期的推荐影响因子值的准确性。根据推荐影响因子对应于各股票标识的推荐影响因子值，及推荐影响因子对应的推荐影响程度值，得各股票标识分别对应的股票推荐值，通过推荐影响程度值可以保证各推荐影响因子的影响因子值对股票推荐值的影响程度的准确性。根据所述各股票标识分别对应的股票推荐值生成股票推荐结果，从而使得股票推荐结果更加准确性。

附图说明

图1为一个实施例中股票舆情数据处理方法的应用环境图；

图2为一个实施例中股票舆情数据处理系统中的服务器的结构框图；

图3为一个实施例中股票舆情数据处理方法的流程示意图；

图4为一个实施例中爬取股票舆情数据的步骤的流程示意图；

图5为一个实施例中确定推荐影响因子的步骤的流程示意图；

图6为一个实施例中根据相关系数确定推荐影响因子的步骤的流程示意图；

图7为一个实施例中股票舆情数据处理装置的结构框图；

图8为另一个实施例中股票舆情数据处理装置的结构框图；

图9为一个实施例中影响因子检测模块的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

图1为一个实施例中股票舆情数据处理方法的应用环境图。参照图1，该股票舆情数据处理方法应用于股票舆情数据处理系统。股票舆情数据处理系统包括终端110和服务器120，其中终端110通过网络与服务器120连接。终端110可以是固定终端或移动终端，固定终端具体可以是打印机、扫描仪和监控器中的至少一种，移动终端具体可以是平板电脑、智能手机、个人数据助理和数码相机中的至少一种。服务器120可以是单个服务器，也可以是由多台服务器组成的服务器集群。

图2为一个实施例中图1股票舆情数据处理系统中的服务器120的内部结构示意图。如图2所示，该服务器120包括通过系统总线连接的处理器、非易失性存储介质、内存储器和网络接口。服务器120的处理器用于提供计算和控制能力，支撑整个服务器120的运行，存储器用于存储数据、代码指令等，网络接口用于与终端110进行网络通信。存储器上存储有至少一个计算机可执行指令，该计算机可执行指令可被处理器执行，以实现本申请实施例中提供的适用于服务器120的股票舆情数据处理方法。存储器可包括磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(RandomAccess Memory，RAM)等。例如，在一个实施例中，存储器包括非易失性存储介质及内存储器；非易失性存储介质存储有操作系统、数据库和计算机可执行指令，数据库存储着股票舆情预测数据，该计算机可执行指令可被处理器执行以实现上述的股票舆情数据处理方法；内存储器为非易失性存储介质中的操作系统及计算机可执行指令提供高速缓存的运行环境。

如图3所示，在一个实施例中，提供一种股票舆情数据处理方法，本实施例以该方法应用于图1中的服务器120来举例说明，该方法具体包括以下内容：

S302，读取预设推荐影响因子库中的推荐影响因子。

具体地，终端110获取用户输入的用户账号，根据获取到的用户账号生成股票分析页面请求，将股票分析页面请求发送至服务器120。

服务器120接收终端110发送的股票分析页面请求，对股票分析页面请求进行解析，通过解析提取股票分析页面请求中的用户账号，验证提取到的用户账号是否有访问股票分析页面的权限。服务器120在验证提取到的用户账号有访问股票分析页面的权限后，获取股票分析页面数据，将获取到的股票分析页面数据返回至股票分析页面请求对应的终端110。

终端110接收到服务器120返回的股票分析页面数据，根据股票分析页面数据显示股票分析页面。终端110检测到用户在股票分析页面触发的股票数据分析指令，将触发的股票数据分析指令发送至服务器120。

服务器120在接收到股票数据分析指令后，查询预设推荐影响因子库，从查询到的预设推荐影响因子库读取推荐影响因子。预设推荐影响因子库中可存储多个推荐影响因子，推荐影响因子为影响股票推荐结果的因子。推荐影响因子具体可以包括净利润增长率、分析预测净增长率、分红比例、现金流、净利润和股票标识出现次数中的至少一种。

S304，对存储的股票舆情预测数据进行统计，得到推荐影响因子对应于股票舆情预测数据中各股票标识的推荐影响因子值。

具体地，服务器120的数据库中存储着股票舆情预测数据，股票舆情预测数据中具体包括至少一个股票标识。服务器120在读取到推荐影响因子后，提取股票舆情预测数据中的股票标识，根据读取到的推荐影响因子对股票舆情预测数据进行统计，统计得到各股票标识对应的推荐影响因子所对应的推荐影响因子值。

