CN108305172A - 投资标的选择方法、电子装置及计算机可读存储介质 - Google Patents

投资标的选择方法、电子装置及计算机可读存储介质 Download PDF

Info

Publication number
CN108305172A
CN108305172A CN201810011041.9A CN201810011041A CN108305172A CN 108305172 A CN108305172 A CN 108305172A CN 201810011041 A CN201810011041 A CN 201810011041A CN 108305172 A CN108305172 A CN 108305172A
Authority
CN
China
Prior art keywords
stress
stock
time point
candidate factors
related coefficient
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
CN201810011041.9A
Other languages
English (en)
Inventor
柴春燕
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.)
OneConnect Smart Technology Co Ltd
Original Assignee
OneConnect Smart Technology Co Ltd
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 OneConnect Smart Technology Co Ltd filed Critical OneConnect Smart Technology Co Ltd
Priority to CN201810011041.9A priority Critical patent/CN108305172A/zh
Publication of CN108305172A publication Critical patent/CN108305172A/zh
Priority to PCT/CN2018/124421 priority patent/WO2019134579A1/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)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Human Resources & Organizations (AREA)
  • Game Theory and Decision Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明公开了一种投资标的选择方法、电子装置及计算机可读存储介质，该选择方法包括：根据因子类型对候选因子进行分类；将每一股票的每一类的候选因子进行综合计算，得到对应每一类的综合因子；计算每一股票的每一综合因子对应的相关系数；根据相关系数计算得到对应每一股票的每一综合因子的信息比率；根据每一股票的综合因子和对应的信息比率，从所有股票中选择投资标的。根据本发明的方法选择的投资标的，将每一类的候选因子均综合为一个综合因子，再根据每一综合因子进行选股，使得选股的稳定性和收益率更好，而且，可以减轻金融分析人员的工作量。

