WO2020029374A1 - 异质波动率再平衡方法、系统、计算机设备和存储介质 - Google Patents

异质波动率再平衡方法、系统、计算机设备和存储介质 Download PDF

Info

Publication number
WO2020029374A1
WO2020029374A1 PCT/CN2018/106392 CN2018106392W WO2020029374A1 WO 2020029374 A1 WO2020029374 A1 WO 2020029374A1 CN 2018106392 W CN2018106392 W CN 2018106392W WO 2020029374 A1 WO2020029374 A1 WO 2020029374A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
threshold
volatility
market
fund
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.)
Ceased
Application number
PCT/CN2018/106392
Other languages
English (en)
French (fr)
Inventor
蒋逸文
胡逸凡
叶曙峰
陈泽晖
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An 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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Publication of WO2020029374A1 publication Critical patent/WO2020029374A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06Q40/06—Asset management; Financial planning or analysis

Definitions

  • the present application relates to the technical field of financial data analysis, and in particular, to a method, system, computer equipment, and storage medium for a method for rebalancing heterogeneous volatility.
  • Fund prediction is affected by multiple factors, and it is difficult to establish a definitive mathematical model between funds and influencing factors.
  • one is statistics Based on volatility prediction models, the common models include autoregressive conditional heteroscedasticity models and stochastic fluctuation models; the other type is prediction models based on gray theory, neural networks, support vector machines, and so on.
  • a heterogeneous volatility rebalance method including:
  • a heterogeneous volatility rebalance system including:
  • a data collection unit configured to regularly collect customer information from a customer transaction information system, collect market information from a securities transaction data platform and a fund management data platform, and store the market information and the customer information into a database;
  • a calculation unit configured to retrieve the market information and the customer information from the database, and calculate an MV-IV based on the market information and the customer information;
  • the comparison unit is configured to compare the size of the MV-IV with a first threshold and a second threshold preset in the database, and if the size of the MV-IV is between the first threshold and the second threshold During this time, no rebalance signal F is output, otherwise a rebalance signal T is output.
  • a computer device includes a memory and a processor.
  • the memory stores computer-readable instructions.
  • the processor causes the processor to perform the following steps:
  • a storage medium storing computer-readable instructions.
  • the one or more processors execute the following steps:
  • the above-mentioned heterogeneous volatility rebalance method, device, computer equipment, and storage medium include regularly collecting customer information from a customer transaction information system, collecting stock market information from a securities transaction data platform and the fund management data platform, and integrating the large market information And the customer information is stored in a database; the large-cap information and the customer information are retrieved from the database, and an MV-IV is calculated based on the large-cap information and the customer information; and the MV-IV is compared with a preset at The size of the first threshold and the second threshold of the database. If the size of the MV-IV is between the first threshold and the second threshold, a no-rebalance signal F is output, otherwise a re- Balance signal T.
  • This application combines market volatility and heterogeneous volatility models, combines market risk and non-systemic risks originating from individual stocks, and derives new quantitative timing indicators for predicting the future direction of the fund; heterogeneous volatility
  • the rate rebalancing model is used as a monitoring system to monitor the market trend at regular intervals. When an abnormal situation occurs in the market, a rebalancing signal is sent in time.
  • FIG. 1 is a flowchart of a method for rebalancing heterogeneous volatility in an embodiment of the present application
  • FIG. 2 is a structural diagram of a heterogeneous volatility rebalance system in an embodiment of the present application
  • FIG. 3 is a structural diagram of a calculation unit of the present application.
  • FIG. 1 is a flowchart of a heterogeneous volatility rebalance method according to an embodiment of the present application. As shown in FIG. 1, the method includes the following steps:
  • Step S1 collecting information: regularly collect customer information from a customer transaction information system, collect large-cap information from a securities transaction data platform and a fund management data platform, and store the large-cap information and the customer information into a database.
  • the market information described in this step includes, but is not limited to, an index list, an index upper and lower limit table, an index-fund list, an index closing price table, a subscription redemption rate table, and a fund return table.
  • the client information includes the client's assets Allocation scheme, customer's anti-risk type, investment amount, and transaction time, the market information includes different types of fund transaction information such as currency and equity, the amount of fund transaction information is complex, and traditional data collection methods The efficiency is low, and it is easy to miss key information. Therefore, in this step, a web crawler method is used to collect the market information to achieve one-click capture of the fund transaction information, which is highly efficient and does not omit key information;
  • the asset allocation plan is the weight of the large fund portfolio purchased by the client, and the weight of each individual fund under each large fund, such as cash, fixed income, equity, etc., and each individual fund under large funds
  • the type of risk resistance of customers is the degree of customer preference for risk, such as conservative, stable, growth, enthusiasm, and aggressive.
  • the web crawler algorithm is used to collect large disk information, and only a target URL needs to be set in advance to pull the large disk information with one click, which is highly efficient and does not omit key information.
  • Step S2 Calculate a timing indicator MV-IV: retrieve the market information and the customer information from the database, and calculate MV-IV based on the market information and the customer information.
  • a preset rebalance detection period is obtained, and the market information and the customer information are retrieved from the database; a preset calculation script is called to calculate the market volatility MV and heterogeneous fluctuations in the rebalance detection period.
  • Rate IV generating the MV-IV based on the market volatility MV and the heterogeneous volatility IV.
  • the method of calculating MV-IV is as follows: selecting the fund portfolio and the daily closing price of a single fund in the fund portfolio, setting a decision period t, each decision period includes D t trading days, each The market volatility MV t and heterogeneous volatility IV t are calculated by the following formulas (1) and (2):
  • R md represents the index yield on the d-th trading day of period t
  • R fd represents the risk-free interest rate for that day.
  • N t represents the number of funds that can be traded in the market during the t period
  • W it represents the weight of the fund i during the t period
  • D it represents the number of trading days included in the fund i
  • e id represents the fund i in the
  • the heterogeneous shock on day d is calculated as follows:
  • R id is the return rate of fund i on day d
  • f d represents the value of the explanatory variable of a certain factor model on day d
  • ⁇ and ⁇ represent Fama-French three-factor model regression on the selected factors.
  • the overall market volatility MV and heterogeneous volatility IV are separately solved, and then the MV-IV market volatility and heterogeneous volatility quantified timing indicators are generated.
  • market risks and Combining non-systematic risks a new quantitative timing indicator can be obtained, which can more accurately predict the future direction of the fund.
  • Step S3 determining whether rebalancing is needed: comparing the size of the MV-IV with the first threshold value and the second threshold value preset in the database, and if the size of the MV-IV is between the first threshold value, the When the second threshold is mentioned, no rebalance signal F is output, otherwise a rebalance signal T is output.
