CN110084273A - 一种上市公司投资价值量化计算方法与装置 - Google Patents

一种上市公司投资价值量化计算方法与装置 Download PDF

Info

Publication number
CN110084273A
CN110084273A CN201910237356.XA CN201910237356A CN110084273A CN 110084273 A CN110084273 A CN 110084273A CN 201910237356 A CN201910237356 A CN 201910237356A CN 110084273 A CN110084273 A CN 110084273A
Authority
CN
China
Prior art keywords
value
score
factor
class
data
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
CN201910237356.XA
Other languages
English (en)
Inventor
曲寿彬
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 CN201910237356.XA priority Critical patent/CN110084273A/zh
Publication of CN110084273A publication Critical patent/CN110084273A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • 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
    • G06Q40/12—Accounting
    • G06Q40/125—Finance or payroll

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Technology Law (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明公开了一种上市公司投资价值量化计算方法和装置，该方法包括：获取目标公司的财务数据，基于所述财务数据按预设筛选策略对其进行分类，得到分类结果；根据对上市公司投资价值的影响因子所占权重所形成的预设算法对所述分类结果进行计算，获取投资价值量化计算结果。采用该方法与装置后，可以通过计算机系统自动的获取所有上市公司的公开财务信息，并根据预设的算法对上市公司的公开财务信息进行加工处理，最后形成量化评价。这一方面可以实现对所有上市公司每天的投资价值评估，另一方面可以使得普通投资者通过该计算方法与装置实现对上市公司投资价值的基本了解。

