CN109685656A - 一种股市走势智能预测方法及系统 - Google Patents

一种股市走势智能预测方法及系统 Download PDF

Info

Publication number
CN109685656A
CN109685656A CN201811572670.5A CN201811572670A CN109685656A CN 109685656 A CN109685656 A CN 109685656A CN 201811572670 A CN201811572670 A CN 201811572670A CN 109685656 A CN109685656 A CN 109685656A
Authority
CN
China
Prior art keywords
stock
tendency
information
filter
market
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
CN201811572670.5A
Other languages
English (en)
Inventor
唐仕明
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.)
Tianjin Zhishi Information Technology Co Ltd
Original Assignee
Tianjin Zhishi Information 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 Tianjin Zhishi Information Technology Co Ltd filed Critical Tianjin Zhishi Information Technology Co Ltd
Priority to CN201811572670.5A priority Critical patent/CN109685656A/zh
Publication of CN109685656A publication Critical patent/CN109685656A/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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

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

Abstract

本发明提供一种股市走势智能预测方法及系统，其中方法包括将股票推荐给客户，还包括以下步骤：调研并编写股票过滤条件；编写计算机lua脚本；通过云端大数据获取上市公司的实时交易信息和/或定期更新的报表信息；对步骤3中的获取的股票信息进行初过滤；使用价值过滤方法进行二次过滤。本发明提出一种股市走势智能预测方法及系统，充分利用云端大数据库的信息量大、消息面广、更新速度快和传输速度快的特点。从云端大数据库中实时获取各类的股票信息，并根据股票信息和特点编写股票过滤条件，并依此条件筛选出符合条件的股票并推送给客户，让客户能够更好的更准确的选择适合的股票。

