CN110210978A - 确定基金因子有效性的方法、装置、设备及存储介质 - Google Patents
确定基金因子有效性的方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110210978A CN110210978A CN201810559197.0A CN201810559197A CN110210978A CN 110210978 A CN110210978 A CN 110210978A CN 201810559197 A CN201810559197 A CN 201810559197A CN 110210978 A CN110210978 A CN 110210978A
- Authority
- CN
- China
- Prior art keywords
- factor
- reference variable
- fund
- evaluation
- historical 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
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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请公开了一种确定基金因子有效性的方法、装置、设备及存储介质,在该方法中,计算机设备在获取到待分析时间段内基金中至少一种因子的历史数据以及参考变量的历史数据之后,针对每种该因子,根据该因子的历史数据以及该参考变量的历史数据,确定用于表征该因子对该参考变量影响程度的至少一种评价指标的评价值,然后,依据该至少一种因子各自对应的该至少一种评价指标的评价值,分别确定该基金中每种该因子的有效程度。该方案可以降低确定基金因子有效性的复杂度,以提高评价基金因子有效性的效率。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种确定基金因子有效性的方法、装置、设备及存储介质。
背景技术
通过对影响基金业绩的因子做有效性分析,可以为基金筛选提供依据。同时,基于基金各个因子的表现,也有利于对基金未来表现做出预测。其中,基金中的因子也称为原因因子或者原因因素,其是从不同维度上影响基金业务的业绩的各种因素,如,基金的因子可以包括:公司财产变动比率、基金经理同类型表现等等。
目前,为了确定基金中因子的有效性,需要先从基金中筛选出用于构造线性拟合函数的因子,并利用筛选出的因子构建出线性拟合函数,然后才可以利用该线性拟合函数评价因子的有效性。然而,用户需要依据自身经验,并经过较长时间的确认才可以筛选适合构造线性拟合函数的因子,然后才可以构建出线性拟合函数,从而使得评价因子有效性的复杂度较高,且效率较低。
发明内容
有鉴于此,本申请提供了一种确定基金因子有效性的方法、装置、设备及存储介质,以降低确定基金因子有效性的复杂度,以提高评价基金因子有效性的效率。
为实现上述目的,一方面,本申请提供了一种确定基金因子有效性的方法,包括:
获取待分析时间段内基金中至少一种因子的历史数据,以及用于分析因子有效性所需参考的参考变量的历史数据,所述参考变量为评价所述基金表现的业绩评价指标;
针对每种所述因子,根据所述因子的历史数据以及所述参考变量的历史数据,确定用于表征所述因子对所述参考变量影响程度的至少一种评价指标的评价值;
依据所述至少一种因子各自对应的所述至少一种评价指标的评价值,分别确定所述基金中每种所述因子的有效程度。
在一种可能的实现方式中,所述根据所述因子的历史数据以及所述参考变量的历史数据,确定用于表征所述因子对所述参考变量影响程度的至少一种评价指标的评价值,包括:
根据所述因子的历史数据以及所述参考变量的历史数据,确定在所述待分析时间段内所述因子与所述参考变量之间的相关性。
在一种可能的实现方式中,所述待分析时间段包括多个时间区间;
所述根据所述因子的历史数据以及所述参考变量的历史数据,确定在所述待分析时间段内所述因子与所述参考变量之间的相关性,包括:
针对每个所述时间区间,根据所述因子及所述参考变量在所述时间区间内的历史数据,确定所述因子与所述参考变量在所述时间区间内的相关性;
所述根据所述因子的历史数据以及所述参考变量的历史数据,确定用于表征所述因子对所述参考变量影响程度的至少一种评价指标的评价值,还包括:
分别根据所述因子与所述参考变量在所述多个时间区间的相关性,确定所述因子对所述参考变量影响的波动性。
一方面,本申请还提供了一种确定基金因子有效性的装置,包括:
数据获取单元,用于获取待分析时间段内基金中至少一种因子的历史数据,以及用于分析因子有效性所需参考的参考变量的历史数据,所述参考变量为评价所述基金表现的业绩评价指标;
指标分析单元,用于针对每种所述因子,根据所述因子的历史数据以及所述参考变量的历史数据,确定用于表征所述因子对所述参考变量影响程度的至少一种评价指标的评价值;
有效性评价单元,用于依据所述至少一种因子各自对应的所述至少一种评价指标的评价值,分别确定所述基金中每种所述因子的有效程度。
在一种可能的实现方式中,所述指标分析单元,包括:
第一分析子单元,用于针对每种所述因子,根据所述因子的历史数据以及所述参考变量的历史数据,确定在所述待分析时间段内所述因子与所述参考变量之间的相关性。
在又一种可能的实现方式中,所述数据获取单元具体为获取待分析时间段内多个时间区间内基金中至少一种因子的历史数据,以及用于分析因子有效性所需参考的参考变量的历史数据;
第一分析子单元具体为,用于对于每种所述因子,分别针对每个所述时间区间,根据所述因子及所述参考变量在所述时间区间内的历史数据,确定所述因子与所述参考变量在所述时间区间内的相关性;
所述指标分析单元,还包括:
第二分析子单元,用于针对每种所述因子,分别根据所述因子与所述参考变量在所述多个时间区间的相关性,确定所述因子对所述参考变量影响的波动性。
一方面,本申请还提供了一种计算机设备,包括:处理器和存储器;
其中,所述处理器用于执行所述存储器中存储的程序;
所述存储器用于存储程序,所述程序至少用于:
获取待分析时间段内基金中至少一种因子的历史数据,以及用于分析因子有效性所需参考的参考变量的历史数据,所述参考变量为评价所述基金表现的业绩评价指标;
针对每种所述因子,根据所述因子的历史数据以及所述参考变量的历史数据,确定用于表征所述因子对所述参考变量影响程度的至少一种评价指标的评价值;
依据所述至少一种因子各自对应的所述至少一种评价指标的评价值,分别确定所述基金中每种所述因子的有效程度。
一方面,本申请还提供了一种存储介质,所述存储介质中存储有计算机可执行指令,所述计算机可执行指令被处理器加载并执行时,实现如上任一项描述的确定基金因子有效性的方法。
