CN114444831A - 数据评估方法、装置、电子设备及存储介质 - Google Patents

数据评估方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114444831A
CN114444831A CN202011216209.3A CN202011216209A CN114444831A CN 114444831 A CN114444831 A CN 114444831A CN 202011216209 A CN202011216209 A CN 202011216209A CN 114444831 A CN114444831 A CN 114444831A
Authority
CN
China
Prior art keywords
evaluation
stock
evaluated
characteristic
score
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
CN202011216209.3A
Other languages
English (en)
Inventor
傅雪
赵志殷
张争宏
陈彩萍
陈启鹏
晏宇辉
尹方亮
傅桔选
梁军
郭锐
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.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen 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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202011216209.3A priority Critical patent/CN114444831A/zh
Publication of CN114444831A publication Critical patent/CN114444831A/zh
Pending legal-status Critical Current

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
    • G06Q10/0639—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
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Technology Law (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本申请涉及大数据分析技术领域，公开了一种数据评估方法、装置、电子设备及存储介质，提高了股票评估结果的全面性和精准度，该方法包括：获取待评估股票的相关数据；从相关数据中获取各特征因子关联的数据，基于各特征因子关联的数据获得各特征因子的分数，每个特征因子表征待评估股票的一项属性特征；基于各评估维度分别对应的特征因子的分数以及各特征因子对应的权重，分别获得各评估维度的评估分值，其中评估维度包括：技术面、资金面、舆情面、基本面和抗风险稳健度；基于各评估维度的评估分值和各评估维度对应的权重，获得待评估股票对应的综合评估分值；将综合评估分值和各评估维度的评估分值作为所述待评估股票的评估结果。

Description

数据评估方法、装置、电子设备及存储介质
技术领域
本申请涉及大数据分析技术领域，尤其涉及一种数据评估方法、装置、电子设备及存储介质。
背景技术
股票的价格会根据市场行情的波动上涨或下跌，因此，股票投资具有风险，同时，影响市场行情的因素繁多且复杂，因此，为了尽量规避投资风险，对股票投资从多方位进行风险评估是非常有必要的。目前，对股票的评估往往仅通过基本面与交易面中某一个维度的数据进行单独评估，并仅给出一个综合评估分数，这就造成对股票的评估不全面，与实际情况出现较大的偏差，导致用户无法全面了解所呈现的评估结果背后所指向的投资价值。
发明内容
本申请实施例提供一种数据评估方法、装置、电子设备及存储介质，提高了股票评估结果的全面性和精准度。
一方面，本申请一实施例提供了一种数据评估方法，包括：
获取待评估股票的相关数据；
从所述相关数据中获取各特征因子关联的数据，基于各特征因子关联的数据获得各特征因子的分数，每个特征因子表征所述待评估股票的一项属性特征；
基于各评估维度分别对应的特征因子的分数以及各特征因子对应的权重，分别获得各评估维度的评估分值，其中所述评估维度包括：技术面、资金面、舆情面、基本面和抗风险稳健度；
基于各评估维度的评估分值和各评估维度对应的权重，获得所述待评估股票对应的综合评估分值；
将所述综合评估分值和各评估维度的评估分值作为所述待评估股票的评估结果。
一方面，本申请一实施例提供了一种数据评估装置，包括：
获取单元，用于获取待评估股票的相关数据；
因子分数确定单元，用于从所述相关数据中获取各特征因子关联的数据，基于各特征因子关联的数据获得各特征因子的分数，每个特征因子表征所述待评估股票的一项属性特征；
维度评估单元，用于基于各评估维度分别对应的特征因子的分数以及各特征因子对应的权重，分别获得各评估维度的评估分值，其中所述评估维度包括：技术面、资金面、舆情面、基本面和抗风险稳健度；
综合评估单元，用于基于各评估维度的评估分值和各评估维度对应的权重，获得所述待评估股票对应的综合评估分值；
结果整合单元，用于将所述综合评估分值和各评估维度的评估分值作为所述待评估股票的评估结果。
可选地，所述技术面对应的特征因子包括以下至少一种：近期涨跌幅、压力位、支撑位、主流技术指标；
所述资金面对应的特征因子包括以下至少一种：当日净流入占比、历史净流入占比、净融资余额、陆股通北上资金额；
所述舆情面对应的特征因子包括以下至少一种：市场整体舆情、机构调研频率、整体研报评级分数；
所述基本面对应的特征因子包括以下至少一种：盈利能力、成长能力、营运能力、偿债能力、估值指标分数；
所述抗风险稳健度对应的特征因子包括以下至少一种：历史波动率、流动性风险、最大回撤率、高管减持比例、商誉占比。
可选地，所述因子分数确定单元还用于：根据所述待评估股票所属的标的，确定所述资金面对应的特征因子的权重。
可选地，所述因子分数确定单元具体用于：
针对任一特征因子，基于所述任一特征因子关联的数据确定所述任一特征因子的第一特征值；
获得同类股票对应的所述任一特征因子的第二特征值，将所述第一特征值和各第二特征值的中位数确定为第一中位数，其中所述同类股票包括与所述待评估股票属于同一行业的股票；
获得所述第一特征值与所述第一中位数的第一距离值、以及各第二特征值分别与所述第一中位数的第二距离值，将所述第一距离值和各第二距离值的中位数确定为离差；
若所述第一特征值大于第一区间阈值，则确定所述任一特征因子的分数为第一数值，其中所述第一区间阈值等于所述第一中位数加上n倍所述离差，所述n为正整数；
若所述第一特征值小于第二区间阈值，则确定所述任一特征因子的分数为第二数值，其中所述第二区间阈值等于所述第一中位数减去n倍所述离差，所述第一数值大于所述第二数值；
若所述第一特征值不大于所述第一区间阈值且不小于所述第二区间阈值，则对不大于所述第一区间阈值且不小于所述第二区间阈值的特征值进行排序，根据所述第一特征值的排序位置确定所述任一特征因子的分数。
可选地，所述基本面对应的权重不小于第一预设值，所述抗风险稳健度对应的权重不小于第二预设值。
可选地，所述综合评估单元还用于：
若所述待评估股票被标记为高风险的ST股票、且所述待评估股票的综合评估分值大于综合分值阈值，则将所述待评估股票的综合评估分值更新为所述综合分值阈值。
可选地，所述数据评估装置还包括标签生成单元，用于：
基于各评估维度分别对应的特征因子关联的数据，以及为各评估维度配置的标签生成规则，确定所述待评估股票对应的评价标签；
基于所述待评估股票对应的评价标签，获得所述待评估股票的股票画像。
可选地，所述数据评估装置还包括评价内容生成单元，用于：
基于各评估维度分别对应的特征因子关联的数据，以及为各评估维度配置的评述模板，确定所述待评估股票在各个评估维度的评述内容。