举例说明，推荐影响因子为股票标识出现次数，服务器120提取股票舆情预测数据中的股票标识，并统计提取到的各股票标识在股票舆情预测数据中的出现次数，将统计到的股票标识的出现次数与股票标识对应存储。

S306，获取推荐影响因子对应的推荐影响程度值。

具体地，推荐影响因子对应的推荐影响程度值为表示推荐影响因子对股票推荐结果影响程度的值。推荐影响因子对应的推荐影响程度值越大，表示推荐影响因子对股票推荐结果的影响程度越高；推荐影响因子对应的推荐影响程度值越小，表示推荐影响因子对股票推荐结果的影响程度越低。服务器120中存储着各推荐影响因子对应的推荐影响程度值。服务器120查询各推荐影响因子分别对应的推荐影响程度值，获取查询到的各推荐影响因子分别对应的推荐影响程度值。

在一个实施例中，服务器120将各推荐影响因子分别对应的推荐影响程度值存储在预设推荐影响因子库中。服务器120从预设推荐影响因子库中查询各推荐影响因子分别对应的推荐影响程度值，获取查询到的各推荐影响因子分别对应的推荐影响程度值。

S308，根据推荐影响因子对应于各股票标识的推荐影响因子值，及推荐影响因子对应的推荐影响程度值，得到各股票标识分别对应的股票推荐值。

具体地，股票推荐值用于表示股票标识对应的股票的值得推荐程度。股票推荐值越高，股票推荐值对应的股票的值得推荐程度就越高；股票推荐值越低，股票推荐值对应的股票的值得推荐程度就越低。股票服务器120在获取各股票标识分别对应的推荐影响因子所对应的推荐影响因子值和各推荐影响因子分别对应的推荐影响程度值后，对于每个股票标识对应的推荐影响因子，将推荐影响因子值与对应的推荐影响程度值相乘得到各推荐影响因子的乘积，再将各推荐影响因子的乘积进行相加得到该股票标识对应的股票推荐值，从而得到各股票标识分别对应的股票推荐值。

S310，根据各股票标识分别对应的股票推荐值生成股票推荐结果。

具体地，服务器120将各股票标识分别对应的股票推荐值进行比较，通过比较从各股票标识中选取预设数量的较大股票推荐值所对应的股票标识，根据选取的股票标识生成股票推荐结果。股票推荐结果中还可以包括股票标识对应的股票推荐值。

在一个实施例中，服务器120通过比较将各股票标识按照股票推荐值的降序顺序进行排列，从排列后的各股票标识中选取预设数量的排序靠前的股票标识，选取的股票标识生成股票推荐结果。服务器120还可以按照股票推荐值的降序顺序进行排列，从排名后的各股票标识中选取预设数量的排序靠后的股票标识，选取的股票标识生成股票推荐结果。

在一个实施例中，服务器120根据选取的各股票标识的股票推荐值，计算得到各股票标识对应的投资比例，根据各股票标识的投资比例生成股票推荐结结果。

本实施例中，根据预设推荐影响因子库中的推荐影响因子，对存储的股票舆情预测数据进行统计，得到推荐影响因子对应于股票舆情预测数据中各股票标识的推荐影响因子值，保证根据存储的股票舆情预测数据得到当前周期的推荐影响因子值的准确性。根据推荐影响因子对应于各股票标识的推荐影响因子值，及推荐影响因子对应的推荐影响程度值，得到各股票标识分别对应的股票推荐值，通过推荐影响程度值可以保证各推荐影响因子的影响因子值对股票推荐值的影响程度的准确性。根据所述各股票标识分别对应的股票推荐值生成股票推荐结果，从而使得股票推荐结果更加准确性。

如图4所示，在一个实施例中，S302之前具体还包括爬取股票舆情数据的步骤，该步骤具体包括以下内容：

S402，获取数据爬取网站列表。

具体地，终端110获取用户输入的数据爬取网站的网站地址，根据获取到的网站地址生成数据爬取网站列表，终端110将数据爬取网站列表发送至服务器120。服务器120接收终端110发送的数据爬取网站列表。

在一个实施例中，服务器120接收终端110发送的数据爬取指令，提取数据爬取指令中的网站列表标识，在存储的数据爬取网站列表中查询与提取到的网站列表标识对应的数据爬取网站列表。