  • a preset volatility comparison script is invoked to compare the MV-IV with the first threshold value, If the magnitude of the second threshold is between the magnitude of the first threshold and the second threshold, output the no-rebalance signal F, and if the magnitude of the MV-IV is between When the magnitude of is not between the first threshold and the second threshold, the rebalanced signal T is output, and a rebalance mode is entered.
  • the rebalancing method is a process of reassessing assets to obtain a new fund portfolio.
  • the asset allocation is a mean square error model used to recalculate the investment weight of each fund portfolio, and then the fund screening model is called. , Used to recalculate the investment weight of a single fund under each fund portfolio.
  • asset allocation is performed through a mean squared error model, the weight of the large-scale fund portfolio is calculated, and an optimization target is set with a return index and a risk index.
  • the output risk index is the smallest The investment portfolio plan, or the portfolio plan with the largest return index under the condition of determining risk indicators.
  • the risk indicator and the return indicator are determined according to the customer's anti-risk level.
  • a risk-return script is preset in the asset allocation model, and the asset allocation model retrieves the customer's anti-risk from the database. After the level, the risk-return script is read to determine the risk index and the return index corresponding to the customer's anti-risk level.
  • Or 1 ⁇ xixi> ⁇ 0 (short selling is not allowed)
  • rp is the return of the fund portfolio
  • ri is the return of the i-th fund
  • xi, xj are the investment proportions of the funds i, j, that is, weights
  • ⁇ 2 (rp) is the variance of the portfolio investment (total risk of the portfolio), ) Is the covariance between the two funds.
  • a fund screening model is called to select a single fund under the large-type fund.
  • the specific screening steps are as follows: according to the investment amount and the large-scale fund.
  • Type asset allocation plan calculate the investment amount of each major category project, determine the number of funds that need to be selected for each major category project; set a screening principle, and the screening principle includes at least preferential selection of It describes the funds with a large degree of fit for large categories of projects; presets a machine learning algorithm in the fund screening model and calls the machine learning algorithm to calculate the Euclidean distance; the machine learning algorithm receives the data input by the client and outputs it The predicted output value of a certain probability interval.
  • the output value of a certain probability interval described in this application is Euclidean distance.
  • the Euclidean distance is a general definition of distance, which is between two points in a multidimensional space. Is really the distance, and the Euclidean distance is the degree of fit; compare the Euclidean distance between the large asset allocation scheme and the fund under the large asset project, the closer the distance is It shows that the degree of fitting is greater; the multi-factor fitting strategy is used to score the funds entering the fund pool and rank according to the score; the top-ranked fund is selected as the screened fund list to find out The ratio of the investment amount of each fund in the selected fund list is described, and the proportion is the weight of the funds in the list.
  • an optimal investment portfolio with a minimum risk or a maximum return as a goal can be solved.
  • a heterogeneous volatility rebalance system is proposed, as shown in FIG. 2, and includes the following units:
  • a data collection unit configured to regularly collect customer information from a customer transaction information system, collect market information from a securities transaction data platform and a fund management data platform, and store the market information and the customer information in a database;
  • a calculation unit configured to retrieve the market information and the customer information from the database, and calculate an MV-IV based on the market information and the customer information;
  • the comparison unit is configured to compare the size of the MV-IV with a first threshold and a second threshold preset in the database, and if the size of the MV-IV is between the first threshold and the second threshold During this time, no rebalance signal F is output, otherwise a rebalance signal T is output.
  • the data collection unit is further configured to: preset a URL list of the securities transaction data platform and the fund management data platform, and the URL list includes several URLs providing market information; the browser kernel is invoked to sequentially search the URLs in the URL list.
  • the website sends a webpage access request and waits for the feedback information from the website that receives the webpage access request.
  • the feedback information includes the feedback information for receiving the access and the feedback information for rejecting the access; when the feedback information for the access is received, the preset is called in the database In the web crawler algorithm, it collects the webpage content related to the market information, and then continues to call the browser kernel to access other URLs in the URL list until it traverses all URLs in the URL list; when it receives feedback information that it refuses to receive access, it continues Invoke the browser kernel to access other URLs in the URL list until all URLs in the URL list are traversed; summarize the disk information collected by the web crawler algorithm, and store the disk information into the database.
  • the calculation unit includes:
  • a preset module configured to preset a rebalance detection period, and retrieve the market information and the customer information from the database
  • the calling calculation script module is configured to call a preset calculation script to calculate a market volatility MV and a heterogeneous volatility IV in the rebalance detection period, and generate the generated volatility based on the market volatility MV and the heterogeneous volatility IV.
  • the MV-IV is configured to call a preset calculation script to calculate a market volatility MV and a heterogeneous volatility IV in the rebalance detection period, and generate the generated volatility based on the market volatility MV and the heterogeneous volatility IV.
  • the unit is further configured to: select a fund portfolio and the daily closing price of a single fund in the fund portfolio, set a decision period t, each decision period includes D t trading days, and each period of the market
  • the calculation formulas for the volatility MV t and the heterogeneous volatility IV t are shown in equations (1) and (2), respectively:
  • R md represents the index return on the d-th trading day of period t
  • R fd represents the risk-free interest rate for that day
  • N t denotes the number of market fund may trade period t
  • W it represents t i during fund share weights
  • D it represents the number of days trading day funds contained i
  • e id i represents the fund
  • R id is the return rate of fund i on day d
  • f d represents the value of the explanatory variable of a certain factor model on day d
  • ⁇ and ⁇ represent Fama-French three-factor model regression on the selected factors.
  • the comparison unit is further configured to call a preset volatility comparison script to compare the MV-IV with the size of the first threshold and the second threshold. If the size of the MV-IV is between the first threshold and the second When the magnitude of the threshold is between, a no-rebalance signal F is output. If the magnitude of the MV-IV is not between the first threshold and the second threshold, a re-balance signal T is output to enter a rebalance mode.
  • the rebalancing method in the comparison unit is a process of reassessing assets to obtain a new fund portfolio; asset allocation is a method of calling a mean square error model to recalculate the investment weight of each fund portfolio, and then call the fund Screening model to recalculate the investment weight of a single fund under each fund portfolio.
  • a computer device which includes a memory and a processor.
  • the memory stores computer-readable instructions, and when the computer-readable instructions are executed by the processor, the processor is caused to implement the foregoing when the computer-readable instructions are executed.
  • a storage medium storing computer-readable instructions.
  • the computer-readable instructions are executed by one or more processors, the one or more processors are caused to perform heterogeneous fluctuations in the foregoing embodiments. Steps in the rate rebalance method.
  • the storage medium may be a non-volatile storage medium.
  • the program may be stored in a computer-readable storage medium.
  • the storage medium may include: Read-only memory (ROM, Read Only Memory), random access memory (RAM, Random Access Memory), magnetic disks or optical disks, etc.