Description

一种股市走势智能预测方法及系统
技术领域
本发明涉及电梯控制的技术领域，特别是一种股市走势智能预测方法及系统。
背景技术
股票价格受多种因素的影响，具有千变万化、错综复杂的特点，同时与金融环境密切相关，数据变化机器繁杂，变化尤其强的无序性，难以建立精确的数学模型，因此对股票进行预测一直是金融领域研究的热点话题。
股票投资新手在上市公司的信息的分析方面有困难，此外，甚至于有经验的股票投资者在股票的购买时间和出售时间方面也可能具有许多困难。就这一点而言，有许多啊游泳的股票指数。然而，完全清楚并使用股票指数耗时且难做，因此，普通群众很难使用股票指标。
公开号为CN105264561A的发明专利公开了一种股票推荐系统，该股票推荐系统用于在于服务器互锁的同时将股票推荐至用户终端，并且显示推荐的股票，在满足第一条时间时，系统的控制器显示上升趋势强度为1，以及在满足第一条件且满足第二条件且满足第三条件时，上升趋势强度为2，在第一条件中，存储在服务器中的股票的平滑异同平均线等于或者大于0，在第二条件中，当前股票价格大于或等于扫视蓟县并且跟随跨度等于或大于跟随基线，在第三条件中，当前股票价格等于或者大于扫视基线并且变化率等于或者大于0。该系统的缺点是实时性强，造成指示不准备，容易被市场的短期趋势误导。
发明内容
为了解决上述的技术问题，本发明提出一种股市走势智能预测方法及系统，充分利用云端大数据库的信息量大、消息面广、更新速度快和传输速度快的特点。从云端大数据库中实时获取各类的股票信息，并根据股票信息和特点编写股票过滤条件，并依此条件筛选出符合条件的股票并推送给客户，让客户能够更好的更准确的选择适合的股票。
本发明第一目的是提供一种股市走势智能预测方法，包括将股票推荐给客户，还包括以下步骤：
步骤1：调研并编写股票过滤条件；
步骤2：编写计算机lua脚本；
步骤3：通过云端大数据获取上市公司的实时交易信息和/或定期更新的报表信息；
步骤4：对步骤3中的获取的股票信息进行初过滤；
步骤5：使用价值过滤方法进行二次过滤。
优选的是，所述股票过滤条件包括以下条件中至少一种：
1)出现二次买入点：
2)出现平台突破；
3)出现向下突破趋势；
4)出现日线底部十字星；
5)出现一阳穿三线；
6)出现两阳夹一阴；
7)出现涨停双响炮；
8)出现周线均线多头；
9)出现底部倍量启动股；
10)个股业绩大幅提升30％以上；
11)跌破净资产。
在上述任一方案中优选的是，所述实时交易信息包括开盘价、收盘价、K线图、成交量、涨跌幅、成交额，成交手数，最高价，最低价，涨停价和跌停价中至少一种。
在上述任一方案中优选的是，所述步骤4包括设置1个放弃池和n个初级股票推荐池，其中，n为某只股票满足过滤条件的数量。
在上述任一方案中优选的是，当某只股票的股票信息不符合所述股票过滤条件中任意一条时，将该股票放置到放弃池中。
在上述任一方案中优选的是，当某只股票的股票信息符合n1条股票过滤条件时，将该股票放置在第n1号初级股票推荐池内，其中，n1∈(1，n)。
在上述任一方案中优选的是，所述价值过滤方法是指根据上市公司的报表信息中的财务数据判断该上市公司的股票是否具有投资价值。
在上述任一方案中优选的是，所述股票的推荐方法包括普通推荐、定点推荐和因人推荐中至少一种。
在上述任一方案中优选的是，所述普通推荐是指根据所述二次过滤的结果并按照满足股票过滤条件的数量从多到少的将股票推荐给用户。
在上述任一方案中优选的是，所述定点推荐是指根据所述初过滤和二次过滤的结果将满足所述股票过滤条件最多且预计投资价值最高的股票推荐给用户。
在上述任一方案中优选的是，所述因人推荐包括以下步骤：
步骤A：分析用户个人账户中的自选股信息和操作信息；
步骤B：根据上述信息判断用户的炒股性格和炒股偏向；
步骤C：根据用户的所述炒股定个和炒股偏向对所述二次过滤的结果进行三次过滤；
步骤D：将所述三次过滤的结果推荐给客户。
在上述任一方案中优选的是，所述炒股性格包括稳健型、激进型、短期效益型、长期效益型、跟风型、追涨型、杀跌型和无序型中至少一种。
本发明第二目的是提供一种股市走势智能预测系统，包括用于将股票推荐给客户的股票推荐模块，还包括以下模块：
条件编写模块：用于调研并编写股票过滤条件和编写计算机lua脚本；信息获取模块：用于通过云端大数据获取上市公司的实时交易信息和/或定期更新的报表信息；
信息过滤模块：用于对所述信息获取模块获取的股票信息进行初过滤，并使用价值过滤方法进行二次过滤。
优选的是，所述股票过滤条件包括以下条件中至少一种：
1)出现二次买入点：
2)出现平台突破；
3)出现向下突破趋势；
4)出现日线底部十字星；
5)出现一阳穿三线；
6)出现两阳夹一阴；
7)出现涨停双响炮；
8)出现周线均线多头；
9)出现底部倍量启动股；
10)个股业绩大幅提升30％以上；
11)跌破净资产。
在上述任一方案中优选的是，所述实时交易信息包括开盘价、收盘价、K线图、成交量、涨跌幅、成交额，成交手数，最高价，最低价，涨停价和跌停价中至少一种。
在上述任一方案中优选的是，在所述信息过滤模块设置1个放弃池、n个初级股票推荐池，m个二级股票推荐池，其中m、n为某只股票满足过滤条件的数量，m≤n。
