TWM648707U - 除權除息股票分析系統 - Google Patents

Abstract

一種除權除息股票分析系統包含使用者裝置及股票推薦裝置。股票推薦裝置通訊連接使用者裝置。股票推薦裝置包括數據分析處理器、資料庫及個人化推薦清單模組。數據分析處理器用以進行數據分析。資料庫耦接數據分析處理器，用以儲存交易資料及股市資訊。個人化推薦清單模組耦接資料庫及使用者裝置。個人化推薦清單模組用於產生推薦清單並顯示於使用者裝置。個人化推薦清單模組包含第一分析模組。第一分析模組包括大數據模組、評鑑模組、第一綜合篩選模組及第一排序模組。

Description

除權除息股票分析系統

本創作是有關於一種除權除息股票分析系統，且特別是關於一種個人化的除權除息股票分析系統。

現代人管理個人資產，除了將錢儲蓄在銀行之外，亦可投資各種金融商品來提高財富。股票市場因為選擇多，不同公司的股票具有不同屬性，有的波動幅度小適合要求穩定股利回報的投資人，有的波動幅度大適合要求短期資本利得回報的投資人。

傳統上，投資人在進行股票投資前，會先分析目標股票的市場資訊，再選擇適合的股票進行投資。然而，現今股票市場可提供買賣之股票標的多達上千支，對投資人來說要選擇適合自己屬性的且報酬率高的股票標的不甚方便。投資人需要花費大量的時間分析股市資訊以確切掌握市場走向。因此，如何提供一種個人化的分析系統即成為一個重要的課題。

本案的一實施態樣係提供一種除權除息股票分析系統，包含使用者裝置及股票推薦裝置。股票推薦裝置通訊連接使用者裝置。使用者裝置係用於允許使用者透過使用者裝置連結股票推薦裝置。股票推薦裝置包括數據分析處理器、資料庫及個人化推薦清單模組。數據分析處理器用以進行數據分析。資料庫耦接數據分析處理器，用以儲存交易資料及股市資訊。個人化推薦清單模組耦接資料庫及使用者裝置。個人化推薦清單模組用於產生推薦清單並顯示於使用者裝置。個人化推薦清單模組包含第一分析模組，第一分析模組係用於選擇特定數量的股票標的以產生推薦清單。第一分析模組包括以下模組：大數據模組，用於以大數據模型將複數個投資者分為複數個投資者群。每一投資者群中的投資者所分別持有的投資組合間的相似度大於一相似度門檻值。根據投資者群的持有比例設定股票標的之大數據分數。評鑑模組，用於以評鑑模型計算評鑑指數。評鑑模型根據趨勢參數、波動防禦參數、籌碼參數、流動性參數與市值參數計算股票標的之評鑑指數。第一綜合篩選模組，用於篩選出已公告當年度即將除權息、殖利率≧3%、交易量≧300張且評鑑指數≧60的股票標的。第一計算模組，用於依以下公式計算股票標的之第一總分數：

。第一排序模組，用於根據第一總分數由高至低排序股票標的。

在一些實施例中，個人化推薦清單模組更包含第二分析模組，第二分析模組包括以下模組：產業偏好模組，用於以產業偏好模型將使用者現持有及曾持有的股票標的分為複數個產業群。根據產業群的持有比例設定股票標的之產業偏好比重。第二產業篩選模組，用於篩選出產業偏好比重≧10%且為前三大產業之股票標的。第二綜合篩選模組，用於篩選出已公告當年度即將除權息、殖利率≧3%、交易量≧300張且評鑑指數≧60的股票標的。第二計算模組，用於依以下公式計算股票標的之第二總分數：

。第二排序模組，用於根據第二總分數由高至低排序股票標的。

在一些實施例中，個人化推薦清單模組更包含第三分析模組，第三分析模組包括以下模組：第三綜合篩選模組，用於篩選出已公告一個月內即將除權息、殖利率≧3%、交易量≧300張且評鑑指數≧60的股票標的。第三計算模組，用於依以下公式計算股票標的之第 三總分數：

