CN110659810A - 一种计算分析员可信程度的方法 - Google Patents

一种计算分析员可信程度的方法 Download PDF

Info

Publication number
CN110659810A
CN110659810A CN201910848841.0A CN201910848841A CN110659810A CN 110659810 A CN110659810 A CN 110659810A CN 201910848841 A CN201910848841 A CN 201910848841A CN 110659810 A CN110659810 A CN 110659810A
Authority
CN
China
Prior art keywords
research
prediction
report
calculating
analyst
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
CN201910848841.0A
Other languages
English (en)
Inventor
张发恩
龚才春
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.)
Innovation Qizhi (nanjing) Technology Co Ltd
Original Assignee
Innovation Qizhi (nanjing) 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 Innovation Qizhi (nanjing) Technology Co Ltd filed Critical Innovation Qizhi (nanjing) Technology Co Ltd
Priority to CN201910848841.0A priority Critical patent/CN110659810A/zh
Publication of CN110659810A publication Critical patent/CN110659810A/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
    • 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
    • G06Q10/06398—Performance of employee with respect to a job function
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了计算机领域的一种计算分析员可信程度的方法，包括以下具体步骤：S1：提取实体和抽取关系；S2：提取研报预测评级包括强烈推荐或者增持，根据其评级说明得出其预测涨跌程度；S3：提取研报预测时间范围；S4：提取研报所分析的股票对象、时间范围，设置容忍区间，分布范围，计算其预测准确程度；S5：综合研报的研报发布时间距预测时间的长短和预测准确程度，设置权重计算研报的可信程度得分；S6：根据分析员所关联研报的可信程度得分，计算分析员可信程度得分；S7：根据证券机构所关联节点如所属分析员，所属研报的可信程度得分，计算证券机构可信程度得分，得出评价较为客观，执行效率高，节省人力，应用广泛。