Landscapes

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

Abstract

一种异质波动率再平衡方法、系统、计算机设备和存储介质，涉及金融数据分析技术领域。异质波动率再平衡方法包括：定时从客户交易信息系统采集客户信息，从证券交易数据平台和基金管理数据平台采集大盘信息，并存储至数据库；调取大盘信息和客户信息，根据大盘信息和客户信息计算择时指标MV-IV；比较MV-IV与第一阈值和第二阈值大小，若MV-IV的大小介于第一阈值、第二阈值之间时，输出无再平衡信号F，否则输出有再平衡信号T。该方法将市场风险和源于个股的非系统性风险相结合，得出新的择时指标，可精确的监控市场走向，当市场出现异常情况时，及时发出再平衡信号。

Description

异质波动率再平衡方法、系统、计算机设备和存储介质
本申请要求于2018年08月08日提交中国专利局、申请号为201810894013.6、发明名称为“异质波动率再平衡方法、系统、计算机设备和存储介质”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本申请涉及金融数据分析技术领域，尤其涉及一种异质波动率再平衡方法基、系统、计算机设备和存储介质。
背景技术
基金预测受多重因素的影响，很难在基金和影响因素之间建立一种确定的数学模型，目前，从模型的理论基础来看我们将其划分为两种主要类型：一种是以统计学为基础的波动率预测模型，其中常见的模型有自回归条件异方差模型和随机波动模型；另一类是以灰色理论、神经网络、支持向量机等为基础的预测模型。
大量学者基于以上模型理论，通过对历史和当前的基金数据进行分析，对基金未来的价格走势进行基金再平衡监测，从而为投资者提供参考依据。但是基金价格与一个国家的政治和经济等因素有关，是一种非线性复杂的系统，采用传统方法无法准确的监测基金再平衡的信号，不能满足投资者的要求。
发明内容
有鉴于此，有必要针对现有基金再平衡方法缺乏将市场风险和个股风险综合考虑的问题，提供一种异质波动率再平衡方法基、系统、计算机设备和存储介质。
一种异质波动率再平衡方法，包括：
定时从客户交易信息系统采集客户信息，从证券交易数据平台和基金管理数据平台采集大盘信息，并将所述大盘信息和所述客户信息存储至数据库；
从所述数据库调取所述大盘信息和所述客户信息，根据所述大盘信息和所述客户信息计算择时指标MV-IV；
比较所述MV-IV与预设在所述数据库的第一阈值和第二阈值的大小，若所述MV-IV的大小介于所述第一阈值、所述第二阈值之间时，输出无再平衡信号F，否则输出有再平衡信号T。
一种异质波动率再平衡系统，其中，包括：
数据采集单元，设置为定时从客户交易信息系统采集客户信息，从证券交易数据平台和基金管理数据平台采集大盘信息，并将所述大盘信息和所述客户信息存储至数据库；
计算单元，设置为从所述数据库调取所述大盘信息和所述客户信息，根据所述大盘信息和所述客户信息计算MV-IV；
比较单元，设置为比较所述MV-IV与预设在所述数据库的第一阈值和第二阈值的大小，若所述MV-IV的大小介于所述第一阈值、所述第二阈值之间时，输出无再平衡信号F，否则输出有再平衡信号T。
一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行以下步骤：
定时从客户交易信息系统采集客户信息，从证券交易数据平台和基金管理数据平台采集大盘信息，并将所述大盘信息和所述客户信息存储至数据库；
从所述数据库调取所述大盘信息和所述客户信息，根据所述大盘信息和所述客户信息计算择时指标MV-IV；
比较所述MV-IV与预设在所述数据库的第一阈值和第二阈值的大小，若所述MV-IV的大小介于所述第一阈值、所述第二阈值之间时，输出无再平衡信号F，否则输出有再平衡信号T。
一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行以下步骤：
定时从客户交易信息系统采集客户信息，从证券交易数据平台和基金管理数据平台采集大盘信息，并将所述大盘信息和所述客户信息存储至数据库；
从所述数据库调取所述大盘信息和所述客户信息，根据所述大盘信息和所述客户信息计算择时指标MV-IV；
比较所述MV-IV与预设在所述数据库的第一阈值和第二阈值的大小，若所述MV-IV的大小介于所述第一阈值、所述第二阈值之间时，输出无再平衡信号F，否则输出有再平衡信号T。
上述异质波动率再平衡方法、装置、计算机设备和存储介质，包括定时从客户交易信息系统客户信息，从证券交易数据平台和所述基金管理数据平台采集大盘信息和，并将所述大盘信息和所述客户信息存储至数据库；从所述数据库调取所述大盘信息和所述客户信息，根据所述大盘信息和所述客户信息计算MV-IV；比较所述MV-IV与预设在所述数据库的第一阈值和第二阈值的大小，若所述MV-IV的大小介于所述第一阈值、所述第二阈值之间时，输出无再平衡信号F，否则输出有再平衡信号T。本申请将市场波动率与异质波动率模型结合在一起，将市场风险和源于个股的非系统性风险相结合，得出新量择时指标，用于预测基金未来走向；将异质波动率再平衡模型作为监控系统，定时监控市场走向，当市场出现异常情况时，及时发出再平衡信号。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。
图1为本申请一个实施例中的异质波动率再平衡方法的流程图；
图2为本申请一个实施例中异质波动率再平衡系统的结构图；
图3为本申请计算单元的结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