S404，从数据爬取网站列表中的网站地址对应的页面内容中，定时爬取股票舆情数据。

具体地，服务器120读取数据爬取网站列表中的网站地址，根据读取到的网站地址定时获取页面内容，在获取到页面内容中爬取股票舆情数据。股票舆情数据为股票网站中与股票相关的数据。

在一个实施例中，服务器120对获取到的数据爬取指令进行解析，通过解析提取数据爬取指令中的数据爬取网站列表和数据爬取条件。服务器120读取数据爬取网站列表中的网站地址，根据读取到的网站地址定时获取页面内容，从获取到的页面内容中提取符合数据爬取条件的股票舆情数据。

S406，对爬取到的股票舆情数据进行数据清洗得到股票舆情预测数据并存储。

具体地，服务器120对爬取到的股票舆情数据筛选可用数据，以筛选到的可用数据作为股票舆情预测数据存储至数据库中。服务器120筛选可用数据具体可以将错误数据从爬取到的股票舆情数据中删除。

本实施例中，可以根据数据爬取网站列表中的网站地址爬取股票舆情数据，保证爬取到的股票舆情数据的来源准确，对爬取到的股票舆情数据进行数据清洗得到股票舆情数据，排除了错误数据对股票推荐结果的干扰，提高了对股票推荐结果的准确性。

如图5所示，在一个实施例中，S406之后具体还包括确定推荐影响因子的步骤，该步骤具体包括以下内容：

S502，获取影响因子确定指令。

具体地，终端110获取用户在股票分析页面中输入的目标因子，根据获取到的目标因子生成影响因子确定指令，将影响因子确定指令发送至服务器120。服务器120接收终端110发送的影响因子确定指令。

S504，根据影响因子确定指令中的目标因子，从存储的股票舆情预测数据中获取多个连续周期的股票舆情样本数据。

具体地，服务器120对获取到的影响因子确定指令进行解析，通过解析提取影响因子确定指令中的目标因子，从存储的股票舆情预测数据中提取多个连续周期与提取到的目标因子对应的股票舆情样本数据。周期具体可以是一天、一个星期和一个月等。

S506，按每个周期和各股票标识对股票舆情样本数据进行统计，得到每个周期内各股票标识分别对应的目标因子值。

具体地，服务器120按照各股票标识对股票舆情样本数据进行分类，得到每个股票标识分别对应的股票舆情样本数据。服务器120对每个股票标识对应的股票舆情样本数据，根据目标因子按照多个连续周期中每个周期进行统计，得到多个连续周期中每个周期内各股票标识对应的目标因子值。目标因子值为目标因子对应的值。

在一个实施例中，服务器120按照多个连续周期中各周期对股票舆情样本数据进行分类，得到每个周期分别对应的股票舆情样本数据。服务器120对每个周期对应的股票舆情样本数据，根据目标因子按照各股票标识进行统计，得到多个连续周期中每个周期内各股票标识对应的目标因子值。

S508，获取每个周期内各股票标识分别对应的股票收益率。

具体地，服务器120根据每个周期和各股票标识从股票舆情样本数据中获取股票收益率。服务器120还可以接收终端110发送的每个周期内各股票标识分别对应的股票收益率。

S510，根据每个周期内各股票标识分别对应的目标因子值和股票收益率，检测目标因子是否符合加入预设推荐影响因子库的条件。

具体地，服务器120分别根据各股票标识在每个周期内分别对应的目标因子值和股票收益率建立数据关系，检测目标因子值与股票收益率的数据关系是否为正相关或负相关的关系。

S512，在检测到目标因子符合加入预设推荐影响因子库的条件时，将目标因子作为推荐影响因子加入预设推荐影响因子库。

具体地，服务器120在检测到目标因子值与股票收益率的数据关系为正相关或负相关的关系时，判定目标因子可以作为推荐影响因子，将目标因子作为推荐影响因子添加到预设推荐影响因子库中。

本实施例中，根据影响因子确定指令中的目标因子获取多个连续周期的股票舆情样本数据，根据获取到的舆情样本数据统计目标因子对应的目标因子值，对统计到的目标因子值与股票收益率进行分析，通过分析确定目标因子是否可以作为推荐影响因子加入预设推荐影响因子库。通过一系列的数据处理分析过程，保证了加入到预设推荐影响因子库中的推荐影响因子的准确性，从而提高了股票推荐结果的准确性。

