CN111754317A - 一种金融投资数据测评方法及系统 - Google Patents
一种金融投资数据测评方法及系统 Download PDFInfo
- Publication number
- CN111754317A CN111754317A CN202010545128.1A CN202010545128A CN111754317A CN 111754317 A CN111754317 A CN 111754317A CN 202010545128 A CN202010545128 A CN 202010545128A CN 111754317 A CN111754317 A CN 111754317A
- Authority
- CN
- China
- Prior art keywords
- financial
- data
- module
- index data
- technical index
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Technology Law (AREA)
- Educational Administration (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明属于金融投资数据测评技术领域,公开了一种金融投资数据测评方法及系统,所述金融投资数据测评系统包括:金融信息采集模块、中央控制模块、金融产品评估模块、金融风险预测模块、资产分析模块、投资评价模块、收益计算模块、显示模块。本发明通过金融产品评估模块利用分类模型对金融产品目标指标进行评分,可提高分类效果及计算效率,扩大不同的金融产品目标指标的应用性,且增加评估过程中数据的准确性;同时,通过资产分析模块实现了对金融资产按照风险收益类别进行可靠性分析,为投资者进行金融资产配置提供决策支持。
Description
技术领域
本发明属于金融投资数据测评技术领域,尤其涉及一种金融投资数据测评方法及系统方法。
背景技术
金融投资还是实现企业扩张的重要手段。一家企业或公司的经营是否成功,其标志之一是看其是否在经营过程中获得了发展,而发展的具体体现包括了向外的扩展,这就是兼并、收购其他企业,并进行公司重组。兼并(Merger)通常是指一家企业购买其他企业的产权,实现对其经营权的全部控制(亦可称吸收合并),或是两家或两家以—上的企业合并成立一个新企业(亦可称设立合并)的经济行为。收购(Acquisition)是指一家企业购买另一家企业的部分资产或是部分或全部股权,以实现对后者经营的控制权。兼并与收购的主要区别在于:被兼并的企业会失去法人资格,而被收购方则通常不改变其法律地位。但两者也有相同之处,其目的都是为了获得对其他企业的控制权,实现企业的扩张发展。兼并与收购,简称并购,可分为四种方式:购买式、承担债务式)吸收股份式及控股式。我国公司并购以吸收股份式和控股式为主。企业通过以获得控股权益为目的的金融运作,可实现其对其他企业的控制,在更大范围和程度上实施自己的企业发展战略。然而,
综上所述,现有技术存在的问题是:现有金融投资数据测评方法及系统对金融产品评估不准确;同时,对金融投资资产分析可靠性低。
发明内容
针对现有技术存在的问题,本发明提供了一种金融投资数据测评方法及系统。
本发明是这样实现的,一种金融投资数据测评系统包括:
金融信息采集模块、中央控制模块、金融产品评估模块、金融风险预测模块、资产分析模块、投资评价模块、收益计算模块、显示模块;
金融信息采集模块,与中央控制模块连接,用于采集金融信息数据;
中央控制模块,与金融信息采集模块、金融产品评估模块、金融风险预测模块、资产分析模块、投资评价模块、收益计算模块、显示模块连接,用于通过主机控制各个模块正常工作;
金融产品评估模块,与中央控制模块连接,用于通过评估程序对金融产品进行评估;
金融风险预测模块,与中央控制模块连接,用于通过预测程序对金融投资风险进行预测;
资产分析模块,与中央控制模块连接,用于通过分析程序对金融投资资产数据进行分析;
投资评价模块,与中央控制模块连接,用于通过评价程序对金融投资数据进行评价;
收益计算模块,与中央控制模块连接,用于通过计算程序计算金融投资收益;
显示模块,与中央控制模块连接,用于通过显示器显示采集的金融数据、评估结果、预测结果、分析结果、评价结果。
一种金融投资数据测评方法包括以下步骤:
步骤一,通过金融信息采集模块采集金融信息数据;
步骤二,中央控制模块通过金融产品评估模块利用评估程序对金融产品进行评估;
步骤三,通过金融风险预测模块利用预测程序对金融投资风险进行预测;通过资产分析模块利用分析程序对金融投资资产数据进行分析;
步骤四,通过投资评价模块利用评价程序对金融投资数据进行评价;通过收益计算模块利用计算程序计算金融投资收益;
