CN109214925A - 一种投资价值评估系统 - Google Patents
一种投资价值评估系统 Download PDFInfo
- Publication number
- CN109214925A CN109214925A CN201810934237.5A CN201810934237A CN109214925A CN 109214925 A CN109214925 A CN 109214925A CN 201810934237 A CN201810934237 A CN 201810934237A CN 109214925 A CN109214925 A CN 109214925A
- Authority
- CN
- China
- Prior art keywords
- investment
- data
- module
- value
- analysis
- 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
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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (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
本发明提供投资价值评估系统,包括数据采集模块、数据预处理模块、数据分析模块、数据输出模块;所述数据采集模块采集用于投资价值评估的初始数据,所述初始数据至少包括投资标的历史统计数据;所述数据预处理模块将所述初始数据进行预处理得到分析数据,使得所述分析数据满足所述数据分析模块的数据要求;所述数据分析模块接收所述分析数据并将其导入至投资价值分析模型中进行分析,得到评估值,所述评估值通过所述数据输出模块输出。本发明利用构建数学模型和量化的可视化输出等手段,为投资人更为准确的提供了一个投资规则设计模式。
Description
技术领域
本发明涉及计算机人工智能领域,更具体来说,涉及一种基于投资策略的智能化投资价值评估系统。
背景技术
随着投资领域对人工智能应用的关注度持续升温,通过计算机强大的后台数据和运算能力以及机器系统的决策理性,来辅助甚至取代人工完成复杂的投资顾问服务理念使智能投顾逐渐成为炙手可热的话题,例如证券交易市场,越来越倾向于采用人工智能来替代。
但是,对于创新技术投资项目,其投资方式与证券交易市场有很大的区别;一方面,创新技术投资项目作为一级市场,没有强制性信息披露要求,也没有一个合理的方法还原该项目的投资价值,以帮助投资公司确立一个行之有效的投资规则;另一方面,创新技术投资项目的风险收益的波动性太大,为了降低投资项目的不确定性带来的风险,评估此类项目往往会造成项目价值的严重低估。
因此,如何合理地还原该投资项目的投资价值,帮助投资公司确立一个行之有效的投资规则,是创新技术投资项目运作工程中所需要处理的关键问题。
发明内容
为了解决现有技术存在的问题,本发明提供一种投资价值评估系统。
本发明采取以下方案:一种投资价值评估系统,包括数据采集模块、数据预处理模块、数据分析模块、数据输出模块;
所述数据采集模块采集用于投资价值评估的初始数据,所述初始数据至少包括投资标的历史统计数据;
所述数据预处理模块将所述初始数据进行预处理得到分析数据,使得所述分析数据满足所述数据分析模块的数据要求;
所述数据分析模块接收所述分析数据并将其导入至投资价值分析模型中进行分析,得到评估值,所述评估值通过所述数据输出模块输出。
在一些实施例中,所述投资标的历史统计数据包括多个历史数据组P1、P2、……,Pn,Pi=(Ki0,Vi0,αi,σi),其中Ki0为第i个历史数据组所对应的投资项目的投资总额,Vi0为第i个历史数据组所对应的投资项目的天使轮估值,αi为第i个历史数据组所对应的投资项目的收益率,σi为第i个历史数据组所对应的投资项目的价值波动率,1≤i≤n;每个数据组均具有前述四个参数值,或者其中一个或多个参数的参数值缺失,当参数值缺失时,其值为NULL。
在一些实施例中,所述数据预处理模块对所述多个历史数据组进行预处理,计算出用于导入给投资价值分析模型中的投资数据组(K0,V0,α,σ),其中K0为投资标的预期投资总额,V0为预期天使轮估值,α为预期收益率,σ为预期价值波动率。
在一些实施例中,当存在一个或多个所述历史数据组中有参数值缺失时,所述数据预处理模块将通过三次样条插值统计算法补全所述参数值。
在一些实施例中,所述投资价值分析模型包括投资支出阈值模型或投资期权价值评估模型,所述投资支出阈值模型为计算各个投资阶段的投资支出额度的模型,所述投资期权价值评估模型为计算项目整体完成时预期获得的溢价价值的模型。