可见,本申请中,根据待分析时间段内因子与参考变量各自的历史数据,可以确定出该因子对应的至少一种评价指标的评价值,由于每种评价指标均用于表征该因子对参考变量的影响程度,而参考变量是评价基金业绩的一种业绩评价指标,因此,因子对应的至少一种评价指标的评价值可以反映出因子对于基金业绩的影响程度,也就是说,依据因子对应的该至少一种评价指标的评价值,可以确定出该因子该基金中的有效程度。由此可见,本申请实施例的方案无需从基金中筛选因子以及利用筛选的因子构建函数,便可以完成因子有效性的评价,降低了评价因子有效性的复杂度,避免了由于利用筛选的因子构建函数而导致的耗时,提高了因子评价的效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,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,还可以根据提供的附图获得其他的附图。
图1示出了本申请实施例的一种确定基金因子有效性的系统的组成框架示意图;
图2示出了本申请实施例所适用的一种计算机设备的组成架构示意图;
图3示出了本申请实施例一种确定基金因子有效性的方法的一个流程示意图;
图4示出了本申请实施例中输出的基金中各个因子有效性的结果的一种示意图;
图5示出了本申请实施例一种确定基金因子有效性的方法的又一种流程示意图;
图6示出了基于历史数据确定出的各个时间区间内的评价指标的一种示例图;
图7示出了本申请实施例的确定基金因子有效性的方法所适用的一种应用场景的组成架构示意图;
图8示出了本申请实施例的确定基金因子有效性的方法应用于一种应用场景的流程示意图;
图9示出了本申请实施例一种确定基金因子有效性的装置一个实施例的组成结构示意图;
图10示出了本申请实施例中确定基金因子有效性的装置中指标分析单元的一种组成结构示意图。
具体实施方式
本申请的方案适用于对任意基金中各种因子进行有效性分析,可以提高评价基金中因子有效性的效率和准确度。
为了便于理解,先对本申请的方案所使用的系统进行介绍。如,参见图1,其示出了本申请一种确定基金因子有效性的系统的一种组成架构示意图。
在图1所示的系统中至少包括计算机设备10。
该计算机设备10用于获取待分析的基金的相关数据,并分析该基金中待评价的至少一种因子的有效性。
可选的,在图1所示的系统中,还可以包括数据存储设备11,该数据存储设备可以为数据库或者其他形式的存储设备。该数据存储设备可以用于存储至少一种基金的相关数据。
其中,基金的相关数据可以包括:基金的名称、发售方信息,以及当前时刻之前该基金的历史表现数据,如,历史表现数据可以包括:用于评价基金表现的至少一种业绩评价指标在某个时间段内的数值,基金中各个因子在相应时间段内的数值等等。
可以理解的是,该基金的历史表现数据可以是由数据统计服务器存储到该数据存储设备中的。如,该数据统计服务器可以从发售基金的各个网络平台统计该基金的历史表现数据。当然,还可以是各个网络平台将基金的历史表现数据直接存储到该数据存储设备中,还可以有其他方式获得基金的历史表现数据,对此本申请不加以限制。
可以理解的是,在实际应用中,计算机设备10中也可以直接存储该基金的历史表现数据,而无需单独设置该数据存储设备11。如,数据统计服务器将统计到的基金的相关数据存储到该计算机设备中,或者是人为向该计算机设备中输入所需分析的基金的相关数据,当然,还可以有其他方式获取到基金的相关数据,在此不加以限制。
在本申请实施例中,该计算机设备可以为笔记本电脑、台式电脑、服务器或者其他具备数据分析处理能力的设备。如,参见图2,其示出了本申请所适用的计算机设备的一种组成结构示意图,本实施例的计算机设备200可以包括:处理器201和存储器202。
在本申请实施例中,该处理器201,可以为中央处理器(Central ProcessingUnit,CPU),特定应用集成电路(application-specific integrated circuit,ASIC),数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件等。
该处理器201可以调用存储器202中存储的程序,具体的,可以处理器可以执行以下图3-图8实施例中计算机设备所执行的操作。
存储器202中用于存放一个或者一个以上程序,程序可以包括程序代码,所述程序代码包括计算机操作指令,在本申请实施例中,该存储器中至少存储有用于实现以下功能的程序:
获取待分析时间段内基金中至少一种因子的历史数据,以及用于分析因子有效性所需参考的参考变量的历史数据,所述参考变量为评价所述基金表现的业绩评价指标;
针对每种所述因子,根据所述因子的历史数据以及所述参考变量的历史数据,确定用于表征所述因子对所述参考变量影响程度的至少一种评价指标的评价值;
依据所述至少一种因子各自对应的所述至少一种评价指标的评价值,分别确定所述基金中每种所述因子的有效程度。
在一种可能的实现方式中,该存储器202可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、以及至少一个功能(比如图像播放功能等)所需的应用程序等;存储数据区可存储根据计算机的使用过程中所创建的数据,比如,用户数据及音频数据等等。
此外,存储器202可以包括高速随机存取存储器,还可以包括非易失性存储器。
该计算机设备还可以包括:通信接口203、输入单元204和显示器205和通信总线206。其中,处理器201、存储器202、通信接口203、输入单元204、显示器205、均通过通信总线206完成相互间的通信。
其中,该显示器204包括显示面板,如触摸显示面板等;该输入单元可以触摸感应单元、键盘等等。
当然,图2所示的计算机设备的结构并不构成对本申请实施例中计算机设备的限定,在实际应用中计算机设备可以包括比图2所示的更多或更少的部件,或者组合某些部件。
下面结合以上共性,从计算机设备侧对本申请中确定基金因子有效性的方法进行介绍。如,参见图3,其示出了本申请一种确定基金因子有效性的方法一个实施例的流程示意图,本实施例的方法可以包括:
S301,获取待分析时间段内基金中至少一种因子的历史数据,以及用于分析因子有效性所需参考的参考变量的历史数据。
其中,基金中的因子是指影响基金业绩的原因因素,在不同基金中所涉及到的因子也可能会有所不同。例如,以某款基金为例,影响基金业绩的因子可以包括:发行该基金的公司的财产状况、基金经理全部基金表现、基金经理同类型表现等等。
参考变量为评价基金表现的业绩评价指标。可见,参考变量的具体数值可以反映出基金的业绩表现。如,基金的业绩评价指标可以包括:夏普比率,特雷诺指数等等。在实际应用中,可以根据需要设定一种业绩评价指标作为该基金的参考变量,如,对于股票型基金而言,可以选取夏普比率这一业绩衡量指标作为参考变量。