步骤五,通过显示模块利用显示器显示采集的金融数据、评估结果、预测结果、分析结果、评价结果。
进一步,所述金融产品评估模块评估方法如下:
(1)通过评估程序获取预处理后的第一预设时间内的金融产品的第一技术指标数据;
(2)通过统计程序对获取的指数数据进行统计;
(3)将所述预处理后的第一预设时间内的金融产品的第一技术指标数据输入初始分类模型,确定训练好的分类模型,其中,所述分类模型对所述预处理后的第一预设时间内的金融产品的第一技术指标数据进行至少一次迭代;
(4)获取预处理后的第二预设时间内的金融产品的第二技术指标数据;将预处理后的第二预设时间内的金融产品的第二技术指标数据输入训练好的分类模型,得到所述第二技术指标数据对应的用户评分。
进一步,所述通过评估程序获取预处理后的第一预设时间内的金融产品的第一技术指标数据包括:
获取预处理前的第一预设时间内的金融产品的第一技术指标数据;
对所述预处理前的第一预设时间内的金融产品的第一技术指标数据依次进行数据转化、数据填充以及数据降维,得到预处理后的第一预设时间内的金融产品的第一技术指标数据。
进一步,所述对所述预处理前的第一预设时间内的金融产品的第一技术指标数据依次进行数据转化、数据填充以及数据降维包括:
采用dummyVars函数对所述预处理前的第一预设时间内的金融产品的第一技术指标数据进行二进制转化,得到转化后的第一预设时间内的金融产品的第一技术指标数据;
采用preProcess函数对转化后的第一预设时间内的金融产品的第一技术指标数据进行缺失值的填充,得到完整的第一预设时间内的金融产品的第一技术指标数据;
采用cor函数计算完整的第一预设时间内的金融产品的第一技术指标数据之间的相关性以及第一技术指标数据与金融产品目标指标的相关性,得到第一技术指标数据之间的相关性所对应的第一相关度和第一技术指标数据与应变量的相关性所对应的第二相关度;
若所述第一技术指标数据中的指标数据的第一相关度大于第一预设阈值,和/或,所述第一技术指标数据中的指标数据与应变量之间的第二相关度大于第二预设阈值,则去除所述完整的第一预设时间内的金融产品的第一技术指标数据中的指标数据。
进一步,所述将所述预处理后的第一预设时间内的金融产品的第一技术指标数据输入初始分类模型,确定训练好的分类模型包括:
获取初始分类模型;
将所述预处理后的第一预设时间内的金融产品的第一技术指标数据作为输入数据输入初始分类模型,得到输出数据;
采用xgb.importance函数对所述输出数据进行筛选,得到筛选后的输出数据;
重复将筛选后的输出数据作为输入数据输入分类模型,直至所述分类模型的迭代次数达到预设迭代阈值,确定训练好的分类模型。
进一步,所述资产分析模块分析方法如下:
1)通过分析程序获取M个金融资产的价格序列数据,所述价格序列数据包括所述M个金融资产的价格和对应的时间;
2)通过数据核对程序对获取的金融资产数据进行核对;根据所述M个金融资产的价格和对应的时间得到所述M个金融资产的风险收益指标;
3)根据所述M个金融资产的风险收益指标对所述M个金融资产按照风险收益类别进行聚类得到N个簇,N<M。
进一步,所述根据所述M个金融资产的风险收益指标对所述M个金融资产按照风险收益类别进行聚类得到N个簇,包括:
2.1)从所述M个金融资产中随机选择N个金融资产的风险收益指标分别作为N个簇的中心值;
2.2)从所述M个金融资产的剩余金融资产中选择一个金融资产,分别计算所选择的金融资产的风险收益指标与N个簇的中心值的欧式距离;
2.3)将所选择的金融资产归入欧式距离最小的簇并更新对应簇的中心值,其中,所述对应簇的中心值为所述对应簇中所有金融资产的风险收益指标的欧式距离的平均值;
2.4)重复执行2.2)直到准则函数收敛。
进一步,所述风险收益指标包括平均收益率、收益波动率、夏普比率、最大回撤、最大回撤周期、正位比或负位比中的至少一项。
进一步,一种如上所述的金融投资数据测评方法,其特征在于,所述金融投资数据测评方法包括以下步骤:
步骤一,通过金融信息采集模块采集金融信息数据;
步骤二,中央控制模块通过金融产品评估模块利用评估程序对金融产品进行评估;
步骤三,通过金融风险预测模块利用预测程序对金融投资风险进行预测;资产分析模块利用分析程序获取M个金融资产的价格序列数据;
步骤四,资产分析模块通过数据核对程序对获取的金融资产数据进行核对;根据所述M个金融资产的价格和对应的时间得到所述M个金融资产的风险收益指标;
步骤五,根据所述M个金融资产的风险收益指标对所述M个金融资产按照风险收益类别进行聚类得到N个簇,N<M;对金融投资资产数据进行分析;
步骤六,投资评价模块利用评价程序获取分析后的金融投资资产数据的第一预设时间内的金融产品的第一技术指标数据;
步骤七,对所述分析后的金融投资资产数据的第一预设时间内的金融产品的第一技术指标数据依次进行数据转化、数据填充以及数据降维,得到预处理后的第一预设时间内的金融产品的第一技术指标数据;
