CN108389134A - 证券投资组合的监控系统及方法 - Google Patents

证券投资组合的监控系统及方法 Download PDF

Info

Publication number
CN108389134A
CN108389134A CN201810233553.XA CN201810233553A CN108389134A CN 108389134 A CN108389134 A CN 108389134A CN 201810233553 A CN201810233553 A CN 201810233553A CN 108389134 A CN108389134 A CN 108389134A
Authority
CN
China
Prior art keywords
data
portfolio selection
platform
monitoring system
finance
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
CN201810233553.XA
Other languages
English (en)
Inventor
张家林
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201810233553.XA priority Critical patent/CN108389134A/zh
Publication of CN108389134A publication Critical patent/CN108389134A/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
    • G06Q40/06—Asset management; Financial planning or analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (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

本发明提供了一种证券投资组合的监控系统及方法，涉及投资技术领域，该证券投资组合的监控系统包括数据获取单元和服务器集群；数据获取单元用于实时获取金融数据，并将金融数据分布至服务器集群；其中，金融数据包括股票信息和公司财务信息；服务器集群用于根据所述金融数据对预先存储的各证券投资组合进行监控，并得到各证券投资组合对应的监控结果。本发明能够实时监控投资组合的盈亏情况，以减少投资者不必要的损失。