Description

投资标的选择方法、电子装置及计算机可读存储介质
技术领域
本发明涉及投资标的选择技术领域，更具体地，本发明涉及一种投资标的的选择方法、装置及计算机可读存储介质。
背景技术
获取超额收益率是资产配置的重要目标之一，现有的投资标的的选择方法通常是通过预先通过人工方式挖掘备选因子，具体是将怀疑对下期收益率有影响的因子作为备选因子，并对每个备选因子在过去N个下期收益率进行线性回归计算，得到该备选因子相对于N个下期收益率的N个相关系数，再计算这N个相关系数的均值与标准差的比值，选择比值大于阈值的备选因子作为有效因子，这些有效因子即为多因子模型采用的因子，用于选择投资标的。
但是，这种方式只选用了部分备选因子，随着新有效因子的推广使用，多因子模型将根据有效因子选择的股票组合的收益效果会逐步降低直至失效，因此，需要不断的更新有效因子。而且需要金融分析人员大量的精力投入。
发明内容
本发明的一个目的是提供一种至少能够解决上述问题之一的新的技术方案。
根据本发明的第一方面，提供了一种投资标的的选择方法，包括以下步骤：
步骤S1，根据因子类型对候选因子进行归类；
步骤S2，将每一股票的每一类的候选因子进行综合计算，得到对应每一股票的每一类的综合因子；
步骤S3，计算每一股票的每一所述综合因子对应的相关系数；
步骤S4，根据所述相关系数计算得到对应每一股票的每一所述综合因子的信息比率；
步骤S5，根据每一股票的综合因子和对应的信息比率，从所有股票中选择投资标的。
可选的是，步骤S2具体包括以下分步骤：
步骤S21，选择一组过去的时间点；
步骤S22，计算每一股票在每个所述时间点上的每一候选因子的值；
步骤S23，计算对应每一股票的每一类候选因子的卷积和，得到对应每一股票的每一类的综合因子，卷积和的计算公式为： 其中，f(t)为所述股票的其中一个候选因子在第t个时间点的值，g(t)为所述股票的另一个候选因子在第t个时间点的值，且所述其中一个候选因子与所述另一个候选因子属于同一类。
可选的是，步骤S3具体包括：
分别将每一所述综合因子的值与对应的收益率做回归计算，得到每一综合因子在每一时间点的相关系数，所述相关系数的计算公式为：其中，ρ(x，y)为任一所述综合因子在对应时间点的相关系数；Cov(x，y)为所述任一所述综合因子和任一股票收益率在对应时间点的协方差；为所述任一所述综合因子在对应时间点的标准差，为所述任一股票的收益率在对应时间点的标准差。
可选的是，步骤S4具体包括：
根据所述每一综合因子在每一时间点的相关系数计算对应每一综合因子的信息比率，所述信息比率的计算公式为：其中，IR为对应任一综合因子的信息比率；E(ρ(x，y))为对应所述任一综合因子的所有相关系数的均值；σρ(x，y)为对应所述任一综合因子的所有相关系数的标准差。
可选的是，步骤S5具体包括以下分步骤：
步骤S51，根据每一股票的综合因子、及对应的信息比率，计算每一股票的综合得分，所述综合得分的计算公式为： 其中，FactorXi为任一股票的第i个综合因子值，为第i个综合因子对应的信息比率；
步骤S52，选择所述综合得分最高的设定数量的股票，作为所述投资标的。
根据本发明的第二方面，提供了一种电子装置，包括存储器和处理器，所述存储器上存储有可被所述处理器执行的投资标的选择系统，所述投资标的选择系统包括：
归类模块，用于根据因子类型对候选因子进行归类；
综合因子计算模块，用于将每一股票的每一类的候选因子进行综合计算，得到对应每一类的综合因子；
相关系数计算模块，用于计算每一股票的每一所述综合因子对应的相关系数；
信息比率计算模块，用于根据所述相关系数计算得到对应每一股票的每一所述综合因子的信息比率；以及，
投资标的选择模块，用于根据每一股票的综合因子和对应的信息比率，从所有股票中选择投资标的。
可选的是，所述综合因子计算模块包括：
时间点选择单元，用于选择一组过去的时间点；
候选因子计算单元，用于计算每一股票在每个所述时间点上的每一候选因子的值；