所述数据转化、数据填充以及数据降维包括:
采用dummyVars函数对所述分析后的第一预设时间内的金融产品的第一技术指标数据进行二进制转化,得到转化后的第一预设时间内的金融产品的第一技术指标数据;
采用preProcess函数对转化后的第一预设时间内的金融产品的第一技术指标数据进行缺失值的填充,得到完整的第一预设时间内的金融产品的第一技术指标数据;
采用cor函数计算完整的第一预设时间内的金融产品的第一技术指标数据之间的相关性以及第一技术指标数据与金融产品目标指标的相关性,得到第一技术指标数据之间的相关性所对应的第一相关度和第一技术指标数据与应变量的相关性所对应的第二相关度;
若所述第一技术指标数据中的指标数据的第一相关度大于第一预设阈值,和/或,所述第一技术指标数据中的指标数据与应变量之间的第二相关度大于第二预设阈值,则去除所述完整的第一预设时间内的金融产品的第一技术指标数据中的指标数据;
步骤八,将所述分析后的金融投资资产数据的第一技术指标数据输入初始分类模型,确定训练好的分类模型;
步骤九,获取分析后的金融投资资产数据的第二预设时间内的金融产品的第二技术指标数据;
步骤十,将分析后的金融投资资产数据的第二预设时间内的金融产品的第二技术指标数据输入训练好的分类模型,得到所述第二技术指标数据对应的用户评分;通过收益计算模块利用计算程序计算金融投资收益;
步骤十一,通过显示模块利用显示器显示采集的金融数据、评估结果、预测结果、分析结果、评价结果。
本发明的优点及积极效果为:本发明通过金融产品评估模块获取预处理后的第一预设时间内的金融产品的第一技术指标数据,进而将所述预处理后的第一预设时间内的金融产品的第一技术指标数据输入初始分类模型,确定训练好的分类模型,其中,所述分类模型对所述预处理后的第一预设时间内的金融产品的第一技术指标数据进行至少一次迭代;再获取预处理后的第二预设时间内的金融产品的第二技术指标数据;最后将预处理后的第二预设时间内的金融产品的第二技术指标数据输入训练好的分类模型,得到所述第二技术指标数据对应的用户评分。通过分类模型对金融产品目标指标进行评分,可提高分类效果及计算效率,扩大不同的金融产品目标指标的应用性,且增加评估过程中数据的准确性;同时,通过资产分析模块获取M个金融资产的价格序列数据,价格序列数据包括M个金融资产的价格和对应的时间;根据所述M个金融资产的价格和对应的时间得到所述M个金融资产的风险收益指标;根据所述M个金融资产的风险收益指标对所述M个金融资产按照风险收益类别进行聚类得到N个簇,N<M。实现了对金融资产按照风险收益类别进行可靠性分析,为投资者进行金融资产配置提供决策支持。
附图说明
图1是本发明实施例提供的金融投资数据测评方法流程图。
图2是本发明实施例提供的金融投资数据测评系统结构框图。
图3是本发明实施例提供的金融产品评估模块评估方法流程图。
图4是本发明实施例提供的资产分析模块分析方法流程图。
图5是本发明实施例提供的根据所述M个金融资产的风险收益指标对所述M个金融资产按照风险收益类别进行聚类得到N个簇方法流程图。
图2中:1、金融信息采集模块;2、中央控制模块;3、金融产品评估模块;4、金融风险预测模块;5、资产分析模块;6、投资评价模块;7、收益计算模块;8、显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明提供的金融投资数据测评方法包括以下步骤:
S101,通过金融信息采集模块采集金融信息数据;
S102,中央控制模块通过金融产品评估模块利用评估程序对金融产品进行评估;
S103,通过金融风险预测模块利用预测程序对金融投资风险进行预测;通过资产分析模块利用分析程序对金融投资资产数据进行分析;
S104,通过投资评价模块利用评价程序对金融投资数据进行评价;通过收益计算模块利用计算程序计算金融投资收益;
S105,通过显示模块利用显示器显示采集的金融数据、评估结果、预测结果、分析结果、评价结果。
如图2所示,本发明实施例提供的金融投资数据测评系统包括:金融信息采集模块1、中央控制模块2、金融产品评估模块3、金融风险预测模块4、资产分析模块5、投资评价模块6、收益计算模块7、显示模块8。
金融信息采集模块1,与中央控制模块2连接,用于采集金融信息数据;
中央控制模块2,与金融信息采集模块1、金融产品评估模块3、金融风险预测模块4、资产分析模块5、投资评价模块6、收益计算模块7、显示模块8连接,用于通过主机控制各个模块正常工作;
金融产品评估模块3,与中央控制模块2连接,用于通过评估程序对金融产品进行评估;
金融风险预测模块4,与中央控制模块2连接,用于通过预测程序对金融投资风险进行预测;
资产分析模块5,与中央控制模块2连接,用于通过分析程序对金融投资资产数据进行分析;