。第三排序模組，用於根據第三總分數由高 至低排序股票標的。

在一些實施例中，個人化推薦清單模組更包含第四分析模組，第四分析模組包括以下模組：第四清單篩選模組，用於篩選出使用者近一年每日的推薦清單中的股票標的。第四計算模組，用於計算股票標的於推薦清單中的累計次數。第四排序模組，用於依累計次數由高至低排序股票標的。

在一些實施例中，個人化推薦清單模組更包含第五分析模組，第五分析模組包括以下模組：第五產業篩選模組，用於篩選出產業偏好比重≧10%且為前三大產業之股票標的。第五綜合篩選模組，用於篩選出已公告近一年已除權息、殖利率≧3%、交易量≧300張且評鑑指數≧60的股票標的。第五排序模組，用於根據股票標的之殖利率及每股盈餘由高至低排序股票標的。

在一些實施例中，個人化推薦清單模組更包含第六分析模組，第六分析模組包括以下模組：第六綜合篩選模組，用於篩選出已公告近一年已除權息、殖利率≧3%、交易量≧300張且評鑑指數≧60的股票標的。以及第六排序模組，用於根據股票標的之殖利率、評鑑指數及每股盈餘由高至低排序股票標的。

在一些實施例中，股票推薦裝置更包括以下模組：市場除權息資訊模組，提供市場股票除權除息資訊。未實現股利試算模組，提供持有股票預計除權除息試算。已實現股利查詢模組，提供持有股票已除權除息資訊。 股票除權息報酬模組，提供市場股票除權除息前後漲跌機率分析。

在一些實施例中，股票推薦裝置更包括網站服務伺服器，耦接資料庫，用以提供股市資訊查詢、交易資料查詢及進行股票交易。

在一些實施例中，股票推薦裝置更包括資料串接處理器，耦接資料庫，用以獲得股市資訊。

在一些實施例中，評鑑模組包含多空趨勢分析模組、波動防禦分析模組、法人籌碼分析模組、交易流動分析模組及市值規模分析模組。多空趨勢分析模組包含短線多空模組、中期力道模組及長期趨勢模組。

因此，依據本案之技術內容，本案的除權除息股票分析系統結合股票歷史數據，並依據客戶喜好與投資行為分析，產出一份建議標的清單，促使投資人將已領股利再投資，宛如複利之投資效果。