在上述任一方案中优选的是，当某只股票的股票信息不符合所述股票过滤条件中任意一条时，将该股票放置到放弃池中。
在上述任一方案中优选的是，当某只股票的股票信息符合n1条股票过滤条件时，将该股票放置在第n1号初级股票推荐池内，其中，n1∈(1，n)。
在上述任一方案中优选的是，所述价值过滤方法是指根据上市公司的报表信息中的财务数据判断该上市公司的股票是否具有投资价值。
在上述任一方案中优选的是，当某只股票的股票信息符合所述价值过滤方法时，将该股票放置在第m1号二级股票推荐池内，其中，m1∈(1，m)。
在上述任一方案中优选的是，所述股票推荐模块的推荐方法包括普通推荐、定点推荐和因人推荐中至少一种。
在上述任一方案中优选的是，所述普通推荐是指根据所述二次过滤的结果并按照满足股票过滤条件的数量从多到少的将股票推荐给用户。
在上述任一方案中优选的是，所述定点推荐是指根据所述初过滤和二次过滤的结果将满足所述股票过滤条件最多且预计投资价值最高的股票推荐给用户。
1.在上述任一方案中优选的是，所述因人推荐包括以下步骤：
步骤A：分析用户个人账户中的自选股信息和操作信息；
步骤B：根据上述信息判断用户的炒股性格和炒股偏向；
步骤C：根据用户的所述炒股定个和炒股偏向对所述二次过滤的结果进行三次过滤；
步骤D：将所述三次过滤的结果推荐给客户。
在上述任一方案中优选的是，所述炒股性格包括稳健型、激进型、短期效益型、长期效益型、跟风型、追涨型、杀跌型和无序型中至少一种。
本发明提出了一种股市走势智能预测系统及方法，依托大数据，选股准确，能够根据客户的操作特点和选股方式，智能地筛选股票，并向客户推送客户感兴趣的股票类型，满足客户个性化的需求。
附图说明
图1为按照本发明的股市走势智能预测方法的一优选实施例的流程图。
图1A为按照本发明的股市走势智能预测方法的如图1所示实施例的因人推荐方法流程图。
图2为按照本发明的股市走势智能预测系统的一优选实施例的结构图。
图3为按照本发明的股市走势智能预测方法的另一优选实施例的流程图。
图4为按照本发明的股市走势智能预测系统的另一优选实施例的系统构架图。
具体实施方式
下面结合附图和具体的实施例对本发明做进一步的阐述。
实施例一
如图1所示，执行步骤100，调研并编写股票过滤条件，股票过滤条件包括以下条件：1)出现二次买入点：2)出现平台突破；3)出现向下突破趋势；4)出现日线底部十字星；5)出现一阳穿三线；6)出现两阳夹一阴；7)出现涨停双响炮；8)出现周线均线多头；9)出现底部倍量启动股；10)个股业绩大幅提升30％以上；11)跌破净资产。执行步骤110，编写计算机lua脚本。执行步骤120，通过云端大数据获取上市公司的实时交易信息和/或定期更新的报表信息，实时交易信息包括开盘价、收盘价、K线图、成交量、涨跌幅、成交额，成交手数，最高价，最低价，涨停价和跌停价中至少一种。执行步骤130，对步骤120中的获取的股票信息进行初过滤并设置1个放弃池和n个初级股票推荐池，其中，n为某只股票满足过滤条件的数量。执行步骤140，判断该股票是否符合过滤条件。如果某只股票的股票信息不符合所述股票过滤条件中任意一条时，则执行步骤145，将该股票放置到放弃池中。如果某只股票的股票信息符合n1条股票过滤条件时，将该股票放置在第n1号初级股票推荐池内，其中，n1∈(1，n)。执行步骤150，使用价值过滤方法进行二次过滤，价值过滤方法是指根据上市公司的报表信息中的财务数据判断该上市公司的股票是否具有投资价值。执行步骤160，判断全部股票是否都过滤完成。如果尚未全部完成，则重新执行步骤130，对获取的股票信息进行初过滤。如果已全部完成，则执行步骤170，将股票推荐给客户，股票的推荐方法包括普通推荐、定点推荐和因人推荐。普通推荐是指根据所述二次过滤的结果并按照满足股票过滤条件的数量从多到少的将股票推荐给用户。定点推荐是指根据所述初过滤和二次过滤的结果将满足所述股票过滤条件最多且预计投资价值最高的股票推荐给用户。如图1A所示，因人推荐包括以下步骤：步骤171，分析用户个人账户中的自选股信息和操作信息；步骤172，根据上述信息判断用户的炒股性格和炒股偏向，炒股性格包括稳健型、激进型、短期效益型、长期效益型、跟风型、追涨型、杀跌型和无序型；步骤173，根据用户的所述炒股定个和炒股偏向对所述二次过滤的结果进行三次过滤；步骤174，将所述三次过滤的结果推荐给客户。
实施例二
如图2所示，一种股市走势智能预测系统包括条件编写模块200、信息获取模块210、信息过滤模块220和股票推荐模块230。
条件编写模块200用于调研并编写股票过滤条件和编写计算机lua脚本。股票过滤条件包括以下条件：1)出现二次买入点：2)出现平台突破；3)出现向下突破趋势；4)出现日线底部十字星；5)出现一阳穿三线；6)出现两阳夹一阴；7)出现涨停双响炮；8)出现周线均线多头；9)出现底部倍量启动股；10)个股业绩大幅提升30％以上；11)跌破净资产。
信息获取模块210用于通过云端大数据获取上市公司的实时交易信息和/或定期更新的报表信息，实时交易信息包括开盘价、收盘价、K线图、成交量、涨跌幅、成交额，成交手数，最高价，最低价，涨停价和跌停价等。