其中,待分析时间段可以根据需要选取或设定,如,如果需要分析某个年度内基金中各个因子的有效性,可以获取该基金中待分析的每种因子在该年度内的历史数据;相应的,可以获取该年度内该参考变量的历史数据。
可以理解的是,由于因子以及参考变量的取值是随时间变化的,因此,本申请实施例中所获取到的历史数据可以是一个时间序列,相应的,因子以及参考变量各自对应的时间序列中各个时刻点是对应的,但是不同时刻点上的取值不同且取值的意义不同。如,基金中上一季度某种因子的历史数据可以为该因子在上一季度中每周的数据取值所组成的时间序列,该时间序列中各个时刻点所对应的取值为该因子在不同周内的取值情况;而参考变量在上一季度的历史数据可以为该上一季度中该参考变量在每周的数据取值所组成的时间序列,则时间序列上的各个时刻点分别标识该参考变量在各周内的取值。
S302,针对基金内每种待分析的因子,根据该因子的历史数据以及该参考变量的历史数据,确定用于表征该因子对该参考变量影响程度的至少一种评价指标的评价值。
其中,评价指标为评价因子与参考变量之间关系的指标。可以理解的是,由于参考变量为反映该基金业绩的一种业绩评价指标,参考变量的历史数据反映的就是该基金的业绩情况,而基金的业绩表现就与市场波动、经理持仓变动、公司财产变化等因子有关,因此,分析出基金中因子与参考变量的关系就可以衡量因子的有效程度。实际上,因子与参考变量的关系可以反映出因子对参考变量的影响程度。
通过分析因子对参考变量的影响程度,以确定因子的有效性的过程中,该参考变量也就相当于一个评价因子有效性所参考的一个标的变量。
可选的,该至少一种评价指标中至少包括:因子与参考变量之间的相关性。相应的,相关性的具体值就是相关性这一评价指标的评价值。可以理解的是,因子与参考变量之间的相关性可以反映出因子对参考变量的影响程度,因子与参考变量的相关性越大,则因子对基金业绩的影响也就越大。相应的,根据因子的历史数据以及该参考变量的历史数据,确定在该待分析时间段内因子与参考变量之间的相关性。
可以理解的是,计算两种变量之间相关性的方式可以有多种。如,在一种实现方式中,可以计算因子X与参考变量Y之间的皮尔森Pearson相关系数ρX,Y。其计算公式参见如下公式一:
其中,因子X和参考变量Y都是随时间变化的一系列数据集合,例如,待分析时间段为一年,则因子X对应的历史数据为由因子在第一季度、第二季度、第三季度以及第四季度的数值所组成的集合,相应的参考变量也类似,此处只是为了便于理解举例说明,在实际中因子X和参考变量Y所需获取到数值的时刻点会很大。
又如,还可以通过计算因子X与参考变量Y之间的斯尔曼等级(Spearman Rank)相关系数ρX,Y,来确定因子X与参考变量Y之间的相关性,其中,因子X与参考变量Y分别为两个数据集合,如时间序列。具体的,可以通过如下公式二,计算因子X与参考变量Y之间的相关性:
其中,N为因子X或者参考变量Y中元素个数,由于因子X与参考变量Y中的元素个数相同,所以这两个变量的数据集合中元素个数都可以表示为N。di=xi-yi,其中,xi为因子X中第i个元素,yi为参考变量Y中第i个元素,其中,X或者Y中处于同一个位置顺序上的元素所对应的时刻相同,例如,xi为因子X中表示第一个季度该因子的取值时,yi表示参考变量Y中第一个季度的取值。将X或者Y中的相应位置上的元素对应相减得到该排行查分集合d。
又如,还可以通过计算因子X或者参考变量Y之间的肯德尔等级(Kendall Rank)相关系数ρX,Y,来得到因子X或者参考变量Y的相关性。具体的,肯德尔等级相关系数的计算公式可以参见如下公式三:
其中,N为因子X或者参考变量Y所表征的数据集合中元素个数,由于因子X与参考变量Y中的元素个数相同,所以这两个变量的数据集合中元素个数都可以表示为N。C表示X,Y组成的元素对组合中拥有一致性元素的对数;D表示X,Y组成的元素对组合中拥有不一致性的元素对数。其中,因子X中第i个元素表示为xi,参考变量Y中第i个元素表示为yi,X与Y中的对应位置顺序上的元素组成一个元素对组合,则,每个元素对包括(xi,yi)。当元素对组合中任意两个元素对(xi,yi)与(xj,yj)的排行相同时,这两个元素对就被认为是一致的。其中,当出现情况1或2时,其中,情况1为:xi>xj,且yi>yj,情况2为:xi<xj,且yi<yj,就认为这两个元素对是一致的。当出现情况3或4时,其中,情况3为:xi>xj,且yi<yj;情况4为:xi<xj,且yi>yj,这两个元素对被认为是不一致的。当出现情况5或6时,其中,情况5为:xi=xj,情况6:yi=yj,则这两个元素对既不属于一致的情况,也不属于不一致的情况。
可以理解的是,以上是以确定因子与参考变量之间相关性的几种可能方式为例进行说明,在实际应用中,基于因子的历史数据与参考变量的历史数据,确定因子与参考变量之间相关性的方式还可以有其他方式,本申请对于采用何种方式确定因子与参考变量之间相关性,不加以限制。
其中,无论采用何种方式确定相关性,在确定因子与参考变量的相关性时,可以是直接依据因子的历史数据与参考变量的历史数据,计算出该因子在该待分析时间段内与该参考变量之间的相关性。
可选的,考虑到待分析时间段有可能是一个较长时间段,如待分析时间段一般可以包括多个时间区间,为了提高分析因子与参考变量之间相关性的精准度,也可以是逐个分析出因子在各个时间区间内与该参考变量之间的相关性,如,针对每个时间区间,根据因子及该参考变量在该时间区间内的历史数据,确定因子与参考变量在该时间区间内的相关性,从而最终可以得到因子与参考变量在多个时间区间内的相关性。相应的,可以依据因子与参考变量在该多个时间区间内的相关性,确定因子与参考变量在该待分析时间段内的相关性。如,将因子与参考变量在该多个时间区间内的相关性的平均值作为因子与该参考变量在该待分析时间段内的相关性。
以上是以评价指标为相关性为例进行说明,可以理解的是,除了因子与参考变量之间的相关性可以反映出因子影响基金业绩的程度之外,因子对参考变量影响的稳定性也是反映因子影响基金业务的一种评价指标,因此,分析的评价指标除了相关性之外,还可以包括因子对参考变量影响的稳定性,其中,稳定性也可以称为波动性。
其中,因子对参考变量影响的波动性,可以通过因子在不同时间区间内与参考变量之间相关性的变化来体现,相应的,可以依据因子与参考变量在多个时间区间的相关性,来分析因子对参考变量影响的波动性。
在一种实现方式中,对于一个因子而言,可以计算因子与该参考变量在该多个时间区间的相关性的平均值,为了便于区分,将该多个时间区间的相关性的平均值称为平均相关性。然后,依据该平均相关性,计算该因子与参考变量在该多个时间区间的相关性的标准差,将计算出的标准差确定为该因子对该参考变量影响的波动性。
如,波动性std可以通过如下公式计算得到:
其中,ρi表示因子与参考变量在第i个时间区间内的相关性,n为时间区间的总个数,为因子与参考变量在n个时间区间内的相关性的平均值,即:
当然,以上仅仅是依据因子与参考变量在多个时间区间的相关性,来分析该多个时间区间内因子与参考变量之间相关性的波动性的一种实现方式,对于其他方式也同样适用于本申请。
可选的,评价因子与参考变量之间关系的评价指标还可以包括:因子的覆盖度,覆盖度是指采集到的基金相关的历史记录中,包含因子的历史记录的条数占据历史记录总数量的比例。一般情况下,因子的覆盖度越高,该因子对参考变量取值的影响也相对越大。
当然,评价指标除了前面提到的相关性、波动性以及覆盖度中的一种或者多种之外,还可以有其他能够反映出因子与参考变量的关系,以体现出因子对基金业绩影响的指标均可以。
S303,依据该至少一种因子各自对应的该至少一种评价指标的评价值,分别确定基金中每种因子的有效程度。
可以理解的是,不同评价指标从不同方面反映出因子对参考变量的影响,也就是从不同方面反映出因子对于基金业绩的影响,因此,综合该至少一个评价指标的评价值,可以最终分析出因子在基金中的有效程度,也就是俗称的有效性。
如,在一种实现方式中,针对每种因子,可以依据该至少一种评价指标之间的函数关系式,以及该因子对应的每种评价指标的评价值,计算出该因子的有效性评分。其中,有效性评分可以是一个整数数值,如,属于0-100之间的整数;也可以是一个表征有效性程度的概率值,如,该概率值为0-1之间的数值。
其中,因子的有效性评分可以直接用于评价因子的有效程度,如,因子的有效性评分越高,该因子的有效性越高。
当然,也可以是根据因子的有效性评分,确定出因子在所有待评价因子中的排序,并将该因子对应的排序或者该因子的排序在所有因子中所处的等级,作为评价因子有效程度的评价结果。如,按照因子的有效性评分从高到底的顺序对多个待分析的因子进行排序,然后按照该排序将因子划分为指定数量个等级,不同等级包含的因子数量相同或者近似相同,则可以得到每个因子所对应的有效性等级,例如,假设待分析的因子有12个,按照有效性评分排序之后,将排序后的12个因子所组成的因子序列划分为4段,则每段包含3个因子,如果因子处于第一个段内,则该因子属于有效性最高的第一等级;相应的,如果因子处于第二个段内,则该因子属于有效性程度处于第二等级的因子。
可以理解的是,至少一种评价指标之间的函数关系式也可以称为评分函数,在本申请实施例中,该函数关系式可以有多种可能:
如,在一种可能的情况中,函数关系式可以为因子对应的至少一种评价指标的评价值的加和,相应的,该因子对应的至少一种评价指标的评价值的加和被作为该因子的有效性评分。例如,评价指标仅仅包含相关性时,则相关性越高,该因子的有效性评分越高。又例如,评价指标包含相关性和覆盖度时,相关性和覆盖度的求和对应的数值越高,因子的有效性评分越高。
又如,在又一种可能的情况中,在评价指标包含相关性和波动性这两种的情况下,该函数关系式可以为因子在该待分析时间段内与参考变量的相关性与该因子在该待分析时间段内对应的波动性之间的比值。如,因子的有效性评分S为:
其中,ρ表示因子在该待分析时间段内与参考变量的相关性,其中,在待分析时间段包括多个时间区间的情况下,ρ可以是采用前面提到的任意方式确定。std为因子对参考变量影响的波动性,具体求取方式可以参见前面的相关介绍。
可选的,在至少一种评价指标之间的函数关系式还可以为综合了该至少一种评价指标各自的权重的函数关系式,相应的,在该步骤S303中还可以获取该至少一种评价指标各自对应的权重;然后,针对每个因子,按照所述至少一种评价指标之间的函数关系式,每种评价指标的权重,以及该因子对应的至少一种评价指标的评价值,计算该因子的有效性评分。
其中,每种评价指标的权重可以预先设定,也可以是由用户实时输入或者调整。
在函数关系式中体现有各个评价指标之间的权重的情况下,该函数关系式的具体形式也可以有多种,下面以几种情况为例进行举例说明:
如,该因子f的有效性评分S(f)的函数关系式为:
S(f)=sum(wi*IDX(i,f)) (公式七);
其中,IDX(i,f)是因子f对应的第i个评价指标的取值,wi为第i个评价指标的权重。
例如,假设评价指标包括相关性和波动性,假设相关性的权重为0.6,而波动性的权重为0.3,如果某个因子f与参考变量的相关性为0.8,而相关性在待分析时间段内的波动性为0.2,则该因子f的有效性评分为0.8*0.6+0.2*0.3=0.54。
又如,该因子f的有效性评分S(f)的函数关系式还可以为:
S(f)=sum(wi*IDX_Rnk(i,f)) (公式八);
其中,IDX_Rnk(i,f)是因子f对应的第i个评价指标的取值在所有待分析因子对应的该第i个评价指标的取值中的排位,如,排位处于第一表示为1,排位处于最后一位表示为0,对于其他情况,排位为排序序号与所有待分析因子的总个数的比值。wi为第i项评价指标的权重。
又如,该因子f的有效性评分S(f)的函数关系式还可以为:
S(f)=sum(wi*IDX_RnkSeg(i,f)) (公式九);
其中,IDX_RnkSeg(i,f)是因子f的第i个评价指标的取值在所有因子在第i个评价指标上取值的排位分段,如,因子f对应的第i个评价指标的取值处于所有因子对应的评价指标的取值中的前百分之五十,则因子对应的该第i个评价指标的排位分段表示为1,否则排位分段表示为0。wi为第i项评价指标的权重。
以上是以几种计算有效性评分的函数关系式为例进行说明,可以理解的是,在因子对应的相关性、波动性等评价指标的评价值确定的情况下,确定因子对应的有效性程度的函数关系式还可以有其他可能,在此不加以限制。
发明人经研究发现:在评价基金业绩的业绩评价指标确定的情况下,基金因子对于基金的业绩评价指标的取值的影响情况,实际上就是基金因子对基金业绩的影响情况,也就反映出该基金因子在基金中的有效情况。因此,本申请的发明研究发现可以分析基金因子对于作为参考变量的业绩评价指标的影响情况,从而根据该影响情况来分析该基金因子的有效程度,这样既不需要预先筛选因子构建模型,也可以适用于分析基金中任意因子与该参考变量之间的关系。
由以上分析可知,在本申请实施例中,根据待分析时间段内因子与参考变量各自的历史数据,可以确定出该因子对应的至少一种评价指标的评价值,由于每种评价指标均用于表征该因子对参考变量的影响程度,而参考变量是评价基金业绩的一种业绩评价指标,因此,依据因子对应的该至少一种评价指标的评价值,可以确定出该因子该基金中的有效程度,由此可见,本申请实施例的方案无需从基金中筛选因子以及利用筛选的因子构建函数,便可以完成因子有效性的评价,降低了评价因子有效性的复杂度,避免了由于利用筛选的因子构建函数而导致的耗时,提高了因子评价的效率。