100:除權除息股票分析系統

110:使用者裝置

120:股票推薦裝置

130:網路

121:資料庫

122:網站服務伺服器

123:資料串接處理器

124:數據分析處理器

125:個人化推薦清單模組

126:市場除權息資訊模組

127:未實現股利試算模組

128:已實現股利查詢模組

129:股票除權息報酬模組

M10:第一分析模組

M20:第二分析模組

M30:第三分析模組

M40:第四分析模組

M50:第五分析模組

M60:第六分析模組

S0、S1、S2、S3、S4、S5、S6、S7:步驟

101:大數據模組

102:評鑑模組

103:第一綜合篩選模組

104:第一計算模組

105:第一排序模組

201:產業偏好模組

202:第二產業篩選模組

203:第二計算模組

204:第二排序模組

301:第三綜合篩選模組

302:第三計算模組

303:第三排序模組

401:第四清單篩選模組

402:第四計算模組

403:第四排序模組

501:第五產業篩選模組

502:第五綜合篩選模組

503:第五排序模組

601:第六綜合篩選模組

602:第六排序模組

1021:多空趨勢分析模組

1022:波動防禦分析模組

1023:法人籌碼分析模組

1024:交易流動分析模組

1025:市值規模分析模組

此處的附圖被併入說明書中並構成本說明書的一部分，這些附圖示出了符合本新型的實施例，並與說明書一起用於說明本新型實施例的技術方案。

第1圖為根據本創作一實施例的除權除息股票分析系統的示意圖。

第2圖為根據本創作一實施例的股票推薦裝置的部分示意圖。

第3圖為根據本創作一實施例的個人化推薦清單模組的示意圖。

第4圖為根據本創作一實施例的個人化推薦清單模組的執行步驟圖。

第5圖為根據本創作一實施例的第一分析模組、第二分析模組、第三分析模組、第四分析模組、第五分析模組及第六分析模組的示意圖。

第6圖為根據本創作一實施例的評鑑模組的示意圖。

以下將以圖式及詳細敘述清楚說明本案之精神，任何所屬技術領域中具有通常知識者在瞭解本案之實施例後，當可由本案所教示之技術，加以改變及修飾，其並不脫離本案之精神與範圍。

本文之用語只為描述特定實施例，而無意為本案之限制。單數形式如“一”、“這”、“此”、“本”以及“該”，如本文所用，同樣也包含複數形式。關於本文中所使用之『耦接』或『連接』，均可指二或多個元件或裝置相互直接作實體接觸，或是相互間接作實體接觸，亦可指二或多個元件或裝置相互操作或動作。

現今股票市場可提供買賣之股票標的多達上千支，投資人需要花費大量的時間選擇股票標的。鑒於上 述，本創作提供一種除權除息股票分析系統，包含使用者裝置及股票推薦裝置。股票推薦裝置中的個人化推薦清單模組可產生推薦清單並顯示於使用者裝置。個人化推薦清單模組提供投資人個人化的股票標的，依使用者的產業偏好、相似投資者的投資偏好及多種綜合指標分析提供優質的股票標的，可大幅降低投資人選擇股票的時間。

參見第1圖，根據本創作一實施例的除權除息股票分析系統100的示意圖。除權除息股票分析系統100包含使用者裝置110及股票推薦裝置120。股票推薦裝置120通訊連接使用者裝置110。股票推薦裝置120包括資料庫121、數據分析處理器124及個人化推薦清單模組125。數據分析處理器124用以進行數據分析。資料庫121耦接數據分析處理器124，用以儲存交易資料及股市資訊。個人化推薦清單模組125耦接資料庫121及使用者裝置110。個人化推薦清單模組125用於產生推薦清單並顯示於使用者裝置110。

在一些實施例中，資料庫121用以儲存儲存金融機構的多筆投資者交易資料及股市資訊。交易資料包括所持股票、曾持有股票及關聯於所持有股票的股票損益資訊。資料庫121可以是任何型態的固定或可移動隨機存取記憶體、唯讀記憶體、快閃記憶體、硬碟、固態硬碟或類似元件或上述元件的組合。

在一些實施例中，數據分析處理器124從資料庫121取得股市資訊及交易資料進行個人化推薦清單模組125的數據分析。處理器可為中央處理器、微處理器、微控制器、數位信號處理器、特殊應用積體電路或其他合適的元件或其組合。

在一些實施例中，股票推薦裝置120透過網路130與使用者裝置110進行資料交流。在一些實施例中，網路130可包括現有無線傳輸技術、藍牙等或其他合適的網路技術。

在一些實施例中，使用者裝置110可為桌上型電腦、筆記型電腦、智慧型手機、平板電腦或任何其它消費電子產品。使用者裝置110裝設有金融機構所提供的應用程式(APP)或是網際網頁，使用者可透過使用者裝置110連結股票推薦裝置120以獲得股市資訊、查詢交易資料、買賣股票及獲得除權除息股票分析系統100推薦之股票。

在一些實施例中，股票推薦裝置120更包括網站服務伺服器122耦接資料庫121，用以提供股市資訊查詢、交易資料查詢及進行股票交易。網站服務伺服器122是由金融機構所建置，使用者可透過使用者裝置110連結股票推薦裝置120中的網站服務伺服器122查詢股市資訊、交易資料及買賣股票。