综合因子计算单元，用于计算对应每一股票的每一类候选因子的卷积和，得到对应每一股票的每一类的综合因子，卷积和的计算公式为：其中，f(t)为所述股票的其中一个候选因子在第t个时间点的值，g(t)为所述股票的另一个候选因子在第t个时间点的值，且所述其中一个候选因子与所述另一个候选因子属于同一类。
可选的是，所述相关系数计算模块具体用于：
分别将每一所述综合因子的值与对应的收益率做回归计算，得到每一综合因子在每一时间点的相关系数，所述相关系数的计算公式为：其中，ρ(x，y)为任一所述综合因子在对应时间点的相关系数；Cov(x，y)为所述任一所述综合因子和任一股票收益率在对应时间点的协方差；为所述任一所述综合因子在对应时间点的标准差，为所述任一股票的收益率在对应时间点的标准差。
可选的是，所述信息比率计算模块具体用于：
根据所述每一综合因子在每一时间点的相关系数计算对应每一综合因子的信息比率，所述信息比率的计算公式为：其中，IR为对应任一综合因子的信息比率；E(ρ(x，y))为对应所述任一综合因子的所有相关系数的均值；σρ(x，y)为对应所述任一综合因子的所有相关系数的标准差。
根据本发明的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据本发明第一方面所述方法的步骤。
本发明的一个有益效果在于，根据本发明的方法选择的投资标的，将每一类的候选因子均综合为一个综合因子，再根据每一综合因子进行选股，使得选股的稳定性和收益率更好，而且，可以减轻金融分析人员的工作量。
通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。
图1为根据本发明一种投资标的的选择方法的一种实施方式的流程图；
图2为根据本发明一种投资标的的选择方法的另一种实施方式的流程图；
图3为根据本发明一种投资标的的选择系统的一种实施结构的方框原理图；
图4为根据本发明一种投资标的的选择系统的另一种实施结构的方框原理图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
图1为根据本发明一种投资标的的选择方法的一种实施方法的流程图。
根据图1所示，该选择方法包括以下步骤：
步骤S1，根据因子类型对候选因子进行归类。
具体的，可以将候选因子分为估值类候选因子、盈利类候选因子、预测类候选因子、技术类候选因子等。这些候选因子所属的类型是业内已经认可的。例如，估值类的候选因子例如包括市净率、市盈率、市销率等。
进一步地，可以根据经验人为的预先选择候选因子。
步骤S2，将每一股票的每一类的候选因子进行综合计算，得到对应每一类的综合因子。
具体的，步骤S2进一步包括如图2所示的步骤S21～S23。
步骤S121，选择一组过去的时间点。
这一组过去的时间点可以是过去五年内每个月的1号，例如20110101、20110201、......、20161101、20161201等这5年共60个时间点。
步骤S22，计算每一股票在每个时间点上的每一候选因子的值。
例如，对于估值类的因子，可以是计算每一股票在每个时间点上的市净率、市盈率、市销率等。
例如，按照时间点的顺序，对于任意一只股票，在第一个候选因子的值可以为数列factor1(1)、factor1(2)、......、factor1(60)；在第二个候选因子的值可以为数列factor2(1)、factor2(2)、......、 factor2(60)；以此类推，第N个候选因子的值可以为数列factorN(1)、 factorN(2)、......、factorN(60)。其中，每个数列中均包括对应股票在在每一时间点的值。
步骤S23，计算对应每一股票的每一类候选因子的卷积和，得到对应每一股票的每一类的综合因子。
卷积和的计算公式为：
其中，f(t)为股票的其中一个候选因子在第t个时间点的值，g(t)为股票的另一个候选因子在第t个时间点的值，且其中一个候选因子与另一个候选因子属于同一类。
例如，估值类候选因子包括第一个候选因子市净率、第二个候选因子市盈率、及第三个候选因子市销率。计算估值类的综合因子的方法可以为计算这三个估值类候选因子的卷积和。
可以先计算第一个候选因子市净率和第二个候选因子市盈率的卷积和，得到第一因子；再计算第一因子与第三个候选因子市销率的卷积和，得到所述综合因子。
