[发明专利]一种基于稀疏表示的股票风险预测系统和方法

权利要求书

1.一种基于稀疏表示的股票风险预测系统，其特征在于，包括数据输入模块、滚动风险计算模块、股票风险映射矩阵模块、lasso回归预测模块和误差评估模块；

所述数据输入模块的输出端与所述滚动风险计算模块的输入端电性连接，所述滚动风险计算模块的输出端与所述股票风险映射矩阵模块的输入端电性连接，所述股票风险映射矩阵模块的输出端与所述lasso回归预测模块的输入端电性连接，所述lasso回归预测模块的输出端与所述误差评估模块输入端电性连接；

所述数据输入模块用于采集不同上市公司某一周期内每日的股票收益率，并将其传输到滚动风险计算模块；

所述滚动风险计算模块用于对接收到的原始收益率数据进行滚动的标准差计算，构造滚动风险矩阵；

所述股票风险映射矩阵模块用于提取滚动风险矩阵中特定时间间隔对应的列形成新矩阵并将其转置，同时扩充一列常数列形成风险映射矩阵X，X矩阵将上述数据进行线性组合，并输入lasso回归预测模块中进行风险预测；

所述lasso回归预测模块利用风险映射矩阵的数据，对下一个交易日的收益风险进行预测并得出预测数据，之后传输到误差评估模块；

所述误差评估模块用于将系统的预测数据与对应交易日的预测值进行比较计算，得出相对误差。

2.根据权利要求1所述的一种基于稀疏表示的股票风险预测系统，其特征在于，所述滚动风险计算模块包括以下算法：对n个公司股票进行采集，其中共有各公司t个交易日的数据，从而组成一个t×n维矩阵，针对矩阵的1-10行，对于每一列的不同公司，利用标准差计算公式：

能够得出1-10日的股票风险向量σ₁[1×n]；相应地，利用2-11日，3-12日等等的数据能够得出风险向量σ₂,σ₃,...,σ_(t-9)；将各向量按行排列，形成滚动风险矩阵A_(t-9)×n，

即矩阵的行为n个公司的风险值。

3.根据权利要求2所述的一种基于稀疏表示的股票风险预测系统，其特征在于，所述股票风险映射矩阵模块包括以下算法：在滚动风险矩阵A_(t-9)×n中提取第i到第i+w列形成新矩阵并将其进行转置，同时扩充一列常数列形成风险映射矩阵X；X矩阵的构造将w+1列数据进行线性组合，预测第i+w+1个风险数据，否则，下一个风险将难以通过lasso回归预测模块得出；

假设现在基于时间节点i，从风险矩阵提取时间宽度为w的最近的一个时间窗口内的数据，将之和向量1组成一个新矩阵(X⁽ⁱ⁾)^T作为自变量矩阵；获取第i+1个数据(y⁽ⁱ⁾)^T作为因变量，其中:

4.根据权利要求3所述的一种基于稀疏表示的股票风险预测系统，其特征在于，在所述lasso回归预测模块中，把X⁽ⁱ⁾,y⁽ⁱ⁾,w导入lasso代价函数中，得到如下：

其中||β⁽ⁱ⁾||₁表示参数β⁽ⁱ⁾的L1正则化，β⁽ⁱ⁾∈R^(w+1)×1,i＝w,w+1,...,t-9；目标是通过坐标轴下降法得出使得lasso代价函数J_L(β⁽ⁱ⁾)最小的β⁽ⁱ⁾。

5.根据权利要求4所述的一种基于稀疏表示的股票风险预测系统，其特征在于，所述坐标轴下降法把β⁽ⁱ⁾向量随机取一个初始值，记为下标的数字代表迭代的轮数，当前初始轮数为0；

接着对于第k轮的迭代，从开始，到结束，依次求w表达式如下：

也就是说是使最小化时候的的值，此时J(β⁽ⁱ⁾)只有β^(i,j)是变量，其余均为常量，因此最小值通过求导求得。

然后检查和向量在各个维度上的变化情况，如果在所有维度上都足够小，那么为最终结果，否则继续进行迭代更新。