Description

一种上市公司投资价值量化计算方法与装置
技术领域
本发明涉及计算机应用技术领域，尤其涉及一种上市公司投资价值的量化计算方法与装置。
背景技术
随着我国资本市场的发展，上市公司的自身价值及估值将成为投资者在投资上市公司时最重要的参考依据之一。当前，对于投资者，无论是对普通投资者还是专业投资者而言，上市公司的价值及估值存在诸多难点。首先，对于普通投资者而言并不具备对上市公司进行全面财务信息分析所需要的专业知识，因此就没有办法充分利用好上市公司公布的相关财务信息去对上市公司的合理投资价值进行评估。其次，即便对于专业投资者而言，目前上市公司的数量庞大，涉及的财务信息变化频率又较高，因此就很难全面及时的对所有的上市公司进行及时的财务信息的分析，评估上市公司的投资价值。
因此，如何解决由于上市公司在财务信息数量庞大，且专业性太强而导致了准确评估上市公司投资价值困难的问题，就成为本领域技术人员亟待解决的问题。
发明内容
本发明的主要目的在于公开一种上市公司投资价值的量化计算方法与装置，以至少部分解决上述技术问题。
为达上述目的，根据本发明的一个方面，公开一种上市公司投资价值量化计算方法，并采用如下技术方案:
一种上市公司投资价值量化计算方法，包括：
获取目标公司的财务数据，基于所述财务数据按预设筛选策略对其进行分类，得到分类结果；
根据对上市公司投资价值的影响因子所占权重所形成的预设算法对所述分类结果进行计算，获取投资价值量化计算结果；
其中，所述预设算法为：
将每一个计算单元进行三级分值划分，包括：总分值，一级分值以及二级分值，其中，每级分值对应计算项目，且总分值的每个计算项目细分为所述一级分值的计算项目，一级分值的每个计算项目细分为二级分值的计算项目；
对二级分值的各个得分进行加权汇总计算，得出所述一级分值的得分；
对所述一级分值的各个得分进行所述加权汇总计算，得出所述目标公司投资价值的总分值。
进一步地，上市公司投资价值的影响因子包括估值指标因子，所述估值指标因子为市盈率(PE)、市净率(PB)和市销率(PS)中的至少一者，所述估值指标因子分值通过以下方法获取：
对所述估值指标因子进行评分量化，其中最低分为0分，100分最高分，并根据预设评分标准对各个计算单元的相关因子进行评分，获得最终分数。
进一步地，所述预设评分标准为：
读取并存储目标公司预设时间段内的所有因子数据；
将存储的因子数据按照数值分类为第一类和第二类，所述第一类为大于零的一类，所述第二类为小于零的一类；
将第一类中的因子数据和第二类中的因子数据进行分别排序；其中，所述第一类的排序规则是：数值越大的排名越往后，数值越小的排名越往前；所述第二类的排序规则是：数值越小或者绝对值越大的排名越往前，数值越大或者绝对值越小的排名越往后；
在两类数据排序完成后，将第一类总体排名在第二类的前面，形成完整的数据序列，建立排名索引，并作为历史数据存储；
读取当前新的数据，并且将新数据加入所述历史数据并重新排序，排名的位次除以总的序列数据数并乘以100，得到的数字取小点后两位，采四舍五入制，并用100减该数字后得到最终分数。
进一步地，所述预设筛选策略为：将采集到的财务数据分为三类，其中，第一类为影响目标公司价值增长的因子，第二类为影响目标公司运营安全性的因子，第三类为影响目标公司中估值的因子。
进一步地，所述第一类财务数据至少包括：营业收入、净利润和营业利润；且/或，
所述第二类财务数据至少包括：资产负债率、商誉资产比和现金流量表；且/或，
所述第三类财务数据至少包括：市盈率(PE)、市净率(PB)和市销率(PS)。
本发明还提供一种上市公司投资价值量化计算装置，包括：
获取模块，用于获取目标公司的财务数据，基于所述财务数据按预设筛选策略对其进行分类，得到分类结果；
计算模块，用于根据对上市公司投资价值的影响因子所占权重所形成的预设算法对所述分类结果进行计算，获取投资价值量化计算结果。
其中，所述计算模块具体用于：
将每一个计算单元进行三级分值划分，包括：总分值，一级分值以及二级分值，其中，每级分值对应计算项目，且总分值的每个计算项目细分为所述一级分值的计算项目，一级分值的每个计算项目细分为二级分值的计算项目；
对二级分值的各个得分进行加权汇总计算，得出所述一级分值的得分；
对所述一级分值的各个得分进行所述加权汇总计算，得出所述目标公司投资价值的总分值。
进一步地，还包括：
评分量化模块，用于对上市公司投资的价值影响因子中的所述估值指标因子进行评分量化，其中最低分为0分，100分最高分，并根据预设评分标准对各个计算单元的相关因子进行评分，以获得最终分数；所述估值指标因子为市盈率(PE)、市净率(PB)和市销率(PS)中的至少一者。
进一步地，所述评分量化模块用于：
读取并存储目标公司预设时间段内的所有因子数据；