在一些实施例中,所述投资支出阈值模型为:
n(j)=n(j-1)+n(j-2),n(1)=0,n(2)=1
其中,n(j)表示第j阶段的参数,该参数值由前述公式计算得出,其中j=1,2,……,J,J∈N,表示第j阶段的投资支出额,Kj表示经过第j阶段的投资支出后余下的投资额度,由此可以计算出各个投资阶段应当进行投资的投资支出额,当Kj≤0时即可停止投资。
在一些实施例中,所述投资期权价值评估模型为:
dV=αVdt+σVdz
E[dz2]=dt;
其中,α为预期收益率,V为投资标的市场价值,σ为预期价值波动率,dz是服从均值为0、标准差为的标准维纳运动,E[dz2]为单位时间上维纳运动变量的方差;
设V*为投资标的预期估值,以F(V,K)表示当V≥V*时企业拥有的投资期权,f(V,K)表示当V<V*时企业拥有的投资期权,则有:
其中,F=F(V,K),f=f(V,K),Fvv表示F对V的二次偏微分求导,Fv表示F对V的一次偏微分求导,Fk表示F对K的一次偏微分求导,fvv表示f对V的二次偏微分求导,fv表示f对V的一次偏微分求导,表示阶段性最大投资支出;
计算上述公式时,定义μ为未来收益经风险调整的贴现率,即μ=γ+φσ,γ为无风险利率,φ为风险的市场价格;并令δ=μ-α且δ>0;同时设定以下边界条件:
F(V,0)=V
f(0,K)=0
f(V*,K)=F(V*,K)
fV(V*,K)=FV(V*,K)
通过以上计算,可以求解得出F、f,从而获得投资期权价值的评估值。
在一些实施例中,所述数据输出模块将所述投资支出阈值模型和/或投资期权价值评估模型所计算的结果可视化地表现出来。
在一些实施例中,所述投资价值评估系统还包括存储模块,所述存储模块接收并存储数据采集模块、数据预处理模块、数据分析模块、数据输出模块所涉及的数据和结果,所述存储模块还存储有用户信息数据库,包括用户账号和密码。
通过采用前述技术方案,本发明的有益效果为:利用构建数学模型和量化的可视化输出等手段,为投资人更为准确的提供了一个投资规则设计模式。其中的算法模块,详细的诠释了在采用少量的资金进行试探性的先行投资并逐渐加大投资金额的策略中,当项目价值不确定的时候,如何快速而准确的对项目价值进行评估。
附图说明
图1是本发明实施例的结构示意图;
图2是采用本发明的投资价值评估系统评估出来的投资标的为垂直电商的评估值示意图;
图3是采用本发明的投资价值评估系统评估出来的投资标的为互联网汽车服务的评估值示意图;
图4是采用本发明的投资价值评估系统评估出来的投资标的为互联网医疗的评估值示意图。
图中,各附图标记对应的模块名称为:
1、数据采集模块;2、数据预处理模块;3、数据分析模块;4、数据输出模块;5、存储模块。
具体实施方式
现结合附图和具体实施例对本发明进一步说明。
如图1所示,图1为本发明一个实施例的投资价值评估系统,包括数据采集模块1、数据预处理模块2、数据分析模块3、数据输出模块4以及存储模块5。
其中,数据采集模块1采集用于投资价值评估的初始数据,该初始数据至少包括投资标的历史统计数据,再通过数据输入接口将该初始数据输入给数据预处理模块2。
通常这些历史统计数据可以在行业统计网站上可以找到,例如该行业同类项目的各个项目的投资总额K'、市场价值V'、收益率α',价值波动率σ';但是,需要注意的是,由于本发明关注的是创新技术类投资项目,往往相应细分行业的统计数据是比较少的,甚至有些数据是缺失的,例如有些既有项目中的收益率或者价值波动率是没有公开的或者没有统计的,或者说有一段时间内没有相应项目的数据披露。此时,如果仅采用常规的统计手段来构建出示数据,势必由于样本数量稀少而不能为后续的模型提供有力的支持。
因此,需要将这些初始数据输入给数据预处理模块2机型样本扩充和数据补全。通过这样预处理得到分析数据,使得分析数据能够满足所述数据分析模块3的数据要求。
下面详细描述本实施例的数据预处理模块的工作原理。
假设数据采集模块1采集到的初始数据也即投资标的历史统计数据包括多个历史数据组P1、P2、……, Pn,Pi=(Ki0,Vi0,αi,σi),其中Ki0为第i个历史数据组对应的投资项目的投资总额,Vi0为第i个历史数据组对应的投资项目的天使轮估值,αi为第i个历史数据组对应的投资项目的收益率,σi为第i个历史数据组对应的投资项目的价值波动率,1≤i≤n;每个数据组均具有前述四个参数值,或者其中一个或两个或三个参数的参数值缺失,当参数值缺失时,其值为NULL。