图1为本申请一个实施例中的异质波动率再平衡方法的流程图，如图1所示，包括以下步骤：
步骤S1，采集信息：定时从客户交易信息系统采集客户信息，从证券交易数据平台和基金管理数据平台采集大盘信息，并将所述大盘信息和所述客户信息存储至数据库。
具体的，本步骤中所述大盘信息包括但不限于指数列表、指数上下限表、指数-基金列表、指数收盘价表、申购赎回费率表、基金收益率表，客户信息包括客户的资产配置方案、客户的抗风险类型、投资金额和交易发生的时间，所 述大盘信息包括如货币类、权益类等不同类别的基金交易信息，所述基金交易信息数量庞杂，而传统的数据采集方法效率低下，且容易遗漏关键信息，因此本步骤利用网络爬虫的方法采集所述大盘信息，实现一键抓取所述基金交易信息，效率高且不会遗漏关键信息；
资产配置方案为客户所购买的大类基金组合的权重，以及每个大类基金下各个单个基金的权重，大类基金例如现金类、固收类、权益类等，大类基金下各个单个基金例如权益类下的大盘股、中盘股、港股、美股等，客户抗风险类型为客户对风险的偏好程度，例如保守型、稳健型、成长型、积极性、激进型。
在一个实施例中，所述定时从客户交易信息系统采集客户信息，从证券交易数据平台和基金管理数据平台采集大盘信息时，采用以下步骤：
预设所述证券交易数据平台和所述基金管理数据平台的网址列表，所述网址列表中包括提供所述大盘信息的若干网址；调用浏览器内核依次对所述网址列表中的网址发出所述网页访问请求，并等待接收所述网页访问请求的网站发出的反馈信息，所述反馈信息包括接收访问的反馈信息和拒绝接收访问的反馈信息；当接收到所述接收访问的反馈信息时，调用预设在所述数据库中的网络爬虫算法，采集与所述大盘信息相关的网页内容，然后继续调用所述浏览器内核访问所述网址列表中的其他网址，直到遍历所述网址列表中的所有网址；当接收到所述拒绝接收访问的反馈信息后，继续调用所述浏览器内核访问所述网址列表中的其他网址，直到遍历所述网址列表中的所有网址；汇总所述网络爬虫算法采集到的所述大盘信息，并将所述大盘信息存储至所述数据库。
本实施例中，利用所述网络爬虫算法采集大盘信息，只需预先设置好目标网址，即可实现一键拉取大盘信息，效率高且不会遗漏关键信息。
步骤S2，计算择时指标MV-IV：从所述数据库调取所述大盘信息和所述客户信息，根据所述大盘信息和所述客户信息计算MV-IV。
具体的，预设再平衡检测周期，从所述数据库调取所述大盘信息和所述客户信息；调用预设的计算脚本，计算所述再平衡检测周期内的市场波动率MV和 异质波动率IV，根据所述市场波动率MV和所述异质波动率IV生成所述MV-IV。
在一个实施例中，计算MV-IV的方法如下所示：选取基金组合及基金组合中单个基金的日收盘价，设置一决策期t，每一决策期内包含D t个交易日，每一期的市场波动率MV t与异质波动率IV t的计算公式分别如(1)式和(2)式所示：
Figure PCTCN2018106392-appb-000001
(1)式中，R md表示在第t期第d个交易日的指数收益率，R fd表示当日的无风险利率。
Figure PCTCN2018106392-appb-000002
(2)式中N t表示第t期内市场中可交易的基金数量，W it表示第t期内基金i所占权重，D it表示基金i包含的交易日天数，e id表示基金i在d日的异质冲击，计算方法如下式所示：
Figure PCTCN2018106392-appb-000003
(3)式中，R id为基金i在d日的收益率，f d表示某一因素模型的解释变量在d日的值，α和β表示对选取的因素进行Fama-French三因子模型回归估计的结果；根据公式MV-IV＝0.3*MV t+IV t或MV-IV＝10*IV t/MV t中的一个公式计算出所述MV-IV。
本实施例中，分别求解市场整体波动率MV，以及异质波动率IV，然后生成MV-IV市场波动率与异质波动率量化择时指标，通过这种方式将市场风险和源于个股的非系统性风险相结合，得出新量择时指标，能够更为精确的预测基金未来走向。
步骤S3，判断是否需要再平衡：比较所述MV-IV与预设在所述数据库的第一阈值和第二阈值的大小，若所述MV-IV的大小介于所述第一阈值、所述第二阈值之间时，输出无再平衡信号F，否则输出有再平衡信号T。
具体的，比较所述MV-IV与预设在所述数据库的第一阈值和第二阈值的大小时，调用预设的波动率对比脚本，对比所述MV-IV和所述第一阈值、所述第二阈值的大小，若所述MV-IV的大小介于所述第一阈值、所述第二阈值的大小之间时，输出所述无再平衡信号F，若所述MV-IV的大小不在所述第一阈值、所述第二阈值之间时，输出所述有再平衡信号T，进入再平衡方式。
本步骤中，再平衡方式是重新进行资产配置，得到新的所述基金组合的过程，所述资产配置是调用均方差模型，用以重新计算每个基金组合的投资权重，然后调用基金筛选模型，用以重新计算每一个基金组合下单个基金的投资权重。
在一个实施例中，通过均方差模型进行资产配置，计算所述大类基金组合的权重，以收益指标和风险指标设置优化目标，所述优化目标为确定收益指标的条件下，输出风险指标最小的投资组合方案，或者为确定风险指标的条件下，输出收益指标最大的投资组合方案。所述风险指标和所述收益指标是根据所述客户抗风险级别确定的，所述资产配置模型内预设有风险-收益脚本，所述资产配置模型从所述数据库调取所述客户抗风险级别后，读取所述风险-收益脚本，确定所述客户抗风险级别对应的所述风险指标和所述收益指标。
具体计算方式如下所示：
目标函数：minб2(rp)＝∑∑xixjCov(ri-rj)
rp＝∑xiri
限制条件：1＝∑xi(允许卖空)
或1＝∑xi xi>≥0(不允许卖空)