如图6所示，在一个实施例中，S510具体包括根据相关系数确定推荐影响因子的步骤，该步骤具体包括以下内容：

S602，按照周期时间顺序对各股票标识分别对应的目标因子值和股票收益率进行排序，得到各股票标识分别对应的因子值周期序列和收益率周期序列。

具体地，服务器120获取各股票标识分别对应的每个周期内的目标因子值，按照周期时间顺序对各股票标识对应的目标因子值进行排序，得到各股票标识分别对应的因子值周期序列。服务器120获取各股票标识分别对应的每个周期内的股票收益率，按照周期时间顺序对各股票标识对应的股票收益率进行排序，得到各股票标识分别对应的收益率周期序列。

举例说明，以x表示目标因子值，股票标识A对应的周期1的目标因子值为x₁、周期2的目标因子值为x₂、周期3的目标因子值为x₃、周期4的目标因子值为x₄和周期5的目标因子值为x₅，按照周期时间顺序“周期1→周期2→周期3→周期4→周期5”对目标因子值进行排序得到股票标识A对应的因子值周期序列为“x₁，x₂，x₃，x₄，x₅”。

以y表示股票收益率，股票标识A对应的周期1的股票收益率为y₁、周期2的股票收益率为y₂、周期3的股票收益率为y₃、周期4的股票收益率为y₄和周期5的股票收益率为y₅，按照周期时间顺序“周期1→周期2→周期3→周期4→周期5”对股票收益率进行排序得到股票标识A对应的收益率周期序列为“y₁，y₂，y₃，y₄，y₅”。

S604，根据因子值周期序列和收益率周期序列，计算目标因子与股票收益率的相关系数。

具体地，服务器120获取各股票标识对应的因子值周期序列和收益率周期序列，对于每个股票标识对应的因子值周期序列和收益率周期序列，按周期时间顺序读取因子值周期序列中的目标因子值，以读取到的目标因子值作为输入值，以收取率周期序列中与读取到的目标因子值对应的下一周期的股票收益率作为输出训练因子确定模型。服务器120根据各股票标识对应的因子值周期序列和收益率周期序列训练得到因子确定模型。服务器120提取因子确定模型中目标因子与股票收益率的相关系数。

在一个实施例中，对于每个股票标识对应的因子值周期序列和收益率周期序列，服务器120按周期时间顺序读取因子值周期序列中的目标因子值，以读取到的目标因子值作为自变量，以收取率周期序列中与读取到的目标因子值对应的下一周期的股票收益率作为因变量建立线性函数。服务器120从建立的线性函数中提取目标因子与股票收益率的相关系数。

在一个实施例中，服务器120可以对因子值周期序列和收益率周期序列进行去极值处理，根据去极值后的值周期序列和收益率周期序列计算目标因子与股票收益率的相关系数。

S606，根据目标因子和股票收益率的相关系数，检测目标因子是否符合加入预设推荐影响因子库的条件。

具体地，服务器120判断目标因子和股票收益率的相关系数是否大于预设系数阈值，若判定目标因子和股票收益率的相关系数大于预设系数阈值，按照目标因子值的大小对因子值周期序列中的目标因子值进行排序。服务器120将排序后的目标因子值按照目标因子值大小分成多个等级目标因子类型，提取第一等级的目标因子值和最后一个等级的目标因子值，检测第一等级的目标因子值平均值和最后一个等级的目标因子值平均值的差是否大于预设因子阈值，若大于预设因子阈值，则检测到目标因子符合加入预设推荐影响因子库的条件。

在一个实施例中，服务器120若判定目标因子和股票收益率的相关系数小于等于预设系数阈值，则检测到目标因子不符合加入预设推荐影响因子库的条件。

在一个实施例中，股票舆情数据处理方法具体还包括以下内容：对各股票标识对应的因子值周期序列中的目标因子值进行计算，得到因子值周期序列的标准差；根据目标因子与股票收益率的相关系数和因子值周期序列的标准差，得到目标因子对应的推荐影响程度值并存储。

具体地，服务器120对于各股票标识对应的因子值周期序列中目标因子值进行计算，计算得到各股票标识对应的因子值周期序列的标准差。服务器120根据各股票标识对应的因子值周期序列的标准差计算标准差的平均值，将目标因子与股票收益率的相关系数除以标准差的平均值，得到目标因子对应的推荐影响程度值并存储。