投资评价模块6,与中央控制模块2连接,用于通过评价程序对金融投资数据进行评价;
收益计算模块7,与中央控制模块2连接,用于通过计算程序计算金融投资收益;
显示模块8,与中央控制模块2连接,用于通过显示器显示采集的金融数据、评估结果、预测结果、分析结果、评价结果。
如图3所示,本发明提供的金融产品评估模块3评估方法如下:
S201,通过评估程序获取预处理后的第一预设时间内的金融产品的第一技术指标数据;
S202,通过统计程序对获取的指数数据进行统计;
S203,将所述预处理后的第一预设时间内的金融产品的第一技术指标数据输入初始分类模型,确定训练好的分类模型,其中,所述分类模型对所述预处理后的第一预设时间内的金融产品的第一技术指标数据进行至少一次迭代;
S204,获取预处理后的第二预设时间内的金融产品的第二技术指标数据;将预处理后的第二预设时间内的金融产品的第二技术指标数据输入训练好的分类模型,得到所述第二技术指标数据对应的用户评分。
本发明提供的通过评估程序获取预处理后的第一预设时间内的金融产品的第一技术指标数据包括:
获取预处理前的第一预设时间内的金融产品的第一技术指标数据;
对所述预处理前的第一预设时间内的金融产品的第一技术指标数据依次进行数据转化、数据填充以及数据降维,得到预处理后的第一预设时间内的金融产品的第一技术指标数据。
本发明提供的对所述预处理前的第一预设时间内的金融产品的第一技术指标数据依次进行数据转化、数据填充以及数据降维包括:
采用dummyVars函数对所述预处理前的第一预设时间内的金融产品的第一技术指标数据进行二进制转化,得到转化后的第一预设时间内的金融产品的第一技术指标数据;
采用preProcess函数对转化后的第一预设时间内的金融产品的第一技术指标数据进行缺失值的填充,得到完整的第一预设时间内的金融产品的第一技术指标数据;
采用cor函数计算完整的第一预设时间内的金融产品的第一技术指标数据之间的相关性以及第一技术指标数据与金融产品目标指标的相关性,得到第一技术指标数据之间的相关性所对应的第一相关度和第一技术指标数据与应变量的相关性所对应的第二相关度;
若所述第一技术指标数据中的指标数据的第一相关度大于第一预设阈值,和/或,所述第一技术指标数据中的指标数据与应变量之间的第二相关度大于第二预设阈值,则去除所述完整的第一预设时间内的金融产品的第一技术指标数据中的指标数据。
本发明提供的将所述预处理后的第一预设时间内的金融产品的第一技术指标数据输入初始分类模型,确定训练好的分类模型包括:
获取初始分类模型;
将所述预处理后的第一预设时间内的金融产品的第一技术指标数据作为输入数据输入初始分类模型,得到输出数据;
采用xgb.importance函数对所述输出数据进行筛选,得到筛选后的输出数据;
重复将筛选后的输出数据作为输入数据输入分类模型,直至所述分类模型的迭代次数达到预设迭代阈值,确定训练好的分类模型。
如图4所示,本发明提供的资产分析模块5分析方法如下:
S301,通过分析程序获取M个金融资产的价格序列数据,所述价格序列数据包括所述M个金融资产的价格和对应的时间;
S302,通过数据核对程序对获取的金融资产数据进行核对;根据所述M个金融资产的价格和对应的时间得到所述M个金融资产的风险收益指标;
S303,根据所述M个金融资产的风险收益指标对所述M个金融资产按照风险收益类别进行聚类得到N个簇,N<M。
如图5所示,本发明提供的根据所述M个金融资产的风险收益指标对所述M个金融资产按照风险收益类别进行聚类得到N个簇,包括:
S401,从所述M个金融资产中随机选择N个金融资产的风险收益指标分别作为N个簇的中心值;
S402,从所述M个金融资产的剩余金融资产中选择一个金融资产,分别计算所选择的金融资产的风险收益指标与N个簇的中心值的欧式距离;
S403,将所选择的金融资产归入欧式距离最小的簇并更新对应簇的中心值,其中,所述对应簇的中心值为所述对应簇中所有金融资产的风险收益指标的欧式距离的平均值;
S404,重复执行S402直到准则函数收敛。
本发明提供的风险收益指标包括平均收益率、收益波动率、夏普比率、最大回撤、最大回撤周期、正位比或负位比中的至少一项。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (10)
1.一种金融投资数据测评系统,其特征在于,所述金融投资数据测评系统包括:
金融信息采集模块、中央控制模块、金融产品评估模块、金融风险预测模块、资产分析模块、投资评价模块、收益计算模块、显示模块;
金融信息采集模块,与中央控制模块连接,用于采集金融信息数据;
中央控制模块,与金融信息采集模块、金融产品评估模块、金融风险预测模块、资产分析模块、投资评价模块、收益计算模块、显示模块连接,用于通过主机控制各个模块正常工作;
金融产品评估模块,与中央控制模块连接,用于通过评估程序对金融产品进行评估;