在一些實施例中，股票推薦裝置120更包括資料串接處理器123耦接資料庫121，用以獲得股市資 訊。資料串接處理器123設有網路爬蟲模組可於公開網路搜尋獲得股市資訊。公開網路為例如交易所、公開資訊觀測站等。股市資訊為例如股利政策表、除權息股票資料、填權息統計表、財報、收盤價排行表、股票產業對照表等。

參見第2圖，根據本創作一實施例的股票推薦裝置的部分示意圖。在一些實施例中，股票推薦裝置120更包括以下模組：用於提供市場股票除權除息資訊的市場除權息資訊模組126、用於提供持有股票預計除權除息試算的未實現股利試算模組127、用於提供持有股票已除權除息資訊的已實現股利查詢模組128及用於提供市場股票除權除息前後漲跌機率分析的股票除權息報酬模組129。市場除權息資訊模組提供投資人市場股票除權除息資訊，並以行事曆的畫面呈現，投資人可查詢市場股票之除權除息相關資訊以及參考指標例如股利發放日、股利、股息發放日、現金殖利率、填息天數、填息率、近年除權除息發放概況等，進而在投資決策過程中給予重要參考依據。未實現股利試算模組及已實現股利查詢模組提供投資人持有股票除權除息資訊，事先提供投資人持有股票的相關帳務資料，例如股利試算、配股配息合計、填息天數、近年除權除息發放概況等。股票除權息報酬模組提供投資人市場股票除權除息前後上漲下跌機率的分析，彙整成漲跌/填息機率表並計算獲 利或損失報酬率，作為客戶決策是否參與除權除息之參考資訊。

參見第3圖，根據本創作一實施例的個人化推薦清單模組的示意圖。在一些實施例中，個人化推薦清單模組125包括第一分析模組M10、第二分析模組M20、第三分析模組M30、第四分析模組M40、第五分析模組M50及第六分析模組M60。

參見第4圖，根據本創作一實施例的個人化推薦清單模組的執行步驟圖。個人化推薦清單模組125產生推薦清單包括以下步驟：從資料庫121中取得股市資訊及交易資料(步驟S0)。以數據分析處理器124執行第一分析模組M10(步驟S1)，選擇特定數量的股票標的以產生推薦清單(步驟S7)。在一些實施例中，當執行第一分析模組M10產生的股票標的不足特定數量時，數據分析處理器124將執行第二分析模組M20(步驟S2)。在一些實施例中，若執行第一分析模組M10(步驟S1)及執行第二分析模組M20(步驟S2)產生的股票標的仍不足特定數量時，數據分析處理器124將執行第三分析模組M30(步驟S3)。以此類推。數據分析處理器124可能依序執行第四分析模組M40(步驟S4)、執行第五分析模組M50(步驟S5)及執行第六分析模組M60(步驟S6)，直到產生的股票標的數量滿足特定數量。舉例來說，若特定數量為10，意即需產生具有10檔股票標的之推薦清單。在一些實施例中，當步驟S1 產生的股票標的≧10檔時，則選擇前10檔產生推薦清單(步驟S7)。在另一實施例中，當步驟S1產生的股票標的小於10檔，例如為2檔時，數據分析處理器124將執行第二分析模組M20(步驟S2)以產生推薦清單(步驟S7)。此時推薦清單將包含步驟S1產生的2檔股票標的及步驟S2產生的8檔股票標的。在另一實施例中，若步驟S1產生的股票標的為2檔且步驟S2產生的股票標的為3檔時，由於仍不足10檔，數據分析處理器124將執行第三分析模組M30(步驟S3)以產生推薦清單(步驟S7)。此時推薦清單將包含步驟S1產生的2檔股票標的、步驟S2產生的3檔股票標的及步驟S3產生的5檔股票標的。