可选地，所述数据评估装置还包括存储单元，用于：
将所述待评估股票的评估结果存储到个股数据的第一存储模块中；
根据所述待评估股票的评估结果更新第二存储模块中的排行榜数据。
一方面，本申请一实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行计算机程序时实现上述任一种方法的步骤。
一方面，本申请一实施例提供了一种计算机可读存储介质，其上存储有计算机程序指令，该计算机程序指令被处理器执行时实现上述任一种方法的步骤。
一方面，本申请一实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述任一种TCP传输性能的控制的各种可选实现方式中提供的方法。
本申请实施例提供的数据评估方法、装置、电子设备及存储介质，可从技术面、资金面、舆情面、基本面和抗风险稳健度等多评估维度对股票作出全面的分析，而各个评估维度的分值又是基于多种因子确定的，因此综合评估分值融合了技术面、资金面、舆情面、基本面、抗风险稳健度各个评估维度中的多种因子，使得综合评估分值考虑的更加全面准确，并将综合评估分值和各评估维度的评估分值作为股票的评估结果一同呈现给用户，从整体和各个评估维度分别对股票作出评估，提高了评估结果的全面性和精准度，能向用户提供更多维度的股票评估结果，让用户能够全面的了解影响股票的所有情况，辅助用户结合其关注的维度作出更加合理的股票交易操作。此外，先创性地引入了抗风险稳健度作为股票评估的必要因素，基于股票当前数据以及历史数据，对股票可能存在的风险进行量化评估，向用户提供了直观的、具有警示作用的评估分值，降低了用户购票股票时的风险。
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，显而易见地，下面所介绍的附图仅仅是本申请的一些实施例，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为本申请实施例提供的数据评估方法的应用场景示意图；
图2为本申请一实施例提供的数据评估方法的流程示意图；
图3为本申请一实施例提供的计算各评估维度的评估分值以及综合病故分值的示意图；
图4为本申请一实施例提供的计算特征因子的分数的流程示意图；
图5A～图5B为本申请一实施例提供的呈现的待评估股票的股票诊断信息的界面示意图；
图6为本申请一实施例提供的用于对股票进行评估的服务器内部的架构图；
图7为本申请一实施例提供的数据评估装置的结构示意图；
图8为本申请一实施例提供的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，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清楚、完整地描述。
为了方便理解，下面对本申请实施例中涉及的名词进行解释：
压力位：当股价上涨到某价位附近时，股价会停止上涨，甚至回落，这个起着阻止或暂时阻止股价继续上升的价位就是压力线所在的位置，即压力位。
支撑位：当股价跌到某个价位附近时，股价停止下跌，甚至有可能还有回升。这个起着阻止股价继续下跌或暂时阻止股价继续下跌的价格就是支撑线所在的位置，即支撑位。
最大回撤率：在选定周期内任一历史时点往后推，产品净值走到最低点时的收益率回撤幅度的最大值。最大回撤用来描述买入产品后可能出现的最糟糕的情况。
市净率(Price-to-Book Ratio)，也叫市价净资产率，指每股股价除以每股净资产。一般来说市净率较低的股票投资价值较高，相反，则投资价值较低，但在判断投资价值时，应该主要看公司未来的盈利能力(净资产的回报率)。
市盈率PE(Price-to-Earning Ratio)，指当前总市值除以一年的总净利润。
商誉占比：是指商誉除以净资产的商。
ST股：被标记为Special treatment的股票，表示该股票出现财务状况或其他状况异常的。
应用：即应用程序，可以完成某项或多项业务的计算机程序，一般具有可视的显示界面，能与用户进行交互，比如电子地图和微信等都可以称为应用。其中，有些应用需要用户安装到所使用的终端设备上才可以使用，有些则并不需要进行应用安装，例如，微信中的各个小程序。小程序不需要下载安装即可使用，用户扫一扫或者搜一下即可打开应用。
附图中的任何元素数量均用于示例而非限制，以及任何命名都仅用于区分，而不具有任何限制含义。
在具体实践过程中，对股票的评估往往仅通过基本面与交易面中某一个维度的数据进行单独评估，并仅给出一个综合评估分数，这就造成对股票的评估不全面，与实际情况出现较大的偏差，导致用户无法全面了解所呈现的评估结果背后所指向的投资价值。
为此，本申请提供了一种数据评估方法，包括：获取待评估股票的相关数据；从相关数据中获取各特征因子关联的数据，基于各特征因子关联的数据获得各特征因子的分数，每个特征因子表征待评估股票的一项属性特征；基于各评估维度分别对应的特征因子的分数以及各特征因子对应的权重，分别获得各评估维度的评估分值，其中评估维度包括：技术面、资金面、舆情面、基本面和抗风险稳健度；基于各评估维度的评估分值和各评估维度对应的权重，获得待评估股票对应的综合评估分值；将综合评估分值和各评估维度的评估分值作为待评估股票的评估结果。通过上述方法构建了全面的股票综合评估模型，而各个评估维度的分值又是基于多种因子确定的，因此综合评估分值融合了技术面、资金面、舆情面、基本面、抗风险稳健度各个评估维度中的多种因子，使得综合评估分值考虑的更加全面准确，并将综合评估分值和各评估维度的评估分值作为股票的评估结果一同呈现给用户，从整体和各个评估维度分别对股票作出评估，提高了评估结果的全面性和精准度，能向用户提供更多维度的股票评估结果，让用户能够全面的了解影响股票的所有情况，辅助用户结合其关注的维度作出更加合理的股票交易操作。此外，先创性地引入了抗风险稳健度作为股票评估的必要因素，基于股票当前数据以及历史数据，对股票可能存在的风险进行量化评估，向用户提供了直观的、具有警示作用的评估分值，降低了用户购票股票时的风险。
在介绍完本申请实施例的设计思想之后，下面对本申请实施例的技术方案能够适用的应用场景做一些简单介绍，需要说明的是，以下介绍的应用场景仅用于说明本申请实施例而非限定。在具体实施时，可以根据实际需要灵活地应用本申请实施例提供的技术方案。
参考图1，其为本申请实施例提供的数据评估方法的应用场景示意图。该应用场景包括多个终端设备101、服务器102和数据库103。其中，终端设备101、服务器102和数据库103之间通过无线或有线网络连接，终端设备101包括但不限于桌面计算机、移动电话、移动电脑、平板电脑、媒体播放器、智能可穿戴设备、智能电视等电子设备。服务器102和数据库103可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。
数据库103中存储有从网络等各种途径采集到的各个股票的相关数据，各股票的相关数据包括但不限于：针对股票波动的股票分析数据、资金流动数据、舆情预警数据、公司经营情况数据等。服务器102从数据库103中获取股票的相关数据，对获取的相关数据进行处理分析，进而获得该股票的评估结果，将评估结果存储到数据库103中。需要说明的是，数据库103中各个股票的相关数据是及时更新的，同时服务器102也会定期从数据库103中获取更新后的相关数据，基于更新后的相关数据对各股票的评估结果进行更新。
用户可通过终端设备101中的应用程序向服务器102发送针对某一股票的诊股请求，服务器102根据诊股请求中的股票标识，从数据库103中查询到该股票对应的最新的评估结果，并将查询到的评估结果反馈给终端设备101，终端设备101将该股票的评估结果展示给用户。
当然，本申请实施例提供的方法并不限用于图1所示的应用场景中，还可以用于其它可能的应用场景，本申请实施例并不进行限制。对于图1所示的应用场景的各个设备所能实现的功能将在后续的方法实施例中一并进行描述，在此先不过多赘述。
为进一步说明本申请实施例提供的技术方案，下面结合附图以及具体实施方式对此进行详细的说明。虽然本申请实施例提供了如下述实施例或附图所示的方法操作步骤，但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。在逻辑上不存在必要因果关系的步骤中，这些步骤的执行顺序不限于本申请实施例提供的执行顺序。