本实施例中，对各股票标识分别对应的目标因子值和股票收益率进行排序，得到各股票标识分别对应的因子值周期序列和收益率周期序列，根据因子值周期序列和收益率周期序列进行计算得到目标因子与股票收益率的相关系数，根据目标因子与股票收益率的相关系数检测目标因子是否可以作为推荐影响因子，大大提高了确定推荐影响因子的准确性。

如图7所示，在一个实施例中，提供一种股票舆情数据处理装置700，该装置具体包括以下内容：影响因子读取模块702、舆情数据统计模块704、程度值获取模块706、推荐值得到模块708和推荐结果生成模块710。

影响因子读取模块702，用于读取预设推荐影响因子库中的推荐影响因子。

舆情数据统计模块704，用于对存储的股票舆情预测数据进行统计，得到推荐影响因子对应于股票舆情预测数据中各股票标识的推荐影响因子值。

程度值获取模块706，用于获取推荐影响因子对应的推荐影响程度值。

推荐值得到模块708，用于根据推荐影响因子对应于各股票标识的推荐影响因子值，及推荐影响因子对应的推荐影响程度值，得到各股票标识分别对应的股票推荐值。

推荐结果生成模块710，用于根据各股票标识分别对应的股票推荐值生成股票推荐结果。

本实施例中，根据预设推荐影响因子库中的推荐影响因子，对存储的股票舆情预测数据进行统计，得到推荐影响因子对应于股票舆情预测数据中各股票标识的推荐影响因子值，保证根据存储的股票舆情预测数据得到当前周期的推荐影响因子值的准确性。根据推荐影响因子对应于各股票标识的推荐影响因子值，及推荐影响因子对应的推荐影响程度值，得到各股票标识分别对应的股票推荐值，通过推荐影响程度值可以保证各推荐影响因子的影响因子值对股票推荐值的影响程度的准确性。根据所述各股票标识分别对应的股票推荐值生成股票推荐结果，从而使得股票推荐结果更加准确性。

如图8所示，在一个实施例中，股票舆情数据处理装置700具体还包括以下内容：网站列表获取模块712、舆情数据爬取模块714、预测数据得到模块716、提取指令获取模块718、样本数据获取模块720、样本数据统计模块722、收益率获取模块724、影响因子检测模块726和影响因子入库模块728。

网站列表获取模块712，用于获取数据爬取网站列表。

舆情数据爬取模块714，用于从数据爬取网站列表中的网站地址对应的页面内容中，定时爬取股票舆情数据。

预测数据得到模块716，用于对爬取到的股票舆情数据进行数据清洗得到股票舆情预测数据并存储。

提取指令获取模块718，用于获取影响因子确定指令。

样本数据获取模块720，用于根据影响因子确定指令中的目标因子，从存储的股票舆情预测数据中获取多个连续周期的股票舆情样本数据。

样本数据统计模块722，用于按每个周期和各股票标识对股票舆情样本数据进行统计，得到每个周期内各股票标识分别对应的目标因子值。

收益率获取模块724，用于获取每个周期内各股票标识分别对应的股票收益率。

影响因子检测模块726，用于根据每个周期内各股票标识分别对应的目标因子值和股票收益率，检测目标因子是否符合加入预设推荐影响因子库的条件。

影响因子入库模块728，用于在检测到目标因子符合加入预设推荐影响因子库的条件时，将目标因子作为推荐影响因子加入预设推荐影响因子库。

本实施例中，可以根据数据爬取网站列表中的网站地址爬取股票舆情数据，保证爬取到的股票舆情数据的来源准确，对爬取到的股票舆情数据进行数据清洗得到股票舆情数据，排除了错误数据对股票推荐结果的干扰，提高了对股票推荐结果的准确性。根据影响因子确定指令中的目标因子获取多个连续周期的股票舆情样本数据，根据获取到的舆情样本数据统计目标因子对应的目标因子值，对统计到的目标因子值与股票收益率进行分析，通过分析确定目标因子是否可以作为推荐影响因子加入预设推荐影响因子库。通过一系列的数据处理分析过程，保证了加入到预设推荐影响因子库中的推荐影响因子的准确性，从而提高了股票推荐结果的准确性。