參見第5圖，根據本創作一實施例的第一分析模組、第二分析模組、第三分析模組、第四分析模組、第五分析模組及第六分析模組的示意圖。

參見第5圖中的第一分析模組M10。在一些實施例中，第一分析模組M10包括大數據模組101、評鑑模組102、第一綜合篩選模組103、第一計算模組104及第一排序模組105。大數據模組101用於以大數據模型將複數個投資者分為複數個投資者群。每一投資者群中的投資者所分別持有的投資組合間的相似度大於一相似度門檻值。根據投資者群的持有比例設定股票標的之大數據分數。評鑑模組102用於以評鑑模型計算評鑑指數。評鑑模型根據趨勢參數、波動防禦參數、籌 碼參數、流動性參數與市值參數計算股票標的之評鑑指數。第一綜合篩選模組103用於篩選出已公告當年度即將除權息、殖利率≧3%、交易量≧300張且評鑑指數≧60的股票標的。第一計算模組104用於依以下公式計算股票標的之第一總分數：

。第一排序模組105用於根據第一總分數由高至低排序股票標的。

在一些實施例中，大數據模組101用於以大數據模型將複數個投資者分為複數個投資者群。每一投資者群中的投資者所分別持有的投資組合間的相似度大於一相似度門檻值。例如，在一些實施例中，相似度門檻值設定為80%，當兩投資者現持有股票或曾持有股票80%以上相同，大數據模型將此兩投資者分為同一投資者群。也就是說，同一個投資者群中的投資者具有相同投資喜好。在一些實施例中，根據投資者群的持有比例設定股票標的之大數據分數。例如，在一個投資者群中的70%的投資者都持有某一檔股票標的，則此股票標的之大數據分數為70%。也就是說，在一個投資者群中較多投資者喜好的股票標的具有較高的大數據分數。

參見第6圖，根據本創作一實施例的評鑑模組的示意圖。在一些實施例中，評鑑模組102包含多空趨勢分析模組1021、波動防禦分析模組1022、法人籌碼分析模組1023、交易流動分析模組1024及市值規 模分析模組1025。多空趨勢分析模組1021用以根據股市資訊計算股票的趨勢參數。波動防禦分析模組1022用以根據股市資訊計算股票的波動防禦參數。法人籌碼分析模組1023用以根據股市資訊計算股票的籌碼參數。交易流動分析模組1024用以根據股市資訊計算股票的流動性參數。市值規模分析模組1025用以根據股市資訊計算股票的市值參數。上述評鑑指數可提供使用者作為投資股票的整體判斷指標。能夠快速地分析上市上櫃公司的各種股市資訊，將股票在投資市場上的表現提供給使用者。

在一些實施例中，多空趨勢分析模組1021包含短線多空模組、中期力道模組以及長期趨勢模組，但不以其為限。短線多空模組用以根據股市資訊計算股票的短線多空參數。中期力道模組用以根據股市資訊計算股票的中期力道參數。長期趨勢模組用以根據股市資訊計算股票的長期趨勢參數。在一些實施例中，多空趨勢分析模組1021中的短線多空模組、中期力道模組以及長期趨勢模組分別將上述股市資訊中的近五日的漲跌幅、近一個月的漲跌幅以及近一季的漲跌幅或近一年的漲跌幅作為變數，以分別計算第一趨勢參數、第二趨勢參數以及第三趨勢參數。也就是說，多空趨勢分析模組1021分別根據股市資訊中的三種不同變數產生對應的三個趨勢參數。換言之，短線多空模組用以將股市資訊中的近五日的漲跌幅作為變數計算出第一趨勢參數。中期力道 模組用以將股市資訊中的近一個月的漲跌幅作為變數計算出第二趨勢參數。長期趨勢模組用以將股市資訊中的近一季的漲跌幅或近一年的漲跌幅作為變數計算出第三趨勢參數。上述第一趨勢參數、第二趨勢參數以及第三趨勢參數可分別提供使用者作為股票的短線、中期以及長期多空趨勢的判斷指標。