下面结合图1所示的应用场景，对本申请实施例提供的技术方案进行说明。
参考图2，本申请实施例提供一种数据评估方法，可应用于图1所示的服务器102，包括以下步骤：
S201、获取待评估股票的相关数据。
具体实施时，数据库103会定期更新各股票的相关数据，服务器102可在数据库103更新相关数据后，立即获取更新后的相关数据，基于更新后的相关数据对各股票进行评估。
S202、从相关数据中获取各特征因子关联的数据，基于各特征因子关联的数据获得各特征因子的分数，每个特征因子表征待评估股票的一项属性特征。
其中，股票的相关数据包括：股票市场表现数据、资金流动数据、舆情预警数据、公司经营情况数据等。股票市场表现数据包括但不限于：近期涨跌幅、压力位、支撑位、主流技术指标分数、历史波动率、20日日均成交数据、最大回撤率、市净率、市盈率、基于阿尔曼z值模型获得的z值分数等。资金流动数据包括但不限于：当日总净流入占比、当日主力净流入占比、历史净流入占比、历史主力净流入占比、净融资余额数据、陆股通北上资金额数据等，其中，历史净流入占比可以是近5个交易日的净流入占比，历史主力净流入占比可以是近5个交易日的主力净流入占比。舆情预警数据包括但不限于：新闻舆情(可包括近期负面新闻或正面新闻、以及舆情热度)、机构调研频率、整体研报评级分数等。公司经营情况数据包括但不限于：净资产收益率、销售净利率、销售毛利率、净利润增长率、营业收入增长率、营业收入增长率、资产负债率、资产周转率、行业地位、商誉占比、高管减持比例等。
为了使得评估结果更加全面和精细，可划分多个评估维度，从多个维度对股票作出评价，评估维度可包括：技术面、资金面、舆情面、基本面和抗风险稳健度等，其中技术面主要是从股票的市场表现走势这一维度进行评估，资金面主要是从参与股票交易的资金这一维度进行评估，舆情面主要是从舆论情报数据层面对股票进行评估，基本面主要是从公司自身的财务状况、经营状况等维度对股票进行评估，抗风险稳健度主要是从风险层面对股票进行评估。为了提高每个评估维度的评估分值的准确度，每个评估维度分别对应一个特征因子或多个特征因子，其中每个特征因子与相关数据中的一种或多种数据关联，基于各特征因子关联的数据获得各特征因子的分数，进而基于各评估维度分别对应的特征因子的分数获得各评估维度的评估分值。
具体实施时，技术面对应的特征因子包括以下至少一种：近期涨跌幅、压力位、支撑位、主流技术指标等，其中，主流技术指标包括但不限于：MACD(平滑异同移动平均线)、DMI(Movement Index，运动指数)、CCI(顺势指标Commodity Channel Index，顺势指标)、WR(威廉指标)、BOOL(布林线指标)、KDJ(随机指标)、EMA(指数移动平均线)、OBV(On BalanceVolume，能量潮)、RSI(Relative Strength Index，相对强弱指标)、SAR(抛物线指标或停损点转向指标)等。具体地，可直接从待评估股票的股票市场表现数据中获取近期涨跌幅、压力位、支撑位、主流技术指标这些数值，并按照一定转换规则对这些数值进行数值处理，以将各个特征因子的数值转换到统一的数值范围内(如0～100)，将处理后的数值作为各个特征因子的分数。其中，不同特征因子对应不同的转换规则，例如近期涨跌幅的转换规则可以是：当近期涨跌幅小于-100％时，近期涨跌幅这一项因子的分数为0分，当近期涨跌幅在-100～0％范围内时，近期涨跌幅这一项因子的分数可以为0-20分，当近期涨跌幅在0～100％范围内时，近期涨跌幅这一项因子的分数可以为20-80分，当近期涨跌幅在100～200％范围内时，近期涨跌幅这一项因子的分数为80-90分，当近期涨跌幅超过200％时，近期涨跌幅这一项因子的分数为90-100分；对于主流技术指标，可将获取的多个主流技术指标的数值进行加权求和，将加权求和结果作为主流技术指标分数。
资金面对应的特征因子包括以下至少一种：当日净流入占比、历史净流入占比、净融资余额、陆股通北上资金额等。具体地，可从待评估股票的资金流动数据中获取当日总净流入占比、当日主力净流入占比、历史净流入占比、历史主力净流入占比、净融资余额数据、陆股通北上资金额数据等，基于上述数据确定资金面对应的各项特征因子的分数。
舆情面对应的特征因子包括以下至少一种：新闻舆情、机构调研频率、整体研报评级分数等。具体地，可从待评估股票的舆情预警数据中获取新闻舆情、机构调研频率、整体研报评级分数等，并按照一定转换规则对这些数据进行数值化处理，以获得舆情面对应的各个特征因子的分数。
基本面对应的特征因子包括以下至少一种：盈利能力、成长能力、营运能力、偿债能力、行业地位、估值指标分数。具体地，可从待评估股票的公司经营情况数据中获取净资产收益率、销售净利率、销售毛利率、净利润增长率、营业收入增长率、营业收入增长率、资产负债率、资产周转率、行业地位等数据，并基于上述数据获得盈利能力、成长能力、营运能力、偿债能力、行业地位分别对应的分数，并从待评估股票的股票市场表现数据中获取市净率、市盈率以及同行业中其它股票的市净率、市盈率，通过与同行业中其它股票的比对，获得待评估股票的估值指标分数。
抗风险稳健度对应的特征因子包括以下至少一种：历史波动率、流动性风险、最大回撤率、高管减持比例、商誉占比、z值分数等。具体地，可从待评估股票的股票市场表现数据中获取历史波动率、20日日均成交数据、最大回撤率和z值分数，从待评估股票的公司经营情况数据中获取高管减持比例和商誉占比，并按照一定转换规则对这些数据进行数值化处理，以获得抗风险稳健度对应的各个特征因子的分数。
S203、基于各评估维度分别对应的特征因子的分数以及各特征因子对应的权重，分别获得各评估维度的评估分值。
具体实施时，特征因子的权重可以是预先设定好的，也可以动态确定特征因子的权重。
以技术面为例，为近期涨跌幅F1、压力位F2、支撑位F3、主流技术指标F4这几项特征因子配置的权重分别为b1、b2、b3、b4，对近期涨跌幅、压力位、支撑位、主流技术指标这几项特征因子的分数进行加权求和，将加权求和结果作为技术面对应的评估分值，即技术面对应的评估分值S1＝F1×b1+F2×b2+F3×b3+F4×b4。
以资金面为例，可根据待评估股票所属的标的，确定资金面对应的各个特征因子的权重，以提高资金面的评估准确度。其中，标的是指股票的类型，如陆股通、融资融券等。例如，当待评估股票所属标的为陆股通(即待评估股票属于陆股通的股票)和融资融券(即待评估股票属于融资融券的股票)时，当日净流入占比的权重为40％，历史净流入占比的权重为40％，净融资余额的权重为10％，陆股通北上资金额的权重为10％；当待评估股票属于陆股通的股票但不属于融资融券的股票时，当日净流入占比的权重为45％，历史净流入占比的权重为45％，净融资余额的权重为0％，陆股通北上资金额的权重为10％；当待评估股票不属于陆股通的股票但属于融资融券的股票时，当日净流入占比的权重为45％，历史净流入占比的权重为45％，净融资余额的权重为10％，陆股通北上资金额的权重为0％；当待评估股票既不属于陆股通的股票，也不属于融资融券的股票时，当日净流入占比的权重为50％，历史净流入占比的权重为50％，净融资余额的权重为0％，陆股通北上资金额的权重为0％。
计算舆情面、基本面和抗风险稳健度等其它维度的评估分值的方式可参考技术面的例子。
S204、基于各评估维度的评估分值和各评估维度对应的权重，获得待评估股票对应的综合评估分值。
例如，综合评估分值S＝S1×k1+S2×k2+S3×k3+S4×k4+S5×k5，其中S为综合评估分值，S1为技术面的评估分值，S2为资金面的评估分值，S3为舆情面的评估分值，S4为基本面的评估分值，S5为抗风险稳健度的评估分值，k1为技术面的权重，k2为资金面的权重，k3为舆情面的权重，k4为基本面的权重，k5为抗风险稳健度的权重，k1～k5的取值可根据实际需求设定，对此不作限定。
具体实施时，为了使得综合评估分值更加符合真实情况，可对评估维度的权重作出限定。例如：基本面对应的权重k4不小于第一预设值，抗风险稳健度对应的权重k5不小于第二预设值，或者还可以设置抗风险稳健度对应的权重k5不大于第三预设值，其中，第一预设值、第二预设值和第三预设值的取值可根据实际需求设定，例如第一预设值的取值可以是40％～50％，第二预设值的取值可以是10％～15％，第三预设值的取值可以是20％～25％。