以此类推，就可以计算得到每一股票对应每一类的综合因子。
具体的，对第一类候选因子进行综合计算得到第一个综合因子，对第二类候选因子进行综合计算得到第二个综合因子，对第N类候选因子进行综合计算得到第N个综合因子。
步骤S3，计算每一股票的每一综合因子对应的相关系数。
相关系数的计算公式为：
其中，ρ(x，y)为相关系数；Coy(x，y)为其中一个任意一个综合因子和一只任一股票收益率在对应时间点的协方差；为该综合因子在对应时间点的标准差，为该股票的收益率在对应时间点的标准差。所有股票在每一时间点的收益率可以通过对数据库内的数据进行计算得到的，其中，数据库内存储有每一股票在每一时间点的单位净值。
任一时间点的收益率的计算方法为：先计算该时间点的单位净值与前一时间点的单位净值的差，再计算该差与前一时间点的单位净值之间的比值。
具体的，第一个综合因子在所有时间点的相关系数可以为 factor1_ic(1)、factor1_ic(2)、……、factor1_ic(60)，第二个综合因子在所有时间点的相关系数可以为factor2_ic(1)、factor2_ic(2)、……、 factor2_ic(60)，以此类推，第N个综合因子在所有时间点的相关系数可以为factorN_ic(1)、factorN_ic(2)、……、factorN_ic(60)。
步骤S4，根据所述相关系数计算得到对应每一股票的每一所述综合因子的信息比率。
信息比率的计算公式为：
其中，IR为对应任一综合因子信息比率；E(ρ(x，y))为对应该综合因子的所有相关系数的均值；σρ(x，y)为应该综合因子的所有相关系数的标准差。
具体的，可以是计算第一个综合因子在所有时间点的相关系数的均值，即factor1_ic(1)、factor1_ic(2)、……、factor1_ic(60)的平均值；再计算出第一个综合因子在所有时间点的相关系数的标准差，即 factor1_ic(1)、factor1_ic(2)、……、factor1_ic(60)的标准差，再计算平均值和标准差的比得到对应第一个候选因子的信息比率IR(1)。
计算第二个综合因子在所有时间点的相关系数的均值，即 factor2_ic(1)、factor2-ic(2)、……、factor2_ic(60)的平均值；再计算出第二个综合因子在所有时间点的相关系数的标准差，即factor2_ic(1)、 factor2_ic(2)、……、factor2-ic(60)的标准差，再计算平均值和标准差的比得到对应第二个候选因子的信息比率IR(2)。
以此类推，计算第N个综合因子在所有时间点的相关系数的均值，即 factorN_ic(1)、factorN_ic(2)、……、factorN_ic(60)的平均值；再计算出第N个综合因子在所有时间点的相关系数的标准差，即factorN_ic(1)、factorN_ic(2)、……、factorN_ic(60)的标准差，再计算平均值和标准差的比得到对应第十个候选因子的信息比率IR(N)。
步骤S5，根据每一股票的综合因子和对应的信息比率，从所有股票中选择投资标的。
具体的，根据每一股票每一综合因子的值、及每一综合因子对应的信息比率，计算每一股票的综合得分。
计算每只股票综合得分的方法可以是计算出每只基金的所有效因子的值，再乘以对应有效因子的信息比率，最后累加，得到各股票的综合得分。
可以选择综合得分高的股票，作为投资标的。
综合得分的计算公式可以为：
其中，FactorXi为每只股票的第i个综合因子值，为第i个综合因子对应的信息比率。
这样，根据本发明的方法选择的投资标的，将每一类的候选因子均综合为一个综合因子，再根据每一综合因子进行选股，使得选股的稳定性和收益率更好，而且，可以减轻金融分析人员的工作量。
与上述方法相对应的，本发明还提供了一种电子装置，包括存储器和处理器，存储器上存储有可被处理器执行的投资标的选择系统。图3为根据本发明一种投资标的选择系统的一种实施结构的方框原理图。