金融风险预测模块,与中央控制模块连接,用于通过预测程序对金融投资风险进行预测;
资产分析模块,与中央控制模块连接,用于通过分析程序对金融投资资产数据进行分析;
投资评价模块,与中央控制模块连接,用于通过评价程序对金融投资数据进行评价;
收益计算模块,与中央控制模块连接,用于通过计算程序计算金融投资收益;
显示模块,与中央控制模块连接,用于通过显示器显示采集的金融数据、评估结果、预测结果、分析结果、评价结果。
2.一种如权利要求1所述的金融投资数据测评方法,其特征在于,所述金融投资数据测评方法包括以下步骤:
步骤一,通过金融信息采集模块采集金融信息数据;
步骤二,中央控制模块通过金融产品评估模块利用评估程序对金融产品进行评估;
步骤三,通过金融风险预测模块利用预测程序对金融投资风险进行预测;通过资产分析模块利用分析程序对金融投资资产数据进行分析;
步骤四,通过投资评价模块利用评价程序对金融投资数据进行评价;通过收益计算模块利用计算程序计算金融投资收益;
步骤五,通过显示模块利用显示器显示采集的金融数据、评估结果、预测结果、分析结果、评价结果。
3.如权利要求1所述金融投资数据测评系统,其特征在于,所述金融产品评估模块评估方法如下:
(1)通过评估程序获取预处理后的第一预设时间内的金融产品的第一技术指标数据;
(2)通过统计程序对获取的指数数据进行统计;
(3)将所述预处理后的第一预设时间内的金融产品的第一技术指标数据输入初始分类模型,确定训练好的分类模型,其中,所述分类模型对所述预处理后的第一预设时间内的金融产品的第一技术指标数据进行至少一次迭代;
(4)获取预处理后的第二预设时间内的金融产品的第二技术指标数据;将预处理后的第二预设时间内的金融产品的第二技术指标数据输入训练好的分类模型,得到所述第二技术指标数据对应的用户评分。
4.如权利要求3所述金融投资数据测评系统,其特征在于,所述通过评估程序获取预处理后的第一预设时间内的金融产品的第一技术指标数据包括:
获取预处理前的第一预设时间内的金融产品的第一技术指标数据;
对所述预处理前的第一预设时间内的金融产品的第一技术指标数据依次进行数据转化、数据填充以及数据降维,得到预处理后的第一预设时间内的金融产品的第一技术指标数据。
5.如权利要求4所述金融投资数据测评系统,其特征在于,所述对所述预处理前的第一预设时间内的金融产品的第一技术指标数据依次进行数据转化、数据填充以及数据降维包括:
采用dummyVars函数对所述预处理前的第一预设时间内的金融产品的第一技术指标数据进行二进制转化,得到转化后的第一预设时间内的金融产品的第一技术指标数据;
采用preProcess函数对转化后的第一预设时间内的金融产品的第一技术指标数据进行缺失值的填充,得到完整的第一预设时间内的金融产品的第一技术指标数据;
采用cor函数计算完整的第一预设时间内的金融产品的第一技术指标数据之间的相关性以及第一技术指标数据与金融产品目标指标的相关性,得到第一技术指标数据之间的相关性所对应的第一相关度和第一技术指标数据与应变量的相关性所对应的第二相关度;
若所述第一技术指标数据中的指标数据的第一相关度大于第一预设阈值,和/或,所述第一技术指标数据中的指标数据与应变量之间的第二相关度大于第二预设阈值,则去除所述完整的第一预设时间内的金融产品的第一技术指标数据中的指标数据。
6.如权利要求3所述金融投资数据测评系统,其特征在于,所述将所述预处理后的第一预设时间内的金融产品的第一技术指标数据输入初始分类模型,确定训练好的分类模型包括:
获取初始分类模型;
将所述预处理后的第一预设时间内的金融产品的第一技术指标数据作为输入数据输入初始分类模型,得到输出数据;
采用xgb.importance函数对所述输出数据进行筛选,得到筛选后的输出数据;
重复将筛选后的输出数据作为输入数据输入分类模型,直至所述分类模型的迭代次数达到预设迭代阈值,确定训练好的分类模型。
7.如权利要求1所述金融投资数据测评系统,其特征在于,所述资产分析模块分析方法如下:
1)通过分析程序获取M个金融资产的价格序列数据,所述价格序列数据包括所述M个金融资产的价格和对应的时间;
2)通过数据核对程序对获取的金融资产数据进行核对;根据所述M个金融资产的价格和对应的时间得到所述M个金融资产的风险收益指标;
3)根据所述M个金融资产的风险收益指标对所述M个金融资产按照风险收益类别进行聚类得到N个簇,N<M。
8.如权利要求7所述金融投资数据测评系统,其特征在于,所述根据所述M个金融资产的风险收益指标对所述M个金融资产按照风险收益类别进行聚类得到N个簇,包括:
2.1)从所述M个金融资产中随机选择N个金融资产的风险收益指标分别作为N个簇的中心值;
2.2)从所述M个金融资产的剩余金融资产中选择一个金融资产,分别计算所选择的金融资产的风险收益指标与N个簇的中心值的欧式距离;