具体实施时，还可以在对股票进行评估的过程中对各评估维度的权重进行动态调整。例如，动态调整各评估维度的权重，使得ST股票的综合评估分值不高于综合分值阈值(如60分)；或者动态调整各评估维度的权重，使得业龙头股票的综合评估分值不低于总分阈值，该总分阈值可以是一个固定值(如75分、80分)或范围(如70～85分)，或者还可以根据该行业中其它股票的综合评估分值确定该总分阈值；还可以结合同一行业或其它行业的股票的综合评估分值，动态调整各评估维度的权重，使得同行业各股票的综合评估分值的分布接近正态分布，允许有肥尾，但不能过度集中，扩大各股票的综合评估分值的差异度，使得最终获得的各股票的综合评估分值可以有效地区分各股票的优劣程度。
进一步地，本申请实施例的方法还可以包括以下步骤：若待评估股票被标记为高风险的ST股票、且待评估股票的综合评估分值大于综合分值阈值，则将待评估股票的综合评估分值更新为综合分值阈值；若待评估股票未被标记为高风险的ST股票、或者待评估股票的综合评估分值不大于综合分值阈值，则无需更新待评估股票的综合评估分值。上述步骤可在步骤S205之前执行，若将待评估股票的综合评估分值更新为综合分值阈值，则步骤S205获得的评估结果中的综合评估分值应当为更新后的综合评估分值。其中，综合分值阈值可根据实际经验设定，例如，综合分值阈值可以是一个较低的分数(如50分～60分)，以提示用户该股票存在较高的风险。这样可以保证ST股票的综合评估分值不会处于一个较高的值，降低因获取到错误的相关数据而导致误判的概率。
具体实施时，还可以对各评估维度的评估分值S1～S5适当进行归一化，使得各评估维度的评估分值分布合理，不会全部集中于某个分数段。以资金面这一评估维度为例，获取多个股票的资金面的评估分值，基于归一化转换函数将这多个股票在资金面的评估分值映射到[0,100]这个区间，使得资金面的评估分值均匀的分布在0-100之间。其中，归一化转换函数可以是min-max标准化函数：
Figure BDA0002760447550000131
其中max为资金面评估分值中的最大值，min为资金面评估分值的最小值，x为某一股票在资金面的原始的评估分值，x*为归一化后的评估分值；归一化转换函数还可以是Z-score标准化函数：
Figure BDA0002760447550000141
其中μ为所有股票的资金面评估分值的均值，σ为所有股票的资金面评估分值的标准差，x为某一股票在资金面的原始的评估分值，x*为归一化后的评估分值。
S205、将综合评估分值和各评估维度的评估分值作为待评估股票的评估结果。
基于图2所示的方法，可从技术面、资金面、舆情面、基本面和抗风险稳健度等多评估维度对股票作出全面的分析，而各个评估维度的分值又是基于多种因子确定的，因此综合评估分值融合了技术面、资金面、舆情面、基本面、抗风险稳健度各个评估维度中的多种因子，使得综合评估分值考虑的更加全面准确，并将综合评估分值和各评估维度的评估分值作为股票的评估结果一同呈现给用户，从整体和各个评估维度分别对股票作出评估，提高了评估结果的全面性和精准度，能向用户提供更多维度的股票评估结果，让用户能够全面的了解影响股票的所有情况，辅助用户结合其关注的维度作出更加合理的股票交易操作。同时先创性地引入了抗风险稳健度作为股票评估的必要因素，基于股票当前数据以及历史数据，对股票可能存在的风险进行量化评估，向用户提供了直观的、具有警示作用的评估分值，降低了用户购票股票时的风险。
进一步地，在计算特征因子的分数时，还可以考虑特征因子的特征值的变化量，结合特征值的绝对量和变化量这两部分来计算特征因子的分数。以净融资余额为例，股票A今日的净融资余额是4，昨天是3，则净融资余额的绝对量就是4，变化量就是4-3＝1。
进一步地，在计算特征因子的分数时，还可以将待评估股票的与该特征因子关联的最新数据、以及其它股票的与该特征因子关联的最新数据进行比对，获得横向比对结果；并且，将待评估股票的与该特征因子关联的当前数据和历史数据进行比较，获得纵向比对结果；基于横向对比结果和纵向比对结果，计算特征因子的分数。
参考图3，以技术面为例，可根据待评估股票的近期涨跌幅、压力位、支撑位，确定待评估股票在市场上的绝对表现；将根据待评估股票的近期涨跌幅、压力位、支撑位等数据与同行业的其它股票的近期涨跌幅、压力位、支撑位等数据进行比对，获得待评估股票在市场上的相对表现；然后对待评估股票在市场上的绝对表现和相对表现进行加权求和，获得待评估股票的市场表现值。基于待评估股票的至少一个主流技术指标，获得待评估股票的主流技术指标分数。最后，将待评估股票的市场表现值和主流技术指标分数加权求和，获得待评估股票在技术面这一评估维度的评估分值。
以资金面为例，当待评估股票属于陆股通的股票且属于融资融券的股票时，当日净流入占比的权重为40％，近5个交易日净流入占比的权重为40％，净融资余额的权重为10％，陆股通北上资金额的权重为10％；当待评估股票属于陆股通的股票但不属于融资融券的股票时，当日净流入占比的权重为45％，近5个交易日净流入占比的权重为45％，净融资余额的权重为0％，陆股通北上资金额的权重为10％；当待评估股票不属于陆股通的股票但属于融资融券的股票时，当日净流入占比的权重为45％，近5个交易日净流入占比的权重为45％，净融资余额的权重为10％，陆股通北上资金额的权重为0％；当待评估股票既不属于陆股通的股票，也不属于融资融券的股票时，当日净流入占比的权重为50％，近5个交易日净流入占比的权重为50％，净融资余额的权重为0％，陆股通北上资金额的权重为0％。对于当日净流入占比这一特征因子，可对待评估股票的当日总净流入占比和当日主力净流入占比进行加权求和，获得当日净流入占比的分数。对于近5个交易日净流入占比这一特征因子，可对待评估股票的近5个交易日总净流入占比和近5个交易日主力净流入占比进行加权求和，获得近5个交易日净流入占比的分数。对于净融资余额这一特征因子，可根据待评估股票今日的净融资余额和昨日的净融资余额，确定净融资余额的变化量，将待评估股票今日的净融资余额作为净融资余额的绝对量，根据为净融资余额的变化量和绝对量分别配置的权重，对待评估股票的净融资余额的变化量和绝对量进行加权求和，得到待评估股票的净融资余额的分数。对于陆股通北上资金额数据，可根据待评估股票今日的陆股通北上资金额和昨日的陆股通北上资金额，确定陆股通北上资金额的变化量，将待评估股票今日的陆股通北上资金额作为陆股通北上资金额的绝对量，根据为陆股通北上资金额的变化量和绝对量分别配置的权重，对待评估股票的陆股通北上资金额的变化量和绝对量进行加权求和，得到待评估股票的陆股通北上资金额的分数。最后，对当日净流入占比、净融资余额以及陆股通北上资金额的分数进行加权求和，获得待评估股票在资金面这一评估维度的评估分值。
以基本面为例，可根据待评估股票今日的净资产收益率和昨日的净资产收益率，确定净资产收益率的变化量，将待评估股票今日的净资产收益率作为净资产收益率的绝对量，根据为净资产收益率的变化量和绝对量分别配置的权重，对待评估股票的净资产收益率的变化量和绝对量进行加权求和，得到待评估股票的净资产收益率；同样的方式可获得待评估股票的销售净利率、销售毛利率；然后，根据为净资产收益率、销售净利率和销售毛利率分别配置的权重，对净资产收益率、销售净利率和销售毛利率进行加权求和，得到待评估股票的盈利能力的分数。采用同样的方式，可获得待评估股票的成长能力、营运能力、偿债能力这些特征因子的分数，不再赘述。将待评估股票的盈利能力、成长能力、营运能力、偿债能力的分数加权求和，获得财务分数。针对待评估股票的行业地位，可直接获取待评估股票在行业中的排名，根据排名确定待评估股票的行业地位的分数，排名越靠前，对应的分数越高。对于待评估股票的估值指标分数，可对待评估股票的市净率的最新数据和历史数据进行比较，获得市净率历史纵向比较结果；对待评估股票的市盈率的最新数据和历史数据进行比较，获得市盈率历史纵向比较结果；对待评估股票的市净率的最新数据和同类股票的市净率的最新数据进行比较，获得行业内市净率横向比较结果；对待评估股票的市盈率的最新数据和同类股票的市盈率的最新数据进行比较，获得行业内市盈率横向比较结果；然后，基于配置的权重，对市净率历史纵向比较结果、市盈率历史纵向比较结果、行业内市净率横向比较结果和行业内市盈率横向比较结果加权求和，获得估值指标分数。将待评估股票的财务分数、行业地位的分数和估值指标分数加权求和，得到待评估股票在基本面这一评估维度的评估分值。