Description

证券投资组合的监控系统及方法
技术领域
本发明涉及投资领域，尤其是涉及一种证券投资组合的监控系统及方法。
背景技术
在传统投资领域，投资者通常是通过基金公司每个交易日结束后公布的基金净值来监控自己当日投资组合的盈亏情况。该投资组合的监控方式反应滞后，投资者只能在盘后知道当日盈亏情况。若投资者根据所提供的信息进行操作就会明显滞后于市场，造成不必要的损失。
发明内容
有鉴于此，本发明的目的在于提供一种证券投资组合的监控系统及方法，能够实时监控投资组合的盈亏情况，以减少投资者不必要的损失。
第一方面，本发明实施例提供了一种证券投资组合的监控系统，该系统包括数据获取单元和服务器集群；数据获取单元用于实时获取金融数据，并将金融数据分布至服务器集群；其中，金融数据包括股票信息和公司财务信息；服务器集群用于根据金融数据对预先存储的各证券投资组合进行监控，并得到各证券投资组合对应的监控结果。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，上述系统还包括客户端；客户端用于向服务器集群查询目标证券投资组合对应的监控结果。
结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，上述系统还包括发布订阅消息平台；上述数据获取单元用于通过发布订阅消息平台将金融数据分布至服务器集群；其中，发布订阅消息平台用于读取数据获取单元的金融数据，通过Hadoop并行加载机制将金融数据发送至服务器集群。
结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，上述服务器集群搭载有大数据流式计算平台、HDFS分布式存储平台和Spark数据处理平台；大数据流式计算平台用于分析金融数据，计算得到各证券投资组合的最新净值；大数据流式计算平台还用于将各证券投资组合的最新净值存储于HDFS分布式存储平台；HDFS分布式存储平台用于存储预先设定的证券投资组合以及各证券投资组合的最新净值；Spark数据处理平台用于通过HDFS分布式存储平台获取各证券投资组合的最新净值，基于各证券投资组合的最新净值对各证券投资组合进行分析处理，得到各证券投资组合对应的监控结果。
结合第一方面的第三种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，Spark数据处理平台的基于各证券投资组合的最新净值对各证券投资组合进行分析处理的功能，包括：逐一判断各证券投资组合的最新净值是否高于止盈线，以及，是否低于止损线；将高于止盈线的最新净值对应的证券投资组合，以及，低于止损线的最新净值对应的证券投资组合确定为达到预先设定的股票抛售基准。
结合第一方面的第四种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，大数据流式计算平台还用于从金融数据中提取关键数据，将关键数据存储于HDFS分布式存储平台；关键数据包括预设时间对应的股票数据和公司财报数据；Spark数据处理平台还用于通过HDFS分布式存储平台获取关键数据，以对关键数据进行批处理。
结合第一方面的第五种可能的实施方式，本发明实施例提供了第一方面的第六种可能的实施方式，其中，大数据流式计算平台包括Apache Storm流式数据处理平台，或，Spark Streaming流式数据处理平台。
结合第一方面的第六种可能的实施方式，本发明实施例提供了第一方面的第七种可能的实施方式，其中，HDFS分布式存储平台还用于更新预先存储的证券投资组合数据库，将获取的新的证券投资组合加入至证券投资组合数据库。
结合第一方面到第一方面的第七种可能的实施方式之一，本发明实施例提供了第一方面的第八种可能的实施方式，其中，监控结果包括最新净值、股票特征信息和股票处理建议中的一种或多种。
第二方面，本发明实施例提供了一种证券投资组合的监控方法，该方法包括：通过数据获取单元实时获取金融数据，并将金融数据分布至服务器集群；其中，金融数据包括股票信息和公司财务信息；通过服务器集群根据金融数据对预先存储的各证券投资组合进行监控，并得到各证券投资组合对应的监控结果。
本发明实施例提供的一种证券投资组合的监控系统及方法，包括数据获取单元和服务器集群，可通过数据获取单元实时获取金融数据，并将金融数据分布至服务器集群；通过服务器集群根据金融数据对预先存储的各证券投资组合进行监控，并得到各证券投资组合对应的监控结果。本发明实施例提供的上述方式能够为投资者提供投资组合的实时盈亏情况，以减少投资者不必要的损失。
本公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本公开的上述技术即可得知。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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示出了本发明实施例所提供的第一种证券投资组合的监控系统的结构示意图；
