CN111105154A - 股市运行风险评估方法、装置、电子设备及存储介质 - Google Patents
股市运行风险评估方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111105154A CN111105154A CN201911307372.8A CN201911307372A CN111105154A CN 111105154 A CN111105154 A CN 111105154A CN 201911307372 A CN201911307372 A CN 201911307372A CN 111105154 A CN111105154 A CN 111105154A
- Authority
- CN
- China
- Prior art keywords
- risk
- stock market
- analyzing
- policy
- stock
- 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
Images
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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种股市运行风险评估方法、装置、电子设备及存储介质。方法包括:获取预设时间段内的金融数据信息;根据所述金融数据信息对购买力风险、股市自身风险和政策风险中的至少一项进行分析,获得对应的购买力风险因子、股市自身风险因子和政策风险因子中的至少一项;根据所述购买力风险因子、股市自身风险因子和政策风险因子获得股市风险的评估结果。本申请实施例通过对金融数据信息进行分析,自动获得购买力风险、股市自身风险和政策风险中的至少一个,从而获得评估结果,不需要人工分析,提高了对股市风险评估的效率。
Description
技术领域
本申请涉及信息处理技术领域,具体而言,涉及一种股市运行风险评估方法、装置、电子设备及存储介质。
背景技术
股票市场是一个风险和利益共存的市场,股票市场的预测研究对我国的经济发展和金融建设具有重要意义。
股票投资具有相当高的风险性,如何预测股票下行风险,并制定合理的投资组合策略,具有重要的实际意义。目前,有一些股票风险预测的应用程序会定期发布一些股市运行风险消息给客户,但是股市运行风险消息是专门研究股市的人收集一些新闻报道,然后人工从新闻报道中提取有用的信息,将信息整理后进行发布,这种方式的效率比较低。
发明内容
本申请实施例的目的在于提供一种股市运行风险评估方法、装置、电子设备及存储介质,用以解决现有技术中评估效率低的问题。
第一方面,本申请实施例提供一种股市运行风险评估方法,包括:获取预设时间段内的金融数据信息;根据所述金融数据信息对购买力风险、股市自身风险和政策风险中的至少一项进行分析,获得对应的购买力风险因子、股市自身风险因子和政策风险因子中的至少一项;其中,所述购买力风险为对所述金融数据信息中的国民经济指标进行分析获得;所述股市自身风险为对所述金融数据信息中的股市动态信息进行分析获得;所述政策风险为对所述金融数据信息中的货币供应量指标和/或政策新闻进行分析获得;根据所述购买力风险因子、股市自身风险因子和政策风险因子获得股市风险的评估结果。
本申请实施例通过对金融数据信息进行分析,自动获得购买力风险、股市自身风险和政策风险中的至少一个,从而获得评估结果,不需要人工分析,提高了对股市风险评估的效率。
进一步地,所述国民经济指标包括国内生产总值GDP,所述根据所述金融数据信息对购买力风险进行分析,获得购买力风险因子,包括:利用GDP评估模型对预设时间段内的GDP进行分析,获得GDP增长率;所述GDP评估模型包括GDP增长率、第一时间和第一文本生成函数;所述第一时间为所述预设时间段;利用所述第一文本生成函数对所述第一时间内的所述GDP增长率进行分析,获得所述购买力风险因子。本申请实施例通过GDP评估模型实现对购买力风险的自动评估,能够高效且准确地获得到购买力风险因子。
进一步地,所述国民经济指标包括居民消费价格指数CPI,所述根据所述金融数据信息对购买力风险进行分析,获得购买力风险因子,包括:利用CPI评估模型对预设时间段内的CPI进行分析,获得CPI变化情况;所述CPI评估模型包括:CPI指标值、第二时间和第二文本生成函数;所述第二时间为所述预设时间段;利用所述第二文本生成函数对所述第二时间内的所述CPI变化情况进行分析,获得所述购买力风险。通过CPI评估模型可以高效且准确地获得购买力风险。
进一步地,所述国民经济指标包括采购经理指数PMI,所述根据所述金融数据信息对购买力风险进行分析,获得购买力风险因子,包括:利用PMI评估模型对预设时间段内的PMI进行分析,获得PMI指标值的变化情况;所述PMI评估模型包括PMI指标值、第三时间、第三文本生成函数和文本生成函数参数;所述第三时间为所述预设时间段,所述文本生成函数参数为PMI标准线;利用所述第三文本生成函数对所述第三时间内所述PMI指标值的变化情况进行分析,获得所述购买力风险因子。本申请实施例通过利用PMI评估模型进行PMI风险因子的自动评估,进而提高了对股市风险评估的效率。
进一步地,所述股市动态信息包括杠杆资金的融资余额,所述根据所述金融数据信息对股市自身风险进行分析,获得股市自身风险因子,包括:利用融资评估模型对所述杠杆资金的融资余额进行分析,获得所述融资余额的变化情况;其中,所述融资评估模型包括融资余额、第四时间、第四文本生成函数;所述第四时间为所述预设时间段;利用所述第四文本生成函数对所述第四时间内融资余额的变化情况进行分析,获得所述股市自身风险。本申请实施例通过融资评估模型实现对股市自身风险的高效评估。