以舆情面为例，可从待评估股票的舆情预警数据中获取新闻舆情、机构调研频率、整体研报评级分数，并按照一定转换规则对新闻舆情、机构调研频率进行数值化处理，以获得新闻舆情的分数和机构调研频率的分数，然后，对新闻舆情的分数、机构调研频率的分数和整体研报评级分数进行加权求和，得到待评估股票在舆情面这一评估维度的评估分值。
以抗风险稳健度为例，对待评估股票的高管减持比例和商誉占比进行加权求和，得到待评估股票的公司运营风险；对待评估股票的历史波动率和最大回撤率进行加权求和，获得待评估股票的市场股价风险；基于待评估股票的20日日均成交数据，确定待评估股票的流动性风险；最后，对公司运营风险、市场股价风险和20日日均成交数据进行加权求和，获得待评估股票在抗风险稳健度这一评估维度的评估分值。
进一步地，可通过离差算法计算特征因子的分数。参考图4，以一个特征因子为例，基于该特征因子关联的数据获得该特征因子的分数的具体实施方式包括如下步骤：
S401、基于该特征因子关联的数据确定该特征因子的第一特征值。
S402、获得同类股票对应的该特征因子的第二特征值，将第一特征值和各第二特征值的中位数确定为第一中位数。
其中，同类股票包括与待评估股票属于同一行业的股票。
S403、获得第一特征值与第一中位数的第一距离值、以及各第二特征值分别与第一中位数的第二距离值，基于第一距离值和各第二距离值获得离差。
具体地，可将第一距离值和各第二距离值的中位数确定为离差。
S404、将第一中位数加上n倍离差获得第一区间阈值，将第一中位数减去n倍离差获得第二区间阈值。
S405、比较第一特征值、第一区间阈值和第二区间阈值；若第一特征值大于第一区间阈值，则执行步骤S406；若第一特征值小于第二区间阈值，则执行步骤S407；若第一特征值不大于第一区间阈值且不小于第二区间阈值，则执行步骤S408。
其中，第一区间阈值等于第一中位数加上n倍离差，第二区间阈值等于第一中位数减去n倍离差，此处的n为正整数，n的取值可根据实际需求设定，例如n取值可以是2或3等数值。
S406、确定该特征因子的分数为第一数值。
S407、确定该特征因子的分数为第二数值。
其中，第一数值大于第二数值。第一数值可以是较大的数值，第二数值可以是较小的数值，例如综合评估分值的取值范围为0～100分，则第一数值的取值范围可以是95～100，第二数值的取值范围可以是0～10分。
S408、对不大于第一区间阈值且不小于第二区间阈值的特征值进行排序，根据第一特征值的排序位置确定该特征因子的分数。
具体地，可从第一特征值和第二特征值中确定出不大于第一区间阈值且不小于第二区间阈值的特征值，按照特征值从高到低的顺序，对确定出的特征值进行排序，排序越靠前的特征值所对应的股票的分数越高，其中，相等的特征值处于相同的排序位置，因此对应的分数也相同。需要说明的是，通过步骤S408确定的特征因子的分数小于第一数值且大于第二数值。示例性地，可根据第一数值和第二数值确定一个数值范围，该数值范围的上限值小于第一数值，该数值范围的下限值小于第二数值，参与排序的每个特征值所对应的股票的特征因子的分数位于该数值范围内，例如，参与排序的5个特征值f1、f2、f3、f4、f5的排序结果为f1>f2＝f3>f4>f5，数值范围的上限值为90，下限值为20，则f1对应的股票的特征因子的分数最高，可以是85分，f2和f3分别对应的股票的特征因子的分数相同，可以是75分、f4对应的股票的特征因子的分数第三高，可以是65、f5对应的股票的特征因子的分数最低，可以是55分。
例如，待评估股票A1的特征因子F的特征值为f1(即第一特征值)，与股票A1属于同一行业的股票A2、A3、……A10的特征因子F的特征值分别为f2、f3、……f10(即9个第二特征值)，确定f1、f2、f3、……f10的中位数M1(即第一中位数)；然后，计算特征值f1、f2、f3、……f10分别与中位数M1的距离值d1(即第一距离值)、d2、d3、……d10(即9个第二距离值)，获得距离值d1、d2、d3、……d10的中位数M2，将中位数M2确定为离差MAD；中位数M1加上n倍离差MAD即为第一区间阈值m1＝M1+n×MAD，中位数M1减去n倍离差MAD即为第二区间阈值m2＝M1-n×MAD，其中n为正整数。若特征值f1大于m1，则待评估股票A1的特征因子F的分数为第一数值；若特征值f1小于m2，则待评估股票A1的特征因子F的分数为第二数值；若特征值f1不大于m1且f1不小于m2，则从f1、f2、f3、……f10中确定出在[m1,m2]范围内的特征值，对这些特征值进行排序，根据特征值f1的排序位置确定待评估股票A1的特征因子F的分数。
具体实施时，服务器可通过部署mysql脚本任务的方式，实现上述数据评估方法，通过相应算法，从综合、技术、资金、舆情、基本面和风险6大评估维度来计算出6个维度的一个具体诊股分数值。
在上述任一实施方式的基础上，本申请实施例的方法还包括如下步骤：基于各评估维度分别对应的特征因子关联的数据，以及为各评估维度配置的标签生成规则，确定待评估股票对应的评价标签；基于待评估股票对应的评价标签，获得待评估股票的股票画像。
其中，不同评估维度可配置不同的标签生成规则，不同特征因子也可以配置不同的标签生成规则。例如，当待评估股票的基本面的评估分值高于为基本面设置的高分阈值时，可为待评估股票生成“基本面优势”的评价标签；当待评估股票的当日主力净流入占比和近5个交易日主力净流入占比大于预设占比值时，可为待评估股票生成“主力增仓”的评价标签，其中，预设占比值的取值可根据实际需求设定，例如预设占比值为50％，如果股票A的当日主力净流入占比大于50％，且近5个交易日主力净流入占比也大于50％，则为股票A生成“主力增仓”评价标签；当待评估股票的陆股通北上资金额超过设置的金额阈值时，可为待评估股票生成“外资热捧”的评价标签；当待评估股票的净融资余额超过设置的余额阈值时，可为待评估股票生成“融资追涨”的评价标签；当待评估股票的新闻舆情的消息数量超过预设数量时，可为待评估股票生成“消息面活跃”的评价标签，其中预设数量为正整数，具体数值可根据实际需求设定，例如预设数量为5，此时如果近期出现的关于股票A的新闻舆情的消息数量超过5个，则可以为股票A生成“融资追涨”评价标签；若根据待评估股票的行业地位确定待评估股票为行业龙头时，可为待评估股票生成“行业龙头”的评价标签；等等。
服务器可将待评估股票的股票画像存储到数据库中。用户可通过终端设备中的应用程序向服务器发送针对某一股票的诊股请求，服务器根据诊股请求中的股票标识，从数据库中查询到该股票对应的最新的评估结果并反馈给终端设备，该评估结果中包括该股票的综合评估分值、各个评估维度的评估分值以及股票画像，终端设备显示综合评估分值、各个评估维度的评估分值以及股票画像。通过将各个评估维度的标签整合在一起，形成个股维度的股票画像，让用户对股票评估结果有一个快速直观的了解。
在上述任一实施方式的基础上，本申请实施例的方法还包括如下步骤：基于各评估维度分别对应的特征因子关联的数据，以及为各评估维度配置的评述模板，确定待评估股票在各个评估维度的评述内容。
其中，评述模板包括对各评估维度进行评价的一系列话术，以将相关数据、评估分值、特征因子的分数等股票信息转换为用户更加容易理解的文字，还可以呈现具体的数据数值，不同评估维度可配置不同的评述模板。具体地，服务器可从待评估股票在某一评估维度的特征因子所关联的相关数据中提取一些关键信息，并将关键信息填充到评估维度所对应的评述模板中的相应位置，以获得针对该评估维度的评述内容。
