[发明专利]基于数据分析的多因子选股方法和装置在审
申请号: | 201910031740.4 | 申请日: | 2019-01-14 |
公开(公告)号: | CN109903156A | 公开(公告)日: | 2019-06-18 |
发明(设计)人: | 蒋逸文;王超;陈泽晖;黄鸿顺 | 申请(专利权)人: | 平安科技(深圳)有限公司 |
主分类号: | G06Q40/04 | 分类号: | G06Q40/04;G06Q40/06 |
代理公司: | 北京英特普罗知识产权代理有限公司 11015 | 代理人: | 林彦之 |
地址: | 518000 广东省深圳市福田区福*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 市场状态 预设时间周期 数据分析 时间段 方法和装置 市场动态 数据库 股票预测 历史数据 因子计算 预设规则 股票 参考 查询 情报 投资 | ||
1.一种多因子选股方法,其特征在于,包括以下步骤:
从数据库获取历史市场动态数据中预设时间周期的市场动态数据和所述预设时间周期各区间对应的选股因子;
按照预设规则确定出所述预设时间周期的市场动态数据各区间的市场状态,并生成各区间的市场状态对应的标记;
从所述数据库获取当前时间段的市场状态数据,并按照所述预设规则确定出所述当前时间段的市场状态数据所处的市场状态;
根据所述预设时间周期内各区间的市场状态对应的标记,从所述预设时间周期的市场状态数据中查询出与所述当前时间段的市场状态数据所处的市场状态相同的区间;
根据确定出的区间对应的选股因子,计算所述当前时间段各股票的涨跌分值,以利用所述涨跌分值进行选股。
2.根据权利要求1所述的多因子选股方法,其特征在于,按照预设规则确定出所述预设时间周期的市场动态数据各区间的市场状态包括:
获取所述预设时间周期的市场动态数据中的关键拐点,其中,所述关键拐点为该市场状态数据中的顶点和/或谷点;
获取相邻两个关键拐点之间的市场动态数据,按照时间顺序计算出对应的涨跌状态;
根据所述涨跌状态确定出各区间的市场状态。
3.根据权利要求2所述的多因子选股方法,其特征在于,根据所述涨跌状态确定出各区间的市场状态包括:
当相邻两个关键拐点之间的市场动态数据为按照时间顺序持续上涨时,则确定该相邻两个关键拐点之前的市场动态为夏;
当相邻两个关键拐点之间的市场动态数据为按照时间顺序波动上涨时,则确定该相邻两个关键拐点之前的市场动态为春;
当相邻两个关键拐点之间的市场动态数据为按照时间顺序持续下跌时,则确定该相邻两个关键拐点之前的市场动态为冬;
当相邻两个关键拐点之间的市场动态数据为按照时间顺序波动下跌时,则确定该相邻两个关键拐点之前的市场动态为秋。
4.根据权利要求1所述的多因子选股方法,其特征在于,根据确定出的区间对应的选股因子,计算所述当前时间段各股票的涨跌分值包括:
对于每只股票,计算所述确定出的区间对应的选股因子对应的IC值;
确定出每个选股因子对应的权重;
根据计算出的影响分值和每个选股因子对应的权重计算得到各股票的涨跌分值。
5.根据权利要求4所述的多因子选股方法,其特征在于,通过以下公式计算所述涨跌分值:
Zn=q1*IC1+q2*IC2…+qm*ICm
其中,Zn表示第n只股票的涨跌分值,qm表示第m个选股因子对应的权重,ICm表示第m个选股因子对应的IC值。
6.根据权利要求1所述的多因子选股方法,其特征在于,在从数据库获取历史市场动态数据中预设时间周期的市场动态数据和所述预设时间周期各区间对应的选股因子之前,还包括:
根据预先建立的因子库,计算所有因子在所述预设时间周期内各区间对应的IC值;
根据每个因子在各区间对应的IC值判断该因子是否是该区间的有效因子;
将各区间确定出的有效因子作为该区间对应的选股因子,建立选股因子与区间的对应关系。
7.根据权利要求1-6任一项所述的多因子选股方法,其特征在于,根据每个因子在各区间对应的IC值判断该因子是否是该区间的有效因子包括:
判断所述IC值是否大于预设阈值;
当所述IC值大于所述预设阈值时,确定该因子是该区间的有效因子。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910031740.4/1.html,转载请声明来源钻瓜专利网。
- 上一篇:IIFT区块链共识算法
- 下一篇:一种基于LSTM网络的A股仓位动态调整方法