Description

一种计算分析员可信程度的方法
技术领域
本发明涉及计算机技术领域，具体为一种计算分析员可信程度的方法。
背景技术
证券市场拥有大量证券机构和分析员，他们会通过研报，新闻资讯，股票点评，博客，微博等发布关于市场走向的言论。目前存在问题如下：
1、分析员及证券机构数量较多，所提供的信息服务质量参差不齐，且提供的信息数量特别庞大。
2、分析员及证券机构的可信程度通常基于券商或分析师的品牌、知名度等信息，通过人工分析和经验判断得出，这种方式耗时长，人工成本高。
3、判断分析员和机构的可信程度需要深厚的知识背景和专业知识，还需覆盖各个领域，并且这种判断不够客观。
4、主观判断通常基于近期数据，分析员较为久远的预测容易随时间被遗忘，导致评价不够准确。
基于此，本发明设计了一种计算分析员可信程度的方法，以解决上述提到的问题。
发明内容
本发明的目的在于提供一种计算分析员可信程度的方法，分析研报，新闻资讯或其他互联网数据，如股票点评、博客、微博等，并且结合股票，期货及行业数据，综合判断分析员的可信程度，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种计算分析员可信程度的方法，包括以下具体步骤：
S1：对信息来源进行知识图谱的构建，提取实体包括研报，分析员，证券机构，股票和抽取关系包括研报和分析员的关系，研报和证券机构的关系，研报和股票的关系；
S2：提取研报预测评级包括强烈推荐或者增持，根据其评级说明得出其预测涨跌程度；
S3：提取研报预测时间范围；
S4：提取研报所分析的股票对象、时间范围，通过真实的股票行情数据，得到其真实涨跌程度，结合研报所预测的涨跌程度，设置容忍区间，分布范围，计算其预测准确程度；
S5：综合研报的研报发布时间距预测时间的长短和预测准确程度，设置权重计算研报的可信程度得分；
S6：根据分析员所关联研报的可信程度得分，计算分析员可信程度得分；
S7：根据证券机构所关联节点如所属分析员，所属研报的可信程度得分，计算证券机构可信程度得分。
优选的，在所述步骤S4中，计算其预测准确程度的具体步骤包括：在对应的时间范围内，预测上涨且实际值上涨高于预测值，则预测准确程度为1；预测上涨且实际值上涨但低于预测值5％以内，则预测准确度为0.8；预测上涨且实际值上涨但低于预测值10％以内，则预测准确度为0.6，预测上涨且实际值下跌，则预测准确度为0。
优选的，在所述步骤S4中，计算其预测准确程度的具体步骤还包括：在对应的时间范围内，预测下跌且实际值下跌低于预测值，则预测准确程度为1；预测下跌且实际值下跌但低于预测值5％以内，则预测准确度为0.8；预测下跌且实际值下跌但低于预测值10％以内，则预测准确度为0.6，预测下跌且实际值上涨，则预测准确度为0。
优选的，在所述步骤S5中，设置权重计算研报的可信程度得分的具体步骤包括：可信程度得分正比于预测准确度，当预测产生时间距实际时间短，设置权重将时间大小作为偏移值惩罚可信程度得分，公式如下：预测准确程度＝w1*预测准确程度-w2/(实际时间-预测时间)。
优选的，在所述步骤S6中，计算分析员可信程度得分的计算方法为加权平均值，公式如下：
Figure BDA0002196221970000031
其中，n为在知识图谱中该分析员关联研报篇数，w为每篇研报对该分析员的贡献权重，s为每篇研报的可信程度得分。
优选的，在所述步骤S7中，计算其预测准确程度的计算方法为所有分析师可信程度得分的加和平均，即所有分析师得分求和后除以分析师的人数。
与现有技术相比，本发明的有益效果是：本发明通过提取研报中分析员对所分析股票的预测评级和所预测的时间范围，结合真实的股票行情，判断其预测的准确程度；通过研报的预测准确程度及研报特征，如距预测时间长短，设置权重综合计算得出研报的可信程度得分；综合某分析员所有研报等信息的得分，计算其个人可信程度得分；通过综合证券机构所有分析员的得分，也可计算证券机构可信程度得分，得出评价较为客观，执行效率高，节省人力，应用广泛。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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的一些实施例，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，还可以根据这些附图获得其他的附图。
图1为本发明方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1，本发明提供一种技术方案：一种计算分析员可信程度的方法，包括以下具体步骤：
S1：对信息来源进行知识图谱的构建，提取实体包括研报，分析员，证券机构，股票和抽取关系包括研报和分析员的关系，研报和证券机构的关系，研报和股票的关系；
S2：提取研报预测评级包括强烈推荐或者增持，根据其评级说明得出其预测涨跌程度，如强烈推荐表示预计6个月内，股价上涨幅度在20％以上；
S3：提取研报预测时间范围，如研报中出现在未来一个月内等；
S4：提取研报所分析的股票对象、时间范围，通过真实的股票行情数据，得到其真实涨跌程度，结合研报所预测的涨跌程度，设置容忍区间，分布范围，计算其预测准确程度；
计算其预测准确程度的具体步骤包括：在对应的时间范围内，预测上涨且实际值上涨高于预测值，则预测准确程度为1；预测上涨且实际值上涨但低于预测值5％以内，则预测准确度为0.8；预测上涨且实际值上涨但低于预测值10％以内，则预测准确度为0.6，预测上涨且实际值下跌，则预测准确度为0；
计算其预测准确程度的具体步骤还包括：在对应的时间范围内，预测下跌且实际值下跌低于预测值，则预测准确程度为1；预测下跌且实际值下跌但低于预测值5％以内，则预测准确度为0.8；预测下跌且实际值下跌但低于预测值10％以内，则预测准确度为0.6，预测下跌且实际值上涨，则预测准确度为0；
例如：某篇研报预测贵州茅台股票评级为买入，买入对应内容为“我们预计未来6个月内，个股相对大盘涨幅在15％以上”。通过历史数据，调取该研报时间点后6个月的贵州茅台股价，如果相对于大盘涨幅为12％，则该研报的预测准确程度为0.8。
S5：综合研报的研报发布时间距预测时间的长短和预测准确程度，设置权重计算研报的可信程度得分；
设置权重计算研报的可信程度得分的具体步骤包括：可信程度得分正比于预测准确度，当预测产生时间距实际时间短，设置权重将时间大小作为偏移值惩罚可信程度得分，公式如下：预测准确程度＝w1*预测准确程度-w2/(实际时间-预测时间)；
例如：某篇研报的预测准确度为0.8，其时间范围是未来6个月，则该研报可行程度得分为w1*0.8+w2/(6个月)；
S6：根据分析员所关联研报的可信程度得分，计算分析员可信程度得分；
计算分析员可信程度得分的计算方法为加权平均值，公式如下：
Figure BDA0002196221970000051
其中，n为在知识图谱中该分析员关联研报篇数，w为每篇研报对该分析员的贡献权重，s为每篇研报的可信程度得分；
例如：某分析员关联研报A,研报B。研报A该分析员贡献50％,10个月前发布，其可行程度得分为sA，研报B该分析员贡献30％，5个月前发布，其可信程度得分为sB,该分析员可信程度得分＝(wA*sA+wB*sB)/2＝((w1*0.5/10)*sA+(w1*0.3/5)*sB)/2。
S7：根据证券机构所关联节点如所属分析员，所属研报的可信程度得分，计算证券机构可信程度得分，计算其预测准确程度的计算方法为所有分析师可信程度得分的加和平均，即所有分析师得分求和后除以分析师的人数。
本发明分析研报，新闻资讯或其他互联网数据，如股票点评、博客、微博等，并且结合股票，期货及行业数据，综合判断分析员的可信程度。
提取研报中分析员对所分析股票的预测评级(如强烈推荐，增持等)和所预测的时间范围，结合真实的股票行情，判断其预测的准确程度。通过研报的预测准确程度及研报特征，如距预测时间长短，设置权重综合计算得出研报的可信程度得分。综合某分析员所有研报等信息的得分，计算其个人可信程度得分。通过综合证券机构所有分析员的得分，也可计算证券机构可信程度得分。使得得出评价较为客观；执行效率高，节省人力；与专业知识，行业背景无关，可覆盖所有领域。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (6)