2.3)将所选择的金融资产归入欧式距离最小的簇并更新对应簇的中心值,其中,所述对应簇的中心值为所述对应簇中所有金融资产的风险收益指标的欧式距离的平均值;
2.4)重复执行2.2)直到准则函数收敛。
9.如权利要求7所述金融投资数据测评系统,其特征在于,所述风险收益指标包括平均收益率、收益波动率、夏普比率、最大回撤、最大回撤周期、正位比或负位比中的至少一项。
10.一种如权利要求2所述的金融投资数据测评方法,其特征在于,所述金融投资数据测评方法还包括以下步骤:
步骤一,通过金融信息采集模块采集金融信息数据;
步骤二,中央控制模块通过金融产品评估模块利用评估程序对金融产品进行评估;
步骤三,通过金融风险预测模块利用预测程序对金融投资风险进行预测;资产分析模块利用分析程序获取M个金融资产的价格序列数据;
步骤四,资产分析模块通过数据核对程序对获取的金融资产数据进行核对;根据所述M个金融资产的价格和对应的时间得到所述M个金融资产的风险收益指标;
步骤五,根据所述M个金融资产的风险收益指标对所述M个金融资产按照风险收益类别进行聚类得到N个簇,N<M;对金融投资资产数据进行分析;
步骤六,投资评价模块利用评价程序获取分析后的金融投资资产数据的第一预设时间内的金融产品的第一技术指标数据;
步骤七,对所述分析后的金融投资资产数据的第一预设时间内的金融产品的第一技术指标数据依次进行数据转化、数据填充以及数据降维,得到预处理后的第一预设时间内的金融产品的第一技术指标数据;
所述数据转化、数据填充以及数据降维包括:
采用dummyVars函数对所述分析后的第一预设时间内的金融产品的第一技术指标数据进行二进制转化,得到转化后的第一预设时间内的金融产品的第一技术指标数据;
采用preProcess函数对转化后的第一预设时间内的金融产品的第一技术指标数据进行缺失值的填充,得到完整的第一预设时间内的金融产品的第一技术指标数据;
采用cor函数计算完整的第一预设时间内的金融产品的第一技术指标数据之间的相关性以及第一技术指标数据与金融产品目标指标的相关性,得到第一技术指标数据之间的相关性所对应的第一相关度和第一技术指标数据与应变量的相关性所对应的第二相关度;
若所述第一技术指标数据中的指标数据的第一相关度大于第一预设阈值,和/或,所述第一技术指标数据中的指标数据与应变量之间的第二相关度大于第二预设阈值,则去除所述完整的第一预设时间内的金融产品的第一技术指标数据中的指标数据;
步骤八,将所述分析后的金融投资资产数据的第一技术指标数据输入初始分类模型,确定训练好的分类模型;
步骤九,获取分析后的金融投资资产数据的第二预设时间内的金融产品的第二技术指标数据;
步骤十,将分析后的金融投资资产数据的第二预设时间内的金融产品的第二技术指标数据输入训练好的分类模型,得到所述第二技术指标数据对应的用户评分;通过收益计算模块利用计算程序计算金融投资收益;
步骤十一,通过显示模块利用显示器显示采集的金融数据、评估结果、预测结果、分析结果、评价结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010545128.1A CN111754317A (zh) | 2020-06-16 | 2020-06-16 | 一种金融投资数据测评方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010545128.1A CN111754317A (zh) | 2020-06-16 | 2020-06-16 | 一种金融投资数据测评方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111754317A true CN111754317A (zh) | 2020-10-09 |
Family
ID=72675203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010545128.1A Pending CN111754317A (zh) | 2020-06-16 | 2020-06-16 | 一种金融投资数据测评方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111754317A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112733195A (zh) * | 2021-03-26 | 2021-04-30 | 北京口袋财富信息科技有限公司 | 一种数据配置方法、装置、可读存储介质及计算设备 |
CN112967124A (zh) * | 2021-02-23 | 2021-06-15 | 四川享宇金信金融科技有限公司 | 一种金融风控预测模型构建方法及装置 |