在一些實施例中，波動防禦分析模組1022將股市資訊中的近五日平均成交量作為變數計算波動防禦參數。波動防禦參數負相關於漲幅年化標準差。舉例來說，股票的漲幅年化標準越大則漲幅波動越大，造成其波動防禦參數較低。上述波動防禦參數可提供使用者作為股票的投資風險的判斷指標，例如若該股票的波動防禦參數越低，則投資該股票的風險也越高。

在一些實施例中，法人籌碼分析模組1023將股市資訊中的近三日外資買超金額、近三日外資賣超金額、近三日自營商買超金額與近三日自營商賣金額超作為變數計算籌碼參數。舉例來說，若近三日法人在市場上對於該股票的總買進金額大於總賣出金額，則計算出較大的第一籌碼參數。然而，若近三日法人在市場上對於該股票的總賣出金額大於總買進金額，則計算出較小的第二籌碼參數。籌碼集中度受到股市資訊中四種不同變數(近三日外資買超、近三日外資賣超、近三日自營商買超與近三日自營商賣超)的影響。當籌碼參數越高時，代表該股票的籌碼集中度越高。反之，當籌碼參數 越低時，代表該股票的籌碼集中度越低。因此，上述籌碼參數可提供使用者作為觀察股票的法人動向的判斷指標。

在一些實施例中，交易流動分析模組1024將股市資訊中的近五日平均成交量作為變數計算流動性參數，其中流動性參數正相關於近五日平均成交量。舉例來說，股票的近五日平均成交量越大代表其流動性參數越高，該股票的流動性越高。上述流動性參數可提供使用者作為評估股票流動性風險的判斷指標。

在一些實施例中，市值規模分析模組1025將股市資訊中的近一日市值作為變數計算市值參數，其中市值參數正相關於近一日市值。舉例來說，股票的之近一日市值越高則其市值參數越高。上述市值參數可提供使用者作為評估市場對於股票認同度的判斷指標。

參見第5圖中的第二分析模組M20。在一些實施例中，個人化推薦清單模組125更包含第二分析模組M20。第二分析模組M20包括產業偏好模組201、第二產業篩選模組202、第二計算模組203及第二排序模組204。產業偏好模組201用於以產業偏好模型將使用者現持有及曾持有的股票標的分為複數個產業群。根據產業群的持有比例設定股票標的之產業偏好比重。第二產業篩選模組202用於篩選出產業偏好比重≧10%且為前三大產業之股票標的。第二綜合篩選模組用於篩選出已公告當年度即將除權息、殖利率≧3%、交 易量≧300張且評鑑指數≧60的股票標的。第二計算模組203用於依以下公式計算股票標的之第二總分數：

。第二排序模組204用於根據第二總分數由高至低排序股票標的。

在一些實施例中，產業偏好模組201用於以產業偏好模型將使用者現持有及曾持有的股票標的分為複數個產業群。根據產業群的持有比例設定股票標的之產業偏好比重。也就是說，產業偏好模型將使用者現持有及曾持有的股票標的依照產業(如金融業、化學業、電子業、電機業或紡織業等)進行分類。舉例來說，當使用者偏好金融產業時，金融產業會具有較高的比例，例如60%。則任一檔金融產業之股票標的之產業偏好比重即為60%。

參見第5圖中的第三分析模組M30。在一些實施例中，第三分析模組M30包括第三綜合篩選模組301、第三計算模組302及第三排序模組303。第三綜合篩選模組301用於篩選出已公告一個月內即將除權息、殖利率≧3%、交易量≧300張且評鑑指數≧60的股票標的。第三計算模組302用於依以下公式計算股票標的之第三總分數：

。第 三排序模組303用於根據第三總分數由高至低排序股票標的。

參見第5圖中的第四分析模組M40。在一些實施例中，第四分析模組M40包括第四清單篩選模組401、第四計算模組402及第四排序模組403。第四清單篩選模組401用於篩選出使用者近一年每日的推薦清單中的股票標的。第四計算模組402用於計算股票標於推薦清單中的累計次數。第四排序模組403用於依累計次數由高至低排序股票標的。