同时,本申请在评价因子有效性时,需要从基金中筛选因子而使得构建出的评价模型仅仅适用于对部分因子的有效性评价,且,由于构建出的线性拟合函数是一种线性模型,也限制了适用范围。而本申请可以适用于对基金中任意因子进行有效性评价,且无论基金中因子与参考变量之间是否满足线性关系,均可以准确评估基金因子的有效性,从而提高了对因子评价的普遍适用性。
可以理解的是,在确定出基金中各个待评价的因子的有效程度之后,还可以输出各个因子对应的有效程度。在实际应用中,有效程度的表现形式不同,输出方式也会有所不同。
如,因子的有效程度为因子的有效性评分时,可以依次输出各个因子对应的有效性评分。又如,因子的有效程度为表征该因子有效程度的有效性等级时,则可以依次输出各个因子对应的有效性等级。当然,对于其他情况也类型,在此不再赘述。
可选的,考虑到评价因子的有效性程度时,综合了该因子对参考变量影响的各个评价指标,因此,在输出因子的有效程度的同时,还可以是输出因子对应的各种评价指标的评价值,以便于用户直观了解到基金中各个因子的有效性,从而结合基金中各个因子的相关数据,做出是否购买基金的决策。
举例说明,以图形方式输出各个因子的评价指标的评价值以及有效程度的信息为例说明。假设评价指标包括相关性和波动性,并假设输出的因子的有效程度为因子所处的有效性等级。以基金中需要评价的因子包括:公司财产变动比率、基金经理全部财产、公司全部财产、四星占比、五星占比、基金经理同类型表现这几个因子为例。如,参见图4,其示出了输出的基金中因子有效性的结果的一种示意图。
由图4可以看出,横坐标表示因子与参考变量之间的相关性的取值,纵坐标表示因子与参考变量之间的相关性所对应的波动性的取值。由图4可以看出,基金经理同类型表现属于基金中有效性程度最高的因子,即一类因子,且根据横坐标以及纵坐标可以得出,该基金同类型表现这一因子与参考变量之间的相关性大于0.1,波动性小于0.25。相应的,可以看出分别公司全部财产具有第二类有效性的因子,相应的,属于第三类和第四类的因子也可以由图4直观了解到。可见,通过图4示出了各个因子有效性程度的展现界面可以直观了解到基金中各个因子的重要程度,从而有利于辅助基金表现的分析。
为了便于理解本申请的方案,下面以需要计算因子与参考变量之间的相关性和波动性这两个评价指标,并以一种函数关系式为例对本申请的方案进行说明。如,参见图5,其示出了本申请一种确定基金因子有效性的方法又一个实施例的流程示意图,本实施例的方法从计算机设备侧进行说明,该方法包括:
S501,确定基金中待分析的至少一种因子以及用于评价因子有效性所需参考的参考变量。
其中,该参考变量也称为标的变量,其为评价基金表现的一种业绩评价指标。
该参考变量可以预先设定,也可以是由用户实时输入或者设定的。相应的,待分析的因子可以是预先设定的,也可以是用户输入或者选择出的因子,当然,也可以将基金中所有因子均作为待分析的因子。
S502,获取待分析时间段内每种因子的历史数据以及该参考变量的历史数据。
其中,该待分析时间段包括多个时间区间,而每种因子的历史数据实际上包括该因子在该多个时间区间内的历史数据,而参考变量的历史数据也包括该多个时间区间内的历史数据。
其中,在每个时间区间内,因子的历史数据以及参考变量的历史数据均为时间序列。其中,该因子在该时间区间内的时间序列为该时间区间内多个时刻点上的取值所组成的序列;相应的,而参考变量在该时间区间内的时间序列也为由该多个时刻点上的取值所组成的序列。
S503,针对每个因子,分别根据该因子及该参考变量在各个时间区间内的历史数据,确定该因子与参考变量在各个时间区间内的相关性,得到该因子与参考变量在多个时间区间内的相关性。
如,以一个因子为例,对于某个时间区间,依据该因子在该时间区间内时间序列以及该参考变量在该时间区间内的时间序列,可以按照前面提到的任意一种计算相关性系数的方式,计算因子与参考变量在该时间区间内的相关性系数,并计算出的相关性系数作为因子与参考变量在该时间区间内的相关性的取值。相应的,多个时间区间,就可以得到该因子在多个不同时间区间内与该参考变量的相关性的取值。
S504,针对每个因子,计算该因子与该参考变量在该多个时间区间的相关性的平均值,得到平均相关性。
S505,针对每个因子,依据该因子对应的平均相关性以及该因子在多个时间区间内的相关性,计算该因子与参考变量在该多个时间区间的相关性的标准差,将计算出的标准差确定为该因子对该参考变量影响的波动性。
其中,标准差的计算公式可以参见前面的公式四,在此不再赘述。
举例说明,假设待分析时间段为2016年度,该年度包括第一季度、第二季度、第三季度及第四季度这四个时间区间。假设待分析因子为因子一、因子二和因子三,这三个因子分别表示为X1,X2和X3,而参考变量表示为Y。
其中,X1在第一季度到第四季度的历史数据的集合分别表示为: 和相应的,X2在第一季度到第四季度的历史数据的集合分别表示为和X3在四个季度的历史数据集合可以分别表示为 和同时,Y在四个季度的历史数据集合可以表示为Y1、Y2、Y3和Y4。具体的,这三个因子和参考变量的历史数据可以参见图6中左侧的表格所示。
相应的,针对每个因子,需要依次计算出该因子在四个季度中分别与参考变量的相关性,如,因子X1在第一季度的历史数据与参考变量Y在第一季度的历史数据Y1的相关性可以表示为相应的,因子X1与参考变量Y在第二季度、第三季度以及第四季度的相关性分别为和对于因子X2和X3也类似,如参见图6中指标计算后所得到的右侧表格,在该表格中示出了各个因子分别在四个季度与参考变量的相关性。
同时,在图6中右侧的表格中最后一行示出了每个因子在四个季度的相关性的平均值,即每个因子在这四个季度的相关性所对应的波动性。如,因子一在四个季度中相关性的平均值为:
相应的,因子一在这四个季度的相关性所对应的波动性std1为:
对于因子二和因子三也类似,具体可以参见图6中右侧表格,从而可以确定出每个因子对应的相关性和波动性这两个指标在不同季度的取值。
S506,针对每个因子,确定该因子对应的相关性与该因子对应的波动性的比值,并将该比值作为该因子的有效性评分。
如,结合图6,因子一的有效性评分对于因子二和因子三的有效性评分也类似,在此不再赘述。
在本申请实施例中是以通过前面公式六作为一种函数关系式为例进行说明,但是当函数关系式为其他可能情况时,也同样适用于本实施例,在此不再赘述。
S507,输出各个因子的有效性评分。
如,在计算机设备中输出有效性评分,或者计算机设备将各个因子的有效性评分输出给其他设备或者服务器等。
当然,基于各个因子的有效性评分,确定各个因子的有效性等级,并输出各个因子的有效性等级也同样适用。另外,输出有效性评分以及有效性等级的具体方式可以为前面提到的任意形式,在此不加以限制。