如图9所示，在一个实施例中，影响因子检测模块726具体还包括以下内容：周期序列得到模块726a、相关系数计算模块726b和影响因子检测模块726c。

周期序列得到模块726a，用于按照周期时间顺序对各股票标识分别对应的目标因子值和股票收益率进行排序，得到各股票标识分别对应的因子值周期序列和收益率周期序列。

相关系数计算模块726b，用于根据因子值周期序列和收益率周期序列，计算目标因子与股票收益率的相关系数。

影响因子检测模块726c，用于根据目标因子和股票收益率的相关系数，检测目标因子是否符合加入预设推荐影响因子库的条件。

在一个实施例中，相关系数计算模块726b还用于对各股票标识对应的因子值周期序列中的目标因子值进行计算，得到因子值周期序列的标准差；根据目标因子与股票收益率的相关系数和因子值周期序列的标准差，得到目标因子对应的推荐影响程度值并存储。

本实施例中，对各股票标识分别对应的目标因子值和股票收益率进行排序，得到各股票标识分别对应的因子值周期序列和收益率周期序列，根据因子值周期序列和收益率周期序列进行计算得到目标因子与股票收益率的相关系数，根据目标因子与股票收益率的相关系数检测目标因子是否可以作为推荐影响因子，大大提高了确定推荐影响因子的准确性。

一种计算机设备，计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：读取预设推荐影响因子库中的推荐影响因子；对存储的股票舆情预测数据进行统计，得到推荐影响因子对应于股票舆情预测数据中各股票标识的推荐影响因子值；获取推荐影响因子对应的推荐影响程度值；根据推荐影响因子对应于各股票标识的推荐影响因子值，及推荐影响因子对应的推荐影响程度值，得到各股票标识分别对应的股票推荐值；根据各股票标识分别对应的股票推荐值生成股票推荐结果。

在一个实施例中，读取预设推荐影响因子库中的推荐影响因子之前，处理器执行计算机程序时还实现以下步骤：获取数据爬取网站列表；从数据爬取网站列表中的网站地址对应的页面内容中，定时爬取股票舆情数据；对爬取到的股票舆情数据进行数据清洗得到股票舆情预测数据并存储。

在一个实施例中，对爬取到的股票舆情数据进行数据清洗得到股票舆情预测数据并存储之后，处理器执行计算机程序时还实现以下步骤：获取影响因子确定指令；根据影响因子确定指令中的目标因子，从存储的股票舆情预测数据中获取多个连续周期的股票舆情样本数据；按每个周期和各股票标识对股票舆情样本数据进行统计，得到每个周期内各股票标识分别对应的目标因子值；获取每个周期内各股票标识分别对应的股票收益率；根据每个周期内各股票标识分别对应的目标因子值和股票收益率，检测目标因子是否符合加入预设推荐影响因子库的条件；在检测到目标因子符合加入预设推荐影响因子库的条件时，将目标因子作为推荐影响因子加入预设推荐影响因子库。

在一个实施例中，根据每个周期内各股票标识分别对应的目标因子值和股票收益率，检测目标因子是否符合加入预设推荐影响因子库的条件，包括：按照周期时间顺序对各股票标识分别对应的目标因子值和股票收益率进行排序，得到各股票标识分别对应的因子值周期序列和收益率周期序列；根据因子值周期序列和收益率周期序列，计算目标因子与股票收益率的相关系数；根据目标因子和股票收益率的相关系数，检测目标因子是否符合加入预设推荐影响因子库的条件。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：对各股票标识对应的因子值周期序列中的目标因子值进行计算，得到因子值周期序列的标准差；根据目标因子与股票收益率的相关系数和因子值周期序列的标准差，得到目标因子对应的推荐影响程度值并存储。

本实施例中，根据预设推荐影响因子库中的推荐影响因子，对存储的股票舆情预测数据进行统计，得到推荐影响因子对应于股票舆情预测数据中各股票标识的推荐影响因子值，保证根据存储的股票舆情预测数据得到当前周期的推荐影响因子值的准确性。根据推荐影响因子对应于各股票标识的推荐影响因子值，及推荐影响因子对应的推荐影响程度值，得到各股票标识分别对应的股票推荐值，通过推荐影响程度值可以保证各推荐影响因子的影响因子值对股票推荐值的影响程度的准确性。根据所述各股票标识分别对应的股票推荐值生成股票推荐结果，从而使得股票推荐结果更加准确性。

