CN110555771A - 基于多维数据的对标股筛选方法、服务器及存储介质 - Google Patents
基于多维数据的对标股筛选方法、服务器及存储介质 Download PDFInfo
- Publication number
- CN110555771A CN110555771A CN201910841357.5A CN201910841357A CN110555771A CN 110555771 A CN110555771 A CN 110555771A CN 201910841357 A CN201910841357 A CN 201910841357A CN 110555771 A CN110555771 A CN 110555771A
- Authority
- CN
- China
- Prior art keywords
- stock
- pool
- screening
- keyword
- preset
- 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
- 238000012216 screening Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000001960 triggered effect Effects 0.000 claims abstract description 26
- 238000012544 monitoring process Methods 0.000 claims abstract description 19
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000008569 process Effects 0.000 abstract description 7
- 238000012545 processing Methods 0.000 abstract description 7
- 239000013598 vector Substances 0.000 description 20
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (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
本发明涉及数据处理技术,提供了一种基于多维数据的对标股筛选方法、服务器及存储介质。该方法通过侦测并接收客户端发出的筛选对标股的请求,解析所述请求,获取与待筛选对标股对应的基准股票的第一关键词与第二关键词,实时监测所述基准股票,当监测所述基准股票触发预设类型的事件时,记录所述基准股票触发的事件及预设值,从预设多个数据源中筛选出在预设时间间隔内与所述基准股票触发的事件相同的第一股票池,基于所述第一股票池及所述基准股票的第一关键词与第二关键词,筛选与所述基准股票对应的对标股,将所述对标股反馈至所述客户端。本发明可以提高对标股筛选的准确性,并在数据处理过程中在节省了计算机内存。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种基于多维数据的对标股筛选方法、服务器及存储介质。
背景技术
目前,关于对标股的筛选,通常是投资经理根据基准股票的一些相关信息,主观地对该基准股票对应的对标股进行筛选,然而这种基于人为经验的筛选结果精准性往往比较低。
虽然市面上出现了一些自动筛选股票的技术,但这些技术通常是基于某种分类算法实现的,存在精准性不高、稳定性不足或对于系统性能的要求较高等技术问题。
发明内容
鉴于以上内容,本发明提供一种基于多维数据的对标股筛选方法、服务器及存储介质,其目的在于本提高对标股筛选的精准性。
为实现上述目的,本发明提供一种基于多维数据的对标股筛选方法,该方法包括:
接收步骤:侦测并接收客户端发出的筛选对标股的请求,解析所述请求,获取与待筛选对标股对应的基准股票的第一关键词与第二关键词;
监测步骤:实时监测所述基准股票,当监测所述基准股票触发预设类型的事件时,记录所述基准股票触发的事件及预设值;
筛选步骤:从预设多个数据源中筛选出在预设时间间隔内与所述基准股票触发的事件相同的第一股票池;及
反馈步骤:基于所述第一股票池及所述基准股票的第一关键词与第二关键词,筛选与所述基准股票对应的对标股,将所述对标股反馈至所述客户端。
优选的,所述接收步骤还包括:
对所述客户端的用户进行身份鉴定,若用户身份鉴定通过则执行所述监测步骤,若用户身份鉴定失败则拒绝所述筛选对标股的请求,并生成预警信息反馈至所述客户端。
优选的,所述反馈步骤包括:
从所述第一股票池中筛选出与所述基准股票的第一关键词相同的第二股票池,若所述第二股票池包含至少一只股票,则从所述第二股票池中选取与所述基准股票的预设值的差值最小的股票作为所述对标股。
优选的,若所述第二股票池中没有股票,则从所述第一股票池中选取与所述基准股票的第二关键词相同的第三股票池,若所述第三股票池包含至少一只股票,则从所述第三股票池中选取与所述基准股票的预设值的差值最小的股票作为所述对标股。
优选的,若所述第三股票池中没有股票,则从所述第一股票池中选取出与所述基准股票的预设值的差值最小的股票作为所述对标股。
为实现上述目的,本发明还提供一种服务器,该服务器包括:存储器及处理器,其特征在于,所述存储器上存储基于多维数据的对标股筛选程序,所述基于多维数据的对标股筛选程序被所述处理器执行,实现如下步骤:
接收步骤:侦测并接收客户端发出的筛选对标股的请求,解析所述请求,获取与待筛选对标股对应的基准股票的第一关键词与第二关键词;
监测步骤:实时监测所述基准股票,当监测所述基准股票触发预设类型的事件时,记录所述基准股票触发的事件及预设值;
筛选步骤:从预设多个数据源中筛选出在预设时间间隔内与所述基准股票触发的事件相同的第一股票池;及
反馈步骤:基于所述第一股票池及所述基准股票的第一关键词与第二关键词,筛选与所述基准股票对应的对标股,将所述对标股反馈至所述客户端。
优选的,所述反馈步骤包括:
从所述第一股票池中筛选出与所述基准股票的第一关键词相同的第二股票池,若所述第二股票池包含至少一只股票,则从所述第二股票池中选取与所述基准股票的预设值的差值最小的股票作为所述对标股。
优选的,若所述第二股票池中没有股票,则从所述第一股票池中选取与所述基准股票的第二关键词相同的第三股票池,若所述第三股票池包含至少一只股票,则从所述第三股票池中选取与所述基准股票的预设值的差值最小的股票作为所述对标股。
优选的,若所述第三股票池中没有股票,则从所述第一股票池中选取出与所述基准股票的预设值的差值最小的股票作为所述对标股。
为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中包括基于多维数据的对标股筛选程序,所述基于多维数据的对标股筛选程序被处理器执行时,可实现如上所述基于多维数据的对标股筛选方法中的任意步骤。
本发明提出的基于多维数据的对标股筛选方法、服务器及存储介质,通过侦测并接收客户端发出的筛选对标股的请求,解析所述请求,获取与待筛选对标股对应的基准股票的第一关键词与第二关键词,实时监测所述基准股票,当监测所述基准股票触发预设类型的事件时,记录所述基准股票触发的事件及预设值,从预设多个数据源中筛选出在预设时间间隔内与所述基准股票触发的事件相同的第一股票池,基于所述第一股票池及所述基准股票的第一关键词与第二关键词,筛选与所述基准股票对应的对标股,将所述对标股反馈至所述客户端。本发明可以提高对标股筛选的准确性,并在数据处理过程中在节省了计算机内存。
附图说明
图1为本发明基于多维数据的对标股筛选方法较佳实施例的应用环境图;
图2为本发明服务器较佳实施例的示意图;
图3为图2中基于多维数据的对标股筛选程序较佳实施例的模块示意图;
图4为本发明基于多维数据的对标股筛选方法较佳实施例的流程图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。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。
参照图1所示,是本发明基于多维数据的对标股筛选方法较佳实施例的应用环境图。服务器1安装有基于多维数据的对标股筛选程序10。多个客户端3通过网络2连接服务器1。网络2可以为互联网、云网络、无线保真(Wi-Fi)网络、个人网(PAN)、局域网(LAN)和/或城域网(MAN)。网络环境中的各种设备可以被配置为根据各种有线和无线通信协议连接到通信网络。这样的有线和无线通信协议的例子可以包括但不限于以下中的至少一个:传输控制协议和互联网协议(TCP/IP)、用户数据报协议(UDP)、超文本传输协议(HTTP)、文件传输协议(FTP)、EDGE、IEEE 802.11、IEEE 802.11s、IEEE 802.11g、多跳通信、无线接入点(AP)、设备对设备通信、蜂窝通信协议和/或蓝牙(Blue Tooth)通信协议或其组合。客户端3可以为桌上型计算机、笔记本、平板电脑、手机,或其它安装有应用软件,可以通过网络2与服务器1进行通信的终端装置。数据库4可以存储股票的各类数据。
参照图2所示,为本发明服务器1较佳实施例的示意图。
该服务器1包括但不限于:存储器11、处理器12、显示器13及网络接口14。所述服务器1通过网络接口14连接网络,获取原始数据。其中,所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobilecommunication,GSM)、宽带码分多址(Wideband Code Division Multiple Access,WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi、通话网络等无线或有线网络。
其中,存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器11可以是所述服务器1的内部存储单元,例如该服务器1的硬盘或内存。在另一些实施例中,所述存储器11也可以是所述服务器1的外部存储设备,例如该服务器1配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,所述存储器11还可以既包括所述服务器1的内部存储单元也包括其外部存储设备。本实施例中,存储器11通常用于存储安装于所述服务器1的操作系统和各类应用软件,例如基于多维数据的对标股筛选程序10的程序代码等。此外,存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器12在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器12通常用于控制所述服务器1的总体操作,例如执行数据交互或者通信相关的控制和处理等。本实施例中,所述处理器12用于运行所述存储器11中存储的程序代码或者处理数据,例如运行基于多维数据的对标股筛选程序10的程序代码等。
显示器13可以称为显示屏或显示单元。在一些实施例中显示器13可以是LED显示器、液晶显示器、触控式液晶显示器以及有机发光二极管(Organic Light-EmittingDiode,OLED)触摸器等。显示器13用于显示在服务器1中处理的信息以及用于显示可视化的工作界面,例如显示数据统计的结果。
网络接口14可选地可以包括标准的有线接口、无线接口(如WI-FI接口),该网络接口14通常用于在所述服务器1与其它电子设备之间建立通信连接。
图2仅示出了具有组件11-14以及基于多维数据的对标股筛选程序10的服务器1,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
可选地,所述服务器1还可以包括用户接口,用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard),可选的用户接口还可以包括标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及有机发光二极管(Organic Light-Emitting Diode,OLED)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在服务器1中处理的信息以及用于显示可视化的用户界面。
该服务器1还可以包括射频(Radio Frequency,RF)电路、传感器和音频电路等等,在此不再赘述。
在上述实施例中,处理器12执行存储器11中存储的基于多维数据的对标股筛选程序10时可以实现如下步骤:
接收步骤:侦测并接收客户端发出的筛选对标股的请求,解析所述请求,获取与待筛选对标股对应的基准股票的第一关键词与第二关键词;
监测步骤:实时监测所述基准股票,当监测所述基准股票触发预设类型的事件时,记录所述基准股票触发的事件及预设值;
筛选步骤:从预设多个数据源中筛选出在预设时间间隔内与所述基准股票触发的事件相同的第一股票池;及
反馈步骤:基于所述第一股票池及所述基准股票的第一关键词与第二关键词,筛选与所述基准股票对应的对标股,将所述对标股反馈至所述客户端。
关于上述步骤的详细介绍,请参照下述图3关于基于多维数据的对标股筛选程序10实施例的程序模块图以及图4关于基于多维数据的对标股筛选方法实施例的流程图的说明。
在其他实施例中,所述基于多维数据的对标股筛选程序10可以被分割为多个模块,该多个模块被存储于存储器12中,并由处理器13执行,以完成本发明。本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段。
参照图3所示,为图2中基于多维数据的对标股筛选程序10一实施例的程序模块图。在本实施例中,所述基于多维数据的对标股筛选程序10可以被分割为:接收模块110、监测模块120、筛选模块130及反馈模块140。
接收模块110,用于侦测并接收客户端发出的筛选对标股的请求,解析所述请求,获取与待筛选对标股对应的基准股票的第一关键词与第二关键词。
在本实施例中,请求中包括待筛选对标股对应的基准股票的第一关键词与第二关键词,还可以包括待筛选对标股对应的基准股票信息的存储路径及标识。其中,第一关键词可以是该基准股票所属的主题,第二关键词可以是该基准股票的所属的行业。也就是说,待筛选对标股对应的基准股票的信息可以是用户在提交请求时一并录入的,也可以是在用户提交筛选对标股的请求之后,从请求中指定的地址中获取的。获取与待筛选对标股对应的基准股票的第一关键词与第二关键词方法还可以提供用户交互界面供用户录入。
在一个实施例中,接收模块110还对发起筛选对标股请求的客户端的用户进行用户身份信息鉴定,用户身份信息鉴定通过则执行后续步骤,若用户身份信息鉴定失败,则拒绝筛选对标股的请求并生成预警信息。例如,接收模块110将用户的身份信息,与预设的具备请求权限的白名单进行匹配,当白名单中存在与用户身份信息匹配的数据时,认为该用户具备权限,当白名单中不存在与用户身份信息匹配的数据时,认为用户不具备权限。还可以获取筛选对标股请求中包含的设备标识,判断该设备标识是否为预先绑定的白名单,若是,则认为请求正常,若否,则认为请求不正常。
监测模块120,用于实时监测所述基准股票,当监测所述基准股票触发预设类型的事件时,记录所述基准股票触发的事件及预设值。
在本实施例中,实时对所述基准股票进行监测,当监测所述基准股票触发预设类型的事件时,记录该基准股票触发的具体事件及预设值,其中,预设类型的事件是指利多的事件,例如:股东增持等。具体地,预先提取各种利多事件的关键词并存储至预设数据库中,监测基准股票的各类事件,将基准股票的各类事件文本内容根据正向最大匹配法作分词处理,并利用TextRank技术提取出该事件的关键词,然后采用词向量模型word2vec将事件的关键词及预先存储的利多事件的关键词转换为词向量,基于余弦相似度算法计算事件文本与预设数据库中每个关键词的相似度,其中,每个关键词词向量对应不同的利多信息,将事件文本关键词的词向量记为X(x1,x2,…,xn),将预先存储的利多关键词的词向量记为Y(y1,y2,…,yn),计算事件文本关键词的词向量与预先存储的多个利多事件的关键词词向量的相似度值,当计算得到的相似度值大于预设阈值(例如,0.8),则记录该事件及该基准股票的预设值,预设值可以是该基准股票触发预设类型的事件时当天的收盘市值。
筛选模块130,用于从预设多个数据源中筛选出在预设时间间隔内与所述基准股票触发的事件相同的第一股票池。
在本实施例中,可以利用爬虫技术从预设多个数据源(例如,专业性的股票网站等)中筛选出在预设时间间隔内与所述基准股票触发的事件相同的股票作为第一股票池,预设时间间隔是从2016年1月1日起,至所述基准股票发生预设类型的事件的时间往前推20天的时间段,例如:如果所述基准股票发生股东增持事件的时间是2019年4月26日,则所述预设时间间隔为2016年1月1日至2019年4月6日。
由于通过互联网爬虫技术获取的数据存在部分原始数据重合的问题,因此需要对多个数据源中重复数据进行聚合,得到去重后的聚合数据。
具体地,确定所述聚合前数据集中的数量为M,以及确定所述聚合数据中数据的数量为N,根据所述原始数据中数据的数据量和聚合数据中数据的数量建立索引向量,所述索引向量的长度为M,其取值范围为[-N,-1]U[1,N]中的整数,其中,该索引向量取值的绝对值用于指示原始数据中数据在聚合数据中的位置;随机读取索引向量的取值,并根据所述取值从所述聚合数据中获取对应的数据,并将到的数据作为与所述基准股票触发的事件相同的第一股票池。
反馈模块140,用于基于所述第一股票池及所述基准股票的第一关键词与第二关键词,筛选与所述基准股票对应的对标股,将所述对标股反馈至所述客户端。
在本实施例中,基于所述第一股票池及所述基准股票的第一关键词与第二关键词,筛选与所述基准股票对应的对标股,将所述对标股反馈至客户端。
进一步地,从所述第一股票池中筛选出与所述基准股票的第一关键词相同的第二股票池,若所述第二股票池包含至少一只股票,则从所述第二股票池中选取与所述基准股票的预设值的差值最小的股票作为所述对标股。从第一股票池筛选出与基准股票的主题相同的股票作为第二股票池,从第二股票池中选取与基准股票发生预设类型事件当天的收盘市值的差值最小的股票作为对标股。
进一步地,若所述第二股票池中没有股票,则从所述第一股票池中选取与所述基准股票的第二关键词相同的第三股票池,若所述第三股票池包含至少一只股票,则从所述第三股票池中选取与所述基准股票的预设值的差值最小的股票作为所述对标股。从第一股票池筛选出与基准股票的行业相同的股票作为第三股票池,从第三股票池中选取与基准股票发生预设类型事件当天的收盘市值的差值最小的股票作为对标股。
进一步地,若所述第三股票池中没有股票,则从所述第一股票池中选取出与所述基准股票发生预设类型事件当天的收盘市值的差值最小的股票作为所述对标股。
此外,本发明还提供一种土地价格预测的方法。参照图4所示,为本发明土地价格预测的方法的实施例的方法流程示意图。服务器1的处理器12执行存储器11中存储的基于多维数据的对标股筛选程序10时实现土地价格预测的方法的如下步骤:。
步骤S10:侦测并接收客户端发出的筛选对标股的请求,解析所述请求,获取与待筛选对标股对应的基准股票的第一关键词与第二关键词。
在本实施例中,请求中包括待筛选对标股对应的基准股票的第一关键词与第二关键词,还可以包括待筛选对标股对应的基准股票信息的存储路径及标识。其中,第一关键词可以是该基准股票所属的主题,第二关键词可以是该基准股票的所属的行业。也就是说,待筛选对标股对应的基准股票的信息可以是用户在提交请求时一并录入的,也可以是在用户提交筛选对标股的请求之后,从请求中指定的地址中获取的。获取与待筛选对标股对应的基准股票的第一关键词与第二关键词方法还可以提供用户交互界面供用户录入。
在一个实施例中,接收模块110还对发起筛选对标股请求的客户端的用户进行用户身份信息鉴定,用户身份信息鉴定通过则执行后续步骤,用户身份信息鉴定失败,则拒绝筛选对标股的请求并生成预警信息。例如,接收模块110将用户的身份信息,与预设的具备请求权限的白名单进行匹配,当白名单中存在与用户身份信息匹配的数据时,认为该用户具备权限,当白名单中不存在与用户身份信息匹配的数据时,认为用户不具备权限。还可以获取筛选对标股请求中包含的设备标识,判断该设备标识是否为预先绑定的白名单,若是,则认为请求正常,若否,则认为请求不正常。
步骤S20:实时监测所述基准股票,当监测所述基准股票触发预设类型的事件时,记录所述基准股票触发的事件及预设值。
在本实施例中,实时对所述基准股票进行监测,当监测所述基准股票触发预设类型的事件时,记录该基准股票触发的具体事件及预设值,其中,预设类型的事件是指利多的事件,例如:股东增持等。具体地,预先提取各种利多事件的关键词并存储至预设数据库中,监测基准股票的各类事件,将基准股票的各类事件文本内容根据正向最大匹配法作分词处理,并利用TextRank技术提取出该事件的关键词,然后采用词向量模型word2vec将事件的关键词及预先存储的利多事件的关键词转换为词向量,基于余弦相似度算法计算事件文本与预设数据库中每个关键词的相似度,其中,每个关键词词向量对应不同的利多信息,将事件文本关键词的词向量记为X(x1,x2,…,xn),将预先存储的利多关键词的词向量记为Y(y1,y2,…,yn),计算事件文本关键词的词向量与预先存储的多个利多事件的关键词词向量的相似度值,当计算得到的相似度值大于预设阈值(例如,0.8),则记录该事件及该基准股票的预设值,预设值可以是该基准股票触发预设类型的事件时当天的收盘市值。
步骤S30:从预设多个数据源中筛选出在预设时间间隔内与所述基准股票触发的事件相同的第一股票池。
在本实施例中,可以利用爬虫技术从预设多个数据源(例如,专业性的股票网站等)中筛选出在预设时间间隔内与所述基准股票触发的事件相同的股票作为第一股票池,预设时间间隔是从2016年1月1日起,至所述基准股票发生预设类型的事件的时间往前推20天的时间段,例如:如果所述基准股票发生股东增持事件的时间是2019年4月26日,则所述预设时间间隔为2016年1月1日至2019年4月6日。
由于通过互联网爬虫技术获取的数据存在部分原始数据重合的问题,因此需要对多个数据源中重复数据进行聚合,得到去重后的聚合数据。
具体地,确定所述聚合前数据集中的数量为M,以及确定所述聚合数据中数据的数量为N,根据所述原始数据中数据的数据量和聚合数据中数据的数量建立索引向量,所述索引向量的长度为M,其取值范围为[-N,-1]U[1,N]中的整数,其中,该索引向量取值的绝对值用于指示原始数据中数据在聚合数据中的位置;随机读取索引向量的取值,并根据所述取值从所述聚合数据中获取对应的数据,并将到的数据作为与所述基准股票触发的事件相同的第一股票池。
步骤S40:基于所述第一股票池及所述基准股票的第一关键词与第二关键词,筛选与所述基准股票对应的对标股,将所述对标股反馈至所述客户端。
在本实施例中,基于所述第一股票池及所述基准股票的第一关键词与第二关键词,筛选与所述基准股票对应的对标股,将所述对标股反馈至客户端。
进一步地,从所述第一股票池中筛选出与所述基准股票的第一关键词相同的第二股票池,若所述第二股票池包含至少一只股票,则从所述第二股票池中选取与所述基准股票的预设值的差值最小的股票作为所述对标股。从第一股票池筛选出与基准股票的主题相同的股票作为第二股票池,从第二股票池中选取与基准股票发生预设类型事件当天的收盘市值的差值最小的股票作为对标股。
进一步地,若所述第二股票池中没有股票,则从所述第一股票池中选取与所述基准股票的第二关键词相同的第三股票池,若所述第三股票池包含至少一只股票,则从所述第三股票池中选取与所述基准股票的预设值的差值最小的股票作为所述对标股。从第一股票池筛选出与基准股票的行业相同的股票作为第三股票池,从第三股票池中选取与基准股票发生预设类型事件当天的收盘市值的差值最小的股票作为对标股。
进一步地,若所述第三股票池中没有股票,则从所述第一股票池中选取出与所述基准股票发生预设类型事件当天的收盘市值的差值最小的股票作为所述对标股。
此外,本发明实施例还提出一种计算机可读存储介质,该计算机可读存储介质可以是硬盘、多媒体卡、SD卡、闪存卡、SMC、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器等等中的任意一种或者几种的任意组合。所述计算机可读存储介质中包括基于多维数据的对标股筛选程序10,所述基于多维数据的对标股筛选程序10被处理器执行时实现如下操作:
接收步骤:侦测并接收客户端发出的筛选对标股的请求,解析所述请求,获取与待筛选对标股对应的基准股票的第一关键词与第二关键词;
监测步骤:实时监测所述基准股票,当监测所述基准股票触发预设类型的事件时,记录所述基准股票触发的事件及预设值;
筛选步骤:从预设多个数据源中筛选出在预设时间间隔内与所述基准股票触发的事件相同的第一股票池;及
反馈步骤:基于所述第一股票池及所述基准股票的第一关键词与第二关键词,筛选与所述基准股票对应的对标股,将所述对标股反馈至所述客户端。
本发明之计算机可读存储介质的具体实施方式与上述基于多维数据的对标股筛选方法的具体实施方式大致相同,在此不再赘述。
需要说明的是,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。并且本文中的术语“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、装置、物品或者方法不仅包括那些要素,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、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质中,包括若干指令用以使得一台终端设备执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于多维数据的对标股筛选方法,应用于服务器,其特征在于,所述方法包括:
接收步骤:侦测并接收客户端发出的筛选对标股的请求,解析所述请求,获取与待筛选对标股对应的基准股票的第一关键词与第二关键词;
监测步骤:实时监测所述基准股票,当监测所述基准股票触发预设类型的事件时,记录所述基准股票触发的事件及预设值;
筛选步骤:从预设多个数据源中筛选出在预设时间间隔内与所述基准股票触发的事件相同的第一股票池;及
反馈步骤:基于所述第一股票池及所述基准股票的第一关键词与第二关键词,筛选与所述基准股票对应的对标股,将所述对标股反馈至所述客户端。
2.如权利要求1所述的基于多维数据的对标股筛选方法,其特征在于,所述接收步骤还包括:
对所述客户端的用户进行身份鉴定,若用户身份鉴定通过则执行所述监测步骤,若用户身份鉴定失败则拒绝所述筛选对标股的请求,并生成预警信息反馈至所述客户端。
3.如权利要求1所述的基于多维数据的对标股筛选方法,其特征在于,所述反馈步骤包括:
从所述第一股票池中筛选出与所述基准股票的第一关键词相同的第二股票池,若所述第二股票池包含至少一只股票,则从所述第二股票池中选取与所述基准股票的预设值的差值最小的股票作为所述对标股。
4.如权利要求3所述的基于多维数据的对标股筛选方法,其特征在于,若所述第二股票池中没有股票,则从所述第一股票池中选取与所述基准股票的第二关键词相同的第三股票池,若所述第三股票池包含至少一只股票,则从所述第三股票池中选取与所述基准股票的预设值的差值最小的股票作为所述对标股。
5.如权利要求4所述的基于多维数据的对标股筛选方法,其特征在于,若所述第三股票池中没有股票,则从所述第一股票池中选取出与所述基准股票的预设值的差值最小的股票作为所述对标股。
6.一种服务器,该服务器包括存储器及处理器,其特征在于,所述存储器上存储基于多维数据的对标股筛选程序,所述基于多维数据的对标股筛选程序被所述处理器执行,实现如下步骤:
接收步骤:侦测并接收客户端发出的筛选对标股的请求,解析所述请求,获取与待筛选对标股对应的基准股票的第一关键词与第二关键词;
监测步骤:实时监测所述基准股票,当监测所述基准股票触发预设类型的事件时,记录所述基准股票触发的事件及预设值;
筛选步骤:从预设多个数据源中筛选出在预设时间间隔内与所述基准股票触发的事件相同的第一股票池;及
反馈步骤:基于所述第一股票池及所述基准股票的第一关键词与第二关键词,筛选与所述基准股票对应的对标股,将所述对标股反馈至所述客户端。
7.如权利要求6所述的服务器,其特征在于,所述反馈步骤包括:
从所述第一股票池中筛选出与所述基准股票的第一关键词相同的第二股票池,若所述第二股票池包含至少一只股票,则从所述第二股票池中选取与所述基准股票的预设值的差值最小的股票作为所述对标股。
8.如权利要求7所述的服务器,其特征在于,若所述第二股票池中没有股票,则从所述第一股票池中选取与所述基准股票的第二关键词相同的第三股票池,若所述第三股票池包含至少一只股票,则从所述第三股票池中选取与所述基准股票的预设值的差值最小的股票作为所述对标股。
9.如权利要求8所述的服务器,其特征在于,若所述第三股票池中没有股票,则从所述第一股票池中选取出与所述基准股票的预设值的差值最小的股票作为所述对标股。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括基于多维数据的对标股筛选程序,所述基于多维数据的对标股筛选程序被处理器执行时,可实现如权利要求1至5中任一项所述基于多维数据的对标股筛选方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910841357.5A CN110555771A (zh) | 2019-09-06 | 2019-09-06 | 基于多维数据的对标股筛选方法、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910841357.5A CN110555771A (zh) | 2019-09-06 | 2019-09-06 | 基于多维数据的对标股筛选方法、服务器及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110555771A true CN110555771A (zh) | 2019-12-10 |
Family
ID=68739309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910841357.5A Pending CN110555771A (zh) | 2019-09-06 | 2019-09-06 | 基于多维数据的对标股筛选方法、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110555771A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN108629693A (zh) * | 2018-05-08 | 2018-10-09 | 平安科技(深圳)有限公司 | 自动生成投资建议的方法、装置、计算机设备和存储介质 |
CN108765147A (zh) * | 2018-04-28 | 2018-11-06 | 平安科技(深圳)有限公司 | 股票筛选方法、装置及计算机可读存储介质 |
CN109447792A (zh) * | 2018-09-03 | 2019-03-08 | 平安科技(深圳)有限公司 | 庄家建仓股票的搜寻方法、装置及计算机可读存储介质 |
-
2019
- 2019-09-06 CN CN201910841357.5A patent/CN110555771A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN108765147A (zh) * | 2018-04-28 | 2018-11-06 | 平安科技(深圳)有限公司 | 股票筛选方法、装置及计算机可读存储介质 |
CN108629693A (zh) * | 2018-05-08 | 2018-10-09 | 平安科技(深圳)有限公司 | 自动生成投资建议的方法、装置、计算机设备和存储介质 |
CN109447792A (zh) * | 2018-09-03 | 2019-03-08 | 平安科技(深圳)有限公司 | 庄家建仓股票的搜寻方法、装置及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10884891B2 (en) | Interactive detection of system anomalies | |
CN111447150A (zh) | 访问请求限流方法、服务器及存储介质 | |
US20150112903A1 (en) | Defect prediction method and apparatus | |
US10043038B2 (en) | Identifying private information from data streams | |
CN111694718A (zh) | 内网用户异常行为识别方法、装置、计算机设备及可读存储介质 | |
CN107395650B (zh) | 基于沙箱检测文件识别木马回连方法及装置 | |
WO2019071966A1 (zh) | 基于爬虫数据的用户行为分析方法、应用服务器及可读存储介质 | |
CN111209490A (zh) | 基于用户信息的交友推荐方法、电子装置及存储介质 | |
CN108647106B (zh) | 应用异常处理方法、存储介质及计算机设备 | |
CN110889045B (zh) | 标签分析方法、装置及计算机可读存储介质 | |
CN116975010B (zh) | 一种电子材料库共享方法及系统 | |
CN114528457A (zh) | Web指纹检测方法及相关设备 | |
CN111767262A (zh) | 日志展示方法、装置、设备及存储介质 | |
CN111177568A (zh) | 基于多源数据的对象推送方法、电子装置及存储介质 | |
CN110807050B (zh) | 性能分析方法、装置、计算机设备及存储介质 | |
CN110191097B (zh) | 登录页面安全性的检测方法、系统、设备及存储介质 | |
WO2019192101A1 (zh) | 客户保障分析方法、电子装置及计算机可读存储介质 | |
CN111860641A (zh) | 电网图像识别方法、电子装置及存储介质 | |
CN110555771A (zh) | 基于多维数据的对标股筛选方法、服务器及存储介质 | |
CN113672497B (zh) | 无埋点事件的生成方法、装置、设备及存储介质 | |
CN111343502B (zh) | 视频处理方法、电子装置及计算机可读存储介质 | |
CN112487039B (zh) | 一种数据处理方法、装置、设备及可读存储介质 | |
CN112148749B (zh) | 一种数据分析方法,计算设备及存储介质 | |
CN110570306A (zh) | 基于标签的数据监测方法、服务器及存储介质 | |
CN112256889A (zh) | 一种安全实体的知识图谱构建方法、装置、设备和介质 |
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: 20191210 |
|
RJ01 | Rejection of invention patent application after publication |