以技术面为例，如果通过分析待评估股票的股票市场表现数据，可以获取到5日内涨跌幅过大但涨跌与大盘基本保持一致、相对表现的分值处于中等水平、技术指标分数较高、压力位和支撑位的数据存在一定异常等关键信息，则可以基于上述关键信息，从技术面的评述模板中选择合适的模板，并将一些关键信息填入到选择的模板中。例如，关于股票涨跌幅情况，评述模板中可给出多种模板，如“[时间参数]内涨跌幅过大”、“[时间参数]内涨跌幅平稳”、“表现基本持平大盘”、“表现优于大盘”、“表现低于大盘”等，其中，[]内是可以更改的参数，[时间参数]表示可以填入时间，基于“5日内涨跌幅过大但涨跌与大盘基本保持一致”这一关键信息，结合上述提供的模板，可生成“过去5日处于震荡行情中，表现基本持平大盘”的评述内容；同样，关于股票在同行业中的涨跌情况，可提供“高于行业平均水平”、“持平于行业平均水平”、“低于行业平均水平”等模板，根据待评估股票的相对表现的分值的高低确定，待评估股票的相对表现的分值处于中等水平，则生成“持平于行业平均水平”的评述内容；关于股票的技术指标情况，可提供“技术指标整体发出乐观信号”、“技术指标整体发出谨慎信号”等模板，根据待评估股票的技术指标分数的高低确定，由于待评估股票的技术指标分数较高，因此可生成“技术指标整体发出乐观信号”的评述内容；对于监测到异常的数据，可设置“密切关注[异常数据][异常数据数值]”这样的模板，当监测到压力位和支撑位的数据存在一定异常时，可获取压力位和支撑位的数值，将具体数值填充到模板中，生成如下评述内容：“密切关注20日压力位1431.88，支撑位1296.54”。最后融合上述各部分评述内容，获得技术面的评述内容：“过去5日处于震荡行情中，表现基本持平大盘，持平于行业平均水平，技术指标整体发出乐观信号。密切关注20日压力位1431.88，支撑位1296.54”。
服务器可将待评估股票各个评估维度的评述内容作为评估结果存储到数据库中。用户可通过终端设备中的应用程序向服务器发送针对某一股票的诊股请求，服务器根据诊股请求中的股票标识，从数据库中查询到该股票对应的最新的评估结果并反馈给终端设备，该评估结果中包括该股票的综合评估分值、各个评估维度的评估分值和评述内容、以及股票画像，终端设备显示综合评估分值、各个评估维度的评估分值和评述内容、以及股票画像，以向用户提供专业的概览评述，帮助用户全方位了解股票诊断信息。
基于上述实施方式，可通过封装的标签类和评述模板类，根据计算出的不同维度的不同诊股标签，实现可配置化的评述和标签展示，将抽象、单一的诊股结果，转换成高可读性的标签和评述，既提供了直观的数据展示，也提供了专业的概览评述，帮助用户全方位了解个股诊断信息，挖掘数据潜在价值。此外，服务器还可以基于各个股票的评估结果生成诊股分数排行榜，并且提供相邻几日的诊股分数变化情况，帮助用户判断短期个股和市场的诊股评分趋势变化。
参考图6，服务器内配置了数据存储层、数据处理层、缓存层和接口层，其中，数据存储层包括股票数据存储模块、标签配置表和评述模板配置表等，股票数据存储模块用于缓存从数据库中获取的待评估股票的先骨干数据，标签配置表包括为各评估维度配置的标签生成规则、标签展示方式等于诊股标签相关的预配置信息，评述模板配置表包括为各评估维度配置的评述模板。数据处理层用于执行本申请实施提供的任一数据评估方法，如图2、图3所示的方法步骤。缓存层用于缓存数据处理层输出的各种数据，缓存层可按照数据类型进行存储，例如综合评估缓存模块用于缓存各股票的综合评估分值，股票画像缓存模块用于缓存各股票的股票画像、综合评分排行榜缓存模块用于缓存按照评综合评估分值对股票进行排序的排行榜。接口层提供了访问缓存层的多个接口，每个接口封装了访问缓存层的方法，不同的接口可访问获得不同类型的数据，例如通过诊股通用接口可获得某一股票的通用的股票诊断信息，通过股票估值接口可获得某一股票具体的估值信息，通过诊股排行榜接口可获得股票的排行榜数据，各个维度的数据相互独立缓存，可以根据需要单独请求部分维度的数据。
用户可在终端设备中的应用程序中发起对股票A的诊股请求，接口层根据诊股请求中的股票标识，通过诊股通用接口从缓存层中获取股票A的股票诊断信息，并将查询到的股票诊断信息反馈给终端设备，终端设备将该股票的评估结果展示给用户。参考图5A、图5B为呈现的待评估股票的股票诊断信息的界面示意图，其中，呈现的股票诊断信息包括：综合评估分值、各个评估维度的评估分值和评述内容、以及股票画像、以及一些具体特征因子的数据等。图5A中的第一个页面中呈现了股票A的综合评估分值、各个评估维度的评估分值、股票A的行业排名、市场排名、股票画像、股票估值、机构评级等信息，通过这些信息，用户可对股票A有一个整体直观的了解。用户可通过向上滑动页面，查看各个评估维度的具体评估结果，图5A的第二个页面中呈现了股票A在技术面的评估结果，具体包括评估分值、评述内容、以及技术面关联的具体指标、数据等，如近5日累计涨跌幅、压力位、支撑位等，图5B中的三个页面分别呈现了股票A在资金面、舆情面、基本面和抗风险稳健度等评估维度的情况。当用户需要获取进一步的诊股信息时，如需要获得股票A的股票估值，可点击图5A第一个页面中的股票估值栏，此时终端设备向服务器发送针对股票A的股票估值的获取请求，接口层响应获取请求，通过股票估值接口从缓存层中获取股票A的具体估值信息，通过股票估值接口可获得某一股票具体的估值信息，如对市净率历史纵向比较结果、市盈率历史纵向比较结果、行业内市净率横向比较结果和行业内市盈率横向比较结果等。接口层通过访问批跑预处理后的缓存数据提高处理性能。
进一步地，本申请实施例的方法还包括如下步骤：将待评估股票的评估结果存储到个股数据的第一存储模块中；根据待评估股票的评估结果更新第二存储模块中的排行榜数据。其中，第一存储模块可以是缓存层中用于缓存待评估股票的评估结果的存储模块，第二存储模块可以是缓存层中用于缓存各种排行榜的存储模块。在更新个股数据的同时更新榜单数据，严格保证个股数据和榜单数据的一致性。
如图7所示，基于与上述数据评估方法相同的发明构思，本申请实施例还提供了一种数据评估装置70，包括：获取单元701、因子分数确定单元702、维度评估单元703、综合评估单元704和结果整合单元705。
获取单元701，用于获取待评估股票的相关数据；
因子分数确定单元702，用于从相关数据中获取各特征因子关联的数据，基于各特征因子关联的数据获得各特征因子的分数，每个特征因子表征待评估股票的一项属性特征；
维度评估单元703，用于基于各评估维度分别对应的特征因子的分数以及各特征因子对应的权重，分别获得各评估维度的评估分值，其中评估维度包括：技术面、资金面、舆情面、基本面和抗风险稳健度；
综合评估单元704，用于基于各评估维度的评估分值和各评估维度对应的权重，获得待评估股票对应的综合评估分值；
结果整合单元705，用于将综合评估分值和各评估维度的评估分值作为待评估股票的评估结果。
可选地，技术面对应的特征因子包括以下至少一种：近期涨跌幅、压力位、支撑位、主流技术指标；
资金面对应的特征因子包括以下至少一种：当日净流入占比、历史净流入占比、净融资余额、陆股通北上资金额；
舆情面对应的特征因子包括以下至少一种：市场整体舆情、机构调研频率、整体研报评级分数；
基本面对应的特征因子包括以下至少一种：盈利能力、成长能力、营运能力、偿债能力、估值指标分数；
抗风险稳健度对应的特征因子包括以下至少一种：历史波动率、流动性风险、最大回撤率、高管减持比例、商誉占比。
可选地，因子分数确定单元702还用于：根据待评估股票所属的标的，确定资金面对应的特征因子的权重。
可选地，因子分数确定单元702具体用于：
针对任一特征因子，基于任一特征因子关联的数据确定任一特征因子的第一特征值；
获得同类股票对应的任一特征因子的第二特征值，将第一特征值和各第二特征值的中位数确定为第一中位数，其中同类股票包括与待评估股票属于同一行业的股票；
获得第一特征值与第一中位数的第一距离值、以及各第二特征值分别与第一中位数的第二距离值，将第一距离值和各第二距离值的中位数确定为离差；
若第一特征值大于第一区间阈值，则确定任一特征因子的分数为第一数值，其中第一区间阈值等于第一中位数加上n倍离差，n为正整数；
若第一特征值小于第二区间阈值，则确定任一特征因子的分数为第二数值，其中第二区间阈值等于第一中位数减去n倍离差，n为正整数，第一数值大于第二数值；
若第一特征值不大于第一区间阈值且不小于第二区间阈值，则对不大于第一区间阈值且不小于第二区间阈值的特征值进行排序，根据第一特征值的排序位置确定任一特征因子的分数。
可选地，基本面对应的权重不小于第一预设值，抗风险稳健度对应的权重不小于第二预设值。