图2示出了本发明实施例所提供的第二种证券投资组合的监控系统的结构示意图；
图3示出了本发明实施例所提供的第三种证券投资组合的监控系统的结构示意图；
图4示出了本发明实施例所提供的一种证券投资组合的监控方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
传统投资领域对投资组合的监控反应滞后，投资者只能在盘后知道当日盈亏情况，产生了不必要的损失。为改善此问题，本发明实施例提供了一种证券投资组合的监控系统及方法，该技术可应用于投资领域，以下对本发明实施例进行详细介绍。
参见图1所示的第一种证券投资组合的监控系统的结构示意图，该证券投资组合的监控系统100包括数据获取单元102和服务器集群104；
其中，上述数据获取单元用于实时获取金融数据，并将金融数据分布至服务器集群；上述服务器集群用于根据金融数据对预先存储的各证券投资组合进行监控，并得到各证券投资组合对应的监控结果。
具体的，上述金融数据可以包括股票信息和公司财务信息等；股票信息可以包括各股票的股价、成交信息、盈亏信息等；在实际使用时，数据获取单元可以通过预设的数据库获取金融数据，诸如通过万得数据库获得公司财务信息，通过聚源数据库获得股票信息。其中，万得数据库是一种以金融证券数据为核心的一流大型金融工程和财经数据仓库，涵盖了大量企业的财务数据；聚源数据库是一种以证券数据服务为核心，以其他金融、财经数据为辅助的金融数据库，可提供大量市场股票信息。
本发明实施例提供的第一种证券投资组合的监控系统，包括数据获取单元和服务器集群，可通过数据获取单元实时获取金融数据，并将金融数据分布至服务器集群；通过服务器集群根据金融数据对预先存储的各证券投资组合进行监控，并得到各证券投资组合对应的监控结果。本发明实施例提供的上述方式能够为投资者提供投资组合的实时盈亏情况，以减少投资者不必要的损失。
众所周知，金融市场的投资标的众多，随着经济和金融的发展，投资标的更趋于多样化。以A股市场来说，目前A股市场大约有2800多只股票，该2800只股票所产生的证券投资组合数量就约有10的33次方之多，数量巨大，传统投资领域受到条件限制，通常只构建几只或十几只投资组合并进行监控，监控数量较少，难以满足投资者需求，本实施例所提供的监控系统包括有服务器集群，服务器集群可以利用多个计算机进行并行计算，具有较强的数据存储和数据处理能力，因而可以存储巨量的证券投资组合，还可以实时对巨量的证券投资组合进行监控处理。
参见图2所示的第二种证券投资组合的监控系统，在该系统中示出了服务器集群的一种具体结构，如图2所示，该证券投资组合的监控系统200包括数据获取单元202和服务器集群204。服务器集群204上搭建有大数据流式计算平台4A、HDFS分布式存储平台4B和Spark数据处理平台4C。
其中，大数据流式计算平台用于分析金融数据，计算得到各证券投资组合的最新净值；大数据流式计算平台还用于将各证券投资组合的最新净值存储于HDFS分布式存储平台；HDFS分布式存储平台用于存储预先设定的证券投资组合以及各证券投资组合的最新净值；Spark数据处理平台用于通过HDFS分布式存储平台获取各证券投资组合的最新净值，基于各证券投资组合的最新净值对各证券投资组合进行分析处理，得到各证券投资组合对应的监控结果。
本发明实施例提供的第二种证券投资组合的监控系统，于第一种证券投资组合的监控系统基础上，在服务器集群上搭建了大数据流式计算平台、HDFS分布式存储平台和Spark数据处理平台，能够实时基于各证券投资组合最新净值的分析处理，得到对应的监控结果。
具体的，上述大数据流式计算平台包括Apache Storm流式数据处理平台，或，Spark Streaming流式数据处理平台。
其中，Apache Storm流式数据处理平台基于Apache Storm，是一个分布式的、容错的实时计算平台。Apache Storm可以方便地在一个计算机集群中编写与扩展复杂的实时计算，还可以在多个线程、进程和服务器之间并行进行计算，Apache Storm能够保证每个消息都会得到快速处理，在一个小集群中，每秒可以处理数以百万计的消息。Apache Storm有许多应用领域，包括实时分析、在线机器学习、信息流处理、连续性的计算等。SparkStreaming流式数据处理平台的核心是构建在Spark上处理Stream数据的框架SparkStreaming，Spark Streaming采用小批量的处理方式，可以同时兼容批量和实时数据处理的逻辑和算法，适用于一些需要历史数据和实时数据联合分析的特定应用场合。
上述HDFS分布式存储平台的核心为HDFS(Hadoop Distributed File System，Hadoop分布式文件系统)。Hadoop是一个由Apache基金会所开发的分布式系统基础架构。Hadoop的框架最核心的设计就是：HDFS和MapReduce。HDFS为海量的数据提供了存储，而MapReduce为海量的数据提供了计算。HDFS以流式数据访问模式来存储超大文件，运行于商用硬件集群上，是管理网络中跨多台计算机存储的文件系统。整个HDFS系统将由数百或数千个存储着文件数据片段的服务器组成。
上述Spark数据处理平台的核心为Apache Spark。Apache Spark是一种专为大规模数据处理而设计的快速通用的计算引擎，它启用了内存分布数据集，除了能够提供交互式查询外，还可以优化迭代工作负载。Spark可支持分布式数据集上的迭代作业，是对Hadoop的补充，可以在Hadoop文件系统中并行运行。通过部署在大量服务器上的Spark大规模数据处理框架可实现百万兆级别的快速数据处理，在实际应用时，利用Spark数据处理平台可实现同时监控上亿个证券投资组合。
上述Spark数据处理平台的基于各证券投资组合的最新净值对各证券投资组合进行分析处理的功能，包括：逐一判断各证券投资组合的最新净值是否高于止盈线，以及，是否低于止损线；将高于止盈线的最新净值对应的证券投资组合，以及，低于止损线的最新净值对应的证券投资组合确定为达到预先设定的股票抛售基准。例如，当止盈止损线分别为1.05和0.95时，如果存在一个证券投资组合的最新收益为1.06时提醒用户卖出该组合中的股票来止盈；如果存在一个证券投资组合的最新收益为0.94时则提醒用户卖出组合中的股票来止损。为便于理解，在此，本发明实施例给出一种计算上述最新净值的计算方法：将证券投资组合现在价格除以该证券投资组合创建时的价格即为最新净值。
此外，大数据流式计算平台还用于从金融数据中提取关键数据，将关键数据存储于HDFS分布式存储平台；其中，关键数据包括预设时间对应的股票数据和公司财报数据；Spark数据处理平台还用于通过HDFS分布式存储平台获取关键数据，以对关键数据进行批处理；其中，批处理可以是Spark对股票数据进行批量的计算分析得到股票特征信息；关键数据可以包括金融数据、公司公告信息、股票关键时间点的价格数据，如上午交易结束时的股票数据、下午交易开始时的数据、以五分钟为周期节点的股价数据等；HDFS分布式存储平台还用于更新预先存储的证券投资组合数据库，将获取的新的证券投资组合加入至证券投资组合数据库。
全域投资组合(Universal Portfolio Identity，UPID)包含有股票市场中所有股票可能构成的全部组合，考虑到部分数量的投资组合可能无意义，诸如仅包含一只股票的投资组合即为股票本身，包含所有股票的组合就是上证指数；基于此，可以预先设置证券投资组合数据库(以下可简称为UPID库)，将预先设定的存在意义较高的证券投资组合存储于UPID库，之后可以从预先设定的投资组合获取单元中获取当日生产的证券投资组合，如获取的证券投资组合未存储与UPID库中，则给该证券投资组合赋予新的标识，并将其加入该UPID库。具体的，可以比较当日生产的证券投资组合与现有的证券投资组合数据库，判断当日生产的证券投资组合中的一种或多种投资组合是否已存储在现有的证券投资组合数据库中，如果否，将未存储的证券投资组合作为获取的新的证券投资组合，并添加到证券投资组合数据库中，以实现数据库更新。
本发明实施例还提供了第三种证券投资组合的监控系统，该系统在图1所示的第一种证券投资组合的监控系统基础上实现，参见图3所示，该证券投资组合的监控系统300包括数据获取单元302、发布订阅消息平台304、服务器集群306和客户端308；客户端用于向服务器集群查询目标证券组合对应的监控结果；数据获取单元通过发布订阅消息平台将金融数据分布至服务器集群；其中，发布订阅消息平台用于读取数据获取单元的金融数据，通过Hadoop并行加载机制将金融数据发送至服务器集群。在具体使用时，发布订阅消息平台可依据用户的选择，将数据获取单元部分被选定的金融数据发送至服务器集群。
本发明实施例提供的第三种证券投资组合的监控系统，在第一种证券投资组合的监控系统的基础上，加入了发布订阅消息平台和客户端。本发明实施例提供的上述方式能够为投资者提供其选定投资组合的实时盈亏情况，以减少投资者不必要的损失。
进一步，本发明实施例所提供的上述三种证券投资组合的监控系统中的监控结果包括最新净值、股票特征信息和股票处理建议的一种或多种。
本实施例提供的监控系统主要使用HDFS分布式储存以及Spark分布式计算，运行于搭载Hadoop以及Spark的服务器集群上，服务器集群的具体部署方案可参照相关技术实现，在此不再赘述。
对应本发明实施例提供的证券投资组合的监控系统，本发明提供了一种证券投资组合的监控方法，该方法应用于前述任一种证券投资组合的监控系统参见图4所示的一种证券投资组合的监控方法的流程图，该方法包括以下步骤：
