[发明专利]一种基于因子分析预测股票大盘势能指数的方法、系统及电子设备

说明书

本发明涉及一种基于因子分析预测股票大盘势能指数的方法、系统及电子设备，所述方法，包括：数据抓取；数据预处理及指标构建；获取概率模型；可视化展示；所述系统设有下述组成部件：数据库构建模块、预处理模块、指标构建模块、概率模型训练模块、市场预测模块、可视化交互模块；所述电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时可实现所述的方法。本发明能综合度量与公司股价相关的多种因子，为每个因子赋予相应的权重，构建影响公司股价变动的指标，为投资者提供股票市场未来走势的预测。

技术领域

本发明涉及大数据分析技术领域，特别是涉及一种基于因子分析预测股票大盘势能指数的方法、系统及电子设备。

背景技术

股票数据是一种非线性、非平稳的信号，并且含有大量的噪声，已有预测算法多数仅适合于平稳随机信号。在1999年，黄锷提出了一种经验模态分解的方法，适用于非平稳环境，所以非常适合于股票数据分析与预测。尽管随着现代信号处理技术的进步，一些时间序列预测算法逐渐被加入到股票预测的大家庭中，著名的算法包括移动平均、加权移动平均、指数平滑、线性与非线性回归等，但这些算法都存在滞后性较大的问题。后来优化的基于经验模态分解(EMD)加深度自编码器的算法，同样可以用来预测A股大盘指数的走势，但不利于预测突发事件的影响程度，也不便于投资者直观得出投资决策。

发明内容

针对上述现有技术的缺点，本发明的目的是提供一种基于因子分析预测股票大盘势能指数的方法、系统及电子设备，克服了现有股票分析与预测结果的滞后性，同时具有较强的可视化，更方便用户直接从中获取选股信息。

为实现上述目的，本发明的技术方案如下：

基于本发明的一个方面，提供了一种基于因子分析预测股票大盘势能指数的方法，所述方法包括：

数据抓取：实时抓取金融相关数据并将抓取到的金融数据存储在数据库中；数据预处理及指标构建：并将所述上市公司金融数据分类为基本面数据、技术面数据、消息面数据三大指标，给不同指标赋予不同的权重；

概率模型训练及市场预测：获取概率模型，用所述基本面数据、技术面数据、消息面数据对所述概率模型进行训练，获得可以预测股票大盘势能指数的数据结果；

可视化展示:将所述可以预测股票大盘势能指数的数据结果转化为可视化图表进行展示，可视化展示包括大盘势能指标展示、行业板块收益展示、个股信息展示。

优选地，所述可以预测股票大盘势能指数的数据结果包括对未来某一特定时间段内大盘势能指标预测结果、对未来某一行业版块趋势的预测结果、个股的预测结果。

优选地，所述大盘势能指标展示时，在可视化页面形成三个指针盘，分别是未来一周、未来一个月和未来三个月的大盘势能指标预测盘，呈圆盘状，有指针指出所预测数据，并可以选取不同的日期查看自当天起至未来一周或至未来一个月或至未来三个月的大盘势能指标。

优选地，所述行业板块展示通过绘制图形，用面积大小直观地表示未来某一行业版块趋势，当未来某一行业版块趋势上涨概率较大，其可视化图形的面积越大。

优选地，所述个股展示，通过构建股票的阿尔法指数，若阿尔法大于零，说明当前股票价格被低估；若阿尔法小于零，说明当前股票价格被高估，选取阿尔法数值为正的股票作为准备向用户推荐的股票进行展示。

优选地，所述行业板块展示包括该行业内个股推荐展示，通过个股所在行业板块中对应的方形可获得该个股过去两个月历史走势图、相关新闻以及风险测度，其中，所述风险测度为每个风险指标计算相应的风险值，所述风险指标包括产品风险、经营风险、生产风险、财务风险。

基于本发明的另一个方面，提供了一种基于因子分析预测股票大盘势能指数的系统，所述系统设有下述组成部件：