一个或多个存储有计算机可执行指令的存储介质，计算机可执行指令被一个或多个处理器执行时，使得一个或多个处理器执行以下步骤：读取预设推荐影响因子库中的推荐影响因子；对存储的股票舆情预测数据进行统计，得到推荐影响因子对应于股票舆情预测数据中各股票标识的推荐影响因子值；获取推荐影响因子对应的推荐影响程度值；根据推荐影响因子对应于各股票标识的推荐影响因子值，及推荐影响因子对应的推荐影响程度值，得到各股票标识分别对应的股票推荐值；根据各股票标识分别对应的股票推荐值生成股票推荐结果。

在一个实施例中，读取预设推荐影响因子库中的推荐影响因子之前，处理器还执行以下步骤：获取数据爬取网站列表；从数据爬取网站列表中的网站地址对应的页面内容中，定时爬取股票舆情数据；对爬取到的股票舆情数据进行数据清洗得到股票舆情预测数据并存储。

在一个实施例中，对爬取到的股票舆情数据进行数据清洗得到股票舆情预测数据并存储之后，处理器还执行以下步骤：获取影响因子确定指令；根据影响因子确定指令中的目标因子，从存储的股票舆情预测数据中获取多个连续周期的股票舆情样本数据；按每个周期和各股票标识对股票舆情样本数据进行统计，得到每个周期内各股票标识分别对应的目标因子值；获取每个周期内各股票标识分别对应的股票收益率；根据每个周期内各股票标识分别对应的目标因子值和股票收益率，检测目标因子是否符合加入预设推荐影响因子库的条件；在检测到目标因子符合加入预设推荐影响因子库的条件时，将目标因子作为推荐影响因子加入预设推荐影响因子库。

在一个实施例中，根据每个周期内各股票标识分别对应的目标因子值和股票收益率，检测目标因子是否符合加入预设推荐影响因子库的条件，包括：按照周期时间顺序对各股票标识分别对应的目标因子值和股票收益率进行排序，得到各股票标识分别对应的因子值周期序列和收益率周期序列；根据因子值周期序列和收益率周期序列，计算目标因子与股票收益率的相关系数；根据目标因子和股票收益率的相关系数，检测目标因子是否符合加入预设推荐影响因子库的条件。

在一个实施例中，处理器还执行以下步骤：对各股票标识对应的因子值周期序列中的目标因子值进行计算，得到因子值周期序列的标准差；根据目标因子与股票收益率的相关系数和因子值周期序列的标准差，得到目标因子对应的推荐影响程度值并存储。

本实施例中，根据预设推荐影响因子库中的推荐影响因子，对存储的股票舆情预测数据进行统计，得到推荐影响因子对应于股票舆情预测数据中各股票标识的推荐影响因子值，保证根据存储的股票舆情预测数据得到当前周期的推荐影响因子值的准确性。根据所述推荐影响因子对应于各股票标识的推荐影响因子值，及推荐影响因子对应的推荐影响程度值，得到各股票标识分别对应的股票推荐值，通过推荐影响程度值可以保证各推荐影响因子的影响因子值对股票推荐值的影响程度的准确性。根据所述各股票标识分别对应的股票推荐值生成股票推荐结果，从而使得股票推荐结果更加准确性。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种股票舆情数据处理方法，所述方法包括：

读取预设推荐影响因子库中的推荐影响因子；

对存储的股票舆情预测数据进行统计，得到所述推荐影响因子对应于所述股票舆情预测数据中各股票标识的推荐影响因子值；

获取所述推荐影响因子对应的推荐影响程度值；

根据所述推荐影响因子对应于各股票标识的推荐影响因子值，及所述推荐影响因子对应的推荐影响程度值，得到所述各股票标识分别对应的股票推荐值；

根据所述各股票标识分别对应的股票推荐值生成股票推荐结果。

2.根据权利要求1所述的方法，其特征在于，所述读取预设推荐影响因子库中的推荐影响因子之前，还包括：

获取数据爬取网站列表；

从所述数据爬取网站列表中的网站地址对应的页面内容中，定时爬取股票舆情数据；

对爬取到的股票舆情数据进行数据清洗得到股票舆情预测数据并存储。

3.根据权利要求2所述的方法，其特征在于，所述对爬取到的股票舆情数据进行数据清洗得到股票舆情预测数据并存储之后，还包括：

获取影响因子确定指令；

根据所述影响因子确定指令中的目标因子，从存储的股票舆情预测数据中获取多个连续周期的股票舆情样本数据；

按每个周期和各股票标识对所述股票舆情样本数据进行统计，得到所述每个周期内各股票标识分别对应的目标因子值；

获取所述每个周期内所述各股票标识分别对应的股票收益率；

根据所述每个周期内所述各股票标识分别对应的目标因子值和股票收益率，检测所述目标因子是否符合加入预设推荐影响因子库的条件；

若符合，将所述目标因子作为推荐影响因子加入预设推荐影响因子库。

4.根据权利要求3所述的方法，其特征在于，所述根据所述每个周期内所述各股票标识分别对应的目标因子值和股票收益率，检测所述目标因子是否符合加入预设推荐影响因子库的条件，包括：