可以理解的是,在以上任意一个实施例中,在确定出各个因子的有效性程度之后,计算机设备还可以将各个因子的有效性程度输出到多个终端,并获取多个终端的用户根据因子有效性的结果,选择保留以及删除的因子,并按照各个因子被删除的频率从高到低进行排序,然后将该排序作为最终确定出的各个因子的有效性程度的评价结果。如,在按照被删除的频率从高到低对多个因子排序之后,将排序后的因子按顺序划分为多段,并按照该排序依次将该多段确定为多个不同等级,如,处于第一段的因子属于第一等级,处于第二段的因子属于第二等级,依此类推。
为了便于理解,下面以一种应用场景为例进行说明,如,参见图7,其示出了本申请的确定基金因子有效性的方法的一种应用场景的组成架构示意图。
在图7的应用场景中,以基金为股票基金(也称为股票型基金)为例。由图7可以看出,该应用场景中,包含至少一个股票基金的发售平台71,每个发售平台设置有至少一台用于处理股票基金相关业务的平台服务器710。
发售平台71中的平台服务器710与数据统计服务器72之间通过网络连接,且服务器710用于主动或者基于数据统计服务器72的请求,将股票基金所涉及到的因子以及股票基金的业绩评价指标等相关数据发送给数据统计服务器72。
数据统计服务器72将获取到的该股票基金的相关数据存储到数据存储设备73。
数据存储设备73与用于分析因子有效性的计算机设备74通过网络相连,该计算机设备74可以从数据存储设备中查询所需分析的股票基金的相关数据。
当然,数据统计服务器获取股票基金的方式还可以有其他可能,图7仅仅是以一种情况举例说明。相应的,在实际应用中,数据统计服务器也可以直接存储获取到的股票基金的相关数据,在该种情况下,计算机设备可以直接从数据统计服务器获取股票基金的相关数据。
另外,计算机设备在需要分析股票基金中因子有效性的情况下,也可以预先或者实时从各个股票基金的发售平台获取该股票基金的相关数据。
结合图7示出的应用场景,下面以通过夏普比率来评价该股票基金A的业绩,并选取该夏普比率作为参考变量为例对本申请的方案进行介绍。如,参见图8,其示出了本申请确定基金因子有效性的方法在一种应用场景中的流程交互示意图,本实施例的方法可以包括:
S801,计算机设备确定待分析基金为股票基金A,该股票基金A中待分析的两个因子为“公司财产”和“基金经理同类型表现”,并确定“夏普比率”作为评价该股票基金中各个因子有效性的参考变量。
在本实施例中,为了便于描述,以股票基金A中待分析因子为股票基金中“公司财产”和“基金经理同类型表现”这两种因素为例说明。
S802,计算机设备从数据存储设备中分别获取“公司财产”和“基金经理同类型表现”这两个因子在2017年度中各个季度的历史数据,以及该“夏普比率”在各个季度的历史数据。
S803,计算机设备分别依据“公司财产”以及“夏普比率”在各个季度的历史数据,计算出“公司财产”与“夏普比率”在2017年各个季度的相关性。
S804,计算机设备依据“公司财产”与“夏普比率”在2017年各个季度的相关性,计算出“公司财产”与“夏普比率”之间的相关性在该2017年度的波动性。
S805,计算机设备分别依据“基金经理同类型表现”以及“夏普比率”在各个季度的历史数据,计算出“基金经理同类型表现”与“夏普比率”在2017年各个季度的相关性。
S806,计算机设备依据“基金经理同类型表现”与“夏普比率”在2017年各个季度的相关性,计算出“基金经理同类型表现”与“夏普比率”之间的相关性在该2017年度的波动性。
其中,计算“公司财产”、“基金经理同类型表现”与“夏普比率”在2017年各个季度的相关性,以及相应波动性的过程可以参见前面实施例的相关介绍。
可以理解的是,步骤S803和S804,与步骤S805和S806的顺序不限于图8所示,在实际应用中,步骤S803和S804,与步骤S805和S806的执行顺序可以互换,也可以是同时执行。
S807,计算机设备将“公司财产”与“夏普比率”在2017年各个季度的相关性的平均值作为“公司财产”与“夏普比率”在2017年度的相关性,并根据“公司财产”对应的2017年度的相关性和波动性,计算该“公司财产”对应的有效性评分。
S808,计算机设备将“基金经理同类型表现”与“夏普比率”在2017年各个季度的相关性的平均值作为“基金经理同类型表现”与“夏普比率”在2017年度的相关性,并根据“基金经理同类型表现”对应的2017年度的相关性和波动性,计算该“基金经理同类型表现”对应的有效性评分。
S809,计算机设备输出“公司财产”及“基金经理同类型表现”这两个因子各自的有效性评分。
另一方面,本申请还提供了一种确定基金因子有效性的装置。
如,参见图9,其示出了本申请一种确定基金因子有效性的装置一个实施例的组成结构示意图,本实施例的装置可以包括:
数据获取单元901,用于获取待分析时间段内基金中至少一种因子的历史数据,以及用于分析因子有效性所需参考的参考变量的历史数据,所述参考变量为评价所述基金表现的业绩评价指标;
指标分析单元902,用于针对每种所述因子,根据所述因子的历史数据以及所述参考变量的历史数据,确定用于表征所述因子对所述参考变量影响程度的至少一种评价指标的评价值;
有效性评价单元903,用于依据所述至少一种因子各自对应的所述至少一种评价指标的评价值,分别确定所述基金中每种所述因子的有效程度。
在一种可能的实现方式中,该指标分析单元902可以包括:
第一分析子单元,用于针对每种所述因子,根据所述因子的历史数据以及所述参考变量的历史数据,确定在所述待分析时间段内所述因子与所述参考变量之间的相关性。
可选的,如图10,其示出了指标分析单元902的又一种组成结构示意图,在该图10的示例中,该数据获取单元具体为获取待分析时间段内多个时间区间内基金中至少一种因子的历史数据,以及用于分析因子有效性所需参考的参考变量的历史数据;
相应的,该指标分析单元除了包括第一分析子单元9021之外,还可以包括第二分析子单元9022。
其中,第一分析子单元9021具体为,用于对于每种所述因子,分别针对每个所述时间区间,根据所述因子及所述参考变量在所述时间区间内的历史数据,确定所述因子与所述参考变量在所述时间区间内的相关性;
第二分析子单元9022,用于针对每种所述因子,分别根据所述因子与所述参考变量在所述多个时间区间的相关性,确定所述因子对所述参考变量影响的波动性。
作为一种可选的实现方式,该第二分析子单元可以包括:
平均计算子单元,用于对于每种因子,计算所述因子与所述参考变量在所述多个时间区间的相关性的平均值,得到平均相关性;
波动性计算子单元,用于对于每种因子,依据所述平均计算子单元计算出的平均相关性,计算所述因子与所述参考变量在所述多个时间区间的相关性的标准差,将计算出的标准差确定为所述因子对所述参考变量影响的波动性。
在以上任意一个装置的实施例中,所述有效性评价单元可以包括:
有效性评价子单元,用于对于每种所述因子,依据所述至少一种评价指标之间的函数关系式,以及所述因子对应的至少一种评价指标的评价值,计算所述因子的有效性评分。
可选的,所述有效性评价子单元可以包括:
权重获取子单元,用于获取所述至少一种评价指标各自对应的权重;
权重性评价子单元,用于按照所述至少一种评价指标之间的函数关系式,每种评价指标的权重,以及所述因子对应的至少一种评价指标的评价值,计算所述因子的有效性评分。
另一方面,本申请还提供了一种存储介质,该存储介质中存储有计算机程序,所述计算机程序被处理器加载并执行时,实现如上任意一个实施例中所描述的确定基金因子有效性的方法。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,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。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
以上仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (14)
1.一种确定基金因子有效性的方法,其特征在于,包括:
获取待分析时间段内基金中至少一种因子的历史数据,以及用于分析因子有效性所需参考的参考变量的历史数据,所述参考变量为评价所述基金表现的业绩评价指标;
针对每种所述因子,根据所述因子的历史数据以及所述参考变量的历史数据,确定用于表征所述因子对所述参考变量影响程度的至少一种评价指标的评价值;
依据所述至少一种因子各自对应的所述至少一种评价指标的评价值,分别确定所述基金中每种所述因子的有效程度。
2.根据权利要求1所述的确定基金因子有效性的方法,其特征在于,所述根据所述因子的历史数据以及所述参考变量的历史数据,确定用于表征所述因子对所述参考变量影响程度的至少一种评价指标的评价值,包括:
根据所述因子的历史数据以及所述参考变量的历史数据,确定在所述待分析时间段内所述因子与所述参考变量之间的相关性。
3.根据权利要求2所述的确定基金因子有效性的方法,其特征在于,所述待分析时间段包括多个时间区间;
所述根据所述因子的历史数据以及所述参考变量的历史数据,确定在所述待分析时间段内所述因子与所述参考变量之间的相关性,包括:
针对每个所述时间区间,根据所述因子及所述参考变量在所述时间区间内的历史数据,确定所述因子与所述参考变量在所述时间区间内的相关性;
所述根据所述因子的历史数据以及所述参考变量的历史数据,确定用于表征所述因子对所述参考变量影响程度的至少一种评价指标的评价值,还包括:
分别根据所述因子与所述参考变量在所述多个时间区间的相关性,确定所述因子对所述参考变量影响的波动性。
4.根据权利要求1至3任一项所述的确定基金因子有效性的方法,其特征在于,所述依据所述至少一种因子各自对应的所述至少一种评价指标的评价值,分别确定所述基金中每种所述因子的有效程度,包括:
对于每种所述因子,依据所述至少一种评价指标之间的函数关系式,以及所述因子对应的至少一种评价指标的评价值,计算所述因子的有效性评分。
5.根据权利要求4所述的确定基金因子有效性的方法,其特征在于,所述依据所述至少一种评价指标之间的函数关系式,以及所述因子对应的至少一种评价指标的评价值,计算所述因子的有效性评分,包括:
获取所述至少一种评价指标各自对应的权重;
按照所述至少一种评价指标之间的函数关系式,每种评价指标的权重,以及所述因子对应的至少一种评价指标的评价值,计算所述因子的有效性评分。
6.根据权利要求3所述的确定基金因子有效性的方法,其特征在于,所述分别根据所述因子与所述参考变量在所述多个时间区间的相关性,确定所述因子对所述参考变量影响的波动性,包括:
计算所述因子与所述参考变量在所述多个时间区间的相关性的平均值,得到平均相关性;
依据所述平均相关性,计算所述因子与所述参考变量在所述多个时间区间的相关性的标准差,将计算出的标准差确定为所述因子对所述参考变量影响的波动性。
7.一种确定基金因子有效性的装置,其特征在于,包括:
数据获取单元,用于获取待分析时间段内基金中至少一种因子的历史数据,以及用于分析因子有效性所需参考的参考变量的历史数据,所述参考变量为评价所述基金表现的业绩评价指标;
指标分析单元,用于针对每种所述因子,根据所述因子的历史数据以及所述参考变量的历史数据,确定用于表征所述因子对所述参考变量影响程度的至少一种评价指标的评价值;
有效性评价单元,用于依据所述至少一种因子各自对应的所述至少一种评价指标的评价值,分别确定所述基金中每种所述因子的有效程度。
8.根据权利要求7所述的确定基金因子有效性的装置,其特征在于,所述指标分析单元,包括:
第一分析子单元,用于针对每种所述因子,根据所述因子的历史数据以及所述参考变量的历史数据,确定在所述待分析时间段内所述因子与所述参考变量之间的相关性。
9.根据权利要求8所述的确定基金因子有效性的装置,其特征在于,所述数据获取单元具体为获取待分析时间段内多个时间区间内基金中至少一种因子的历史数据,以及用于分析因子有效性所需参考的参考变量的历史数据;
第一分析子单元具体为,用于对于每种所述因子,分别针对每个所述时间区间,根据所述因子及所述参考变量在所述时间区间内的历史数据,确定所述因子与所述参考变量在所述时间区间内的相关性;
所述指标分析单元,还包括:
第二分析子单元,用于针对每种所述因子,分别根据所述因子与所述参考变量在所述多个时间区间的相关性,确定所述因子对所述参考变量影响的波动性。
10.根据权利要求7至9任一项所述的确定基金因子有效性的装置,其特征在于,所述有效性评价单元,包括:
有效性评价子单元,用于对于每种所述因子,依据所述至少一种评价指标之间的函数关系式,以及所述因子对应的至少一种评价指标的评价值,计算所述因子的有效性评分。
11.根据权利要求10所述的确定基金因子有效性的装置,其特征在于,所述有效性评价子单元,包括:
权重获取子单元,用于获取所述至少一种评价指标各自对应的权重;
权重性评价子单元,用于按照所述至少一种评价指标之间的函数关系式,每种评价指标的权重,以及所述因子对应的至少一种评价指标的评价值,计算所述因子的有效性评分。
12.根据权利要求9所述的确定基金因子有效性的装置,其特征在于,所述第二分析子单元,包括:
平均计算子单元,用于对于每种因子,计算所述因子与所述参考变量在所述多个时间区间的相关性的平均值,得到平均相关性;
波动性计算子单元,用于对于每种因子,依据所述平均计算子单元计算出的平均相关性,计算所述因子与所述参考变量在所述多个时间区间的相关性的标准差,将计算出的标准差确定为所述因子对所述参考变量影响的波动性。
13.一种计算机设备,其特征在于,包括:处理器和存储器;
其中,所述处理器用于执行所述存储器中存储的程序;
所述存储器用于存储程序,所述程序至少用于:
获取待分析时间段内基金中至少一种因子的历史数据,以及用于分析因子有效性所需参考的参考变量的历史数据,所述参考变量为评价所述基金表现的业绩评价指标;