将存储的因子数据按照数值分类为第一类和第二类，所述第一类为大于零的一类，所述第二类为小于零的一类；
将第一类中的因子数据和第二类中的因子数据进行分别排序；其中，所述第一类的排序规则是：数值越大的排名越往后，数值越小的排名越往前；所述第二类的排序规则是：数值越小或者绝对值越大的排名越往前，数值越大或者绝对值越小的排名越往后；
在两类数据排序完成后，将第一类总体排名在第二类的前面，形成完整的数据序列，建立排名索引，并作为历史数据存储；
读取当前新的数据，并且将新数据加入所述历史数据并重新排序，排名的位次除以总的序列数据数并乘以100，得到的数字取小点后两位，采四舍五入制，并用100减该数字后得到最终分数。
进一步地，还包括：
筛选模块，用于将采集到的财务数据分为三类，其中，第一类为影响目标公司价值增长的因子，第二类为影响目标公司运营安全性的因子，第三类为影响目标公司中估值的因子。
进一步地，所述筛选模块采集到的财务数据包括：
第一类财务数据至少包括：营业收入、净利润和营业利润；
第二类财务数据至少包括：资产负债率、商誉资产比和现金流量表；
第三类财务数据至少包括：市盈率(PE)、市净率(PB)和市销率(PS)。
本发明通过建立一套对上市公司公开财务信息进行量化计算的方法，并结合计算机软件技术，可以自动的实现对所有上市公司的投资价值的评估。采用该方法与装置后，可以通过计算机系统自动的获取所有上市公司的公开财务信息，并根据预设的算法对上市公司的公开财务信息进行加工处理，最后形成量化评价。这一方面可以实现对所有上市公司每天的投资价值评估，另一方面可以使得普通投资者通过该计算方法与装置实现对上市公司投资价值的基本了解。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本发明实施例所述的上市公司投资价值量化计算方法的流程图；
图2为本发明实施例层级划分及权重表的截图；
图3为本发明实施例所述的上市公司投资价值量化计算装置的结构图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
请参考图1，图1为本发明实施例所述的上市公司投资价值量化计算方法的流程图。
在一种具体实施方式中，如图1所示，本发明所提供的上市公司投资价值量化计算方法包括：
S101:获取目标公司的财务数据，基于所述财务数据按预设筛选策略对其进行分类，得到分类结果；
S102:根据对上市公司投资价值的影响因子所占权重所形成的预设算法对所述分类结果进行计算，获取投资价值量化计算结果。
其中，所述预设算法为：
将每一个计算单元进行三级分值划分，包括：总分值，一级分值以及二级分值，其中，每级分值对应计算项目，且总分值的每个计算项目细分为所述一级分值的计算项目，一级分值的每个计算项目细分为二级分值的计算项目；对二级分值的各个得分进行加权汇总计算，得出所述一级分值的得分；对所述一级分值的各个得分进行所述加权汇总计算，得出所述目标公司投资价值的总分值。
上述预设筛选策略为：将采集到的财务数据分为三类，其中，第一类为影响目标公司价值增长的因子，第二类为影响目标公司运营安全性的因子，第三类为影响目标公司中估值的因子。
在实施过程中，首先采集目标公司的所有公开财务数据，并将这些财务数据分类，例如将财务数据分为三大类，第一类财务数据是影响公司价值增长的因子，例如营业收入，净利润，营业利润等等；第二类财务数据是影响上市公司运营安全性的因子，例如资产负债率，商誉资产比和现金流量表；第三类是影响上市公司中估值的因子，例如市盈率(PE)、市净率(PB)和市销率(PS)等。
将完成分类的财务数据分为三分值层级，如图2所示，总分值级、第一级和第二级，其中，第一级包括权重0.2的营业收入、权重0.1的净利润、权重0.1的营业利润、权重0.1的资产负债、权重0.1的现金流量、权重0.4的估值指标。
第一级中的营业收入进一步划分为相应的第二级：包括有权重0.3的营业收入数值、权重0.35的营业收入同比趋势、权重0.2的营业收入三年趋势、权重0.15的营业收入5年趋势。
在计算时，具体地，二级分值下的营业收入数值具体可通过以下方式获取，目标上市公司当年的营业收入数值落入评分标准的区间对应的分值即为该目标公司的营业收入数值所得的分数。
在计算过程中，若无第二级数据，则从第一级数据开始计算。请继续参考图2，例如，在计算第一级的现金流量的分值时，其下并无第二级数据，因此直接按照目标公司的经营现金流量、投资现金流量和筹资现金流理的数值正负情况落入标准的区间对应的分值作为现金流量的分值。
依上述计算方法，分别通过加权汇总计算可以得到第二级与第一级的分值，最后通过加权汇总计算得到上市公司投资价值的总分数，其上每一级的计算结果皆采用四舍五入，并取小点后两位的标准。