根据图3所示，该选择新系统还包括归类模块310、综合因子计算模块320、相关系数计算模块330、信息比率计算模块340和投资标的选择模块350。该分类模块310用于根据因子类型对候选因子进行归类；该综合因子计算模块320用于将每一股票的每一类的候选因子进行综合计算，得到对应每一类的综合因子；该相关系数计算模块330用于计算每一股票的每一综合因子对应的相关系数；该信息比率计算模块340用于根据相关系数计算得到对应每一股票的每一综合因子的信息比率；该投资标的选择模块350用于根据每一股票的综合因子和对应的信息比率，从所有股票中选择投资标的。
图4为根据本发明一种投资标的选择系统的另一种实施结构的方框原理图。
如图4所示，该综合因子计算模块320进一步包括时间点选择单元321、候选因子计算单元322和综合因子计算单元323。该时间点选择单元321 用于选择一组过去的时间点；该候选因子计算单元322用于计算每一股票在每个时间点上的每一候选因子的值；该综合因子计算单元323用于计算对应每一股票的每一类候选因子的卷积和，得到对应每一股票的每一类的综合因子，卷积和的计算公式为：其中，f(t)为股票的其中一个候选因子在第t个时间点的值，g(t)为股票的另一个候选因子在第t个时间点的值，且其中一个候选因子与另一个候选因子属于同一类。
该相关系数计算模块330具体用于：分别将每一综合因子的值与对应的收益率做回归计算，得到每一综合因子在每一时间点的相关系数，相关系数的计算公式为：其中，ρ(x，y)为任一综合因子在对应时间点的相关系数；Cov(x，y)为任一综合因子和任一股票收益率在对应时间点的协方差；为任一综合因子在对应时间点的标准差，为任一股票的收益率在对应时间点的标准差。
该信息比率计算模块340具体用于：根据每一综合因子在每一时间点的相关系数计算对应每一综合因子的信息比率，信息比率的计算公式为：其中，IR为对应任一综合因子的信息比率；E(ρ(x，y))为对应任一综合因子的所有相关系数的均值；σρ(x，y)为对应任一综合因子的所有相关系数的标准差。
该投资标的选择模块350进一步包括计算单元351和选择单元352，该计算单元351用于根据每一股票的综合因子、及对应的信息比率，计算每一股票的综合得分，综合得分的计算公式为： 其中，FactorXi为任一股票的第i个综合因子值，为第i个综合因子对应的信息比率；该选择单元352用于选择综合得分最高的设定数量的股票，作为投资标的。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述投资标的的选择方法的步骤。
上述各实施例主要重点描述与其他实施例的不同之处，但本领域技术人员应当清楚的是，上述各实施例可以根据需要单独使用或者相互结合使用。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分相互参见即可，每个实施例重点说明的都是与其他实施例的不同之处，但本领域技术人员应当清楚的是，上述各实施例可以根据需要单独使用或者相互结合使用。另外，对于装置实施例而言，由于其是与方法实施例相对应，所以描述得比较简单，相关之处参见方法实施例的对应部分的说明即可。以上所描述的系统实施例仅仅是示意性的，其中作为分离部件说明的模块可以是或者也可以不是物理上分开的。
本发明可以是装置、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是——但不限于——电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/ 或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构 (ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言-诸如Smalltalk、C++等，以及常规的过程式编程语言-诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络-包括局域网(LAN)或广域网(WAN)-连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。