CN113222414A (zh) * | 2021-05-14 | 2021-08-06 | 北京百度网讯科技有限公司 | 模型稳定性的评估方法、装置、电子设备和存储介质 |
CN113837481A (zh) * | 2021-09-29 | 2021-12-24 | 深圳柏谷智能科技有限公司 | 一种基于区块链的金融大数据管理系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180322580A1 (en) * | 2017-05-03 | 2018-11-08 | Hui-Chi Hsiung | Intelligent Financial Management System |
CN109447814A (zh) * | 2018-10-23 | 2019-03-08 | 国家电网有限公司 | 金融资产分析方法和装置 |
CN110163675A (zh) * | 2019-05-17 | 2019-08-23 | 湖南城市学院 | 一种房地产价格评估方法及系统 |
CN110322089A (zh) * | 2018-03-30 | 2019-10-11 | 宗略投资(上海)有限公司 | 企业信用风险评估方法及其系统 |
CN110766465A (zh) * | 2019-10-24 | 2020-02-07 | 开鑫金融科技服务江苏有限公司 | 金融产品评估方法及其验证方法、装置 |
-
2020
- 2020-06-16 CN CN202010545128.1A patent/CN111754317A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180322580A1 (en) * | 2017-05-03 | 2018-11-08 | Hui-Chi Hsiung | Intelligent Financial Management System |
CN110322089A (zh) * | 2018-03-30 | 2019-10-11 | 宗略投资(上海)有限公司 | 企业信用风险评估方法及其系统 |
CN109447814A (zh) * | 2018-10-23 | 2019-03-08 | 国家电网有限公司 | 金融资产分析方法和装置 |
CN110163675A (zh) * | 2019-05-17 | 2019-08-23 | 湖南城市学院 | 一种房地产价格评估方法及系统 |
CN110766465A (zh) * | 2019-10-24 | 2020-02-07 | 开鑫金融科技服务江苏有限公司 | 金融产品评估方法及其验证方法、装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112967124A (zh) * | 2021-02-23 | 2021-06-15 | 四川享宇金信金融科技有限公司 | 一种金融风控预测模型构建方法及装置 |
CN112967124B (zh) * | 2021-02-23 | 2023-11-03 | 四川享宇金信金融科技有限公司 | 一种金融风控预测模型构建方法及装置 |
CN112733195A (zh) * | 2021-03-26 | 2021-04-30 | 北京口袋财富信息科技有限公司 | 一种数据配置方法、装置、可读存储介质及计算设备 |
CN113222414A (zh) * | 2021-05-14 | 2021-08-06 | 北京百度网讯科技有限公司 | 模型稳定性的评估方法、装置、电子设备和存储介质 |
CN113222414B (zh) * | 2021-05-14 | 2023-09-29 | 北京百度网讯科技有限公司 | 模型稳定性的评估方法、装置、电子设备和存储介质 |
CN113837481A (zh) * | 2021-09-29 | 2021-12-24 | 深圳柏谷智能科技有限公司 | 一种基于区块链的金融大数据管理系统 |
CN113837481B (zh) * | 2021-09-29 | 2024-02-20 | 深圳市合绎信息科技有限公司 | 一种基于区块链的金融大数据管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109255506B (zh) | 一种基于大数据的互联网金融用户贷款逾期预测方法 | |
Sarma | Predictive modeling with SAS enterprise miner: Practical solutions for business applications | |
CN111754317A (zh) | 一种金融投资数据测评方法及系统 | |