參見第5圖中的第五分析模組M50。在一些實施例中，第五分析模組M50包括第五產業篩選模組501、第五綜合篩選模組502及第五排序模組503。第五產業篩選模組501用於篩選出產業偏好比重≧10%且為前三大產業之股票標的。第五綜合篩選模組502用於篩選出已公告近一年已除權息、殖利率≧3%、交易量≧300張且評鑑指數≧60的股票標的。第五排序模組503用於根據股票標的之殖利率及每股盈餘由高至低排序股票標的。

參見第5圖中的第六分析模組M60。在一些實施例中，第六分析模組M60包括第六綜合篩選模組601及第六排序模組602。第六綜合篩選模組601用於篩選出已公告近一年已除權息、殖利率≧3%、交易量≧300張且評鑑指數≧60的股票標的。第六排序模組602 用於根據股票標的之殖利率、評鑑指數及每股盈餘由高至低排序股票標的。

以上說明了個人化推薦清單模組125中的各個分析模組的內容。在一些實施例中，在除權息旺季時，個人化推薦清單模組125可執行步驟S0~S3以篩選出多個股票標的以產生推薦清單。在除權息淡季時，個人化推薦清單模組125可執行步驟S0~S6以篩選出足夠的股票標的以產生推薦清單。如此一來，使用者無論是在淡季還是旺季時都可以獲得推薦清單。

綜合上述，本創作提供一種除權除息股票分析系統，包含使用者裝置及股票推薦裝置。股票推薦裝置中的個人化推薦清單模組可產生推薦清單並顯示於使用者裝置。個人化推薦清單模組提供投資人個人化的股票標的。其中產業偏好模組分析使用者的產業偏好、大數據模組分析相似投資者的偏好、評鑑模組分析股票的多種指標，最後計算總分數並排序產生推薦清單，提供優質的股票標的推播並顯示於使用者裝置，可大幅降低投資人選擇股票的時間，並鼓勵投資人再投資。

雖然本案以實施例揭露如上，然其並非用以限定本案，任何熟習此技藝者，在不脫離本案之精神和範圍內，當可作各種之更動與潤飾，因此本案之保護範圍當視後附之申請專利範圍所界定者為準。

100:除權除息股票分析系統

110:使用者裝置

120:股票推薦裝置

130:網路

121:資料庫

122:網站服務伺服器

123:資料串接處理器

124:數據分析處理器

125:個人化推薦清單模組

Claims (10)

1. 一種除權除息股票分析系統，包含：一使用者裝置；以及一股票推薦裝置，通訊連接該使用者裝置，其中該使用者裝置係用於允許一使用者透過該使用者裝置連結該股票推薦裝置，其中該股票推薦裝置包括：一數據分析處理器，用以進行數據分析；一資料庫，耦接該數據分析處理器，用以儲存交易資料及股市資訊；以及一個人化推薦清單模組，耦接該資料庫及該使用者裝置，其中該個人化推薦清單模組用於產生一推薦清單並顯示於該使用者裝置，其中該個人化推薦清單模組包含一第一分析模組，該第一分析模組係用於選擇特定數量的複數個股票標的以產生該推薦清單，該第一分析模組包括：一大數據模組，用於以一大數據模型將複數個投資者分為複數個投資者群，其中每一該些投資者群中的該些投資者所分別持有的投資組合間的相似度大於一相似度門檻值，其中根據每一該些投資者群中的該投資者群的持有比例設定該些股票標的每一者之一大數據分數；一評鑑模組，用於以一評鑑模型計算一評鑑指數，其中該評鑑模型根據一趨勢參數、一波動防禦參數、一籌碼參數、一流動性參數與一市值參數計算該些股 票標的每一者之一評鑑指數；一第一綜合篩選模組，用於篩選出已公告當年度即將除權息、殖利率≧3%、交易量≧300張且評鑑指數≧60的該些股票標的；一第一計算模組，用於依以下公式計算該些股票標的每一者之一第一總分數：