1.一种计算分析员可信程度的方法，其特征在于：包括以下具体步骤：
S1：对信息来源进行知识图谱的构建，提取实体包括研报，分析员，证券机构，股票和抽取关系包括研报和分析员的关系，研报和证券机构的关系，研报和股票的关系；
S2：提取研报预测评级包括强烈推荐或者增持，根据其评级说明得出其预测涨跌程度；
S3：提取研报预测时间范围；
S4：提取研报所分析的股票对象、时间范围，通过真实的股票行情数据，得到其真实涨跌程度，结合研报所预测的涨跌程度，设置容忍区间，分布范围，计算其预测准确程度；
S5：综合研报的研报发布时间距预测时间的长短和预测准确程度，设置权重计算研报的可信程度得分；
S6：根据分析员所关联研报的可信程度得分，计算分析员可信程度得分；
S7：根据证券机构所关联节点如所属分析员，所属研报的可信程度得分，计算证券机构可信程度得分。
2.根据权利要求1所述的一种计算分析员可信程度的方法，其特征在于：在所述步骤S4中，计算其预测准确程度的具体步骤包括：在对应的时间范围内，预测上涨且实际值上涨高于预测值，则预测准确程度为1；预测上涨且实际值上涨但低于预测值5％以内，则预测准确度为0.8；预测上涨且实际值上涨但低于预测值10％以内，则预测准确度为0.6，预测上涨且实际值下跌，则预测准确度为0。
3.根据权利要求1所述的一种计算分析员可信程度的方法，其特征在于：在所述步骤S4中，计算其预测准确程度的具体步骤还包括：在对应的时间范围内，预测下跌且实际值下跌低于预测值，则预测准确程度为1；预测下跌且实际值下跌但低于预测值5％以内，则预测准确度为0.8；预测下跌且实际值下跌但低于预测值10％以内，则预测准确度为0.6，预测下跌且实际值上涨，则预测准确度为0。
4.根据权利要求1所述的一种计算分析员可信程度的方法，其特征在于：在所述步骤S5中，设置权重计算研报的可信程度得分的具体步骤包括：可信程度得分正比于预测准确度，当预测产生时间距实际时间短，设置权重将时间大小作为偏移值惩罚可信程度得分，公式如下：预测准确程度＝w1*预测准确程度-w2/(实际时间-预测时间)。
5.根据权利要求1所述的一种计算分析员可信程度的方法，其特征在于：在所述步骤S6中，计算分析员可信程度得分的计算方法为加权平均值，公式如下：
Figure FDA0002196221960000021
其中，n为在知识图谱中该分析员关联研报篇数，w为每篇研报对该分析员的贡献权重，s为每篇研报的可信程度得分。
6.根据权利要求1所述的一种计算分析员可信程度的方法，其特征在于：在所述步骤S7中，计算其预测准确程度的计算方法为所有分析师可信程度得分的加和平均，即所有分析师得分求和后除以分析师的人数。
CN201910848841.0A 2019-09-09 2019-09-09 一种计算分析员可信程度的方法 Pending CN110659810A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910848841.0A CN110659810A (zh) 2019-09-09 2019-09-09 一种计算分析员可信程度的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910848841.0A CN110659810A (zh) 2019-09-09 2019-09-09 一种计算分析员可信程度的方法

Publications (1)

Publication Number Publication Date
CN110659810A true CN110659810A (zh) 2020-01-07

Family

ID=69038021

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910848841.0A Pending CN110659810A (zh) 2019-09-09 2019-09-09 一种计算分析员可信程度的方法

Country Status (1)

Country Link
CN (1) CN110659810A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111539562A (zh) * 2020-04-10 2020-08-14 支付宝(杭州)信息技术有限公司 一种基于模型的数据评测方法和系统
CN112258322A (zh) * 2020-10-22 2021-01-22 上海携宁计算机科技股份有限公司 信息预测方法、装置、电子设备和存储介质
CN115168646A (zh) * 2022-05-19 2022-10-11 深圳格隆汇信息科技有限公司 金融主播的历史视频分析方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111539562A (zh) * 2020-04-10 2020-08-14 支付宝(杭州)信息技术有限公司 一种基于模型的数据评测方法和系统
CN112258322A (zh) * 2020-10-22 2021-01-22 上海携宁计算机科技股份有限公司 信息预测方法、装置、电子设备和存储介质
CN112258322B (zh) * 2020-10-22 2021-10-22 上海携宁计算机科技股份有限公司 信息预测方法、装置、电子设备和存储介质
CN115168646A (zh) * 2022-05-19 2022-10-11 深圳格隆汇信息科技有限公司 金融主播的历史视频分析方法及系统

Similar Documents

Publication Publication Date Title
JP6703031B2 (ja) キーワードと資産価格との関連性評価方法及びその装置及び資産情報のディスプレイ方法
Ding et al. Combining QoS prediction and customer satisfaction estimation to solve cloud service trustworthiness evaluation problems
Llera-Sastresa et al. Energy vulnerability composite index in social housing, from a household energy poverty perspective
Painter et al. Caught in the housing bubble: Immigrants’ housing outcomes in traditional gateways and newly emerging destinations
Kuzior et al. Global digital convergence: Impact of cybersecurity, business transparency, economic transformation, and AML efficiency
US20220343433A1 (en) System and method that rank businesses in environmental, social and governance (esg)
Kenny et al. How informative are the subjective density forecasts of macroeconomists?
Dugato et al. Forecasting organized crime homicides: Risk terrain modeling of camorra violence in Naples, Italy
CN110659810A (zh) 一种计算分析员可信程度的方法
JP6560323B2 (ja) 判定装置、判定方法及び判定プログラム
CN110443698A (zh) 信用评估装置和信用评估系统
US20080103962A1 (en) Ranking systems based on a risk
CN116664012A (zh) 一种基于大数据分析的企业信用评估方法及系统
Almustafa et al. Economic policy uncertainty, financial leverage, and corporate investment: evidence from US firms
Peresetsky et al. Models for Moody’s bank ratings
Zhang et al. Effect of social media rumors on stock market volatility: A case of data mining in China
CN112950359B (zh) 一种用户识别方法和装置
Meng et al. New combined weighting model based on maximizing the difference in evaluation results and its application
CN117541401A (zh) 信息推送方法、装置、电子设备和存储介质
Drago et al. Do CSR ratings affect loan spreads? Evidence from European syndicated loan market
Leitner-Hanetseder Quality and determinants of risk reporting-Evidence from Germany and Austria
Jiang Operational risk and its impact on North American and British banks
J. Powell et al. A comprehensive stability indicator for banks
Pham et al. A comparison of the forecasting ability of immediate price impact models
Peleckis Application of the multicriteria method seeking to assess concentration, and its effects on competition in the manufacturing sector

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: 20200107