其中rp为基金组合收益，ri为第i只基金的收益，xi、xj为基金i、j的投资比例，即权重，б2(rp)为组合投资方差(组合总风险)，Cov(ri、rj)为两个基金之间的协方差。在限制条件下求解xi，使基金组合风险б2(rp)最小，可通过拉格朗日目标函数求得。
在一个实施例中，在求得所述大类基金组合后，调用基金筛选模型，筛选出所述大类基金下的单个基金，具体筛选步骤如下所示：根据所述投资金额和所述大类资产配置方案，计算出每个大类项目的所述投资金额，确定每个大类项目需要选取的基金个数；设置一筛选原则，筛选原则至少包括优先选择所述大类项目下与所述大类项目拟合度大的基金；在所述基金筛选模型中预设机器学习算法，调用所述机器学习算法计算欧氏距离；所述机器学习算法接收客户端输入的数据后，输出其所预测的某一概率区间的输出值，本申请中所述某一概率区间的输出值为欧氏距离；所述欧氏距离是一个通常的距离定义，它是在多维空间中两点之间的真是距离，欧氏距离为拟合度；对比所述大类资产配置方案与所述大类资产项目下的基金的所述欧氏距离，所述距离越近表示所述拟合度越大；采用多因子拟合策略，对所述进入基金池的基金进行评分，根据评分进行排名；选择排名靠前的基金作为所述筛选好的基金列表，求出所述筛选好的基金列表中的每支基金投资金额的比例，该比例为所述列表中基金的权重。
本实施例中，通过所述均方差模型和所述基金筛选模型，可以求解出以风险最小或收益最大为目标的最优投资组合。
在一个实施例中，提出了一种异质波动率再平衡系统，如图2所示，包括如下单元：
数据采集单元，设置为定时从客户交易信息系统采集客户信息，从证券交 易数据平台和基金管理数据平台采集大盘信息，并将所述大盘信息和所述客户信息存储至数据库；
计算单元，设置为从所述数据库调取所述大盘信息和所述客户信息，根据所述大盘信息和所述客户信息计算MV-IV；
比较单元，设置为比较所述MV-IV与预设在所述数据库的第一阈值和第二阈值的大小，若所述MV-IV的大小介于所述第一阈值、所述第二阈值之间时，输出无再平衡信号F，否则输出有再平衡信号T。
在一个实施例中，数据采集单元，还设置为：预设证券交易数据平台和基金管理数据平台的网址列表，网址列表中包括提供大盘信息的若干网址；调用浏览器内核依次对网址列表中的网址发出网页访问请求，并等待接收网页访问请求的网站发出的反馈信息，反馈信息包括接收访问的反馈信息和拒绝接收访问的反馈信息；当接收到接收访问的反馈信息时，调用预设在数据库中的网络爬虫算法，采集与大盘信息相关的网页内容，然后继续调用浏览器内核访问网址列表中的其他网址，直到遍历网址列表中的所有网址；当接收到拒绝接收访问的反馈信息后，继续调用浏览器内核访问网址列表中的其他网址，直到遍历网址列表中的所有网址；汇总网络爬虫算法采集到的大盘信息，并将大盘信息存储至数据库。
在一个实施例中，如图3所示，所述计算单元包括：
预设模块，设置为预设再平衡检测周期，从所述数据库调取所述大盘信息和所述客户信息；
调用计算脚本模块，设置为调用预设的计算脚本，计算所述再平衡检测周期内的市场波动率MV和异质波动率IV，根据所述市场波动率MV和所述异质波动率IV生成所述MV-IV。
在一个实施例中，所述单元还设置为：选取基金组合及基金组合中单个基 金的日收盘价，设置一决策期t，每一决策期内包含D t个交易日，每一期的市场波动率MV t与异质波动率IV t的计算公式分别如(1)式和(2)式所示：
Figure PCTCN2018106392-appb-000004
(1)式中，R md表示在第t期第d个交易日的指数收益率，R fd表示当日的无风险利率；
Figure PCTCN2018106392-appb-000005
(2)式中N t表示第t期内市场中可交易的基金数量，W it表示第t期内基金i所占权重，D it表示基金i包含的交易日天数，e id表示基金i在d日的异质冲击，计算方法如下式所示：
Figure PCTCN2018106392-appb-000006
(3)式中，R id为基金i在d日的收益率，f d表示某一因素模型的解释变量在d日的值，α和β表示对选取的因素进行Fama-French三因子模型回归估计的结果；根据公式MV-IV＝0.3*MV t+IV t或MV-IV＝10*IV t/MV t中的一个公式计算出MV-IV。
在一个实施例中，比较单元，还设置为调用预设的波动率对比脚本，对比MV-IV和第一阈值、第二阈值的大小，若MV-IV的大小介于第一阈值、第二阈值的大小之间时，输出无再平衡信号F，若MV-IV的大小不在第一阈值、第二阈值之间时，输出有再平衡信号T，进入再平衡方式。
在一个实施例中，比较单元中的再平衡方式是重新进行资产配置，得到新的基金组合的过程；资产配置是调用均方差模型，用以重新计算每个基金组合 的投资权重，然后调用基金筛选模型，用以重新计算每一个基金组合下单个基金的投资权重。
在一个实施例中，提出了一种计算机设备，包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行计算机可读指令时实现上述各实施例里异质波动率再平衡方法中的步骤。
在一个实施例中，提出了一种存储有计算机可读指令的存储介质，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述各实施例里异质波动率再平衡方法中的步骤。其中，存储介质可以为非易失性存储介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁盘或光盘等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请一些示例性实施例，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (20)