进一步地,所述股市动态信息包括股票质押数据,所述根据所述金融数据信息对股市自身风险进行分析,获得股市自身风险因子,包括:利用股票质押评估模型对所述杠杆资金的股票质押数据进行分析,获得股票质押情况;其中,所述股票质押评估模型包括股票质押数据、第五时间、第五文本生成函数、平仓线标准值和预警线标准值;利用所述第五文本生成函数对所述第五时间内股票质押情况进行分析,获得所述股市自身风险。由于股票质押也是影响股市自身风险的一个因素,因此本申请实施例通过融资评估模型实现对股市自身风险进行高效的评估。
进一步地,所述股市动态信息包括换手率,所述根据所述金融数据信息对股市自身风险进行分析,获得股市自身风险因子,包括:利用换手率评估模型对换手率进行分析,获得换手续的变化情况;其中,所述换手率评估模型包括换手率、第六时间、第六文本生成函数、换手率标准线、持续N天风险换手率标准线和持续天数;所述第六时间为距当前时刻最近的M天,M和N为正整数;利用所述第六文本生成函数对所述第六时间内所述换手率的变化情况进行分析,获得所述股市自身风险因子。由于换手率也是影响股市自身风险的一个因素,因此本申请实施例通过换手率评估模型对换手率进行分析,获得股市自身风险,无需人工进行分析,提高了评估效率。
进一步地,所述根据所述金融数据信息对政策风险进行分析,获得政策风险因子,包括:利用货币供应量评价模型对所述货币供应量指标进行分析,获得所述货币供应量指标的增长率;所述货币供应量评价模型包括供应量指标、第七时间、第七文本生成函数;所述第七时间为所述预设时间段;利用所述第七文本生成函数对所述第七时间内的所述货币供应量指标的增长率进行分析,获得所述政策风险因子。本申请实施例通过货币供应量评价模型对货币供应量指标进行分析,获得政策风险因子,从而提高了对股市风险评估的效率。
进一步地,所述政策新闻包括针对利率的政策、针对股市的政策和针对行业概念的政策;所述根据所述金融数据信息对政策风险进行分析,获得政策风险因子,包括:利用预设文本抽取模型从所述政策新闻中抽取对应类型的风险段落,将所述风险段落作为所述政策风险因子;其中,所述预设文本抽取模型中包括至少一个关键词。由于政策新闻也会对股市产生影响,因此本申请实施例通过对政策新闻中的风险段落进行自动提取作为政策风险因子,从而提高了风险评估的效率。
第二方面,本申请实施例提供一种股市运行风险评估装置,包括:
数据获取模块,用于获取预设时间段内的金融数据信息;
风险分析模块,用于根据所述金融数据信息对购买力风险、股市自身风险和政策风险中的至少一项进行分析,获得对应的购买力风险因子、股市自身风险因子和政策风险因子中的至少一项;其中,所述购买力风险为对所述金融数据信息中的国民经济指标进行分析获得;所述股市自身风险为对所述金融数据信息中的股市动态信息进行分析获得;所述政策风险为对所述金融数据信息中的货币供应量指标和/或政策新闻进行分析获得;
结果获得模块,用于根据所述购买力风险因子、股市自身风险因子和政策风险因子获得股市风险的评估结果。
第三方面,本申请实施例提供一种电子设备,包括:处理器、存储器和总线,其中,
所述处理器和所述存储器通过所述总线完成相互间的通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行第一方面的方法步骤。
第四方面,本申请实施例提供一种非暂态计算机可读存储介质,包括:
所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行第一方面的方法步骤。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的股市运行风险评估方法流程示意图;
图2为本申请实施例提供的GDP评估模型生成的购买力风险因子示意图;
图3为本申请实施例提供的CPI评估模型生成的购买力风险因子示意图;
图4为本申请实施例提供的PMI评估模型获得的购买力风险因子示意图;
图5为本申请实施例提供的融资余额评估结果示意图;
图6为本申请实施例提供的股票质押数据分析的结果示意图;
图7为本申请实施例提供的基于换手率的评估结果示意图;
图8为本申请实施例提供的基于货币供应量的评估结果示意图;
图9为本申请实施例提供的评估装置结构示意图;
图10为本申请实施例提供的电子设备实体结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
图1为本申请实施例提供的股市运行风险评估方法流程示意图,如图1所示,执行该方法的主体可以是服务器,也可以是电脑、移动终端和智能穿戴设备等,该方法包括:
步骤101:获取预设时间段内的金融数据信息。
步骤102:根据所述金融数据信息对购买力风险、股市自身风险和政策风险中的至少一项进行分析,获得对应的购买力风险因子、股市自身风险因子和政策风险因子中的至少一项;其中,所述购买力风险为对所述金融数据信息中的国民经济指标进行分析获得;所述股市自身风险为对所述金融数据信息中的股市动态信息进行分析获得;所述政策风险为对所述金融数据信息中的货币供应量指标和/或政策新闻进行分析获得。
步骤103:根据所述购买力风险因子、股市自身风险因子和政策风险因子获得股市风险的评估结果。
下面分别从执行主体为服务器和移动终端进行描述:
对于主体为服务器来说,当用户想要获知近期股市风险情况时,可以通过用户终端向服务器发送关于股市风险的查询请求,该查询请求可以是“今天的股市如何”。在服务器接收到该查询请求之后,获取预设时间段内的金融数据信息。其中,预设时间段可以是预先设定的,例如:近三个月、近一个月、近一周、近三天等。金融数据信息可以预先通过网络爬虫技术从多个发布金融相关的新闻的网站、股市信息上爬取新闻数据,也可以是从网络中其他网站中获取。在爬取到金融数据信息之后,可以将金融数据信息存储在数据库中,当有需要时,从数据库中获取。
购买力风险、股市自身风险和政策风险都会对股市运行产生影响。其中,购买力风险主要是考虑到国民经济指标的变化趋势对股票价格的影响。股市自身风险主要是针对股市动态信息对股票价格的影响。政策风险主要是国家出台的相关政策对股票价格的影响。因此,在服务器获取到金融数据信息之后,根据金融数据信息对购买力风险、股市自身风险和政策风险中的至少一项进行分析,获得对应的购买力风险因子、股市自身风险因子和政策风险因子。