可选地，综合评估单元704还用于：若待评估股票被标记为高风险的ST股票、且待评估股票的综合评估分值大于综合分值阈值，则将待评估股票的综合评估分值更新为综合分值阈值。
可选地，数据评估装置还包括标签生成单元，用于：基于各评估维度分别对应的特征因子关联的数据，以及为各评估维度配置的标签生成规则，确定待评估股票对应的评价标签；基于待评估股票对应的评价标签，获得待评估股票的股票画像。
可选地，数据评估装置还包括评价内容生成单元，用于：基于各评估维度分别对应的特征因子关联的数据，以及为各评估维度配置的评述模板，确定待评估股票在各个评估维度的评述内容。
可选地，数据评估装置还包括存储单元，用于：将待评估股票的评估结果存储到个股数据的第一存储模块中；根据待评估股票的评估结果更新第二存储模块中的排行榜数据。
本申请实施例提的数据评估装置与上述数据评估方法采用了相同的发明构思，能够取得相同的有益效果，在此不再赘述。
基于与上述数据评估方法相同的发明构思，本申请实施例还提供了一种电子设备，该电子设备具体可以为桌面计算机、便携式计算机、智能手机、平板电脑、个人数字助理(Personal Digital Assistant，PDA)、服务器等。如图8所示，该电子设备80可以包括处理器801和存储器802。
处理器801可以是通用处理器，例如中央处理器(CPU)、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field Programmable Gate Array，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，可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器802作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器可以包括至少一种类型的存储介质，例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random Access Memory，RAM)、静态随机访问存储器(Static Random Access Memory，SRAM)、可编程只读存储器(Programmable Read Only Memory，PROM)、只读存储器(Read Only Memory，ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、磁性存储器、磁盘、光盘等等。存储器是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。本申请实施例中的存储器802还可以是电路或者其它任意能够实现存储功能的装置，用于存储程序指令和/或数据。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；上述计算机存储介质可以是计算机能够存取的任何可用介质或数据存储设备，包括但不限于：移动存储设备、随机存取存储器(RAM，Random Access Memory)、磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NAND FLASH)、固态硬盘(SSD))等各种可以存储程序代码的介质。
或者，本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例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一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、随机存取存储器(RAM，Random Access Memory)、磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NAND FLASH)、固态硬盘(SSD))等各种可以存储程序代码的介质。
根据本申请的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的资源优化的方法。
以上实施例仅用以对本申请的技术方案进行了详细介绍，但以上实施例的说明只是用于帮助理解本申请实施例的方法，不应理解为对本申请实施例的限制。本技术领域的技术人员可轻易想到的变化或替换，都应涵盖在本申请实施例的保护范围之内。

Claims (12)

1.一种数据评估方法，其特征在于，包括：
获取待评估股票的相关数据；
从所述相关数据中获取各特征因子关联的数据，基于各特征因子关联的数据获得各特征因子的分数，每个特征因子表征所述待评估股票的一项属性特征；
基于各评估维度分别对应的特征因子的分数以及各特征因子对应的权重，分别获得各评估维度的评估分值，其中所述评估维度包括：技术面、资金面、舆情面、基本面和抗风险稳健度；
基于各评估维度的评估分值和各评估维度对应的权重，获得所述待评估股票对应的综合评估分值；
将所述综合评估分值和各评估维度的评估分值作为所述待评估股票的评估结果。
2.根据权利要求1所述的方法，其特征在于，
所述技术面对应的特征因子包括以下至少一种：近期涨跌幅、压力位、支撑位、主流技术指标；
所述资金面对应的特征因子包括以下至少一种：当日净流入占比、历史净流入占比、净融资余额、陆股通北上资金额；
所述舆情面对应的特征因子包括以下至少一种：市场整体舆情、机构调研频率、整体研报评级分数；
所述基本面对应的特征因子包括以下至少一种：盈利能力、成长能力、营运能力、偿债能力、估值指标分数；
所述抗风险稳健度对应的特征因子包括以下至少一种：历史波动率、流动性风险、最大回撤率、高管减持比例、商誉占比。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
根据所述待评估股票所属的标的，确定所述资金面对应的特征因子的权重。
4.根据权利要求2所述的方法，其特征在于，所述基于各特征因子关联的数据获得各特征因子的分数，具体包括：
针对任一特征因子，基于所述任一特征因子关联的数据确定所述任一特征因子的第一特征值；
获得同类股票对应的所述任一特征因子的第二特征值，将所述第一特征值和各第二特征值的中位数确定为第一中位数，其中所述同类股票包括与所述待评估股票属于同一行业的股票；
获得所述第一特征值与所述第一中位数的第一距离值、以及各第二特征值分别与所述第一中位数的第二距离值，将所述第一距离值和各第二距离值的中位数确定为离差；
若所述第一特征值大于第一区间阈值，则确定所述任一特征因子的分数为第一数值，其中所述第一区间阈值等于所述第一中位数加上n倍所述离差，所述n为正整数；
若所述第一特征值小于第二区间阈值，则确定所述任一特征因子的分数为第二数值，其中所述第二区间阈值等于所述第一中位数减去n倍所述离差，所述第一数值大于所述第二数值；
若所述第一特征值不大于所述第一区间阈值且不小于所述第二区间阈值，则对不大于所述第一区间阈值且不小于所述第二区间阈值的特征值进行排序，根据所述第一特征值的排序位置确定所述任一特征因子的分数。
5.根据权利要求1所述的方法，其特征在于，所述基本面对应的权重不小于第一预设值，所述抗风险稳健度对应的权重不小于第二预设值。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若所述待评估股票被标记为高风险的ST股票、且所述待评估股票的综合评估分值大于综合分值阈值，则将所述待评估股票的综合评估分值更新为所述综合分值阈值。
7.根据权利要求1至6任一项所述的方法，其特征在于，所述方法还包括：
基于各评估维度分别对应的特征因子关联的数据，以及为各评估维度配置的标签生成规则，确定所述待评估股票对应的评价标签；
基于所述待评估股票对应的评价标签，获得所述待评估股票的股票画像。
8.根据权利要求1至6任一项所述的方法，其特征在于，所述方法还包括：
基于各评估维度分别对应的特征因子关联的数据，以及为各评估维度配置的评述模板，确定所述待评估股票在各个评估维度的评述内容。
9.根据权利要求1至6任一项所述的方法，其特征在于，所述方法还包括：
将所述待评估股票的评估结果存储到个股数据的第一存储模块中；