  1. 一种异质波动率再平衡方法，包括：
    定时从客户交易信息系统采集客户信息，从证券交易数据平台和基金管理数据平台采集大盘信息，并将所述大盘信息和所述客户信息存储至数据库；
    从所述数据库调取所述大盘信息和所述客户信息，根据所述大盘信息和所述客户信息计算择时指标MV-IV；
    比较所述MV-IV与预设在所述数据库的第一阈值和第二阈值的大小，若所述MV-IV的大小介于所述第一阈值、所述第二阈值之间时，输出无再平衡信号F，否则输出有再平衡信号T。
  2. 根据权利要求1所述的异质波动率再平衡方法，其中，所述从证券交易数据平台和基金管理数据平台采集大盘信息，包括：
    预设所述证券交易数据平台和所述基金管理数据平台的网址列表，所述网址列表中包括提供所述大盘信息的若干网址；
    调用浏览器内核依次对所述网址列表中的网址发出所述网页访问请求，并等待接收所述网页访问请求的网站发出的反馈信息，所述反馈信息包括接收访问的反馈信息和拒绝接收访问的反馈信息；
    当接收到所述接收访问的反馈信息时，调用预设在所述数据库中的网络爬虫算法，采集与所述大盘信息相关的网页内容，然后继续调用所述浏览器内核访问所述网址列表中的其他网址，直到遍历所述网址列表中的所有网址；
    当接收到所述拒绝接收访问的反馈信息后，继续调用所述浏览器内核访问所述网址列表中的其他网址，直到遍历所述网址列表中的所有网址；
    汇总所述网络爬虫算法采集到的所述大盘信息，并将所述大盘信息存储至所述数据库。
  3. 根据权利要求1所述的异质波动率再平衡方法，其中，所述根据所述大盘信息和所述客户信息计算MV-IV，包括：
    预设再平衡检测周期，从所述数据库调取所述大盘信息和所述客户信息；
    调用预设的计算脚本，计算所述再平衡检测周期内的市场波动率MV和异质波动率IV，根据所述市场波动率MV和所述异质波动率IV生成所述MV-IV。
  4. 根据权利要求3所述的异质波动率再平衡方法，其中，计算所述MV-IV，包括：
    选取基金组合及所述基金组合中单个基金的日收盘价，设置一决策期t，每一决策期内包含D t个交易日，每一期的市场波动率MV t与异质波动率IV t的计算公式分别如(1)式和(2)式所示：
    Figure PCTCN2018106392-appb-100001
    (1)式中，R md表示在第t期第d个交易日的指数收益率，R fd表示当日的无风险利率；
    Figure PCTCN2018106392-appb-100002
    (2)式中N t表示第t期内市场中可交易的基金数量，W it表示第t期内基金i所占权重，D it表示基金i包含的交易日天数，e id表示基金i在d日的异质冲击，计算方法如下式所示：
    Figure PCTCN2018106392-appb-100003
    (3)式中，R id为基金i在d日的收益率，f d表示某一因素模型的解释变量在d日的值，α和β表示对选取的因素进行Fama-French三因子模型回归估计的结果；
    根据公式MV-IV＝0.3*MV t+IV t或MV-IV＝10*IV t/MV t中的一个公式计算出所述MV-IV。
  5. 根据权利要求1所述的异质波动率再平衡方法，其中，所述比较所述MV-IV与预设在所述数据库的第一阈值和第二阈值的大小，包括：
    调用预设的波动率对比脚本，对比所述MV-IV和所述第一阈值、所述第二阈值的大小，若所述MV-IV的大小介于所述第一阈值、所述第二阈值的大小之间时，输出所述无再平衡信号F，若所述MV-IV的大小不在所述第一阈值、所述第二阈值之间时，输出所述有再平衡信号T，进入再平衡方式。
  6. 根据权利要求5所述的异质波动率再平衡方法，其中，所述再平衡方式是重新进行资产配置，得到新的所述基金组合的过程；
    所述资产配置是调用均方差模型，用以重新计算每个基金组合的投资权重，然后调用基金筛选模型，用以重新计算每一个基金组合下单个基金的投资权重。
  7. 一种异质波动率再平衡系统，包括：
    数据采集单元，设置为定时从客户交易信息系统采集客户信息，从证券交易数据平台和基金管理数据平台采集大盘信息，并将所述大盘信息和所述客户信息存储至数据库；
    计算单元，设置为从所述数据库调取所述大盘信息和所述客户信息，根据所述大盘信息和所述客户信息计算MV-IV；
    比较单元，设置为比较所述MV-IV与预设在所述数据库的第一阈值和第二阈值的大小，若所述MV-IV的大小介于所述第一阈值、所述第二阈值之间时，输出无再平衡信号F，否则输出有再平衡信号T。
  8. 根据权利要求7所述的异质波动率再平衡系统，其中，所述数据采集单元，还设置为：
    预设所述证券交易数据平台和所述基金管理数据平台的网址列表，所述网址列表中包括提供所述大盘信息的若干网址；
    调用浏览器内核依次对所述网址列表中的网址发出所述网页访问请求，并等待接收所述网页访问请求的网站发出的反馈信息，所述反馈信息包括接收访问的反馈信息和拒绝接收访问的反馈信息；
    当接收到所述接收访问的反馈信息时，调用预设在所述数据库中的网络爬虫算法，采集与所述大盘信息相关的网页内容，然后继续调用所述浏览器内核访问所述网址列表中的其他网址，直到遍历所述网址列表中的所有网址；
    当接收到所述拒绝接收访问的反馈信息后，继续调用所述浏览器内核访问所述网址列表中的其他网址，直到遍历所述网址列表中的所有网址；
    汇总所述网络爬虫算法采集到的所述大盘信息，并将所述大盘信息存储至所述数据库。
  9. 根据权利要求7所述的异质波动率再平衡系统，其中，所述计算单元包括：
    预设模块，设置为预设再平衡检测周期，从所述数据库调取所述大盘信息和所述客户信息；
    调用计算脚本模块，设置为调用预设的计算脚本，计算所述再平衡检测周期内的市场波动率MV和异质波动率IV，根据所述市场波动率MV和所述异质波动率IV生成所述MV-IV。
  10. 根据权利要求9所述的异质波动率再平衡系统，其中，所述计算单元还设置为：
    选取基金组合及所述基金组合中单个基金的日收盘价，设置一决策期t，每一决策期内包含D t个交易日，每一期的市场波动率MV t与异质波动率IV t的计算公式分别如(1)式和(2)式所示：
    Figure PCTCN2018106392-appb-100004
    (1)式中，R md表示在第t期第d个交易日的指数收益率，R fd表示当日的无风险利率；
    Figure PCTCN2018106392-appb-100005
    (2)式中N t表示第t期内市场中可交易的基金数量，W it表示第t期内基金i所占权重，D it表示基金i包含的交易日天数，e id表示基金i在d日的异质冲击，计算方法如下式所示：
    Figure PCTCN2018106392-appb-100006