Claims (10)

1.一种投资标的的选择方法，其特征在于，包括以下步骤：
步骤S1，根据因子类型对候选因子进行归类；
步骤S2，将每一股票的每一类的候选因子进行综合计算，得到对应每一股票的每一类的综合因子；
步骤S3，计算每一股票的每一所述综合因子对应的相关系数；
步骤S4，根据所述相关系数计算得到对应每一股票的每一所述综合因子的信息比率；
步骤S5，根据每一股票的综合因子和对应的信息比率，从所有股票中选择投资标的。
2.根据权利要求1所述的选择方法，其特征在于，步骤S2具体包括以下分步骤：
步骤S21，选择一组过去的时间点；
步骤S22，计算每一股票在每个所述时间点上的每一候选因子的值；
步骤S23，计算对应每一股票的每一类候选因子的卷积和，得到对应每一股票的每一类的综合因子，卷积和的计算公式为： 其中，f(t)为所述股票的其中一个候选因子在第t个时间点的值，g(t)为所述股票的另一个候选因子在第t个时间点的值，且所述其中一个候选因子与所述另一个候选因子属于同一类。
3.根据权利要求2所述的选择方法，其特征在于，步骤S3具体包括：
分别将每一所述综合因子的值与对应的收益率做回归计算，得到每一综合因子在每一时间点的相关系数，所述相关系数的计算公式为：其中，ρ(x，y)为任一所述综合因子在对应时间点的相关系数；Cov(x，y)为所述任一所述综合因子和任一股票收益率在对应时间点的协方差；为所述任一所述综合因子在对应时间点的标准差，为所述任一股票的收益率在对应时间点的标准差。
4.根据权利要求3所述的选择方法，其特征在于，步骤S4具体包括：
根据所述每一综合因子在每一时间点的相关系数计算对应每一综合因子的信息比率，所述信息比率的计算公式为：其中，IR为对应任一综合因子的信息比率；E(ρ(x，y))为对应所述任一综合因子的所有相关系数的均值；σρ(x，y)为对应所述任一综合因子的所有相关系数的标准差。
5.根据权利要求4所述的选择方法，其特征在于，步骤S5具体包括以下分步骤：
步骤S51，根据每一股票的综合因子、及对应的信息比率，计算每一股票的综合得分，所述综合得分的计算公式为： 其中，FactorXi为任一股票的第i个综合因子值，为第i个综合因子对应的信息比率；
步骤S52，选择所述综合得分最高的设定数量的股票，作为所述投资标的。
6.一种电子装置，包括存储器和处理器，其特征在于，所述存储器上存储有可被所述处理器执行的投资标的选择系统，所述投资标的选择系统包括：
归类模块，用于根据因子类型对候选因子进行归类；
综合因子计算模块，用于将每一股票的每一类的候选因子进行综合计算，得到对应每一股票的每一类的综合因子；
相关系数计算模块，用于计算每一股票的每一所述综合因子对应的相关系数；
信息比率计算模块，用于根据所述相关系数计算得到对应每一股票的每一所述综合因子的信息比率；以及，
投资标的选择模块，用于根据每一股票的综合因子和对应的信息比率，从所有股票中选择投资标的。
7.根据权利要求6所述的电子装置，其特征在于，所述综合因子计算模块包括：
时间点选择单元，用于选择一组过去的时间点；
候选因子计算单元，用于计算每一股票在每个所述时间点上的每一候选因子的值；
综合因子计算单元，用于计算对应每一股票的每一类候选因子的卷积和，得到对应每一股票的每一类的综合因子，卷积和的计算公式为：其中，f(t)为所述股票的其中一个候选因子在第t个时间点的值，g(t)为所述股票的另一个候选因子在第t个时间点的值，且所述其中一个候选因子与所述另一个候选因子属于同一类。
8.根据权利要求7所述的电子装置，其特征在于，所述相关系数计算模块具体用于：
分别将每一所述综合因子的值与对应的收益率做回归计算，得到每一综合因子在每一时间点的相关系数，所述相关系数的计算公式为：其中，ρ(x，y)为任一所述综合因子在对应时间点的相关系数；Cov(x，y)为所述任一所述综合因子和任一股票收益率在对应时间点的协方差；为所述任一所述综合因子在对应时间点的标准差，为所述任一股票的收益率在对应时间点的标准差。
9.根据权利要求6所述的电子装置，其特征在于，所述信息比率计算模块具体用于：
根据所述每一综合因子在每一时间点的相关系数计算对应每一综合因子的信息比率，所述信息比率的计算公式为：其中，IR为对应任一综合因子的信息比率；E(ρ(x，y))为对应所述任一综合因子的所有相关系数的均值；σρ(x，y)为对应所述任一综合因子的所有相关系数的标准差。
10.一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：所述计算机程序被处理器执行时实现权利要求1至5中任一项所述方法的步骤。
CN201810011041.9A 2018-01-04 2018-01-04 投资标的选择方法、电子装置及计算机可读存储介质 Pending CN108305172A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810011041.9A CN108305172A (zh) 2018-01-04 2018-01-04 投资标的选择方法、电子装置及计算机可读存储介质
PCT/CN2018/124421 WO2019134579A1 (zh) 2018-01-04 2018-12-27 投资标的的选择方法、电子装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810011041.9A CN108305172A (zh) 2018-01-04 2018-01-04 投资标的选择方法、电子装置及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN108305172A true CN108305172A (zh) 2018-07-20