在服务器获得到对应的购买力风险因子、股市自身风险因子和政策风险因子之后,将各个因子进行整合,获得股市风险的评估结果。可以理解的是,若步骤102中只对购买力风险进行解析,那么步骤103就只根据购买力风险因子获得评估结果;若步骤102中是对购买力风险和股市自身风险进行分析,那么步骤103中就根据购买力风险因子和股市自身风险因子获得评估结果,因此,步骤103中获得评估结果是根据步骤102中对风险类型进行分析后对应获得的,其中,风险类型可以是购买力风险、股市自身风险和政策风险中的其中一种或多种。
另外,服务器在获得到评估结果后,可以将评估结果发送给用户终端,从而使得用户可以通过用户终端获知该评估结果。
对于主体为移动终端来说,用户可以通过移动终端的输入模块输入查询请求,其中,查询请求与上述一致,此处不再赘述。移动终端在接收到查询请求之后,获取预设时间段内的金融数据信息。金融数据信息也可以是移动终端从互联网上预先获取并存储在数据库中的。
在移动终端获取到金融数据信息之后,根据金融数据信息对购买力风险、股市自身风险和政策风险中的至少一项进行分析,获得对应的购买力风险因子、股市自身风险因子和政策风险因子。可以理解的是,购买力风险、股市自身风险和政策风险与上述实施例一致,此处不再赘述。
在移动终端获取到对应的购买力风险因子、股市自身风险因子和政策风险因子之后,将各个因子进行整合,获得股市风险的评估结果。
另外,移动终端还可以将评估结果显示出来,供用户查看。
本申请实施例通过对金融数据信息进行分析,自动获得购买力风险、股市自身风险和政策风险中的至少一个,从而获得评估结果,不需要人工分析,提高了对股市风险评估的效率。
在上述实施例的基础上,所述国民经济指标包括国内生产总值GDP,所述根据所述金融数据信息对购买力风险进行分析,获得购买力风险因子,包括:
利用GDP评估模型对预设时间段内的GDP进行分析,获得GDP增长率;所述GDP评估模型包括GDP增长率、第一时间和第一文本生成函数;所述第一时间为所述预设时间段;
利用所述第一文本生成函数对第一时间内的所述GDP增长率进行分析,获得所述购买力风险因子。
在具体的实施过程中,GDP评估模型为预先构建的,且GDP评估模型的分析目标为GDP,分析目标属性为GDP增长率;时间概念为第一时间,第一时间可以为预设时间段,例如:近三个月;第一文本生成函数为GDP指标增长率趋势分析。因此,GDP评估模型可以为【GDP$增长率_近三月_GDP增长率趋势分析】。GDP评估模型统计近三个月内GDP增长率,并分析GDP增长率的变化情况,根据增长率的变化情况获得购买力风险因子。应当说明的是,可以在该文本生成函数中预先设置GDP增长率的变化情况与输出的购买力风险因子的关系,例如:若GDP增长率下降,则需要输出预示经济发展的疲软和衰退,股票市场可能受近期经济发展不景气影响,投资者购买力风险增加。图2为本申请实施例提供的GDP评估模型生成的购买力风险因子示意图,如图2所示,通过GDP评估模型分析后获得的结果为:近三月,我国月度GDP增速分别为10.0%、9.0%、8.0%,增速下降。预示经济发展的疲软和衰退,股票市场可能受近期经济发展不景气影响,投资者购买力风险增加。可能会导致交易量下滑,股票价格下降。
应当说明的是,该GDP评估模型可以只针对消极的消息进行风险评估,例如:当获取到的GDP增长率持续下降,则输出上述结论;当获取到的GDP增长率持续上升,则不输出结果。当然,该GDP评估模型也可以同时评估消极和积极的消息,即,当GDP增长率持续上升,则说明购买力无风险,股票价格上涨。
本申请实施例通过GDP评估模型对购买力风险进行自动评估,从而提高了评估的效率。
在上述实施例的基础上,所述国民经济指标包括居民消费价格指数CPI,所述根据所述金融数据信息对购买力风险进行分析,获得购买力风险因子,包括:
利用CPI评估模型对预设时间段内的CPI进行分析,获得CPI变化情况;所述CPI评估模型包括:CPI指标值、第二时间和第二文本生成函数;所述第二时间为所述预设时间段;
利用所述第二文本生成函数对第二时间内的所述CPI变化情况进行分析,获得所述购买力风险。
在具体的实施过程中,国民经济指标中还可以包括CPI,CPI评估模型的分析目标为CPI,分析目标属性为CPI指标值、时间概念为第二时间,例如三个月,第二文本上生成函数为CPI指标趋势分析。因此,CPI评估模型可以为【CPI$环比增长_近三月_CPI指标趋势分析】。利用该CPI评估模型可以统计近三个月的CPI变化情况,从而识别到CPI指标是否为持续上涨或上涨趋势。若是,则预示流动资金紧缺,可能导致资金从房市或股市中流出。可以理解的是,可以预先在CPI评估模型中配置CPI变化情况对应的输出结果。图3为本申请实施例提供的CPI评估模型生成的购买力风险因子示意图,如图3所示,通过CPI评估模型分析后获得的结果为:近三月,我国CPI环比增长0.4%,0.4%,0.4%,预示流动资金紧缺,可能导致资金从房市或者股市中流出,导致股票价格下降,企业利润大幅下滑,股市进入低迷状态。
应当说明的是,该CPI评估模型可以只针对消极的消息进行风险评估,也可以同时针对消极和积极的消息进行风险评估,本申请实施例对此不做具体限定。
本申请实施例通过CPI评估模型对购买力风险进行评估,无需人工分析,从而提高了获得购买力评估因子的效率。
在上述实施例的基础上,所述国民经济指标包括采购经理指数PMI,所述根据所述金融数据信息对购买力风险进行分析,获得购买力风险因子,包括:
利用PMI评估模型对预设时间段内的PMI进行分析,获得PMI指标值的变化情况;所述PMI评估模型包括PMI指标值、第三时间、第三文本生成函数和文本生成函数参数;所述第三时间为所述预设时间段,所述文本生成函数参数为PMI标准线;
利用所述第三文本生成函数对第三时间内所述PMI指标值的变化情况进行分析,获得所述购买力风险因子。