进一步地，估值指标的分值计算通过市盈率(PE)、市净率(PB)和市销率(PS)获取。具体地，对估值指标中的因子(例如PE、PB、PS)的评分采用历史数据对照的方案，具体方法是，将计算单元(目标公司)的上市以来所有的因子数据(例如，每天的PE数据)进行读取并存储。将存储的数据按照数值分类，具体分为大于零的一类和小于零的一类，然后进行分别排序。其中大于零的一类进行排序规则是：数值越大的排名越往后，数值越小的排名越往前；小于零的一类排序规则是，数值越小或者绝对值越大的排名越往前，数值越大或者绝对值越小的排名越往后。在两类数据排名完成后，将大于零的一类总体排名在小于零的一类前面，形成一个完整的数据序列，建立排名索引，并存储。读取当前新的数据，并且将新数据加入并重新排名，排名的位次除以总的序列数据数并乘以100，得到的数字取小点后两位，采四舍五入制，并用100减该数字后得到最终分数。
在上述具体实施方式中，本发明通过建立一套对上市公司公开财务信息进行量化计算的方法，并结合计算机软件技术，可以自动的实现对所有上市公司的投资价值的评估。采用该方法后，可以通过计算机系统自动的获取所有上市公司的公开财务信息，并根据预设的算法对上市公司的公开财务信息进行加工处理，最后形成量化评价。这一方面可以实现对所有上市公司每天的投资价值评估，另一方面可以使得普通投资者通过该计算方法与装置实现对上市公司投资价值的基本了解。
除了上述上市公司投资价值量化计算方法，本发明还提供一种服务于该计算方法的上市公司投资价值量化计算装置。
请参考图3，图3为本发明实施例所述的上市公司投资价值量化计算装置的结构图。
在一种具体实施方式中，本发明所提供的上市公司投资价值量化计算装置包括获取模块100和计算模块200，其中，获取模块用于获取目标公司的财务数据，基于所述财务数据按预设筛选策略对其进行分类，得到分类结果；计算模块用于根据对上市公司投资价值的影响因子所占权重所形成的预设算法对所述分类结果进行计算，获取投资价值量化计算结果。
其中，计算模块还用于将每一个计算单元进行三级分值划分，将每一个计算单元进行三级分值划分，包括：总分值，一级分值以及二级分值，其中，每级分值对应计算项目，且总分值的每个计算项目细分为所述一级分值的计算项目，一级分值的每个计算项目细分为二级分值的计算项目；对二级分值的各个得分进行加权汇总计算，得出所述一级分值的得分；对所述一级分值的各个得分进行所述加权汇总计算，得出所述目标公司投资价值的总分值。
该量化计算装置还包括评分量化模块300，该评分量化模块用于对上市公司投资的价值影响因子中的估值指标因子进行评分量化，所述估值指标因子为市盈率、市净率和市销率中的至少一者，其中最低分为0分，100分最高分，并根据预设评分标准对各个计算单元的相关因子进行评分，以获得最终分数。
具体地，所述评分量化模块用于读取并存储目标公司预设时间段内的所有因子数据；将存储的因子数据按照数值分类为第一类和第二类，所述第一类为大于零的一类，所述第二类为小于零的一类；将第一类中的因子数据和第二类中的因子数据进行分别排序；其中，所述第一类的排序规则是：数值越大的排名越往后，数值越小的排名越往前；所述第二类的排序规则是：数值越小或者绝对值越大的排名越往前，数值越大或者绝对值越小的排名越往后；在两类数据排序完成后，将第一类总体排名在第二类的前面，形成完整的数据序列，建立排名索引，并作为历史数据存储；读取当前新的数据，并且将新数据加入所述历史数据并重新排序，排名的位次除以总的序列数据数并乘以100，得到的数字取小点后两位，采四舍五入制，并用100减该数字后得到最终分数。
进一步地，该量化计算装置还包括筛选模块400，用于将采集到的财务数据分为三类，其中，第一类为影响目标公司价值增长的因子，第二类为影响目标公司运营安全性的因子，第三类为影响目标公司中估值的因子。
具体地，所述筛选模块采集到的财务数据包括：第一类财务数据至少包括：营业收入、净利润和营业利润；第二类财务数据至少包括：资产负债率、商誉资产比和现金流量；第三类财务数据至少包括：市盈率(PE)、市净率(PB)和市销率(PS)。
在上述具体实施方式中，本发明通过建立一套对上市公司公开财务信息进行量化计算的装置，并结合计算机软件技术，可以自动的实现对所有上市公司的投资价值的评估。采用该装置后，可以通过计算机系统自动的获取所有上市公司的公开财务信息，并根据预设的算法对上市公司的公开财务信息进行加工处理，最后形成量化评价。这一方面可以实现对所有上市公司每天的投资价值评估，另一方面可以使得普通投资者通过该计算方法与装置实现对上市公司投资价值的基本了解。
以上只通过说明的方式描述了本发明的某些示范性实施例，毋庸置疑，对于本领域的普通技术人员，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式对所描述的实施例进行修正。因此，上述附图和描述在本质上是说明性的，不应理解为对本发明权利要求保护范围的限制。