针对每种所述因子,根据所述因子的历史数据以及所述参考变量的历史数据,确定用于表征所述因子对所述参考变量影响程度的至少一种评价指标的评价值;
依据所述至少一种因子各自对应的所述至少一种评价指标的评价值,分别确定所述基金中每种所述因子的有效程度。
14.一种存储介质,其特征在于,所述存储介质中存储有计算机可执行指令,所述计算机可执行指令被处理器加载并执行时,实现如上权利要求1至6任一项所述的确定基金因子有效性的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810559197.0A CN110210978A (zh) | 2018-06-01 | 2018-06-01 | 确定基金因子有效性的方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810559197.0A CN110210978A (zh) | 2018-06-01 | 2018-06-01 | 确定基金因子有效性的方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110210978A true CN110210978A (zh) | 2019-09-06 |
Family
ID=67778837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810559197.0A Pending CN110210978A (zh) | 2018-06-01 | 2018-06-01 | 确定基金因子有效性的方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110210978A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110852573A (zh) * | 2019-10-21 | 2020-02-28 | 中国银联股份有限公司 | 数据处理方法、装置、设备及介质 |
CN113792887A (zh) * | 2021-09-16 | 2021-12-14 | 平安资产管理有限责任公司 | 基于智能决策的成分分析方法、装置、设备及存储介质 |
-
2018
- 2018-06-01 CN CN201810559197.0A patent/CN110210978A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110852573A (zh) * | 2019-10-21 | 2020-02-28 | 中国银联股份有限公司 | 数据处理方法、装置、设备及介质 |
CN113792887A (zh) * | 2021-09-16 | 2021-12-14 | 平安资产管理有限责任公司 | 基于智能决策的成分分析方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Serrano et al. | Clustering in complex networks. I. General formalism | |
US11941645B1 (en) | Methods and systems to extract signals from large and imperfect datasets | |
CN108921569B (zh) | 一种确定用户投诉类型的方法及装置 | |
CN107025596A (zh) | 一种风险评估方法和系统 | |
CN109615129B (zh) | 房地产客户成交概率预测方法、服务器及计算机存储介质 | |
JP5346816B2 (ja) | アルゴリズム取引 | |
CN106251174A (zh) | 信息推荐方法及装置 | |
Crama et al. | Power indices and the measurement of control in corporate structures | |
CN110706096A (zh) | 基于捞回用户管理授信额度的方法、装置和电子设备 | |
CN108345601A (zh) | 搜索结果排序方法及装置 | |
CN105740434B (zh) | 网络信息评分方法及装置 | |
MA et al. | Alternate methods of conjoint analysis for estimating housing preference functions: Effects of presentation style | |
CN108182587A (zh) | 一种电商平台刷单行为检测方法及系统 | |
WO2021021271A1 (en) | Indiagnostics framework for large scale hierarchical time-series forecasting models | |
CN110210978A (zh) | 确定基金因子有效性的方法、装置、设备及存储介质 | |
CN112967108A (zh) | 基于bp-ann的电力零售套餐搜索排序仿真系统和方法 | |
Bernius et al. | Exploring the effects of a transition to open access: Insights from a simulation study | |
CN105162643B (zh) | 流量预估的方法、装置及计算设备 | |
Jiang et al. | Intertemporal pricing via nonparametric estimation: Integrating reference effects and consumer heterogeneity | |
CN110059749B (zh) | 重要特征的筛选方法、装置及电子设备 | |
Lohrenz et al. | Bonus bidding and bottom lines: federal offshore oil and gas | |
CN112241820A (zh) | 资金流动中关键节点的风险识别方法、装置及计算设备 | |
Skitmore et al. | Valuation accuracy and variation: a meta analysis | |
CN115641198A (zh) | 用户运营方法、装置、电子设备和存储介质 | |
CN107577707A (zh) | 一种目标数据集生成方法、装置及电子设备 |
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 |