按照周期时间顺序对所述各股票标识分别对应的目标因子值和股票收益率进行排序，得到所述各股票标识分别对应的因子值周期序列和收益率周期序列；

根据所述因子值周期序列和所述收益率周期序列，计算所述目标因子与所述股票收益率的相关系数；

根据所述目标因子和股票收益率的相关系数，检测所述目标因子是否符合加入预设推荐影响因子库的条件。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

对所述各股票标识对应的因子值周期序列中的目标因子值进行计算，得到所述因子值周期序列的标准差；

根据所述目标因子与所述股票收益率的相关系数和所述因子值周期序列的标准差，得到所述目标因子对应的推荐影响程度值并存储。

6.一种股票舆情数据处理装置，其特征在于，所述装置包括：

影响因子读取模块，用于读取预设推荐影响因子库中的推荐影响因子；

舆情数据统计模块，用于对存储的股票舆情预测数据进行统计，得到所述推荐影响因子对应于所述股票舆情预测数据中各股票标识的推荐影响因子值；

程度值获取模块，用于获取所述推荐影响因子对应的推荐影响程度值；

推荐值得到模块，用于根据所述推荐影响因子对应于各股票标识的推荐影响因子值，及所述推荐影响因子对应的推荐影响程度值，得到所述各股票标识分别对应的股票推荐值；

推荐结果生成模块，用于根据所述各股票标识分别对应的股票推荐值生成股票推荐结果。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

网站列表获取模块，用于获取数据爬取网站列表；

舆情数据爬取模块，用于从所述数据爬取网站列表中的网站地址对应的页面内容中，定时爬取股票舆情数据；

预测数据得到模块，用于对爬取到的股票舆情数据进行数据清洗得到股票舆情预测数据并存储。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

提取指令获取模块，用于获取影响因子确定指令；

样本数据获取模块，用于根据所述影响因子确定指令中的目标因子，从存储的股票舆情预测数据中获取多个连续周期的股票舆情样本数据；

样本数据统计模块，用于按每个周期和各股票标识对所述股票舆情样本数据进行统计，得到所述每个周期内各股票标识分别对应的目标因子值；

收益率获取模块，用于获取所述每个周期内所述各股票标识分别对应的股票收益率；

影响因子检测模块，用于根据所述每个周期内所述各股票标识分别对应的目标因子值和股票收益率，检测所述目标因子是否符合加入预设推荐影响因子库的条件；

影响因子入库模块，用于在检测到所述目标因子符合加入预设推荐影响因子库的条件时，将所述目标因子作为推荐影响因子加入预设推荐影响因子库。

9.一种计算机设备，所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

读取预设推荐影响因子库中的推荐影响因子；

对存储的股票舆情预测数据进行统计，得到所述推荐影响因子对应于所述股票舆情预测数据中各股票标识的推荐影响因子值；

获取所述推荐影响因子对应的推荐影响程度值；

根据所述推荐影响因子对应于各股票标识的推荐影响因子值，及所述推荐影响因子对应的推荐影响程度值，得到所述各股票标识分别对应的股票推荐值；

根据所述各股票标识分别对应的股票推荐值生成股票推荐结果。

10.一个或多个存储有计算机可执行指令的存储介质，所述计算机可执行指令被一个或多个处理器执行时，使得所述一个或多个处理器执行以下步骤：

读取预设推荐影响因子库中的推荐影响因子；

对存储的股票舆情预测数据进行统计，得到所述推荐影响因子对应于所述股票舆情预测数据中各股票标识的推荐影响因子值；

获取所述推荐影响因子对应的推荐影响程度值；

根据所述推荐影响因子对应于各股票标识的推荐影响因子值，及所述推荐影响因子对应的推荐影响程度值，得到所述各股票标识分别对应的股票推荐值；

根据所述各股票标识分别对应的股票推荐值生成股票推荐结果。