Claims (10)

1.一种上市公司投资价值量化计算方法，其特征在于，包括：
获取目标公司的财务数据，基于所述财务数据按预设筛选策略对其进行分类，得到分类结果；
根据对上市公司投资价值的影响因子所占权重所形成的预设算法对所述分类结果进行计算，获取投资价值量化计算结果；
其中，所述预设算法为：
将每一个计算单元进行三级分值划分，包括：总分值，一级分值以及二级分值，其中，每级分值对应计算项目，且总分值的每个计算项目细分为所述一级分值的计算项目，一级分值的每个计算项目细分为二级分值的计算项目；
对二级分值的各个得分进行加权汇总计算，得出所述一级分值的得分；
对所述一级分值的各个得分进行所述加权汇总计算，得出所述目标公司投资价值的总分值。
2.根据权利要求1所述的量化计算方法，其特征在于，上市公司投资价值的影响因子包括估值指标因子，所述估值指标因子为市盈率、市净率和市销率中的至少一者，所述估值指标因子分值通过以下方法获取：
对所述估值指标因子进行评分量化，其中最低分为0分，100分最高分，并根据预设评分标准对各个计算单元的相关因子进行评分，以获得最终分数。
3.根据权利要求2所述的量化计算方法，其特征在于，所述预设评分标准为：
读取并存储目标公司预设时间段内的所有因子数据；
将存储的因子数据按照数值分类为第一类和第二类，所述第一类为大于零的一类，所述第二类为小于零的一类；
将第一类中的因子数据和第二类中的因子数据进行分别排序；其中，所述第一类的排序规则是：数值越大的排名越往后，数值越小的排名越往前；所述第二类的排序规则是：数值越小或者绝对值越大的排名越往前，数值越大或者绝对值越小的排名越往后；
在两类数据排序完成后，将第一类总体排名在第二类的前面，形成完整的数据序列，建立排名索引，并作为历史数据存储；
读取当前新的数据，并且将新数据加入所述历史数据并重新排序，排名的位次除以总的序列数据数并乘以100，得到的数字取小点后两位，采四舍五入制，并用100减该数字后得到最终分数。
4.根据权利要求1所述的量化计算方法，其特征在于，
所述预设筛选策略为：将采集到的财务数据分为三类，其中，第一类为影响目标公司价值增长的因子，第二类为影响目标公司运营安全性的因子，第三类为影响目标公司中估值的因子。
5.根据权利要求4所述的量化计算方法，其特征在于，
所述第一类财务数据至少包括：营业收入、净利润和营业利润；且/或，
所述第二类财务数据至少包括：资产负债率、商誉资产比和现金流量表；且/或，
所述第三类财务数据至少包括：市盈率、市净率和市销率。
6.一种上市公司投资价值量化计算装置，其特征在于，包括：
获取模块，用于获取目标公司的财务数据，基于所述财务数据按预设筛选策略对其进行分类，得到分类结果；
计算模块，用于根据对上市公司投资价值的影响因子所占权重所形成的预设算法对所述分类结果进行计算，获取投资价值量化计算结果。
其中，所述计算模块具体用于：
将每一个计算单元进行三级分值划分，包括：总分值，一级分值以及二级分值，其中，每级分值对应计算项目，且总分值的每个计算项目细分为所述一级分值的计算项目，一级分值的每个计算项目细分为二级分值的计算项目；
对二级分值的各个得分进行加权汇总计算，得出所述一级分值的得分；
对所述一级分值的各个得分进行所述加权汇总计算，得出所述目标公司投资价值的总分值。
7.根据权利要求6所述的量化计算装置，其特征在于，还包括：
评分量化模块，用于对上市公司投资的价值影响因子中的估值指标因子进行评分量化，其中最低分为0分，100分最高分，并根据预设评分标准对各个计算单元的相关因子进行评分，以获得最终分数；
所述估值指标因子为市盈率、市净率和市销率中的至少一者。
8.根据权利要求7所述的量化计算装置，其特征在于，所述评分量化模块用于：
读取并存储目标公司预设时间段内的所有因子数据；
将存储的因子数据按照数值分类为第一类和第二类，所述第一类为大于零的一类，所述第二类为小于零的一类；
将第一类中的因子数据和第二类中的因子数据进行分别排序；其中，所述第一类的排序规则是：数值越大的排名越往后，数值越小的排名越往前；所述第二类的排序规则是：数值越小或者绝对值越大的排名越往前，数值越大或者绝对值越小的排名越往后；
在两类数据排序完成后，将第一类总体排名在第二类的前面，形成完整的数据序列，建立排名索引，并作为历史数据存储；
读取当前新的数据，并且将新数据加入所述历史数据并重新排序，排名的位次除以总的序列数据数并乘以100，得到的数字取小点后两位，采四舍五入制，并用100减该数字后得到最终分数。
9.根据权利要求6所述的量化计算装置，其特征在于，还包括：
筛选模块，用于将采集到的财务数据分为三类，其中，第一类为影响目标公司价值增长的因子，第二类为影响目标公司运营安全性的因子，第三类为影响目标公司中估值的因子。
10.根据权利要求9所述的量化计算装置，其特征在于，所述筛选模块采集到的财务数据包括：
第一类财务数据至少包括：营业收入、净利润和营业利润；
第二类财务数据至少包括：资产负债率、商誉资产比和现金流量表；
第三类财务数据至少包括：市盈率、和市净率和市销率。
CN201910237356.XA 2019-03-27 2019-03-27 一种上市公司投资价值量化计算方法与装置 Pending CN110084273A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910237356.XA CN110084273A (zh) 2019-03-27 2019-03-27 一种上市公司投资价值量化计算方法与装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910237356.XA CN110084273A (zh) 2019-03-27 2019-03-27 一种上市公司投资价值量化计算方法与装置

