[发明专利]结合大数据舆情分析与融合模型的多因子交易方法

权利要求书

1.一种结合大数据舆情分析与融合模型的多因子交易方法，其特征在于，所述方法包括：

获取用户对目标交易对象的评论信息；

根据所述评论信息对至少一种交易因子进行预处理；

将预处理后的至少一种交易因子和所述目标交易对象的相关交易信息输入融合模型进行回测，得到所述目标交易对象的预测交易数据；

将所述预测交易数据发送至客户端，所述预测交易数据用于供所述客户端对应的用户确定是否对所述目标交易对象进行交易。

2.根据权利要求1所述的方法，其特征在于，所述将预处理后的至少一种交易因子和所述目标交易对象的相关交易信息输入融合模型进行回测，包括：

将预处理后的至少一种交易因子和所述目标交易对象的相关交易信息输入第一融合模型进行非行业中性回测；和/或，

将预处理后的至少一种交易因子和所述目标交易对象的相关交易信息输入第二融合模型进行行业中性回测。

3.根据权利要求1所述的方法，其特征在于，所述评论信息包括以下信息中的至少一种：

是否推荐对所述目标交易对象进行交易；

对所述目标交易对象进行交易时的时间；

对所述目标交易对象进行交易时的价格；

所述目标交易对象交易之后的盈利能力；

所述目标交易对象交易之后的风险指数。

4.根据权利要求3所述的方法，其特征在于，所述根据所述评论信息对至少一种交易因子进行预处理，包括：

将所述评论信息与各个交易因子进行匹配；

降低与评论信息的匹配度低于预设阈值的交易因子的权重。

5.根据权利要求1所述的方法，其特征在于，所述目标交易对象为股票，所述至少一种交易因子还包括以下信息中的至少一种：

目标股票的选股指标为盈利收益率EP时的分值；

目标股票的选股指标为账面市值比BM时的分值；

目标股票的选股指标为现金收益率CR时的分值；

目标股票的选股指标为资产收益率变动ROAC时的分值；

目标股票的选股指标为市盈率相对盈利增长比率PEG时的分值。

6.根据权利要求1至5任一所述的方法，其特征在于，所述融合模型包括随机森林Random forest模型、LightGBM模型、xgboost模型、stacking模型和bagging模型；其中，Random forest模型用于对数据进行分类，所述LightGBM模型和所述xgboost模型用于对数据进行回归；所述stacking模型和所述bagging模型用于融合其它模型的输出结果，得到新的输出结果。

7.根据权利要求6所述的方法，其特征在于，所述将预处理后的至少一种交易因子和所述目标交易对象的相关交易信息输入融合模型之前，所述方法还包括：

将所述目标交易对象的历史交易信息和历史交易因子依次输入所述Random forest模型、所述LightGBM模型、所述xgboost模型、所述stacking模型和所述bagging模型，得到训练结果；

将所述训练结果与所述历史交易信息对应的历史交易数据进行比较，得到比较结果，所述历史交易数据是根据所述历史交易信息进行真实的交易时的交易数据；

检测所述比较结果是否满足预设的训练指标；

在不满足所述预设的训练指标时，调整所述融合模型中的模型参数，重新执行所述将所述目标交易对象的历史交易信息和历史交易因子依次输入所述Random forest模型、所述LightGBM模型、所述xgboost模型、所述stacking模型和所述bagging模型，得到训练结果的步骤，直至所述比较结果满足所述训练指标时停止。