    (3)式中，R id为基金i在d日的收益率，f d表示某一因素模型的解释变量在d日的值，α和β表示对选取的因素进行Fama-French三因子模型回归估计的结果；
    根据公式MV-IV＝0.3*MV t+IV t或MV-IV＝10*IV t/MV t中的一个公式计算出所述MV-IV。
  11. 根据权利要求7所述的异质波动率再平衡系统，其中，所述比较单元，还设置为调用预设的波动率对比脚本，对比所述MV-IV和所述第一阈值、所述第二阈值的大小，若所述MV-IV的大小介于所述第一阈值、所述第二阈值的大小之间时，输出所述无再平衡信号F，若所述MV-IV的大小不在所述第一阈值、所述第二阈值之间时，输出所述有再平衡信号T，进入再平衡方式。
  12. 根据权利要求11所述的异质波动率再平衡系统，其中，所述比较单元中的所述再平衡方式是重新进行资产配置，得到新的所述基金组合的过程；
    所述资产配置是调用均方差模型，用以重新计算每个基金组合的投资权重，然后调用基金筛选模型，用以重新计算每一个基金组合下单个基金的投资权重。
  13. 一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行以下步骤：
    定时从客户交易信息系统采集客户信息，从证券交易数据平台和基金管理数据平台采集大盘信息，并将所述大盘信息和所述客户信息存储至数据库；
    从所述数据库调取所述大盘信息和所述客户信息，根据所述大盘信息和所述客户信息计算择时指标MV-IV；
    比较所述MV-IV与预设在所述数据库的第一阈值和第二阈值的大小，若所述MV-IV的大小介于所述第一阈值、所述第二阈值之间时，输出无再平衡信号F，否则输出有再平衡信号T。
  14. 根据权利要求13所述的计算机设备，其中，所述从证券交易数据平台和基金管理数据平台采集大盘信息时，使得所述处理器执行以下步骤：
    预设所述证券交易数据平台和所述基金管理数据平台的网址列表，所述网址列表中包括提供所述大盘信息的若干网址；
    调用浏览器内核依次对所述网址列表中的网址发出所述网页访问请求，并等待接收所述网页访问请求的网站发出的反馈信息，所述反馈信息包括接收访问的反馈信息和拒绝接收访问的反馈信息；
    当接收到所述接收访问的反馈信息时，调用预设在所述数据库中的网络爬虫算法，采集与所述大盘信息相关的网页内容，然后继续调用所述浏览器内核访问所述网址列表中的其他网址，直到遍历所述网址列表中的所有网址；
    当接收到所述拒绝接收访问的反馈信息后，继续调用所述浏览器内核访问所述网址列表中的其他网址，直到遍历所述网址列表中的所有网址；
    汇总所述网络爬虫算法采集到的所述大盘信息，并将所述大盘信息存储至所述数据库。
  15. 根据权利要求13所述的计算机设备，其中，所述根据所述大盘信息和 所述客户信息计算MV-IV时，使得所述处理器执行以下步骤：
    预设再平衡检测周期，从所述数据库调取所述大盘信息和所述客户信息；
    调用预设的计算脚本，计算所述再平衡检测周期内的市场波动率MV和异质波动率IV，根据所述市场波动率MV和所述异质波动率IV生成所述MV-IV。
  16. 根据权利要求13所述的计算机设备，其中，所述比较所述MV-IV与预设在所述数据库的第一阈值和第二阈值的大小时，使得所述处理器执行以下步骤：
    调用预设的波动率对比脚本，对比所述MV-IV和所述第一阈值、所述第二阈值的大小，若所述MV-IV的大小介于所述第一阈值、所述第二阈值的大小之间时，输出所述无再平衡信号F，若所述MV-IV的大小不在所述第一阈值、所述第二阈值之间时，输出所述有再平衡信号T，进入再平衡方式。
  17. 一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行以下步骤：
    定时从客户交易信息系统采集客户信息，从证券交易数据平台和基金管理数据平台采集大盘信息，并将所述大盘信息和所述客户信息存储至数据库；
    从所述数据库调取所述大盘信息和所述客户信息，根据所述大盘信息和所述客户信息计算择时指标MV-IV；
    比较所述MV-IV与预设在所述数据库的第一阈值和第二阈值的大小，若所述MV-IV的大小介于所述第一阈值、所述第二阈值之间时，输出无再平衡信号F，否则输出有再平衡信号T。
  18. 根据权利要求17所述的存储介质，其中，所述从证券交易数据平台和基金管理数据平台采集大盘信息时，使得一个或多个所述处理器执行以下步骤：
    预设所述证券交易数据平台和所述基金管理数据平台的网址列表，所述网址列表中包括提供所述大盘信息的若干网址；
    调用浏览器内核依次对所述网址列表中的网址发出所述网页访问请求，并等待接收所述网页访问请求的网站发出的反馈信息，所述反馈信息包括接收访问的反馈信息和拒绝接收访问的反馈信息；
    当接收到所述接收访问的反馈信息时，调用预设在所述数据库中的网络爬虫算法，采集与所述大盘信息相关的网页内容，然后继续调用所述浏览器内核访问所述网址列表中的其他网址，直到遍历所述网址列表中的所有网址；
    当接收到所述拒绝接收访问的反馈信息后，继续调用所述浏览器内核访问所述网址列表中的其他网址，直到遍历所述网址列表中的所有网址；
    汇总所述网络爬虫算法采集到的所述大盘信息，并将所述大盘信息存储至所述数据库。
  19. 根据权利要求17所述的存储介质，其中，所述根据所述大盘信息和所述客户信息计算MV-IV时，使得一个或多个所述处理器执行以下步骤：
    预设再平衡检测周期，从所述数据库调取所述大盘信息和所述客户信息；
    调用预设的计算脚本，计算所述再平衡检测周期内的市场波动率MV和异质波动率IV，根据所述市场波动率MV和所述异质波动率IV生成所述MV-IV。
  20. 根据权利要求17所述的存储介质，其中，所述比较所述MV-IV与预设在所述数据库的第一阈值和第二阈值的大小时，使得一个或多个所述处理器执行以下步骤：
    调用预设的波动率对比脚本，对比所述MV-IV和所述第一阈值、所述第二阈值的大小，若所述MV-IV的大小介于所述第一阈值、所述第二阈值的大小之间时，输出所述无再平衡信号F，若所述MV-IV的大小不在所述第一阈值、所述第二阈值之间时，输出所述有再平衡信号T，进入再平衡方式。
PCT/CN2018/106392 2018-08-08 2018-09-19 异质波动率再平衡方法、系统、计算机设备和存储介质 Ceased WO2020029374A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201810894013.6A CN109191292A (zh) 2018-08-08 2018-08-08 异质波动率再平衡方法、系统、计算机设备和存储介质
CN201810894013.6 2018-08-08