当存在一个或多个所述历史数据组中有参数值缺失时,假设该多个历史数据组的四个参数值中的每个参数值都服从正态分布,采用三次样条插值的统计算法,计算出历史数据组中有参数值为NULL的参数应当具有的参数值,从而将该缺失的参数值补全。
具体为:
若时间区间[ta,tb]上数据是残缺的,为了获得完整的数据链,现将时间区间[ta,tb]分割成N个小区间,分割后每个时间节点为xn(n=0…N),即
ta=x0<x1<…<xN-1<xN=tb,
经三次样条插值后,可得到各子区间上的插值函数S(x),
其中,mk各结点的一阶导数值,k=1…N,hk=xk-xk-1。S(x)可代表Ki0,Vi0,αi,σi中任一函数。通过上述预处理,能够快速获得重要参数的数值,从而为后续模型所需的输入数据提供准备。
数据补全后,对每个参数取平均值,即得到投资数据组P0=(K0,V0,α,σ),K0为投资标的预期投资总额,V0为预期天使轮估值,α为预期收益率,σ为预期价值波动率。
其中当然也可以采用除平均值以外的
其他计算方式来计算P0的各个参数值,例如平方的平均数再开方、加权平均等,本文不作限制。
采用三次样条统计的方法来补全数据,其优点在于收敛性、稳定性及插值的光滑性较好。现有的同类统计数据中,通常采用的是分段线性插值方法,这些方法所获数据虽具连续性,但光滑性较差。
进一步地,投资数据组的各参数值将被导入至数据分析模块3,数据分析模块预设有投资价值分析模型,通过将各参数值输入到投资价值分析模型中进行分析,即可得到该投资标的评估值,该评估值通过数据输出模块4输出。
投资价值分析模型包括投资支出阈值模型及投资期权价值评估模型,投资支出阈值模型为计算各个投资阶段的投资支出额度的模型,投资期权价值评估模型为计算项目整体完成时预期获得的溢价价值的模型。
在投资支出阈值模型中,一般认为公司在项目完成之前不会获得项目收益,为了控制风险,投资行为会分阶段进行,使得当项目整体价值下降或完成投资的预期成本上升时,公司在过程中某个阶段可以选择暂时性或永久性停止继续投资。
以j表示投资阶段,其中j=1,2,……,J,J∈N,表示第j阶段的投资支出额,Kj表示经过第j 阶段的投资支出后余下的投资额度。当前阶段能否顺利投资依赖于前一投资阶段是否达到投资预期,如当第j阶段由投资带来的现金流净现值不小于其期权价值,公司会立即选择以额度投资,反之则选择继续持有期权。对于大多数针对行业细分市场的非颠覆性技术创新项目,由于技术创新的目标相对明确具体,相应的研发成本也更加可控。此外,此类创新项目相应的市场情况与政策环境的不稳定性远小于颠覆性创新项目,随着进一步开发,相比起颠覆性创新技性项目,公司所面临的市场环境不确定性也将逐阶下降,为了扩大市场占有率,公司一般更倾向于逐阶增加投资额度。因此在数值上应满足一个随投资阶段增长而递增的数列,而这个数列的总和则等于初始时间阶段设定的项目投资总额K0。此外当市场环境不确定性下降,为了便于统计项目的收支比以更好的评估和预测未来类似项目,公司通常更倾向于固定逐阶增加的投资额度比例。因此,随着项目进行阶段的递增,数列中各相临阶段数值比例将趋近于一合理常数。
基于上述条件,本实施例中的投资支出阈值模型为:
n(j)=n(j-1)+n(j-2),n(1)=0,n(2)=1
其中,n(j)表示第j阶段的参数,该参数值由前述公式计算得出,其中j=1,2,……,J,J∈N,表示第j阶段的投资支出额,Kj表示经过第j阶段的投资支出后余下的投资额度,由此可以计算出各个投资阶段应当进行投资的投资支出额,当Kj≤0时即可停止投资。
在投资期权价值评估模型中,由于技术项目本身的难度及复杂性,以及技术承载公司自身能力的有限性,通常会导致技术投资引进后所发挥的作用没有达到预期的效果,使得项目未来产生现金流存在不确定性。因此,认为投资标的市场价值V为一个波动函数,满足:
dV=αVdt+σVdz
E[dz2]=dt;
其中,α为预期收益率,V为投资标的市场价值,σ为预期价值波动率,dz是服从均值为0、标准差为的标准维纳运动,E[dz2]为单位时间上维纳运动变量的方差;V0是V的初始值。
此时,假定V*为投资标的预期估值,以F(V,K)表示当V≥V*时企业拥有的投资期权,f(V,K)表示当 V<V*时企业拥有的投资期权,则有:
其中,F=F(V,K),f=f(V,K),Fvv表示F对V的二次偏微分求导,Fv表示F对V的一次偏微分求导,Fk表示F对K的一次偏微分求导,fvv表示f对V的二次偏微分求导,fv表示f对V的一次偏微分求导,表示阶段性最大投资支出;
在计算上述公式时,定义μ为未来收益经风险调整的贴现率,即μ=γ+φσ,γ为无风险利率例如国债利率,φ为风险的市场价格;并令δ=μ-α且δ>0;同时设定以下边界条件:
F(V,0)=V
limV→∞FV(V,K)=e-Jδ
f(0,K)=0
f(V*,K)=F(V*,K)
fV(V*,K)=FV(V*,K)
通过以上计算,可以求解得出F、f,从而获得投资期权价值的评估值。
本发明中的算法模块设计实物期权法,在项目价值不确定的背景下,建立了分阶段进行投资决策的期权模型。在项目投资过程中,投资公司在各阶段的投资支出决策可随着进一步新信息的导入而做出调整。如果全部项目的价值下降或者完成投资的预期成本上升,投资公司具有暂时或永久停止投资的能力。
值得注意的是,由于技术项目本身的难度及复杂性,以及项目方自身能力的有限性,通常会导致技术引进所发挥的作用没有达到企业预期的效果,使得项目未来产生现金流存在不确定性。由于其随时间变化而随机浮动,我们采用服从几何布朗运动模式的模型以更准确的概括项目的价值,同时在诸多不确定的因素下采用分阶段投资将有助于企业很好地降低项目开发风险。模型中我们进一步采用了固定投资比例的方式来设定阶段性项目最大支出阈值数列。这样设计主要由于随着项目进一步开发,所面临的市场环境不确定性也将逐阶下降,为了扩大市场占有率,同时为了统计项目的现金流以便更好的评估未来类似的投资项目,公司一般将更倾向于在投资的后续阶段逐阶增加固定比例的投资额度。这样设计也会帮助该发明模块获得更为符合市场行为的仿真数据结果。
当前述的评估值都计算出来后,评估值将被输入给数据输出模块4,并通过可视化的方式表现出来。
另外,本发明的投资价值评估系统还包括存储模块5,用以接收并存储数据采集模块1、数据预处理模块2、数据分析模块3、数据输出模块4所涉及的数据和结果,并且,优选地,存储模块5还存储有用户信息数据库,包括用户账号和密码。这样的话,该用户信息数据库可以通过交互模块实现用户登录和使用授权。
同时,该投资价值评估系统还可与云端服务器模块相连,以便为数据预处理模块2和数据分析模块3提供更高效的运算服务,尤其是可进行并行运算,大大缩短运算时间。
下面,将针对特定的案例来进一步阐明本发明的技术方案。
针对互联网行业三个细分领域(垂直电商平台、互联网汽车服务及互联网医疗),通过数据采集模块,系统自动从行业统计网站获得近5年在我国该领域行业投资历史数据,并导入数据预处理模块。进一步的,数据预处理模块将对所有缺失数据进行统计补全,在经过数据补全和平均值计算之后,生成用于模型仿真计算的分析数据(如表1所示)。
细分行业 | K<sub>0</sub>(百万元) | V<sub>0</sub>(百万元) | 期望收益率α | 价值波动率σ |
垂直电商 | 3.0 | 10.0 | 0.3658 | 0.5453 |
互联网汽车服务 | 5.0 | 16.7 | 0.3186 | 0.4174 |
互联网医疗 | 2.0 | 6.7 | 0.6194 | 0.7980 |
表1互联网细分行业创新技术项目投资价值演化参数
上述分析数据输出给数据分析模块3中的投资价值分析模型,同时需要预设无风险利率γ,价值波动率σ及项目价值回报不足率δ。而其中价值回报不足率δ,又与未来收益经风险调整的贴现率μ和项目价值期望收益率α直接相关。对一般投资者而言,国债利率通常成为无风险报酬率的参考标准,因为国债利率不仅是金融市场上同类金融产品中最低的,而且国债还具备有期性、安全性、收益性和流动性等特点。因此,系统将采用近3年期国债利率定义无风险利率γ。虽然一般投资公司期望项目收益率能与上市公司相当,但也能理解相应的价值风险较比上市公司数据理应更大些。因此,系统在各领域相应的平均波动率上增加5%。该模块相关参数的定义源自之前的科研文献和行业报告总结归纳,系统用户也可以通过交互模块,根据自身行业经验,或根据自身项目分析需要,自行定义该参数范围。
在该实施例,系统默认投资开支都是按季做出,若任意j-1阶段投资都达到预期,则项目投资将在两年内分8个阶段完成。因此,对于一个总投资为K0的项目,它可以在阶段性增长不超过的条件下进行开支(参照表2)。
表2各细分领域阶段性项目投资支出最大额度
进一步的,处理器中的数据分析模块将接受来自于数据预处理模块和交互模块的参数,并全部导入模块所含投资价值分析模型中进行系统仿真运算。经过云端服务器模块的高效的运算服务,处理器将构建出互联网行业三个细分领域在特定水平的V和K下相应的投资期权价值相关数据。如图2至图4所示,分别为垂直电商、互联网汽车服务、互联网医疗三个细分领域的评估值示意图,图中用粗点着重标注出的投资机会价值数值对应着选择马上投资或继续等待的临界点,并形成可视化输出。初始数据及模块处理完的数据将保存至存储模块,相应结果也将通过输出模块输出到显示终端展示。
采用本发明的投资价值评估分析系统,具有的效益在于,利用构建数学模型和量化的可视化输出等手段,为投资人更为准确的提供了一个投资规则设计模式。其中的算法模块,在采用少量的资金进行试探性的先行投资并逐渐加大投资金额的策略中,当项目价值不确定的时候,快速而准确的对项目价值进行评估,进而帮助投资人在实际规划创新技术投资项目过程中,快速而准确的做出投资决策。
尽管结合优选实施方案具体展示和介绍了本发明,具体实现该技术方案方法和途径很多,以上所述仅是本发明的优选实施方式,但所属领域的技术人员应该明白,在不脱离所附权利要求书所限定的本发明的精神和范围内,在形式上和细节上可以对本发明做出各种变化,均为本发明的保护范围。
Claims (8)
1.一种投资价值评估系统,其特征在于,包括数据采集模块、数据预处理模块、数据分析模块、数据输出模块;
所述数据采集模块采集用于投资价值评估的初始数据,所述初始数据至少包括投资标的历史统计数据;
所述数据预处理模块将所述初始数据进行预处理得到分析数据,使得所述分析数据满足所述数据分析模块的数据要求;
所述数据分析模块接收所述分析数据并将其导入至投资价值分析模型中进行分析,得到评估值,所述评估值通过所述数据输出模块输出。
2.根据权利要求1所述的投资价值评估系统,其特征在于,所述投资标的历史统计数据包括多个历史数据组P1、P2、……,Pn,Pi=(Ki0,Vi0,αi,σi),其中Ki0为第i个历史数据组所对应的投资项目的投资总额,Vi0为第i个历史数据组所对应的投资项目的天使轮估值,αi为第i个历史数据组所对应的投资项目的收益率,σi为第i个历史数据组所对应的投资项目的价值波动率,1≤i≤n;每个数据组均具有前述四个参数值,或者其中一个或多个参数的参数值缺失,当参数值缺失时,其值为NULL。
3.根据权利要求2所述的投资价值评估系统,其特征在于,所述数据预处理模块对所述多个历史数据组进行预处理,计算出用于导入给投资价值分析模型中的投资数据组(K0,V0,α,σ),其中K0为投资标的预期投资总额,V0为预期天使轮估值,α为预期收益率,σ为预期价值波动率。
4.根据权利要求3所述的投资价值评估系统,其特征在于,当存在一个或多个所述历史数据组中有参数值缺失时,所述数据预处理模块将通过三次样条插值统计算法补全所述参数值。
5.根据权利要求3或4任一项所述的投资价值评估系统,其特征在于,所述投资价值分析模型包括投资支出阈值模型,所述投资支出阈值模型为计算各个投资阶段的投资支出额度的模型。
6.根据权利要求5所述的投资价值评估系统,其特征在于,所述投资支出阈值模型为:
n(j)=n(j-1)+n(j-2),n(1)=0,n(2)=1
其中,n(j)表示第j阶段的参数,该参数值由前述公式计算得出,其中
j=1,2,……,J,J∈N,表示第j阶段的投资支出额,Kj表示经过第j阶段的投资支出后余下的投资额度,由此可以计算出各个投资阶段应当进行投资的投资支出额,当Kj≤0时即可停止投资。
7.根据权利要求6所述的投资价值评估系统,其特征在于,所述数据输出模块将所述投资支出阈值模型所计算的结果可视化地表现出来。
8.根据权利要求1所述的投资价值评估系统,其特征在于,所述投资价值评估系统还包括存储模块,所述存储模块接收并存储数据采集模块、数据预处理模块、数据分析模块、数据输出模块所涉及的数据和结果,所述存储模块还存储有用户信息数据库,包括用户账号和密码。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810934237.5A CN109214925A (zh) | 2018-08-16 | 2018-08-16 | 一种投资价值评估系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810934237.5A CN109214925A (zh) | 2018-08-16 | 2018-08-16 | 一种投资价值评估系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109214925A true CN109214925A (zh) | 2019-01-15 |
Family
ID=64988450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810934237.5A Pending CN109214925A (zh) | 2018-08-16 | 2018-08-16 | 一种投资价值评估系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109214925A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112884534A (zh) * | 2021-01-26 | 2021-06-01 | 中通诚资产评估有限公司 | 一种收益法估值模型 |
CN113793173A (zh) * | 2021-08-31 | 2021-12-14 | 广发证券股份有限公司 | 一种券商自营项目估值跟踪系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101964104A (zh) * | 2009-07-22 | 2011-02-02 | 中国工商银行股份有限公司 | 一种金融产品风险检测方法及系统 |
CN102750651A (zh) * | 2012-05-31 | 2012-10-24 | 中国工商银行股份有限公司 | 一种基于曲线拟合的数据处理装置及方法 |
CN105741173A (zh) * | 2016-02-04 | 2016-07-06 | 中国农业大学 | 农业类公司投资价值评估方法及系统 |
CN106897797A (zh) * | 2017-02-23 | 2017-06-27 | 南京大学 | 一种基于社会网络聚类的股票指数跟踪预测方法及系统 |
CN107609784A (zh) * | 2017-09-25 | 2018-01-19 | 四川长虹电器股份有限公司 | 利用大数据量化分析外汇投资风险的系统及方法 |
CN108090837A (zh) * | 2018-02-08 | 2018-05-29 | 上海译会信息科技有限公司 | 一种多种金融产品组合投资策略风险评估方法 |
CN108364107A (zh) * | 2018-03-20 | 2018-08-03 | 张家林 | 一种投资数据处理方法及装置 |
-
2018
- 2018-08-16 CN CN201810934237.5A patent/CN109214925A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101964104A (zh) * | 2009-07-22 | 2011-02-02 | 中国工商银行股份有限公司 | 一种金融产品风险检测方法及系统 |
CN102750651A (zh) * | 2012-05-31 | 2012-10-24 | 中国工商银行股份有限公司 | 一种基于曲线拟合的数据处理装置及方法 |
CN105741173A (zh) * | 2016-02-04 | 2016-07-06 | 中国农业大学 | 农业类公司投资价值评估方法及系统 |
CN106897797A (zh) * | 2017-02-23 | 2017-06-27 | 南京大学 | 一种基于社会网络聚类的股票指数跟踪预测方法及系统 |
CN107609784A (zh) * | 2017-09-25 | 2018-01-19 | 四川长虹电器股份有限公司 | 利用大数据量化分析外汇投资风险的系统及方法 |
CN108090837A (zh) * | 2018-02-08 | 2018-05-29 | 上海译会信息科技有限公司 | 一种多种金融产品组合投资策略风险评估方法 |
CN108364107A (zh) * | 2018-03-20 | 2018-08-03 | 张家林 | 一种投资数据处理方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112884534A (zh) * | 2021-01-26 | 2021-06-01 | 中通诚资产评估有限公司 | 一种收益法估值模型 |
CN113793173A (zh) * | 2021-08-31 | 2021-12-14 | 广发证券股份有限公司 | 一种券商自营项目估值跟踪系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109190937A (zh) | 一种投资价值评估系统 | |
Brammertz et al. | From digital currencies to digital finance: the case for a smart financial contract standard | |
Thawornwong et al. | The adaptive selection of financial and economic variables for use with artificial neural networks | |
