[发明专利]基于企业网络的股票联动性评价方法

说明书

技术领域

本发明涉及一种股票联动性评价方法，尤其涉及一种基于企业网络的股票联动性计算方法。

背景技术

金融市场中，股票间常常出现价格“同升共降”的联动现象，通常称此现象为股票联动现象。

现有技术中，股票联动性的评价方法主要基于经济基本面视角、投资者偏好视角与信息扩散视角。经济基本面视角是指影响股票联动的因素只能是其基本面价值，如现金流、盈利等，投资者偏好视角则认为投资者心理与行为对股票联动也有着影响，信息扩散视角是指市场信息传播和扩散不均也会导致股票联动。联动性分析方法主要包括：相关系数法、Granger因果关系检验、向量自回归、以及协整检验。

信息传递是联动效应产生的重要因素，而作为计算机与信息技术产物代表的社会化媒体在金融市场中承担着大量信息传递的作用。社会化媒体能够在金融市场中传随着互联网的发展，社会化媒体逐渐成为人们获取信息与发布信息的主要方式。由于社会化媒体在信息发布、信息传播与信息获取上具有重要影响力，而市场上各类信息将会影响投资者对于资产未来收益和价值的判断，因此社会化媒体对金融市场有重大的影响。

然而，在现有的股票联动性评价方法中，未考虑社会化媒体，尤其是新闻共同曝光度及微博互相关注度对股票联动性的影响，不能准确预测股票联动性，为金融市场提供决策。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于企业网络的股票联动性评价方法，能够基于社会化媒体评价股票联动性。

为达到上述目的，本发明的实施例采用如下技术方案：

本发明实施例提供一种基于企业网络的股票联动性评价方法，如图1所示，具体包括：

S101、基于社会化媒体确定每个企业的关联企业列表；

基于社会化媒体确定企业间的新闻共同曝光度或微博互相关注度，并基于新闻共同曝光度或微博互相关注度确定每个企业的关联企业列表。

其中，关联企业包括新闻共同曝光度高或微博互相关注度高的企业。新闻共同曝光度是指报导中同时包含两家企业名称的新闻数量的度量，微博相互关注度是指在微博上企业间关注与被关注关系的度量。

具体地，在收集共同新闻数据时，可以通过爬虫程序来收集；在收集微博相互关注数据时，由于预期收集量不大，可以采取手动收集。

S102、计算每个企业与其关联企业列表中的每家企业的相关系数

其中，当关联企业为新闻共同曝光度高的企业时，相关系数的计算方法如下：

当企业C₁、C₂有关联，且C₁、C₂共同出现在A、B、C三篇新闻中，A、B、C新闻报道时间分别为Day A、Day B、Day C，A、B、C新闻报道后较短时间段内C₁、C₂的股价表示为：{P_1dA1，P_1dA2，......，P_1dAn}，P_1B：{P_1dB1，P_1dB2，......，P_1dBn}，……，P_2C{P_2dC1，P_2dC2，......，P_2dCn}，其中P_1dAi、P_1dBi、P_1dCi分别为企业C₁在A、B、C新闻报道后i时刻的股价；P_2dAi、P_2dBi、P_2dCi分别为企业C₂在A、B、C新闻报道后i时刻的股价；

则A新闻报道后较短时间内C₁、C₂短时间内的股价相关系数为：

其中，P_1A、P_2A分别表示企业C₁、C₂的股价。

相应地，得出B，C报道后相关系数对求平均值得到C₁、C₂的相关系数

其中，当关联企业为微博互相关注度高的企业时，相关系数的计算方法如下：