在具体的实施过程中,国民经济指标中还可以包括PMI,PMI也会影响到购买力风险。PMI评估模型为预先构建的,其分析目标为PMI,分析目标属性为PMI指标值,时间概念为第三时间,第三时间可以为预设时间段,例如三个月等,第三文本生成函数为PMI指标趋势分析,文本生成函数参数为标志经济下行的PMI标准线,该PMI标准线可以根据历史经验预先设定,默认值为50。因此,PMI评估模型可以为【PMI$数值_近三月_PMI指标趋势分析_#50#】。PMI评估模型可以统计近三个月的PMI指标值的变化情况,识别是否持续下降或者呈下降趋势,以及PMI指标值低于PMI标准线,若是则可输出相应的购买力风险因子。图4为本申请实施例提供的PMI评估模型获得的购买力风险因子示意图,如图4所示,输出结果为:PMI近三个月持续下降,最近一个月,PMI指数低于50,经济处于下行期,股市下跌风险增加。
本申请实施例通过PMI评估模型对购买力风险进行评估,可以自动分析PMI指标的变化情况,并给出购买力风险因子,无需人工参与,提高了评估的效率。
应当说明的是,在对购买力风险进行评估时,可以同时对GDP、CPI和PMI进行评估,也可以只对其中的一种或多种进行评估,本申请实施例对此不作具体限定。
在另一实施例中,所述股市动态信息包括杠杆资金的融资余额,所述根据所述金融数据信息对股市自身风险进行分析,获得股市自身风险因子,包括:
利用融资评估模型对所述杠杆资金的融资余额进行分析,获得所述融资余额的变化情况;其中,所述融资评估模型包括融资余额、第四时间、第四文本生成函数;所述第四时间为所述预设时间段;
利用所述第四文本生成函数对第四时间内融资余额的变化情况进行分析,获得所述股市自身风险。
在具体的实施过程中,针对杠杆资金的融资余额会对股市自身风险产生影响,因此可以利用融资评估模型对近期的融资余额进行分析,从而获得股市自身风险因子。其中,融资评估模型中的分析目标为所有融资融券,分析目标属性为融资余额,时间概念为第四时间,可以为预设时间段,例如三个月,第四文本生成函数为融资余额分析。因此,融资评估模型可以为【所有融资融券$余额_近三月_融资余额分析】。融资评估模型统计近三个月的融资余额的变化情况,识别是否持续减少。若融资余额持续减少,说明部分大资金在撤离,可能导致市场信心减弱,股市下跌。如图5所示。
应当说明的是,融资评估模型可以预先配置不同变化情况的融资余额对应的评估结果。例如融资余额持续减少,评估结果为股市下跌;融资余额持续增加,评估结果为股市上涨。
本申请实施例通过利用融资评估模型分析融资余额的变化情况,从而得出股市自身风险因子,其提高了评估效率。
在上述实施例的基础上,所述股市动态信息包括股票质押数据,所述根据所述金融数据信息对股市自身风险进行分析,获得股市自身风险因子,包括:
利用股票质押评估模型对所述杠杆资金的股票质押数据进行分析,获得股票质押情况;其中,所述股票质押评估模型包括股票质押数据、第五时间、第五文本生成函数、平仓线标准值和预警线标准值;
利用所述第五文本生成函数对第五时间内股票质押情况进行分析,获得所述股市自身风险。
在具体的实施过程中,股票质押情况也会对股市自身风险产生影响,因此,可以利用预先构建的股票质押评估模型对股票质押数据进行分析,从而获得股市自身风险因子。其中,股票质押评估模型的分析目标为所有股票,分析目标属性为股票质押数据,时间概念为第五时间,第五时间可以为当天,也可以是最近两天或一周等。第五文本生成函数为股票质押数据分析,平仓线标准值和预警线标准值为预先设置的,可以根据历史情况进行确定。因此,股票质押评估模型可以为【所有股票$质押_当天_股票质押风险分析_#130#_#150#】。股票质押评估模型统计股票质押情况,其中,股票质押情况包括:截止目前A股中未解押的股票数量、未解押的股票在A股中的数量占比、未解押股票的市值、未解押股票在A股中的市值占比。并且分别统计触及平仓线标准值和预警线标准值的股票市值以及股票价格。还可以统计A股中未解押股票质押市值。
可以理解的是,预警线标准值150%和平仓线标准值130%都属于股权质押中的数值标准。金融机构为了防止股价下跌对自己的利益造成损失,都会对质押个股的股价设置预警线标准值与平仓线标准值。目前市场上通用的标准有两个分别是160%/140%和150%/130%。
图6为本申请实施例提供的股票质押数据分析的结果示意图,如图6所示,股市自身风险因子为:当天,A股中未解押股票0只,占A股数量的0.0%,质押市值为0.0亿元,占A股市值的0.0%,其中有0.0亿元触及平仓线,0.0亿元触及预警线。涉险股权质押超过0.0亿元。
在另一实施例中,所述股市动态信息包括换手率,所述根据所述金融数据信息对股市自身风险进行分析,获得股市自身风险因子,包括:
利用换手率评估模型对换手率进行分析,获得换手续的变化情况;其中,所述换手率评估模型包括换手率、第六时间、第六文本生成函数、换手率标准线、持续N天风险换手率标准线和持续天数;所述第六时间为距当前时刻最近的M天,M和N为正整数;
利用所述第六文本生成函数对第六时间内所述换手率的变化情况进行分析,获得所述股市自身风险因子。
在具体的实施过程中,换手率也是可以用来评估股票自身风险,因此,可以通过换手率评估模型对换手率进行分析,从而获得股票自身风险因子。换手率评估模型中的分析目标为所有股票,分析目标属性为换手率,第六时间为距当前时刻最近的M天,M可以为三天,第六文本生成函数为换手率风险分析,换手率标准线为预先设定的高位换手率的标准线,默认值为10%,高位是指股票的价格,股票的价格分为高位、中位和低位。一般以十天的平均股价(10日线)为中位。高于10日线的10%,为高位;低于10日线的10%,为低位。持续N天风险换手率标准线可以预先设置,默认值为7%,N也是预先设置的,可以为三天。因此,换手率评估模型可以为【所有股票$换手率_近三天_换手率风险分析_#10#_#7#_#5#】。利用换手率评估模型可以分析出A股中今天高位换手率个股数量、数量占比,以及市值占比。挖掘连续N(可以是5)天换手率持续高于7%的个股。利用换手率评估模型获得的评估结果,如图7所示,获得的股市自身风险因子为:近三天,A股中最高换手率超过10.0%的股票数量175支,占A股总市值13.51%,共有201支股票连续近三天换手率最高市值超过7.0%,另外,还可以将201支股票对应的名称罗列出来。