步骤S402，通过数据获取单元实时获取金融数据，并将金融数据分布至服务器集群；其中，金融数据包括股票信息和公司财务信息；
步骤S404，通过服务器集群根据金融数据对预先存储的各证券投资组合进行监控，并得到各证券投资组合对应的监控结果。
本发明实施例提供的一种证券组合的监控方法，与上述实施例提供的证券投资组合的监控系统具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。应当注意的是，上述方法可应用于前述任一种证券投资组合的监控系统，监控方法的具体实现过程也可参照前述监控系统的内容，在此不再赘述。
本发明实施例所提供的证券投资组合的监控系统及方法的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种证券投资组合的监控系统，其特征在于，所述系统包括：数据获取单元和服务器集群；
所述数据获取单元用于实时获取金融数据，并将所述金融数据分布至所述服务器集群；其中，所述金融数据包括股票信息和公司财务信息；
所述服务器集群用于根据所述金融数据对预先存储的各证券投资组合进行监控，并得到各所述证券投资组合对应的监控结果。
2.根据权利要求1所述的监控系统，其特征在于，所述系统还包括客户端；
所述客户端用于向所述服务器集群查询目标证券投资组合对应的监控结果。
3.根据权利要求1所述的监控系统，其特征在于，所述系统还包括发布订阅消息平台；
所述数据获取单元用于通过所述发布订阅消息平台将所述金融数据分布至所述服务器集群；其中，所述发布订阅消息平台用于读取所述数据获取单元的金融数据，通过Hadoop并行加载机制将所述金融数据发送至所述服务器集群。
4.根据权利要求1所述的监控系统，其特征在于，所述服务器集群搭载有大数据流式计算平台、HDFS分布式存储平台和Spark数据处理平台；
其中，所述大数据流式计算平台用于分析所述金融数据，计算得到各所述证券投资组合的最新净值；
所述大数据流式计算平台还用于将各所述证券投资组合的最新净值存储于所述HDFS分布式存储平台；
所述HDFS分布式存储平台用于存储预先设定的所述证券投资组合以及各所述证券投资组合的最新净值；
所述Spark数据处理平台用于通过所述HDFS分布式存储平台获取各所述证券投资组合的最新净值，基于各所述证券投资组合的最新净值对各所述证券投资组合进行分析处理，得到各所述证券投资组合对应的监控结果。
5.根据权利要求4所述的监控系统，其特征在于，所述Spark数据处理平台的基于各所述证券投资组合的最新净值对各所述证券投资组合进行分析处理的功能，包括：
逐一判断各所述证券投资组合的最新净值是否高于止盈线，以及，是否低于止损线；
将高于所述止盈线的最新净值对应的证券投资组合，以及，低于所述止损线的最新净值对应的证券投资组合确定为达到预先设定的股票抛售基准。
6.根据权利要求4所述的监控系统，其特征在于，
所述大数据流式计算平台还用于从所述金融数据中提取关键数据，将所述关键数据存储于所述HDFS分布式存储平台；所述关键数据包括预设时间对应的股票数据和公司财报数据；
所述Spark数据处理平台还用于通过所述HDFS分布式存储平台获取所述关键数据，以对所述关键数据进行批处理。
7.根据权利要求4所述的监控系统，其特征在于，所述大数据流式计算平台包括ApacheStorm流式数据处理平台，或，Spark Streaming流式数据处理平台。
8.根据权利要求4所述的监控系统，其特征在于，所述HDFS分布式存储平台还用于更新预先存储的证券投资组合数据库，将获取的新的证券投资组合加入至所述证券投资组合数据库。
9.根据权利要求1至8任一项所述的监控系统，其特征在于，所述监控结果包括最新净值、股票特征信息和股票处理建议中的一种或多种。
10.一种证券投资组合的监控方法，其特征在于，所述方法包括：
通过数据获取单元实时获取金融数据，并将所述金融数据分布至所述服务器集群；其中，所述金融数据包括股票信息和公司财务信息；
通过服务器集群根据所述金融数据对预先存储的各证券投资组合进行监控，并得到各所述证券投资组合对应的监控结果。
CN201810233553.XA 2018-03-20 2018-03-20 证券投资组合的监控系统及方法 Pending CN108389134A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810233553.XA CN108389134A (zh) 2018-03-20 2018-03-20 证券投资组合的监控系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810233553.XA CN108389134A (zh) 2018-03-20 2018-03-20 证券投资组合的监控系统及方法