   

   ；以及一第一排序模組，用於根據該些第一總分數由高至低排序該些股票標的。
2. 如請求項1所述之除權除息股票分析系統，其中該個人化推薦清單模組更包含一第二分析模組，該第二分析模組包括：一產業偏好模組，用於以一產業偏好模型將該使用者現持有及曾持有的該些股票標的分為複數個產業群，其中根據每一該些產業群中的該產業群的持有比例設定該些股票標的每一者之一產業偏好比重；一第二產業篩選模組，用於篩選出產業偏好比重≧10%且為前三大產業之該些股票標的；一第二綜合篩選模組，用於篩選出已公告當年度即將除權息、殖利率≧3%、交易量≧300張且評鑑指數≧60的該些股票標的；一第二計算模組，用於依以下公式計算該些股票標的每 一者之一第二總分數：

   

   ；以及一第二排序模組，用於根據該些第二總分數由高至低排序該些股票標的。
3. 如請求項2所述之除權除息股票分析系統，其中該個人化推薦清單模組更包含一第三分析模組，該第三分析模組包括：一第三綜合篩選模組，用於篩選出已公告一個月內即將除權息、殖利率≧3%、交易量≧300張且評鑑指數≧60的該些股票標的；一第三計算模組，用於依以下公式計算該些股票標的每一者之一第三總分數：

   

   ；以及一第三排序模組，用於根據該些第三總分數由高至低排序該些股票標的。
4. 如請求項3所述之除權除息股票分析系統，其中該個人化推薦清單模組更包含一第四分析模組，該第四分析模組包括：一第四清單篩選模組，用於篩選出該使用者近一年每日的該推薦清單中的該些股票標的； 一第四計算模組，用於計算該些股票標的每一者於該些推薦清單中的一累計次數；以及一第四排序模組，用於依該些累計次數由高至低排序該些股票標的。
5. 如請求項4所述之除權除息股票分析系統，其中該個人化推薦清單模組更包含一第五分析模組，該第五分析模組包括：一第五產業篩選模組，用於篩選出產業偏好比重≧10%且為前三大產業之該些股票標的；一第五綜合篩選模組，用於篩選出已公告近一年已除權息、殖利率≧3%、交易量≧300張且評鑑指數≧60的該些股票標的；以及一第五排序模組，用於根據該些股票標的之殖利率及每股盈餘由高至低排序該些股票標的。
6. 如請求項5所述之除權除息股票分析系統，其中該個人化推薦清單模組更包含一第六分析模組，該第六分析模組包括：一第六綜合篩選模組，用於篩選出已公告近一年已除權息、殖利率≧3%、交易量≧300張且評鑑指數≧60的該些股票標的；以及一第六排序模組，用於根據該些股票標的之殖利率、評鑑指數及每股盈餘由高至低排序該些股票標的。
7. 如請求項1所述之除權除息股票分析系統，其中該股票推薦裝置更包括：一市場除權息資訊模組，提供市場股票除權除息資訊；一未實現股利試算模組，提供持有股票預計除權除息試算；一已實現股利查詢模組，提供持有股票已除權除息資訊；以及一股票除權息報酬模組，提供市場股票除權除息前後漲跌機率分析。
8. 如請求項1所述之除權除息股票分析系統，其中該股票推薦裝置更包括一網站服務伺服器，耦接該資料庫，用以提供股市資訊查詢、交易資料查詢及進行股票交易。
9. 如請求項1所述之除權除息股票分析系統，其中該股票推薦裝置更包括一資料串接處理器，耦接該資料庫，用以獲得股市資訊。
10. 如請求項1所述之除權除息股票分析系統，其中該評鑑模組包含一多空趨勢分析模組、一波動防禦分析模組、一法人籌碼分析模組、一交易流動分析模組 及一市值規模分析模組，其中該多空趨勢分析模組包含一短線多空模組、一中期力道模組及一長期趨勢模組。

Images