信息过滤模块220用于对所述信息获取模块获取的股票信息进行初过滤，并使用价值过滤方法进行二次过滤。在所述信息过滤模块设置1个放弃池、n个初级股票推荐池，m个二级股票推荐池，其中m、n为某只股票满足过滤条件的数量，m≤n。当某只股票的股票信息不符合所述股票过滤条件中任意一条时，将该股票放置到放弃池中。某只股票的股票信息符合n1条股票过滤条件时，将该股票放置在第n1号初级股票推荐池内，其中，n1∈(1，n)。价值过滤方法是指根据上市公司的报表信息中的财务数据(固定选一些财报中的指标)判断该上市公司的股票是否具有投资价值。当某只股票的股票信息符合所述价值过滤方法时，将该股票放置在第m1号二级股票推荐池内，其中，m1∈(1，m)。
股票推荐模块230用于将股票推荐给客户。股票推荐模块的推荐方法包括普通推荐、定点推荐和因人推荐。普通推荐是指根据所述二次过滤的结果并按照满足股票过滤条件的数量从多到少的将股票推荐给用户。定点推荐是指根据所述初过滤和二次过滤的结果将满足所述股票过滤条件最多且预计投资价值最高的股票推荐给用户。因人推荐包括以下步骤：步骤A，分析用户个人账户中的自选股信息和操作信息；步骤B，根据上述信息判断用户的炒股性格和炒股偏向，炒股性格包括稳健型、激进型、短期效益型、长期效益型、跟风型、追涨型、杀跌型和无序型；步骤C，根据用户的所述炒股定个和炒股偏向对所述二次过滤的结果进行三次过滤；步骤D，将所述三次过滤的结果推荐给客户。
实施例三
如图3所示，证券从业人员进行调研并编写股票过滤条件。计算机工程师把股票过滤条件编写成计算能够识别的脚本、与此同时，通过云端大数据中获取上市公司和股票信息。把获取到的上市公司信息和股票信息输入计算机，通过股票过滤脚本遍历出符合条件的股票。然后对过滤出来的过票进行人工审核，看看是否具备投资价值。如果审核通过，则推送到客户端。
实施例四
如图4所述，行情服务：接收上交所和深交所的行情数据(行情源)，包括二进制通信方式或者文件方式，然后计算服务将信息计算成分析股票所需的行情数据并发送给消息中间件；
数据库服务通过监听消息中间件中的数据，将数据写入mongodb数据库；
前置服务将数据保存起来，将一些市场和股票信息推送给终端用户；
业务服务：用户登录之后将数据放入到redis服务器，做分布式缓存；
上司公司基础数据库中取到数据并通过lua脚本中的规则过滤一些股票，然后写入mysql数据库中；通过管理后台Web入口再次筛选股票，并更新到mysql数据库，然后提供给终端用户。
实施例五
在本实施例中，详细介绍股票过滤条件，包括以下条件：
1)出现二次买入点，包括
(1)日K线图，最近一次K线涨停启动，随后几天连续上升涨幅在20％到40％之间，形成高点开始回落，股价回调到5日移动平均线上方停止下跌，从新拐头向上，买点出现。
(2)日K线图，最近一次K线涨停启动，随后几天连续上升涨幅在20％到40％之间，形成高点开始回落，股价回调到10日移动平均线上方停止下跌，从新拐头向上，买点出现。
2)出现平台突破
短周期：15-20个交易日内股价上下振幅小于3％以下，当前的一颗K线收盘涨幅大于8％，成交量大于上一个交易日的50％以上。
长周期：60个交易日以上股价上下振幅小于等于5％，最近的一颗K线收盘涨幅大于等于8％，成交量大于上一个交易日的50％以上。
3)出现向下突破趋势
股价经过180个交易日以上的持续下跌，在最高点和次高点进行一个两点连线形成一条30度角到45度角的向下射线，当股价在突破这条直线所对应的数值，并且成交量大于上一个交易日的成交量的50％，收盘涨幅超过8％，视为达到条件。
4)出现日线底部十字星
日K线图，最后一颗K线开盘价等于收盘价，并且收盘价低于最近30个交易日平均价。
5)出现一阳穿三线
日K线图，最后一颗K线收盘价涨幅大于8％，阳线实体吞没任意三条或者三条以上移动平均线。成交量超前一日成交量的50％。
6)出现两阳夹一阴
即多方炮，日K线图，最后三颗K线排列顺序为阳阴阳，收盘阳线实体大于3％，阴线实体小于3％。阳线成交量大于阴线成交量。
7)出现涨停双响炮
日K线图，由多根K线构成的K线组合，第一颗和最后一颗为涨停K线，中间为一根或多根实体K线，K线大于一颗或小于等于5颗、可以是阴线也可以是阳线，位于两颗涨停K线之间的小K线的实体运行于涨停K线之内，位于两颗涨停K线之间的小K线实体涨跌幅在正负5％以内。成交量是涨停日成交量的50％以下。
8)出现周线均线多头
周K线图，股价在移动平均线5、10、20日线之上。5日平均线上穿10日平均线、10日平均线上穿20日平均线，并且依顺序排列。
9)出现底部倍量启动股
最后一天的收盘涨幅大于8％，成交量大于最近30个交易日当中最大的一天的一倍以上。启动前股价低于30个交易日的平均价。
10)个股业绩大幅提升30％以上
个股扣非净利润同比大于30％。
11)跌破净资产
当前股价小于当前净资产。
为了更好地理解本发明，以上结合本发明的具体实施例做了详细描述，但并非是对本发明的限制。凡是依据本发明的技术实质对以上实施例所做的任何简单修改，均仍属于本发明技术方案的范围。本说明书中每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

