[发明专利]一种股票选股与交易策略的五因子评估及多策略组合优化方法

权利要求书

1.一种股票选股与交易策略的五因子评估及多策略组合优化方法通过以下技术方案实现：

步骤一：策略卡生成，对于给定的策略G，通过时间窗口回测方法计算使用策略G买卖股票的每日收益及累积收益等，并以此分别计算该策略的五因子属性的值，最终生成相应的策略卡；

步骤二：用户画像构建，前端服务器采用html5网页服务器、Django Web服务器、MySQL数据库的组合作为前端系统的前端和管理系统，前端服务器与投资者进行交互，前端网页服务器与投资者交互，并根据交互获取的用户需求和投资偏好对用户进行“画像”，并通过五因子模型进行可量化描述；

步骤三：策略卡的个性化养成，根据步骤二中用户的画像自动化搜索与之适配的策略卡；策略卡在被使用时，将在其选股策略中融入投资者的需求，在候选集中优先选取投资者偏好的股票；此外，策略卡的五因子属性也将随着每日的交易收益、投资者评价等进行演化；

步骤四：多策略的优化组合；给定策略卡池，根据步骤二中投资者的画像，从策略卡池中选取一组策略卡，并进行有序排列，在满足投资者需求的同时实现效能的最大化。

2.根据权利要求1所述股票选股与交易策略的五因子评估及多策略组合优化方法，通过以下步骤实现：

步骤一：本实施方式首先给出股票策略G五维因子评估的描述与量化计算公式，具体如下：“进攻力F”反映了目标策略的盈利能力，与回测时间窗口的累积收益率成正比，表示为：

，

其中，|C|为回测窗口的周期（日、周、月、季、半年、年等）长度，I_k为第k个周期的收益率；

“防御力D”反映了目标策略防范风险R（即投资损失）的能力，与回测时间窗口的累积损失率成反比，表示为：

，

其中，表示第k个周期的投资损失率；

“激进力S”反映了投资策略的稳定性，表示为：

，

其中，为论域U的第k个周期的收益率，论域U为策略的候选股票集合，表示η范距离（η=1,2,…,∞）；

“亲和力A”反映了所有投资者对目标策略的使用体验（如:点赞、中性、打压），表示为：

，

其中，表示第k个周期投资者群体对目标策略G的点赞数量，表示第k个周期投资者群体对目标策略G持中性态度的数量，表示第k个周期投资者群体对目标策略G持打压态度的数量；

“生存力V”刻画了在整个回测时间窗口中目标策略G在全总策略集中的排名及演化，表示为：

，

其中，表示第k个周期目标策略G在全总策略集中的排名；

需要说明的是，在具体实施时可以是对一个评价因子维度的排名，也可以是对所有评价因子维度的综合排名，并且可以根据现实需求对不同的评价因子设计不同的权重；

为了使上述五维因子可加权计算，对各因子使用min-max归一化处理，

，

其中，其中max为目标数据x在回测时间窗口的最大值，min为目标数据x在回测时间窗口的最小值；

股票策略G五维因子评估评分通式如下所示，

，

其中，为权重参数；

将所有策略基于五维因子生成相应的策略卡，并根据评估通式给予相应的评分，而评分将成为策略卡定级和定价的重要依据，即策略卡评分与其级别L和价格P成正比关系，如下所示：

；

步骤二：由html5网页服务器和DjangoWeb服务器构成的网页前端子系统提供了一份可映射为五因子模型的电子调查问卷；投资者可以与网页前端子系统进行交互，在此过程中获得投资者需求的五因子模型配置参数信息，将此信息发送至MySQL数据库中相应的用户画像表中，并产生一条查询命令给后台功能模块；

步骤三：策略乐高着眼于在实现投资者需求的同时实现购买策略卡成本最小化目标，即给定某组五维因子的需求来寻求最小花费成本的策略卡组合，在实际的应用中投资者一次策略乐高能够使用的策略卡最大数量为n(n=3,4,…,N)（需要说明的是当投资者一次使用策略卡的数量m(mn），则投资者为此支付的花费远大于其购买策略卡的开销，称为非理性投资，本专利假设投资者在购买投资工具时是理性的),且每张策略卡G有其对应的价格P_G，该问题可以归约为知名的NP-完全问题——（高维）0-1背包问题：

，

为此，本专利提供一个基于贪心策略搜索模型：

步骤三一：将投资者的需求转化为一个二元组，其中，为投资者给定的五维因子参数, 为其能够支付的价格，并将其提交给搜索引擎；

步骤三二：使用skyline算法对所有策略卡进行占优排序；

步骤三三：初始化策略乐高Φ={ }，递归地使用贪心策略，搜索满足的最近占优策略卡G_i，其中i≤m；若存在，更新策略乐高Φ=Φ∪{G_i}；如果，则将当前策略乐高Φ返回，算法结束；否则，算法向前回溯，将策略乐高Φ中候选策略卡G_i-1用替换（其中，为G_i-1的最近占优策略卡），再次搜索满足的最近占优策略卡G_i，直到得到满足条件的策略乐高Φ；

步骤四：投资者可以根据策略乐高在时间窗口的实测情况来调整五因子模型的参数，从而使得投资实践所得进一步趋近于投资心理预期，具体步骤如下所示：

步骤四一：投资者根据策略乐高的实战情况，通过前端网页服务器将五维因子参数从更新为；

步骤四二：若当前策略乐高Φ的策略卡数量小于m,则后台搜索引擎搜索最近占优策略卡G，如果G满足Φ+{G}占优，且，那么返回策略卡G，算法结束；否则转入步骤四三，进行n-阶回溯；

步骤四三：依次从当前的策略乐高Φ中选取t(t=1,2,…m)张候选策略卡，由后台搜索引擎搜索t张对应的最近占优策略卡，替换原来的策略卡，生成策略乐高，使得占优，若更新后策略乐高的价格，则将新的策略乐高返回，算法结束，否则转入步骤四四；

步骤四四：将新的策略乐高与相应的价格差额返回前端网页服务器，与投资者进行交互，若投资者同意该方案，则结束，否则返回五维因子修正页面，跳入步骤四一。