本申请实施例通过利用换手率评估模型实现对股市自身风险的自动评估,进而提高了对股市运行风险评估的效率。
应当说明的是,对于股市自身风险的评估,可以同时对上述的融资余额、股票质押和换手率三方面同时进行挖掘,获得股市自身潜在的风险情况,也可以视情况选择上述三个方面中的至少一个进行评估,本申请实施例对此不作具体限定。
在上述实施例的基础上,所述根据所述金融数据信息对政策风险进行分析,获得政策风险因子,包括:
利用货币供应量评价模型对所述货币供应量指标进行分析,获得所述货币供应量指标的增长率;所述货币供应量评价模型包括供应量指标、第七时间、第七文本生成函数;所述第七时间为所述预设时间段;
利用所述第七文本生成函数对第七时间内所述货币供应量指标的增长率进行分析,获得所述政策风险因子。
在具体的实施过程中,货币供应量是对政策风险的影响因素之一,因此可以利用货币供应量评价模型对所述货币供应量指标进行分析,获得政策风险因子。货币供应量评价模型的分析目标为货币供应量,分析目标属性为货币供应量增长率,时间概念为第七时间,可以为预设时间段,例如近三个月,第七文本生成函数为货币供应量指标趋势分析。因此,货币供应量评价模型可以为【货币供应量$增长率_近三个月_货币供应量指标趋势分析】。利用货币供应量评价模型分析近三个月货币供应量的增长率,分析增速变化情况,识别出是否为持续下降或者下降变化趋势,若是,则预示国家货币政策处于紧缩状态,可能会增加上市企业成本负担、降低企业资金流动性。同时可能导致市场流动资金减少,影响投资者情绪,减少投资积极性,如图8所示。
在另一实施例中,还可以从获取到的政策新闻中挖掘股市的潜在风险,政策新闻可以包括针对利率的政策,针对股市的政策和针对行业概念的政策。利用预设文本抽取模型可以从政策新闻中抽取相应的风险段落,应当说明的是,风险段落为政策新闻中的某一段或某几段。由于不同类型的政策新闻有不同的特征,即关键词,因此,可以针对每种政策都构建对应的文本抽取模型。当获取到政策新闻后,由于评估装置还不知道该政策新闻是针对哪种类型的政策,因此,可以分别使用每种政策对应的文本抽取模型对政策新闻进行抽取,哪种文本抽取模型能够抽取到风险段落,则可知该政策新闻对应的类型。如果没有文本抽取模型能够抽取到风险段落,则说明该政策新闻中没有关于股市风险预测的内容。
本申请实施例通过对政策风险的自动评估,进而实现对股市运行的风险评估,提高了评估效率。
并且同时对购买力风险、股市自身风险和政策风险评估,一方面可以提高对股市评估的效率,另一方面,使得对股市评估更加全面。
在另一实施例中,评估装置可以预先为用户进行风险评测,获得该用户的风险承受值,其中,风险评测可以是向用户提供一套风险评测的题,根据用户的答题情况进行评测,也可以是其他评测方式,本申请实施例对此不作具体限定。当评估装置得到股市运行的风险评估结果之后,判断该评估结果是否超过用户的风险承受值,若超过,则向该用户发送告警信息。
图9为本申请实施例提供的评估装置结构示意图,该评估装置可以是电子设备上的模块、程序段或代码。应理解,该装置与上述图1方法实施例对应,能够执行图1方法实施例涉及的各个步骤,该装置具体的功能可以参见上文中的描述,为避免重复,此处适当省略详细描述。该评估装置包括:数据获取模块901、风险分析模块902和结果获得模块903,其中:
数据获取模块901用于获取预设时间段内的金融数据信息;风险分析模块902用于根据所述金融数据信息对购买力风险、股市自身风险和政策风险中的至少一项进行分析,获得对应的购买力风险因子、股市自身风险因子和政策风险因子中的至少一项;其中,所述购买力风险为对所述金融数据信息中的国民经济指标进行分析获得;所述股市自身风险为对所述金融数据信息中的股市动态信息进行分析获得;所述政策风险为对所述金融数据信息中的货币供应量指标和/或政策新闻进行分析获得;结果获得模块903用于根据所述购买力风险因子、股市自身风险因子和政策风险因子获得股市风险的评估结果。
在上述实施例的基础上,所述国民经济指标包括国内生产总值GDP,风险分析模块902具体用于:
利用GDP评估模型对预设时间段内的GDP进行分析,获得GDP增长率;所述GDP评估模型包括GDP增长率、第一时间和第一文本生成函数;所述第一时间为所述预设时间段;
利用所述第一文本生成函数对所述第一时间内的所述GDP增长率进行分析,获得所述购买力风险因子。
在上述实施例的基础上,所述国民经济指标包括居民消费价格指数CPI,风险分析模块902具体用于:
利用CPI评估模型对预设时间段内的CPI进行分析,获得CPI变化情况;所述CPI评估模型包括:CPI指标值第二时间和第二文本生成函数;所述第二时间为所述预设时间段;
利用所述第二文本生成函数对所述第二时间内的所述CPI变化情况进行分析,获得所述购买力风险。
在上述实施例的基础上,所述国民经济指标包括采购经理指数PMI,风险分析模块902具体用于:
利用PMI评估模型对预设时间段内的PMI进行分析,获得PMI指标值的变化情况;所述PMI评估模型包括PMI指标值、第三时间、第三文本生成函数和文本生成函数参数;所述第三时间为所述预设时间段,所述文本生成函数参数为PMI标准线;
利用所述第三文本生成函数对所述第三时间内所述PMI指标值的变化情况进行分析,获得所述购买力风险因子。
在上述实施例的基础上,所述股市动态信息包括杠杆资金的融资余额,风险分析模块902具体用于:
利用融资评估模型对所述杠杆资金的融资余额进行分析,获得所述融资余额的变化情况;其中,所述融资评估模型包括融资余额、第四时间、第四文本生成函数;所述第四时间为所述预设时间段;
利用所述第四文本生成函数对所述第四时间内融资余额的变化情况进行分析,获得所述股市自身风险。