根据所述待评估股票的评估结果更新第二存储模块中的排行榜数据。
10.一种数据评估装置，其特征在于，包括：
获取单元，用于获取待评估股票的相关数据；
因子分数确定单元，用于从所述相关数据中获取各特征因子关联的数据，基于各特征因子关联的数据获得各特征因子的分数，每个特征因子表征所述待评估股票的一项属性特征；
维度评估单元，用于基于各评估维度分别对应的特征因子的分数以及各特征因子对应的权重，分别获得各评估维度的评估分值，其中所述评估维度包括：技术面、资金面、舆情面、基本面和抗风险稳健度；
综合评估单元，用于基于各评估维度的评估分值和各评估维度对应的权重，获得所述待评估股票对应的综合评估分值；
结果整合单元，用于将所述综合评估分值和各评估维度的评估分值作为所述待评估股票的评估结果。
11.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9任一项所述方法的步骤。
12.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，该计算机程序指令被处理器执行时实现权利要求1至9任一项所述方法的步骤。
CN202011216209.3A 2020-11-04 2020-11-04 数据评估方法、装置、电子设备及存储介质 Pending CN114444831A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011216209.3A CN114444831A (zh) 2020-11-04 2020-11-04 数据评估方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011216209.3A CN114444831A (zh) 2020-11-04 2020-11-04 数据评估方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN114444831A true CN114444831A (zh) 2022-05-06

Family

ID=81361871

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011216209.3A Pending CN114444831A (zh) 2020-11-04 2020-11-04 数据评估方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114444831A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI822278B (zh) * 2022-08-26 2023-11-11 三竹資訊股份有限公司 分享自訂診斷指標之選股裝置與方法
TWI827217B (zh) * 2022-08-26 2023-12-21 三竹資訊股份有限公司 可任意自訂診斷指標之選股裝置與方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI822278B (zh) * 2022-08-26 2023-11-11 三竹資訊股份有限公司 分享自訂診斷指標之選股裝置與方法
TWI827217B (zh) * 2022-08-26 2023-12-21 三竹資訊股份有限公司 可任意自訂診斷指標之選股裝置與方法

Similar Documents

Publication Publication Date Title
US11354747B2 (en) Real-time predictive analytics engine
AU2012101980A4 (en) Using accounting data based indexing to create a portfolio of financial objects
US8005740B2 (en) Using accounting data based indexing to create a portfolio of financial objects
Muhammad et al. Stock returns and fundamentals in the Australian market
US8589276B2 (en) Using accounting data based indexing to create a portfolio of financial objects
Chen Classifying credit ratings for Asian banks using integrating feature selection and the CPDA-based rough sets approach
US20070282729A1 (en) Consolidation, sharing and analysis of investment information
KR102509348B1 (ko) 주식종목 추천 서비스를 제공하는 방법 및 장치
US20150066809A1 (en) Collectively analyzing holdings across multiple fixed income products
US20150348199A1 (en) Sponsor-based analytics across multiple fixed income products
Pathak et al. The nexus between capital structure and firm-specific factors: evidence from Indian companies
Lu et al. Fintech and the future of financial service: A literature review and research agenda
CN103430201A (zh) 私人公司估价
CN114444831A (zh) 数据评估方法、装置、电子设备及存储介质
Igan et al. The premia on state-contingent sovereign debt instruments
Hassan et al. An assessment of level of adoption of fintech in Islamic banks in the MENA region
CN115827994A (zh) 一种数据处理方法、装置、设备、存储介质
CN112036730A (zh) 一种虚拟资产数据处理方法、装置及计算机可读存储介质
KR102668661B1 (ko) 부동산 투자회사의 주식 정보 제공 방법
JP2014191829A (ja) 証券投資バリューにおける評価方法、システム及びコンピュータープログラム製品
US10878503B2 (en) System and method of determining portfolio complexity
KR102562367B1 (ko) 퀀트 투자 방식에 기반한 투자 정보를 제공하기 위한 장치 및 방법
Zheng How can we use ChatGPT better: A research of API-Enhanced ChatGPT in stock prediction
US20180204283A1 (en) Systems and methods for generating a navigation tool for routing between multivariate datasets
CN110675198A (zh) 保险费用厘定方法及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40069738

Country of ref document: HK

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination