CN108122166A - 采用智能量化金融技术对股票进行归类和评分的方法 - Google Patents

采用智能量化金融技术对股票进行归类和评分的方法 Download PDF

Info

Publication number
CN108122166A
CN108122166A CN201711377373.0A CN201711377373A CN108122166A CN 108122166 A CN108122166 A CN 108122166A CN 201711377373 A CN201711377373 A CN 201711377373A CN 108122166 A CN108122166 A CN 108122166A
Authority
CN
China
Prior art keywords
factor
stock
investment
level
scored
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
Application number
CN201711377373.0A
Other languages
English (en)
Inventor
吴同伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Indus Huizhi Software Technology LLC
Original Assignee
Suzhou Indus Huizhi Software Technology LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou Indus Huizhi Software Technology LLC filed Critical Suzhou Indus Huizhi Software Technology LLC
Priority to CN201711377373.0A priority Critical patent/CN108122166A/zh
Publication of CN108122166A publication Critical patent/CN108122166A/zh
Pending legal-status Critical Current

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
    • 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
    • G06Q40/06—Asset management; Financial planning or analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Technology Law (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

目前，国内外做股票投资主要分为主动投资(定性分析)和被动投资(定量投资)两大类，量化方法主要使用再被动投资领域。本发明的意义在于借助被动投资的量化方法刻画主动投资行为，使以往主观、片面、感性和拍脑袋的投资行为变得主观、全面、理性和数量化。同时，由于借鉴了大数据、云计算和机器学习等先进技术，提高了投资工作和决策效率，研究的广度和深度等；本发明建立在严谨的量化分析方法和大量实证之上，结合了打分法和回归法的优点。再结合经验值，采用计算机对大量的历史数据进行模拟和回测，最后所得到因子分类、打分标准和权重，相对市面上其它股票评判和打分方法，更科学、更合理、更实用、更通用，让投资变得更智能。

Description

采用智能量化金融技术对股票进行归类和评分的方法
技术领域
本发明涉及金融领域，特别是涉及采用智能量化金融技术对股票进行归类和评分的方法。
背景技术
目前，国内外对股票的量化评价主要采用两种方法：打分法和回归法。
打分法，顾名思义，主要根据主观的判断或主观选取的因子对股票的基本面或技术面打分，然后按照一定的权重加权得到一个总分。打分法的优点是相对比较客观、系统和理性，不容易受到人为因素的影响。但是传统的打分法需要对各个因子的权重做一个相对比较主观的设定。对因子的选取、因子的归类和逻辑关系缺乏科学系统的分析和求证，结果导致在投资实践中，按照该打分方法开发的模型，选取的股票和组合，很难取得稳定的收益，实用性不强。
回归法，主要通过对历史数据进行多元线性回归分析，挖掘影响投资组合收益的有效因子及其相关系数(IC)、IR(信息比率)和多空收益比等指标。这种方法在处理数据和建模时，通常对市场和行业中性化处理，导致好的公司变差一点，差的公司变好一些，不能客观真实地反映股票的公司质地、盈利趋势、安全系数和股性等基本面和风格指标。而且，它们在配置有效因子时，要么简单地平均分配因子的权重，要么采用ZSCORE等僵化的统计方法分配权重，导致因子的分类和配比经常与经典的投资理论和逻辑发生冲突，比如在价值因子中，常常混淆成长因子；在估值因子中，又常常混淆其它风格因子。此外，传统的多因子量化模型和算法比较适合静态、稳定和成熟的市场。在动态、变化和发展中的新兴资本市场，如中国a股，基于历史数据进性线性回归统计分析的多因子量化模型经常发生失效和收益曲线钝化等问题。
此外，无论打分法还是回归法，均需要借助复杂的数学模型，使用者须具备高深的金融工程基础和一定的计算机编程能力。开发成本昂贵，原理晦涩难懂。通常，只有顶级投行或投资机构才能使用消费得起。无法做到平民化、透明化和易用化，供普通股票投资者使用。
发明内容
基于此，有必要针对上述技术问题，提供一种采用智能量化金融技术对股票进行归类和评分的方法。
一种采用智能量化金融技术对股票进行归类和评分的方法，包括：
第一步：将从第三方采集到的大数据，导入数据库；
第二步：对采集到的大数据自动或人工进行清晰和处理；
第三步：从公开文献或研究报告中，收集整理出常用的多因子，利用多元回归算法和计算机语言编辑而成的因子有效性检验后台，逐一分析每个因子的IC(信息系数)、IR(信息比率)和多空收益比；
第四步：根据第三步的分析，筛选出64种二级因子，作为核心多因子库；
第五步：将上述64种二级因子分为五大一级因子：公司质地、盈利趋势、安全系数、长期股性和短期股性；
第六步：根据第三步的分析结果，结合经验值，对所述五大一级因子下面的二级因子赋予不同的权重；
第七步：根据每个二级因子的定义编制算法和打分标准；将这些算法和打分标准转换成计算机程序，让这些程序自动去数据库抓取数据、计算打分和统计打分结果；假如打分结果不符合正态分布，再对每个二级因子的打分标准进行调整，直至符合正态分布；
第八步：得到五大一级因子各自的综合得分后，分成不同的组别，利用计算机对历史数据进行成千上万次的模型和回测分析，检验各个组别在过去十年不同的时间段的收益表现，并与相关市场指数进行比较；
第九步：当出现以下三种情况之一时：
a.公司质地、盈利趋势和股性达成共振；
b.公司质地与股性达成共振；
c.盈利趋势与股性达成共振；
股票或投资组合中长期跑赢市场，获得超额收益；
第十步：结合上述的计算机模拟结果和投资实践，再给五大一级因子分配不同的权重，这样可得到每个股票的综合打分；然后利用这个综合打分，每次筛选出100-200只股票，采用过去十年的历史数据，利用计算机程序回测不同数目的组合在不同时间段的收益表现；如果效果不理想，再调整五大一级因子的权重，直至产生满意的效果为止。
在另外的一个实施例中，在步骤“第一步：将从第三方采集到的大数据，导入数据库；”中所述大数据包括上市公司的财务数据、股票量价交易数据、券商的一致预期和股票评级。
在另外的一个实施例中，步骤“对采集到的大数据自动或人工进行清晰和处理”包括去掉极端值、明显不合理和停牌的数据。
在另外的一个实施例中，在步骤“第三步：从公开文献或研究报告中，收集整理出常用的多因子，利用多元回归算法和计算机语言编辑而成的因子有效性检验后台，逐一分析每个因子的IC(信息系数)、IR(信息比率)和多空收益比”中，所述多因子包括ROE(净资产回报率)、EP(市盈率的倒数)、BP(市净率的倒数)、负债率、毛利润、成长率、股价回报率、夏普率、波动率和市值。
在另外的一个实施例中，在步骤“第三步：从公开文献或研究报告中，收集整理出常用的多因子，采用多元回归算法和计算机语言编辑而成的因子有效性检验后台，逐一分析每个因子的IC(信息系数)、IR(信息比率)和多空收益比”中，所述计算机语言是Matlab或Python。
在另外的一个实施例中，所述中长期为6个月以上。
在另外的一个实施例中，还包括：第十一步：每个季度，都将重复上述第1步到第10步的工作，检验每个一级因子和二级因子的打分标准和权重是否合理，是否需要调整。
一种计算机设备，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，所述处理器执行所述程序时实现任意一项所述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任意一项所述方法的步骤。
上述采用智能量化金融技术对股票进行归类和评分的方法的有益效果：
目前，国内外做股票投资主要分为主动投资(定性分析)和被动投资(定量投资)两大类，量化方法主要使用再被动投资领域。本发明的意义在于借助被动投资的量化方法刻画主动投资行为，使以往主观、片面、感性和拍脑袋的投资行为变得主观、全面、理性和数量化。同时，由于借鉴了大数据、云计算和机器学习等先进技术，提高了投资工作和决策效率，研究的广度和深度等；
本发明建立在严谨的量化分析方法和大量实证之上，结合了打分法和回归法的优点。再结合经验值，采用计算机对大量的历史数据进行模拟和回测，最后所得到因子分类、打分标准和权重，相对市面上其它股票评判和打分方法，更科学、更合理、更实用、更通用，让投资变得更智能。
附图说明
图1为本申请实施例提供的一种采用智能量化金融技术对股票进行归类和评分的方法的流程图。
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。
一种采用智能量化金融技术对股票进行归类和评分的方法，包括：
第一步：将从第三方采集到的大数据，导入数据库；
第二步：对采集到的大数据自动或人工进行清晰和处理；
第三步：从公开文献或研究报告中，收集整理出常用的多因子，利用多元回归算法和计算机语言编辑而成的因子有效性检验后台，逐一分析每个因子的IC(信息系数)、IR(信息比率)和多空收益比；
第四步：根据第三步的分析，筛选出64种二级因子，作为核心多因子库；
第五步：将上述64种二级因子分为五大一级因子：公司质地、盈利趋势、安全系数、长期股性和短期股性；
第六步：根据第三步的分析结果，结合经验值，对所述五大一级因子下面的二级因子赋予不同的权重；
第七步：根据每个二级因子的定义编制算法和打分标准；将这些算法和打分标准转换成计算机程序，让这些程序自动去数据库抓取数据、计算打分和统计打分结果；假如打分结果不符合正态分布，再对每个二级因子的打分标准进行调整，直至符合正态分布；
第八步：得到五大一级因子各自的综合得分后，分成不同的组别，利用计算机对历史数据进行成千上万次的模型和回测分析，检验各个组别在过去十年不同的时间段的收益表现，并与相关市场指数进行比较；
第九步：当出现以下三种情况之一时：
a.公司质地、盈利趋势和股性达成共振；
b.公司质地与股性达成共振；
c.盈利趋势与股性达成共振；
股票或投资组合中长期跑赢市场，获得超额收益；
通过第八步的模拟回测分析，以及发明者多年的投资实践，基本验证了采用上述五大一级因子对股票评价的合理性和有效性，
第十步：结合上述的计算机模拟结果和投资实践，再给五大一级因子分配不同的权重，这样可得到每个股票的综合打分；然后利用这个综合打分，每次筛选出100-200只股票，采用过去十年的历史数据，利用计算机程序回测不同数目的组合在不同时间段的收益表现；如果效果不理想，再调整五大一级因子的权重，直至产生满意的效果为止。
在另外的一个实施例中，在步骤“第一步：将从第三方采集到的大数据，导入数据库；”中所述大数据包括上市公司的财务数据、股票量价交易数据、券商的一致预期和股票评级。
在另外的一个实施例中，步骤“对采集到的大数据自动或人工进行清晰和处理”包括去掉极端值、明显不合理和停牌的数据。
在另外的一个实施例中，在步骤“第三步：从公开文献或研究报告中，收集整理出常用的多因子，利用多元回归算法和计算机语言编辑而成的因子有效性检验后台，逐一分析每个因子的IC(信息系数)、IR(信息比率)和多空收益比”中，所述多因子包括ROE(净资产回报率)、EP(市盈率的倒数)、BP(市净率的倒数)、负债率、毛利润、成长率、股价回报率、夏普率、波动率和市值。
在另外的一个实施例中，在步骤“第三步：从公开文献或研究报告中，收集整理出常用的多因子，采用多元回归算法和计算机语言编辑而成的因子有效性检验后台，逐一分析每个因子的IC(信息系数)、IR(信息比率)和多空收益比”中，所述计算机语言是Matlab或Python。
在另外的一个实施例中，所述中长期为6个月以上。
在另外的一个实施例中，还包括：第十一步：每个季度，都将重复上述第1步到第10步的工作，检验每个一级因子和二级因子的打分标准和权重是否合理，是否需要调整。(考虑到市场的动态性，无论一级因子还是二级因子，都可能存在失效的情况。)
为了确保该股票评分体系的稳定性和客观性，由于运算量和工作量极大，所以，该发明需使用计算机强大的能力以及某些机器学习技术。
一种计算机设备，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，所述处理器执行所述程序时实现任意一项所述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任意一项所述方法的步骤。
上述采用智能量化金融技术对股票进行归类和评分的方法的有益效果：
目前，国内外做股票投资主要分为主动投资(定性分析)和被动投资(定量投资)两大类，量化方法主要使用再被动投资领域。本发明的意义在于借助被动投资的量化方法刻画主动投资行为，使以往主观、片面、感性和拍脑袋的投资行为变得主观、全面、理性和数量化。同时，由于借鉴了大数据、云计算和机器学习等先进技术，提高了投资工作和决策效率，研究的广度和深度等；
本发明建立在严谨的量化分析方法和大量实证之上，结合了打分法和回归法的优点。再结合经验值，采用计算机对大量的历史数据进行模拟和回测，最后所得到因子分类、打分标准和权重，相对市面上其它股票评判和打分方法，更科学、更合理、更实用、更通用，让投资变得更智能。
本发明采用打分法和回归法相结合的方法，借助量化金融、大数据、云计算和机器学习等先进技术，开发出一种简单易用、公开透明、成本低廉的智能量化评价方法。通过对中国证券市场过去十年的历史数据进行自动化处理和研究，统计出上百种因子的信息系数(IC)、信息比率(IR)和多空收益比，再结合成熟的主动投资理论(如价值投资、成长投资、均衡投资等)及其投资实践，从中筛选出64种显著有效的因子。然后，将其分成公司质地、盈利趋势、安全系数、长期股性和短期股性共五大一级因子，而每大类一级因子又对应数目和种类不同的二级因子。其中，每个二级因子又采用各自的算法和打分标准。打分标准最为关键，首选要对计算机采集到的股票数据进行去异常值和极值处理，比如自动去掉停牌的股票，排除上市天数太短的股票，数据不合理或缺失的股票等。其次，需要利用计算机的强大运算能力对每个因子逐一检验和统计打分结果是否符合正态分布。假如不符合正态分布，就需要对打分标准进行调整，直至打分结果符合正态分布为止。否则，筛选出的股票，要么过于集中某一分数区间，要么过于彼此接近，失去统计分析的意义和合理性。
当对所有二级因子的打分结果逐一进行正态分布校验之后，结合多元回归分析模型的因子有效性排序、以及经验值，对每个二级因子赋以不同的权重，从而得到每类一级因子的汇总评分。有了一级因子的汇总评分之后，采用计算机编程技术和强大的运算能力，对五类一级因子赋以不同的权重，可形成上百种投资组合，再结合其它一些筛选条件，如市值、行业、技术指标等，对历史数据进行回测，筛选出长期、中期或短期能跑赢大盘的策略。通过对这些表现优异的策略进行中长期(6个月以上)进行回测和比较分析，以及发明者长达三年的投资实践发现，当出现以下三种情况之一时：
a.公司质地、盈利趋势和股性达成共振；
b.公司质地与股性达成共振；
c.盈利趋势与股性达成共振
股票或投资组合中长期(6个月以上)大概率可以跑赢市场，获得超额收益。
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 (9)

1.一种采用智能量化金融技术对股票进行归类和评分的方法，其特征在于，包括：
第一步：将从第三方采集到的大数据，导入数据库；
第二步：对采集到的大数据自动或人工进行清晰和处理；
第三步：从公开文献或研究报告中，收集整理出常用的多因子，利用多元回归算法和计算机语言编辑而成的因子有效性检验后台，逐一分析每个因子的IC(信息系数)、IR(信息比率)和多空收益比；
第四步：根据第三步的分析，筛选出64种二级因子，作为核心多因子库；
第五步：将上述64种二级因子分为五大一级因子：公司质地、盈利趋势、安全系数、长期股性和短期股性；
第六步：根据第三步的分析结果，结合经验值，对所述五大一级因子下面的二级因子赋予不同的权重；
第七步：根据每个二级因子的定义编制算法和打分标准；将这些算法和打分标准转换成计算机程序，让这些程序自动去数据库抓取数据、计算打分和统计打分结果；假如打分结果不符合正态分布，再对每个二级因子的打分标准进行调整，直至符合正态分布；
第八步：得到五大一级因子各自的综合得分后，分成不同的组别，利用计算机对历史数据进行成千上万次的模型和回测分析，检验各个组别在过去十年不同的时间段的收益表现，并与相关市场指数进行比较；
第九步：当出现以下三种情况之一时：
a.公司质地、盈利趋势和股性达成共振；
b.公司质地与股性达成共振；
c.盈利趋势与股性达成共振；
股票或投资组合中长期跑赢市场，获得超额收益；
第十步：结合上述的计算机模拟结果和投资实践，再给五大一级因子分配不同的权重，这样可得到每个股票的综合打分；然后利用这个综合打分，每次筛选出100-200只股票，采用过去十年的历史数据，利用计算机程序回测不同数目的组合在不同时间段的收益表现；如果效果不理想，再调整五大一级因子的权重，直至产生满意的效果为止。
2.根据权利要求1所述的采用智能量化金融技术对股票进行归类和评分的方法，其特征在于，在步骤“第一步：将从第三方采集到的大数据，导入数据库；”中所述大数据包括上市公司的财务数据、股票量价交易数据、券商的一致预期和股票评级。
3.根据权利要求1所述的采用智能量化金融技术对股票进行归类和评分的方法，其特征在于，步骤“对采集到的大数据自动或人工进行清晰和处理”包括去掉极端值、明显不合理和停牌的数据。
4.根据权利要求1所述的采用智能量化金融技术对股票进行归类和评分的方法，其特征在于，在步骤“第三步：从公开文献或研究报告中，收集整理出常用的多因子，利用多元回归算法和计算机语言编辑而成的因子有效性检验后台，逐一分析每个因子的IC(信息系数)、IR(信息比率)和多空收益比”中，所述多因子包括ROE(净资产回报率)、EP(市盈率的倒数)、BP(市净率的倒数)、负债率、毛利润、成长率、股价回报率、夏普率、波动率和市值。
5.根据权利要求1所述的采用智能量化金融技术对股票进行归类和评分的方法，其特征在于，在步骤“第三步：从公开文献或研究报告中，收集整理出常用的多因子，采用多元回归算法和计算机语言编辑而成的因子有效性检验后台，逐一分析每个因子的IC(信息系数)、IR(信息比率)和多空收益比”中，所述计算机语言是Matlab或Python。
6.根据权利要求1所述的采用智能量化金融技术对股票进行归类和评分的方法，其特征在于，所述中长期为6个月以上。
7.根据权利要求1所述的采用智能量化金融技术对股票进行归类和评分的方法，其特征在于，还包括：第十一步：每个季度，都将重复上述第1步到第10步的工作，检验每个一级因子和二级因子的打分标准和权重是否合理，是否需要调整。
8.一种计算机设备，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，其特征在于，所述处理器执行所述程序时实现权利要求1-7中任意一项所述方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7任意一项所述方法的步骤。
CN201711377373.0A 2017-12-19 2017-12-19 采用智能量化金融技术对股票进行归类和评分的方法 Pending CN108122166A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711377373.0A CN108122166A (zh) 2017-12-19 2017-12-19 采用智能量化金融技术对股票进行归类和评分的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711377373.0A CN108122166A (zh) 2017-12-19 2017-12-19 采用智能量化金融技术对股票进行归类和评分的方法

Publications (1)

Publication Number Publication Date
CN108122166A true CN108122166A (zh) 2018-06-05

Family

ID=62229517

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711377373.0A Pending CN108122166A (zh) 2017-12-19 2017-12-19 采用智能量化金融技术对股票进行归类和评分的方法

Country Status (1)

Country Link
CN (1) CN108122166A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108846756A (zh) * 2018-06-29 2018-11-20 上海朝阳永续信息技术股份有限公司 股票评价方法及系统
CN110084273A (zh) * 2019-03-27 2019-08-02 曲寿彬 一种上市公司投资价值量化计算方法与装置
WO2020000701A1 (zh) * 2018-06-25 2020-01-02 平安科技（深圳）有限公司 基金适配方法、系统、计算机设备和存储介质
CN111429272A (zh) * 2020-02-20 2020-07-17 中信建投证券股份有限公司 自动生成量化交易因子及重要性评判的方法、装置

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020000701A1 (zh) * 2018-06-25 2020-01-02 平安科技（深圳）有限公司 基金适配方法、系统、计算机设备和存储介质
CN108846756A (zh) * 2018-06-29 2018-11-20 上海朝阳永续信息技术股份有限公司 股票评价方法及系统
CN110084273A (zh) * 2019-03-27 2019-08-02 曲寿彬 一种上市公司投资价值量化计算方法与装置
CN111429272A (zh) * 2020-02-20 2020-07-17 中信建投证券股份有限公司 自动生成量化交易因子及重要性评判的方法、装置
CN111429272B (zh) * 2020-02-20 2023-08-22 中信建投证券股份有限公司 自动生成量化交易因子及重要性评判的方法、装置

Similar Documents

Publication Publication Date Title
Carboni The effect of public support on investment and R&D: An empirical evaluation on European manufacturing firms
CN108122166A (zh) 采用智能量化金融技术对股票进行归类和评分的方法
CN109859052A (zh) 一种投资策略的智能推荐方法、装置、存储介质和服务器
Mints Analysis of the stability factors of Ukrainian banks during the 2014–2017 systemic crisis using the Kohonen self-organizing neural networks
Kulu et al. Effects of foreign direct investment on economic growth in Ghana: the role of institutions
Barchue et al. Efficiency of small and medium-sized enterprises in Liberia: The case of Monrovia
Bhorat et al. Firm-level determinants of earnings in the formal sector of the South African labour market
Sritharan Firm size influence on profitability of Sri Lankan diversified holdings firms
Spulbăr et al. Is there a common path for the integration of European Union banking systems?
Su The interrelation of stock markets in China, Taiwan and Hong Kong and their constructional portfolio's value-at-risk estimate
Acar et al. The impact of discretionary accruals on corporate investment decisions: Evidence from GCC countries
Djeutem et al. On the sustainability of current account deficits in Cameroon
FAPOHUNDA et al. Empirical assessment of manufacturing companies efficiency in Nigeria: Data envelopment analysis (DEA) approach
Nworie et al. Determining Return on Investment in Listed Nigerian Oil and Gas Firms: the Role of Company Traits
Sari et al. The Effect of Working Capital Turnover on Profitability (Empirical Study of Textile and Garment Companies Listed on The Indonesia Stock Exchange for The 2014-2018 Period
El Muharromy et al. the Effect of Population Growth and Trade Openness on Economic Growth of the Oic Countries
Nur Comparing the Accuracy of Multiple Discriminant Analyisis, Logistic Regression, and Neural Network to estimate pay and not to pay Dividend
Aashiq et al. Impact of Foreign Direct Investment on BRICS Countries Economic Growth
Zalaghi et al. The Relationship between Life Cycle and Cost of Equity on the Firms Listed In Tehran Stock Exchange (TSE).
PAPCUNOVÁ196F et al. Evaluating of the financial management of the municipalities via parameters of data matrix in the Slovak Republic conditions
Rezaee et al. GPS: A graph-based approach to portfolio selection
Nwanji et al. Effects of foreign trade on agricultural output in Nigeria (1981-2018)
Moradi et al. Performance evaluation of automobile companies based on multi-criteria decision making techniques
CN114971323A (zh) 基于半监督回归算法的企业评估方法、介质、设备及应用
Farooq et al. Do Peer Influence Corporate Firms? Evidence from Working Capital Management Practices

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180605