在上述实施例的基础上,所述股市动态信息包括股票质押数据,风险分析模块902具体用于:
利用股票质押评估模型对所述杠杆资金的股票质押数据进行分析,获得股票质押情况;其中,所述股票质押评估模型包括股票质押数据、第五时间、第五文本生成函数、平仓线标准值和预警线标准值;
利用所述第五文本生成函数对所述第五时间内股票质押情况进行分析,获得所述股市自身风险。
在上述实施例的基础上,所述股市动态信息包括换手率,风险分析模块902具体用于:
利用换手率评估模型对换手率进行分析,获得换手续的变化情况;其中,所述换手率评估模型包括换手率、第六时间、第六文本生成函数、换手率标准线、持续N天风险换手率标准线和持续天数;所述第六时间为距当前时刻最近的M天,M和N为正整数;
利用所述第六文本生成函数对所述第六时间内所述换手率的变化情况进行分析,获得所述股市自身风险因子。
在上述实施例的基础上,风险分析模块902具体用于:
利用货币供应量评价模型对所述货币供应量指标进行分析,获得所述货币供应量指标的增长率;所述货币供应量评价模型包括供应量指标、第七时间、第七文本生成函数;所述第七时间为所述预设时间段;
利用所述第七文本生成函数对所述第七时间内的所述货币供应量指标的增长率进行分析,获得所述政策风险因子。
在上述实施例的基础上,所述政策新闻包括针对利率的政策、针对股市的政策和针对行业概念的政策;风险分析模块902具体用于:
利用预设文本抽取模型从所述政策新闻中抽取对应类型的风险段落,将所述风险段落作为所述政策风险因子;其中,所述预设文本抽取模型中包括至少一个关键词。
图10为本申请实施例提供的电子设备实体结构示意图,如图10所示,所述电子设备,包括:处理器(processor)1001、存储器(memory)1002和总线1003;其中,
所述处理器1001和存储器1002通过所述总线1003完成相互间的通信;
所述处理器1001用于调用所述存储器1002中的程序指令,以执行上述各方法实施例所提供的方法,例如包括:获取预设时间段内的金融数据信息;根据所述金融数据信息对购买力风险、股市自身风险和政策风险中的至少一项进行分析,获得对应的购买力风险因子、股市自身风险因子和政策风险因子中的至少一项;其中,所述购买力风险为对所述金融数据信息中的国民经济指标进行分析获得;所述股市自身风险为对所述金融数据信息中的股市动态信息进行分析获得;所述政策风险为对所述金融数据信息中的货币供应量指标和/或政策新闻进行分析获得;根据所述购买力风险因子、股市自身风险因子和政策风险因子获得股市风险的评估结果。
处理器1001可以是一种集成电路芯片,具有信号处理能力。上述处理器1001可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(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、分立门或者晶体管逻辑器件、分立硬件组件。其可以实现或者执行本申请实施例中公开的各种方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器1002可以包括但不限于随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:获取预设时间段内的金融数据信息;根据所述金融数据信息对购买力风险、股市自身风险和政策风险中的至少一项进行分析,获得对应的购买力风险因子、股市自身风险因子和政策风险因子中的至少一项;其中,所述购买力风险为对所述金融数据信息中的国民经济指标进行分析获得;所述股市自身风险为对所述金融数据信息中的股市动态信息进行分析获得;所述政策风险为对所述金融数据信息中的货币供应量指标和/或政策新闻进行分析获得;根据所述购买力风险因子、股市自身风险因子和政策风险因子获得股市风险的评估结果。
本实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的方法,例如包括:获取预设时间段内的金融数据信息;根据所述金融数据信息对购买力风险、股市自身风险和政策风险中的至少一项进行分析,获得对应的购买力风险因子、股市自身风险因子和政策风险因子中的至少一项;其中,所述购买力风险为对所述金融数据信息中的国民经济指标进行分析获得;所述股市自身风险为对所述金融数据信息中的股市动态信息进行分析获得;所述政策风险为对所述金融数据信息中的货币供应量指标和/或政策新闻进行分析获得;根据所述购买力风险因子、股市自身风险因子和政策风险因子获得股市风险的评估结果。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
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。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种股市运行风险评估方法,其特征在于,包括:
获取预设时间段内的金融数据信息;
根据所述金融数据信息对购买力风险、股市自身风险和政策风险中的至少一项进行分析,获得对应的购买力风险因子、股市自身风险因子和政策风险因子中的至少一项;其中,所述购买力风险为对所述金融数据信息中的国民经济指标进行分析获得;所述股市自身风险为对所述金融数据信息中的股市动态信息进行分析获得;所述政策风险为对所述金融数据信息中的货币供应量指标和/或政策新闻进行分析获得;
根据所述购买力风险因子、股市自身风险因子和政策风险因子获得股市风险的评估结果。
2.根据权利要求1所述的方法,其特征在于,所述国民经济指标包括国内生产总值GDP,所述根据所述金融数据信息对购买力风险进行分析,获得购买力风险因子,包括:
利用GDP评估模型对预设时间段内的GDP进行分析,获得GDP增长率;所述GDP评估模型包括GDP增长率、第一时间和第一文本生成函数;所述第一时间为所述预设时间段;
利用所述第一文本生成函数对所述第一时间内的所述GDP增长率进行分析,获得所述购买力风险因子。
