[发明专利]熵维度与最大熵增量群的股市投资者情绪指标选择方法

权利要求书

1.一种熵维度与最大熵增量群的股市投资者情绪指标选择方法，其特征在于，所述方法包括：

海选模块，任何与股市或投资者有关的指标均可纳入到备选指标库；

初选模块，剔除数据不可得或数据不连续的无效指标；

筛选模块，通过无关分析剔除无关指标，计算各指标与股市大盘指数和股市收益率的相关系数，可以得到无关程度与显著性检验值，剔除显著性较差的指标；

遴选模块，通过相关分析和聚类分析删除冗余信息量大于阈值的指标，计算各指标之间的相关系数，将相关系数大于阈值的指标进行归类，删除信息重叠指标；

优选模块，通过计算主成分分析、熵维度、敏感因子的集群，即多种状态下的最大熵与信息熵之差比最大熵，结合聚类分析的树状分类图谱与指标数量复杂度，最终留选显著性最高的指标。

2.根据权利要求1所述的熵维度与最大熵增量群的股市投资者情绪指标选择方法，其特征在于，所述海选模块的任何指标可以是当期指标，也可以是提前p期的衍生指标，即为{A_n,A_n-1,A_n-2...A_n-p}，其中p为大于1的正整数。

3.根据权利要求1所述的熵维度与最大熵增量群的股市投资者情绪指标选择方法，其特征在于，所述筛选模块无关程度相关性系数为0.3及以下。

4.根据权利要求1所述的熵维度与最大熵增量群的股市投资者情绪指标选择方法，其特征在于，所述筛选模块显著性值为t统计量，该统计量服从n-2个自由度的t分布，概率界限可选择1％至5％。

5.根据权利要求1所述的熵维度与最大熵增量群的股市投资者情绪指标选择方法，其特征在于，所述遴选模块的阈值为0.9及以上。

6.根据权利要求1所述的熵维度与最大熵增量群的股市投资者情绪指标选择方法，其特征在于，所述聚类分析的距离为相关系数距离。

7.根据权利要求1所述的熵维度与最大熵增量群的股市投资者情绪指标选择方法，其特征在于，所述优选模块的显著性可以使用敏感因子，即最大熵与信息熵之差比最大熵来判别

Z_u＝ln(m)， (2)

式中，p_i为离散型系统状态的概率，i为系统状态数，m为系统状态最大值，且定义当概率为0时，熵为零；H为指标的信息熵值；Z为最大熵；D为判定指标，敏感因子，即最大熵与信息熵之差比最大熵。

8.根据权利要求1所述的熵维度与最大熵增量群的股市投资者情绪指标选择方法，其特征在于，所述优选模块的多种状态的信息熵的状态数目u，2≤u≤100w，w应大于单个指标的样本数目；集群数量为u-1次的计算结果。

9.根据权利要求1所述的熵维度与最大熵增量群的股市投资者情绪指标选择方法，其特征在于，所述优选模块熵维度，计算主成分分析贡献率的信息熵；再计算信息熵的累计百分比；把平均熵与最大熵的比值作为选择维度的下限；此时熵值对应的维度数量即为投资者情绪代理指标的理论最佳数量；最后结合人为经验与需求留选指标，在聚类分析图谱中，由大类到小类进行分类，在每个类别中均衡选择指标。