Claims (10)

1.一种股市走势智能预测方法，包括将股票推荐给客户，其特征在于，还包括以下步骤：
步骤1：调研并编写股票过滤条件；
步骤2：编写计算机lua脚本；
步骤3：通过云端大数据获取上市公司的实时交易信息和/或定期更新的报表信息；
步骤4：对步骤3中的获取的股票信息进行初过滤；
步骤5：使用价值过滤方法进行二次过滤。
2.如权利要求1所述的股市走势智能预测方法，其特征在于：所述股票过滤条件包括以下条件中至少一种：
1)出现二次买入点：
2)出现平台突破；
3)出现向下突破趋势；
4)出现日线底部十字星；
5)出现一阳穿三线；
6)出现两阳夹一阴；
7)出现涨停双响炮；
8)出现周线均线多头；
9)出现底部倍量启动股；
10)个股业绩大幅提升30％以上；
11)跌破净资产。
3.如权利要求2所述的股市走势智能预测方法，其特征在于：所述实时交易信息包括开盘价、收盘价、K线图、成交量、涨跌幅、成交额，成交手数，最高价，最低价，涨停价和跌停价中至少一种。
4.如权利要求3所述的股市走势智能预测方法，其特征在于：所述步骤4包括设置1个放弃池和n个初级股票推荐池，其中，n为某只股票满足过滤条件的数量。
5.如权利要求4所述的股市走势智能预测方法，其特征在于：当某只股票的股票信息不符合所述股票过滤条件中任意一条时，将该股票放置到放弃池中。
6.如权利要求5所述的股市走势智能预测方法，其特征在于：当某只股票的股票信息符合n1条股票过滤条件时，将该股票放置在第n1号初级股票推荐池内，其中，n1∈(1，n)。
7.如权利要求1所述的股市走势智能预测方法，其特征在于：所述价值过滤方法是指根据上市公司的报表信息中的财务数据判断该上市公司的股票是否具有投资价值。
8.如权利要求1所述的股市走势智能预测方法，其特征在于：所述股票的推荐方法包括普通推荐、定点推荐和因人推荐中至少一种。
9.如权利要求8所述的股市走势智能预测方法，其特征在于：所述普通推荐是指根据所述二次过滤的结果并按照满足股票过滤条件的数量从多到少的将股票推荐给用户。
10.一种股市走势智能预测系统，包括用于将股票推荐给客户的股票推荐模块，其特征在于，还包括以下模块：
条件编写模块：用于调研并编写股票过滤条件和编写计算机lua脚本；
信息获取模块：用于通过云端大数据获取上市公司的实时交易信息和/或定期更新的报表信息；
信息过滤模块：用于对所述信息获取模块获取的股票信息进行初过滤，并使用价值过滤方法进行二次过滤。
CN201811572670.5A 2018-12-21 2018-12-21 一种股市走势智能预测方法及系统 Pending CN109685656A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811572670.5A CN109685656A (zh) 2018-12-21 2018-12-21 一种股市走势智能预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811572670.5A CN109685656A (zh) 2018-12-21 2018-12-21 一种股市走势智能预测方法及系统

Publications (1)

Publication Number Publication Date
CN109685656A true CN109685656A (zh) 2019-04-26

Family

ID=66188840

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811572670.5A Pending CN109685656A (zh) 2018-12-21 2018-12-21 一种股市走势智能预测方法及系统

Country Status (1)