3.根据权利要求1所述的方法,其特征在于,所述国民经济指标包括居民消费价格指数CPI,所述根据所述金融数据信息对购买力风险进行分析,获得购买力风险因子,包括:
利用CPI评估模型对预设时间段内的CPI进行分析,获得CPI变化情况;所述CPI评估模型包括:CPI指标值、第二时间和第二文本生成函数;所述第二时间为所述预设时间段;
利用所述第二文本生成函数对所述第二时间内的所述CPI变化情况进行分析,获得所述购买力风险。
4.根据权利要求1所述的方法,其特征在于,所述国民经济指标包括采购经理指数PMI,所述根据所述金融数据信息对购买力风险进行分析,获得购买力风险因子,包括:
利用PMI评估模型对预设时间段内的PMI进行分析,获得PMI指标值的变化情况;所述PMI评估模型包括PMI指标值、第三时间、第三文本生成函数和文本生成函数参数;所述第三时间为所述预设时间段,所述文本生成函数参数为PMI标准线;
利用所述第三文本生成函数对所述第三时间内所述PMI指标值的变化情况进行分析,获得所述购买力风险因子。
5.根据权利要求1所述的方法,其特征在于,所述股市动态信息包括杠杆资金的融资余额,所述根据所述金融数据信息对股市自身风险进行分析,获得股市自身风险因子,包括:
利用融资评估模型对所述杠杆资金的融资余额进行分析,获得所述融资余额的变化情况;其中,所述融资评估模型包括融资余额、第四时间、第四文本生成函数;所述第四时间为所述预设时间段;
利用所述第四文本生成函数对所述第四时间内融资余额的变化情况进行分析,获得所述股市自身风险。
6.根据权利要求1所述的方法,其特征在于,所述股市动态信息包括股票质押数据,所述根据所述金融数据信息对股市自身风险进行分析,获得股市自身风险因子,包括:
利用股票质押评估模型对杠杆资金的股票质押数据进行分析,获得股票质押情况;其中,所述股票质押评估模型包括股票质押数据、第五时间、第五文本生成函数、平仓线标准值和预警线标准值;
利用所述第五文本生成函数对所述第五时间内股票质押情况进行分析,获得所述股市自身风险。
7.根据权利要求1所述的方法,其特征在于,所述股市动态信息包括换手率,所述根据所述金融数据信息对股市自身风险进行分析,获得股市自身风险因子,包括:
利用换手率评估模型对换手率进行分析,获得换手续的变化情况;其中,所述换手率评估模型包括换手率、第六时间、第六文本生成函数、换手率标准线、持续N天风险换手率标准线和持续天数;所述第六时间为距当前时刻最近的M天,M和N为正整数;
利用所述第六文本生成函数对所述第六时间内所述换手率的变化情况进行分析,获得所述股市自身风险因子。
8.根据权利要求1所述的方法,其特征在于,所述根据所述金融数据信息对政策风险进行分析,获得政策风险因子,包括:
利用货币供应量评价模型对所述货币供应量指标进行分析,获得所述货币供应量指标的增长率;所述货币供应量评价模型包括供应量指标、第七时间、第七文本生成函数;所述第七时间为所述预设时间段;
利用所述第七文本生成函数对所述第七时间内的所述货币供应量指标的增长率进行分析,获得所述政策风险因子。
9.根据权利要求1所述的方法,其特征在于,所述政策新闻包括针对利率的政策、针对股市的政策和针对行业概念的政策;所述根据所述金融数据信息对政策风险进行分析,获得政策风险因子,包括:
利用预设文本抽取模型从所述政策新闻中抽取对应类型的风险段落,将所述风险段落作为所述政策风险因子;其中,所述预设文本抽取模型中包括至少一个关键词。
10.一种股市运行风险评估装置,其特征在于,包括:
数据获取模块,用于获取预设时间段内的金融数据信息;
风险分析模块,用于根据所述金融数据信息对购买力风险、股市自身风险和政策风险中的至少一项进行分析,获得对应的购买力风险因子、股市自身风险因子和政策风险因子中的至少一项;其中,所述购买力风险为对所述金融数据信息中的国民经济指标进行分析获得;所述股市自身风险为对所述金融数据信息中的股市动态信息进行分析获得;所述政策风险为对所述金融数据信息中的货币供应量指标和/或政策新闻进行分析获得;
结果获得模块,用于根据所述购买力风险因子、股市自身风险因子和政策风险因子获得股市风险的评估结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911307372.8A CN111105154A (zh) | 2019-12-17 | 2019-12-17 | 股市运行风险评估方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911307372.8A CN111105154A (zh) | 2019-12-17 | 2019-12-17 | 股市运行风险评估方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111105154A true CN111105154A (zh) | 2020-05-05 |
Family
ID=70422754
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911307372.8A Pending CN111105154A (zh) | 2019-12-17 | 2019-12-17 | 股市运行风险评估方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111105154A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112598511A (zh) * | 2020-11-19 | 2021-04-02 | 厦门小蚜虫量化软件开发有限公司 | 一种基于ai风控的股票量化交易系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105956770A (zh) * | 2016-05-03 | 2016-09-21 | 中国科学院大学 | 一种股市风险预测平台及其文本挖掘方法 |