Kotu et al. | Predictive analytics and data mining: concepts and practice with rapidminer | |
WO2021088499A1 (zh) | 一种基于动态网络表征的发票虚开识别方法及系统 | |
Yap et al. | Evaluating company failure in Malaysia using financial ratios and logistic regression | |
CN110738564A (zh) | 贷后风险评估方法及装置、存储介质 | |
US10083263B2 (en) | Automatic modeling farmer | |
CN113283795B (zh) | 基于二分类模型的数据处理方法及装置、介质、设备 | |
CN111783829A (zh) | 一种基于多标签学习的财务异常检测方法及装置 | |
Fan et al. | Improved ML-based technique for credit card scoring in internet financial risk control | |
Nurcan et al. | Determination of financial failure indicators by gray relational analysis and application of data envelopment analysis and logistic regression analysis in BIST 100 Index | |
WO2007073063A1 (en) | Method of technology valuation | |
Klosterman | Data Science Projects with Python: A case study approach to successful data science projects using Python, pandas, and scikit-learn | |
CN110704803A (zh) | 目标对象的评估值计算方法及装置、存储介质、电子设备 | |
Gritta et al. | A review of the history of air carrier bankruptcy forecasting and the application of various models to the US airline industry, 1980-2005 | |
Suteja et al. | Predicting the financial distress of Indonesian manufacturing companies: an application of the multinomial logit model | |
Durica et al. | Financial distress prediction in Slovakia: An application of the CART algorithm. | |
Niknya et al. | Financial distress prediction of Tehran Stock Exchange companies using support vector machine | |
Pradana et al. | Sentiment Analysis of Nanovest Investment Application Using Naive Bayes Algorithm | |
CN117708759B (zh) | 定位企业所属产业链环节的方法及装置 | |
Davalos et al. | Deriving rules for forecasting air carrier financial stress and insolvency: A genetic algorithm approach | |
CN115237970A (zh) | 数据预测方法、装置、设备、存储介质及程序产品 | |
Garmanova et al. | Prerequisites for implementation of blockchain technology in enterprise: an empirical study of use cases across industries | |
CN117786581A (zh) | 一种基于混合属性的金融领域异常检测方法、系统、设备及可读存储介质 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201009 |