Country Link
CN (1) CN109685656A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110705761A (zh) * 2019-09-20 2020-01-17 上海金大师网络科技有限公司 周期共振指标算法的股票筛选器系统、方法及存储介质
CN112734577A (zh) * 2021-03-01 2021-04-30 方玉龙 一种多周期决策ai炒股机器人平台

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002230294A (ja) * 2001-01-31 2002-08-16 Dlj Direct Sfg Securities Inc 有価証券取引管理システム、有価証券取引管理方法及び有価証券取引管理プログラム
CN107292742A (zh) * 2017-05-25 2017-10-24 武汉楚鼎信息技术有限公司 一种按照任意指标组合来投资股票的系统以及实现方法
CN107481143A (zh) * 2017-07-28 2017-12-15 武汉楚鼎信息技术有限公司 一种智能股票推荐系统以及实现方法
CN107657500A (zh) * 2016-12-03 2018-02-02 平安证券股份有限公司 股票推荐方法及服务器
CN108133421A (zh) * 2017-12-04 2018-06-08 上海财经大学 一种基于搜索次数的股票筛选推荐方法
CN108154436A (zh) * 2017-12-26 2018-06-12 福建中金在线信息科技有限公司 一种选股方法、装置、电子设备及计算机可读存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002230294A (ja) * 2001-01-31 2002-08-16 Dlj Direct Sfg Securities Inc 有価証券取引管理システム、有価証券取引管理方法及び有価証券取引管理プログラム
CN107657500A (zh) * 2016-12-03 2018-02-02 平安证券股份有限公司 股票推荐方法及服务器
CN107292742A (zh) * 2017-05-25 2017-10-24 武汉楚鼎信息技术有限公司 一种按照任意指标组合来投资股票的系统以及实现方法
CN107481143A (zh) * 2017-07-28 2017-12-15 武汉楚鼎信息技术有限公司 一种智能股票推荐系统以及实现方法
CN108133421A (zh) * 2017-12-04 2018-06-08 上海财经大学 一种基于搜索次数的股票筛选推荐方法
CN108154436A (zh) * 2017-12-26 2018-06-12 福建中金在线信息科技有限公司 一种选股方法、装置、电子设备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
CN110705761A (zh) * 2019-09-20 2020-01-17 上海金大师网络科技有限公司 周期共振指标算法的股票筛选器系统、方法及存储介质
CN112734577A (zh) * 2021-03-01 2021-04-30 方玉龙 一种多周期决策ai炒股机器人平台

Similar Documents

Publication Publication Date Title
Purcell The impact of corporate strategy on human resource management
CN109685651A (zh) 仓单质押的信贷风险监控方法及装置
Lovric Behavioral finance and agent-based artificial markets
KR101508361B1 (ko) 시가총액 분석을 통한 미래주가 예측시스템
CN107808261A (zh) Ace决策股票分析方法及系统
Manahov et al. Forecasting financial markets using high-frequency trading data: Examination with strongly typed genetic programming
CN109685656A (zh) 一种股市走势智能预测方法及系统
CN103955782A (zh) 一种工作能力测评系统
Sood et al. How do the determinants of investment decisions get prioritized? Peeking into the minds of investors
Becker Non-wage job characteristics and the case of the missing margin
CN112926997A (zh) 一种客户关系管理系统及方法
He The dynamic behaviour of asset prices in disequilibrium: a survey
CN109426891A (zh) 一种高送转电子金融产品的预测系统及方法
Belousov et al. On the development of Russia’s information and communication technologies ecosystem
Nikolic et al. Industrial competitiveness as a basis of Serbian reindustrialization
Becker et al. The influence of the economic crisis on the tasks and roles of management accountants
Sirisetti et al. Human Resource Accounting Model in Indian Industries
WO2019043729A2 (en) SYSTEM AND METHOD FOR PERFORMANCE MANAGEMENT FOR ROTARY SAVINGS AND CREDIT ASSETS
US11715057B2 (en) Modeling, simulation, and predictive analysis
Simiyu et al. Effect of retrenchment practices on performance of surviving employees in state corporations of Nakuru County
CN110827055A (zh) 一种基于大数据的医药电子商务商控系统
Inani et al. Do daily price extremes influence short-term investment decisions? Evidence from the Indian equity market
Zhao et al. Application of fractal dimension of fractional Brownian motion to supply chain financing and operational comprehensive decision-making
Staniszkis On remodelling of the Polish economic system
JP2016139404A (ja) 商圏分析レポートシステム及び商圏分析レポート処理プログラム

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: 20190426

RJ01 Rejection of invention patent application after publication