Family

ID=62868527

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810011041.9A Pending CN108305172A (zh) 2018-01-04 2018-01-04 投资标的选择方法、电子装置及计算机可读存储介质

Country Status (2)

Country Link
CN (1) CN108305172A (zh)
WO (1) WO2019134579A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109697205A (zh) * 2018-12-14 2019-04-30 北京向上一心科技有限公司 数据排序方法、数据展示方法、装置、设备和存储介质
WO2019134579A1 (zh) * 2018-01-04 2019-07-11 深圳壹账通智能科技有限公司 投资标的的选择方法、电子装置及计算机可读存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103985055A (zh) * 2014-05-30 2014-08-13 西安交通大学 一种基于网络分析和多模型融合的股市投资决策方法
CN106056449A (zh) * 2016-05-26 2016-10-26 黑龙江省容维投资顾问有限责任公司 一种股票资讯信息推送系统及推送方法
CN106384288A (zh) * 2016-08-31 2017-02-08 苗青 一种基于多因子量化择时模型的决策系统及方法
CN106940836A (zh) * 2017-02-27 2017-07-11 北京因果树网络科技有限公司 一种数据分析方法及装置
CN107133874A (zh) * 2017-05-27 2017-09-05 武汉优品鼎盛科技服务有限公司 一种基于遗传规划的量化策略生成系统
CN108305172A (zh) * 2018-01-04 2018-07-20 深圳壹账通智能科技有限公司 投资标的选择方法、电子装置及计算机可读存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019134579A1 (zh) * 2018-01-04 2019-07-11 深圳壹账通智能科技有限公司 投资标的的选择方法、电子装置及计算机可读存储介质
CN109697205A (zh) * 2018-12-14 2019-04-30 北京向上一心科技有限公司 数据排序方法、数据展示方法、装置、设备和存储介质

Also Published As

Publication number Publication date
WO2019134579A1 (zh) 2019-07-11

Similar Documents

Publication Publication Date Title
US12014253B2 (en) System and method for building predictive model for synthesizing data
Pahwa et al. Stock market analysis using supervised machine learning
Chen et al. Hybrid models based on rough set classifiers for setting credit rating decision rules in the global banking industry
CN109409677A (zh) 企业信用风险评估方法、装置、设备及存储介质
CN107220217A (zh) 基于逻辑回归的特征系数训练方法和装置
Huang et al. Feature Selection and Parameter Optimization of a Fuzzy-based Stock Selection Model Using Genetic Algorithms.
US8984022B1 (en) Automating growth and evaluation of segmentation trees
Fisichella et al. Can deep learning improve technical analysis of forex data to predict future price movements?
Rezaie et al. Efficiency appraisal and ranking of decision-making units using data envelopment analysis in fuzzy environment: a case study of Tehran stock exchange
Martins et al. Applying genetic algorithms with speciation for optimization of grid template pattern detection in financial markets
CN108305172A (zh) 投资标的选择方法、电子装置及计算机可读存储介质
CN109919363A (zh) 金融产品的价格预测方法、装置及设备
CN109767333A (zh) 选基方法、装置、电子设备及计算机可读存储介质
Guida et al. Ensemble learning applied to quant equity: gradient boosting in a multifactor framework
Freitas et al. Tactical asset allocation through random walk on stock network
CN109800912A (zh) 信息确定方法及装置
Islam et al. Forecasting of bank performance using hybrid machine learning techniques
Singh et al. Access risk management for Arabian IT company for investing based on prediction of supervised learning
Hobbs et al. A NEURO-FUZZY ARBITRAGE SEMULATOR FOR STOCK INVESTING
CN108510392A (zh) 一种投资标的的选择方法、装置及计算机可读介质
Fleischer Automated Trading System using Machine Learning
Bell et al. Algorithmic trading systems: A multifaceted view of adoption
Gorgulho et al. Intelligent financial portfolio composition based on evolutionary computation strategies
Trigueiros et al. Discovering the optimal set of ratios to use in accounting-based models
EP1678675A1 (en) Analysis system for predicting performance

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1257732

Country of ref document: HK

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180720