Publications (1)

Publication Number Publication Date
WO2020029374A1 true WO2020029374A1 (zh) 2020-02-13

Family

ID=64920428

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2018/106392 Ceased WO2020029374A1 (zh) 2018-08-08 2018-09-19 异质波动率再平衡方法、系统、计算机设备和存储介质

Country Status (2)

Country Link
CN (1) CN109191292A (zh)
WO (1) WO2020029374A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115131155B (zh) * 2022-05-11 2023-12-19 李益非 一种基于投资管理的云平台

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103455943A (zh) * 2013-09-02 2013-12-18 深圳市国泰安信息技术有限公司 一种股票或股票投资组合波动率的预测方法、装置
CN104599173A (zh) * 2015-01-12 2015-05-06 北京中润普达信息技术有限公司 一种监测异常数据并择优过滤的平衡过滤器及方法
CN105427170A (zh) * 2015-11-10 2016-03-23 中国建设银行股份有限公司 一种资产配置策略匹配方法及装置
CN106355504A (zh) * 2016-08-24 2017-01-25 深圳市崇广科技有限公司 一种金融产品配置方法和设备
CN106934503A (zh) * 2017-03-22 2017-07-07 四川倍发科技有限公司 一种股票波动率预测系统
WO2017133456A1 (zh) * 2016-02-01 2017-08-10 腾讯科技（深圳）有限公司 一种确定风险评估参数的方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103455943A (zh) * 2013-09-02 2013-12-18 深圳市国泰安信息技术有限公司 一种股票或股票投资组合波动率的预测方法、装置
CN104599173A (zh) * 2015-01-12 2015-05-06 北京中润普达信息技术有限公司 一种监测异常数据并择优过滤的平衡过滤器及方法
CN105427170A (zh) * 2015-11-10 2016-03-23 中国建设银行股份有限公司 一种资产配置策略匹配方法及装置
WO2017133456A1 (zh) * 2016-02-01 2017-08-10 腾讯科技（深圳）有限公司 一种确定风险评估参数的方法及装置
CN106355504A (zh) * 2016-08-24 2017-01-25 深圳市崇广科技有限公司 一种金融产品配置方法和设备
CN106934503A (zh) * 2017-03-22 2017-07-07 四川倍发科技有限公司 一种股票波动率预测系统

Also Published As

Publication number Publication date
CN109191292A (zh) 2019-01-11

Similar Documents

Publication Publication Date Title
Auer et al. Crypto trading and Bitcoin prices: evidence from a new database of retail adoption
Tang et al. The determinants of ESG ratings: Rater ownership matters
Chang et al. Prediction of bank credit worthiness through credit risk analysis: an explainable machine learning study
US20200192894A1 (en) System and method for using data incident based modeling and prediction
Li et al. Hybridizing principles of TOPSIS with case-based reasoning for business failure prediction
Zou et al. Business failure prediction based on a cost-sensitive extreme gradient boosting machine
JP2020523715A (ja) 不正取引の改善された検出
CN114238414B (zh) 一种反洗钱可疑交易数据的监测方法及装置
Riskiyadi Detecting future financial statement fraud using a machine learning model in Indonesia: a comparative study
JP6855604B2 (ja) 短期利益を予測する方法、装置、コンピューターデバイス、プログラムおよび記憶媒体
Oet et al. Financial stress index: A lens for supervising the financial system
Deng et al. An intelligent system for insider trading identification in Chinese security market
JP2018198046A (ja) 金融イベント・データベースの生成のための装置および方法
US20190180376A1 (en) Financial Correlation Prediction System and the Method Thereof
CN117011080A (zh) 财务风险预测方法、装置、设备、介质和程序产品
KR102381498B1 (ko) 복합 지표를 이용한 가상 자산 가격 변동 탐지 방법 및 이러한 방법을 수행하는 장치
Goshima et al. Trader classification by cluster analysis: Interaction between HFTs and other traders
Wang et al. Measurement and early warning of systemic financial risk in China: Markov switching models
Fu Data-driven Optimization of Capital Market Trading Strategies and Risk Management
WO2020029374A1 (zh) 异质波动率再平衡方法、系统、计算机设备和存储介质
CN120541641A (zh) 一种基于集成学习的欺诈行为识别方法
CN113421014A (zh) 一种目标企业确定方法、装置、设备和存储介质
CN116844287B (zh) 加钞量预测方法、装置、计算机设备和存储介质
US10235719B2 (en) Centralized GAAP approach for multidimensional accounting to reduce data volume and data reconciliation processing costs
Jaworski Measuring Inflation Expectations Using Artificial Intelligence

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18929325

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18929325

Country of ref document: EP

Kind code of ref document: A1