-
2019
- 2019-12-17 CN CN201911307372.8A patent/CN111105154A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105956770A (zh) * | 2016-05-03 | 2016-09-21 | 中国科学院大学 | 一种股市风险预测平台及其文本挖掘方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112598511A (zh) * | 2020-11-19 | 2021-04-02 | 厦门小蚜虫量化软件开发有限公司 | 一种基于ai风控的股票量化交易系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huang et al. | Local bias in investor attention: Evidence from China's Internet stock message boards | |
CN111401777B (zh) | 企业风险的评估方法、装置、终端设备及存储介质 | |
US20240144374A1 (en) | Mapping consumer ownership of financial assets to geographic localities and computer-implemented methods and computer systems thereof | |
US20120317052A1 (en) | Collectively analyzing holdings across multiple fixed income products | |
KR101422562B1 (ko) | 지능형 징수 관리 시스템 | |
US20150348198A1 (en) | Repurchase agreement reporting across multiple fixed income products | |
CN113095712A (zh) | 企业授信评分获取方法、装置及计算机设备 | |
CN109214915A (zh) | 贷中风险评分方法、系统及计算机可读存储介质 | |
CN113989019A (zh) | 识别风险的方法、装置、设备及存储介质 | |
CN110659961A (zh) | 一种用于识别线下商户的方法和装置 | |
Liu et al. | Spillover effect between carbon spot and futures market: evidence from EU ETS | |
Chen et al. | Retail investor attention and information asymmetry: Evidence from China | |
CN109583826B (zh) | 申报文件生成方法、装置、服务器及可读存储介质 | |
Huyen et al. | Could volatile cryptocurrency stimulate systemic risks in the energy sector? Evidence from novel connectedness models | |
CN111105154A (zh) | 股市运行风险评估方法、装置、电子设备及存储介质 | |
CN110363640B (zh) | 监控系统业务运行方法、装置及存储介质、服务器 | |
CN114444831A (zh) | 数据评估方法、装置、电子设备及存储介质 | |
CN111199799A (zh) | 一种健康提示信息的处理方法、装置及终端设备 | |
CN116934131A (zh) | 一种企业经营状况评估方法、装置及设备 | |
Nkalu et al. | Trade openness and exchange rate fluctuations nexus in Nigeria | |
CN114820196A (zh) | 信息推送方法、装置、设备及介质 | |
Park et al. | Value at risk forecasting for volatility index | |
RU2717903C1 (ru) | Автоматизированная система моделирования изменения содержания информационного пространства | |
Whiteman | The efficiency of developing country public financial management systems | |
CN113392290A (zh) | 数据监测方法、装置和服务器 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 230000 zone B, 19th floor, building A1, 3333 Xiyou Road, hi tech Zone, Hefei City, Anhui Province Applicant after: Dingfu Intelligent Technology Co., Ltd Address before: Room 630, 6th floor, Block A, Wanliu Xingui Building, 28 Wanquanzhuang Road, Haidian District, Beijing Applicant before: DINFO (BEIJING) SCIENCE DEVELOPMENT Co.,Ltd. |