Publications (1)

Publication Number Publication Date
CN110084273A true CN110084273A (zh) 2019-08-02

Family

ID=67413692

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910237356.XA Pending CN110084273A (zh) 2019-03-27 2019-03-27 一种上市公司投资价值量化计算方法与装置

Country Status (1)

Country Link
CN (1) CN110084273A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112862619A (zh) * 2021-03-22 2021-05-28 吴嘉嘉 一种基于批量财报分析技术智能生成投资策略的方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108122166A (zh) * 2017-12-19 2018-06-05 苏州梧桐汇智软件科技有限责任公司 采用智能量化金融技术对股票进行归类和评分的方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108122166A (zh) * 2017-12-19 2018-06-05 苏州梧桐汇智软件科技有限责任公司 采用智能量化金融技术对股票进行归类和评分的方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112862619A (zh) * 2021-03-22 2021-05-28 吴嘉嘉 一种基于批量财报分析技术智能生成投资策略的方法

Similar Documents

Publication Publication Date Title
Dunis Artifi cial Intelligence in Financial Markets
Lin et al. R&D intensity and commercialization orientation effects on financial performance
Höglund Tax payment default prediction using genetic algorithm-based variable selection
US8386361B1 (en) Method and system for evaluating target date funds
Kivuvo et al. Financial performance analysis of Kenya’s SACCO sector using the altiman Z score model of corporate Bankruptcy
Kim et al. Does corporate governance risk at home affect investment choices abroad?
CN107437227A (zh) 股票投资分析装置与方法
KR102551906B1 (ko) 기업정보를 이용한 기업 평가 시스템
Dumitrescu et al. Hidden Gem or Fool’s Gold: Can passive ESG ETFs outperform the benchmarks?
PHAN Managerial ability, managerial incentives and firm performance: Empirical evidence from Vietnam
Farayibi The impact of risk on investment decision in Nigeria
CN110084273A (zh) 一种上市公司投资价值量化计算方法与装置
Routledge et al. An exploratory study of the company reorganisation decision in voluntary administration
KR20230062256A (ko) 기업정보를 이용한 기업 투자정보 제공 시스템
Terzi et al. Comparison of financial distress prediction models: Evidence from turkey
Schwenkler et al. Peer co-movement in crypto markets
Howard et al. Can Machine Learning Improve Correspondence Audit Case Selection?
Luo Financial Product Design and Catering: Evidence from the Global Mutual Fund Industry
CN116433006A (zh) 一种基于大数据的招商融资评估方法、系统及可读存储介质
Wang Research on a Financial Crisis Early Warning Model Based on a Stochastic Forest Algorithm
Ozgulbas et al. Application of Data Mining Method for Financial Profiling
Ahlawat et al. Impact of intellectual capital on financial competitiveness in context of listed Indian healthcare enterprises
Rajan et al. Financial Analytics: Time Series Analysis Impact of Crude oil Prices on Automotive Stock
Ariff Efficiency measurement and determinants of Indonesian bank efficiency
LI Enhancing Option Pricing and Stock Return Predictions: Integrating Machine Learning with Firm Characteristics and Option Greeks

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: 20190802