US6098051A (en) | Crossing network utilizing satisfaction density profile | |
JP4384807B2 (ja) | 複数の参加者のポートフォリオを最適化するコンピュータ方法及び装置 | |
Dewynne et al. | Some mathematical results in the pricing of American options | |
Ding et al. | Time-changed birth processes and multiname credit derivatives | |
NekoeiQachkanloo et al. | Artificial counselor system for stock investment | |
Barroso et al. | Performance analysis of the integration between Portfolio Optimization and Technical Analysis strategies in the Brazilian stock market | |
CN109214925A (zh) | 一种投资价值评估系统 | |
Kumar et al. | Neuro fuzzy based techniques for predicting stock trends | |
Yang et al. | Critical value-based power options pricing problems in uncertain financial markets | |
Sheng Sun et al. | Estimating credit risk parameters using ensemble learning methods: an empirical study on loss given default | |
Lintner | Optimum or maximum corporate growth under uncertainty | |
Asaduzzaman et al. | Real time decision making forecasting using data mining and decision tree | |
Bielecki et al. | Dynamic modeling of portfolio credit risk with common shocks | |
Lai et al. | A stochastic possibilistic programming model for bank hedging decision problems | |
Price | Optional mathematics is not optional | |
De Rossi et al. | Optimal prepayment and default rules for mortgage-backed securities | |
JP6842627B2 (ja) | 経営支援装置、経営支援システム、及び経営支援方法 | |
Cruz et al. | A parametric approach to solve quadratic programming problems with fuzzy environment in the set of constraints | |
Andreevna | Increasing the Accuracy of Financial Accounting by Applying Machine-Learning for Options Pricing | |
Ferraz | Pricing options using the XGBoost Model | |
Zhang | Application of machine learning algorithm and static model of interest rate curve in futures analysis | |
Londani | Influence of Mathematical Models on Warrant Pricing with Fractional Brownian Motion as Numerical Method |
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: 20190115 |