Publications (1)

Publication Number Publication Date
CN108389134A true CN108389134A (zh) 2018-08-10

Family

ID=63068251

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810233553.XA Pending CN108389134A (zh) 2018-03-20 2018-03-20 证券投资组合的监控系统及方法

Country Status (1)

Country Link
CN (1) CN108389134A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109615530A (zh) * 2018-12-11 2019-04-12 平安科技（深圳）有限公司 定投计算方法、装置、计算机设备以及存储介质
CN111062816A (zh) * 2019-12-04 2020-04-24 中国建设银行股份有限公司 账户资产监管方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104951509A (zh) * 2015-05-25 2015-09-30 中国科学院信息工程研究所 一种大数据在线交互式查询方法及系统
CN105354642A (zh) * 2015-11-20 2016-02-24 浪潮(北京)电子信息产业有限公司 一种基于云计算的股票数据分析系统
CN105376110A (zh) * 2015-10-26 2016-03-02 上海华讯网络系统有限公司 以大数据流式技术实现网络数据包的分析方法及系统
CN106649670A (zh) * 2016-12-14 2017-05-10 北京五八信息技术有限公司 基于流式计算的数据监控方法及装置
CN106815338A (zh) * 2016-12-25 2017-06-09 北京中海投资管理有限公司 一种大数据的实时存储、处理和查询系统
CN107329982A (zh) * 2017-06-01 2017-11-07 华南理工大学 一种基于分布式列式存储的大数据并行计算方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104951509A (zh) * 2015-05-25 2015-09-30 中国科学院信息工程研究所 一种大数据在线交互式查询方法及系统
CN105376110A (zh) * 2015-10-26 2016-03-02 上海华讯网络系统有限公司 以大数据流式技术实现网络数据包的分析方法及系统
CN105354642A (zh) * 2015-11-20 2016-02-24 浪潮(北京)电子信息产业有限公司 一种基于云计算的股票数据分析系统
CN106649670A (zh) * 2016-12-14 2017-05-10 北京五八信息技术有限公司 基于流式计算的数据监控方法及装置
CN106815338A (zh) * 2016-12-25 2017-06-09 北京中海投资管理有限公司 一种大数据的实时存储、处理和查询系统
CN107329982A (zh) * 2017-06-01 2017-11-07 华南理工大学 一种基于分布式列式存储的大数据并行计算方法及系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109615530A (zh) * 2018-12-11 2019-04-12 平安科技（深圳）有限公司 定投计算方法、装置、计算机设备以及存储介质
CN111062816A (zh) * 2019-12-04 2020-04-24 中国建设银行股份有限公司 账户资产监管方法及装置
CN111062816B (zh) * 2019-12-04 2024-01-23 中国建设银行股份有限公司 账户资产监管方法及装置

Similar Documents

Publication Publication Date Title
Ntakaris et al. Benchmark dataset for mid‐price forecasting of limit order book data with machine learning methods
CN105074724B (zh) 使用列式数据库中的直方图进行有效查询处理
CN108446984A (zh) 一种投资数据管理方法及装置
CN108364107A (zh) 一种投资数据处理方法及装置
CN110163758A (zh) 人工智能股票投资分析系统
JP2018503927A (ja) 投資証券の複合ポートフォリオのセグメント化及び層化
CN108389134A (zh) 证券投资组合的监控系统及方法
Sarma et al. Stock market analysis with the usage of machine learning and deep learning algorithms
CN108446985A (zh) 证券投资组合的分享系统及方法
Mahesh et al. ML algorithms for providing financial security in banking sectors with the prediction of loan risks
Borchert et al. Correlating qoe and technical parameters of an sap system in an enterprise environment
Wei et al. A cnn based system for predicting the implied volatility and option prices
TWM567924U (zh) 金融交易策略租賃平台
Jericevich et al. Comparing the market microstructure between two South African exchanges
Hameed et al. Karachi Stock Exchange Price Prediction using Machine Learning Regression Techniques
Kalra et al. Cooperative monitoring of malicious activity in stock exchanges
Ow et al. Prediction of forex trend movement using linear regression line, two-stage of multi-layer perceptron and dynamic time warping algorithms
KR20210063775A (ko) CNN(Convolution Neural Network)을 이용한 자산 가격 예측 장치
Wang et al. Research on quantitative investment strategies based on deep learning algorithms in the context of the need for information management
Lindberg et al. Comparison of machine learning models for market predictions with different time horizons
Henker et al. Hephaistos: A Management System for Massive Order Book Data from Multiple Centralized Crypto Exchanges with an Internal Unified Order Book
Singh Big Data in Capital Markets
Chen et al. The restructure of China’s banking industry by artificial intelligence and FinTech 1
Fu et al. Quantitative trading strategy of market states prediction based on hmm
Heaton et al. Synthetic Financial Data: An Application to Regulatory Compliance for Broker-Dealers

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

Application publication date: 20180810

RJ01 Rejection of invention patent application after publication