[发明专利]股票收益风险预测方法、装置、计算设备及存储介质

权利要求书

1.一种股票收益风险预测方法，其特征是采集并预处理当前时刻之前的股票收盘价数据，获得股票收益率数据；

利用股票收益率数据建立预测模型：

将股票收益率数据分组，每组数据量相同，按照分组分别进行最小二乘拟合，获得每组回归系数和均方误差，选取均方误差最小的一组所对应的回归系数并选取均方误差最小值开方后作为波动率下限

将带回每组股票收益率数据，计算每组的拟合偏差，选取拟合偏差最小值作为拟合偏差下限μ，选取拟合偏差最大值作为拟合偏差上限

将股票收益率数据重新分组，新分组中数据量小于原分组，根据新分组计算原分组的各组标准差，根据标准差再次计算原分组中每组的均方误差，选取其中均方误差最大值开方后作为波动率上限

获得预测模型参数

利用预测模型分析未来时刻的股票收盘价数据，预测股票收益风险：基于预测模型代入预测模型参数和未来时刻的股票收盘价数据，获得预测股票收益率，根据所述预测股票收益率所在的收益区间进行风险判断。

2.根据权利要求1所述的一种股票收益风险预测方法，其特征是所述获得股票收益率数据，包括：

利用公式计算股票的每日收益率，Close_t表示第t日股票收盘价数据，Close_t+1表示第t+1日的股票收盘价数据。

3.根据权利要求1所述的一种股票收益风险预测方法，其特征是所述根据所述预测股票收益率所在的收益区间进行风险判断，包括：

所述预测股票收益率落入[-0.1,0]的收益区间，表示存在买入损失风险；

所述预测股票收益率落入[0,0.02]的收益区间，表示存在买入收益几率；

所述预测股票收益率落入[0.02,0.1]的收益区间，表示存在买入收益几率。

4.根据权利要求1所述的一种股票收益风险预测方法，其特征是所述预处理股票收盘价数据，包括:

针对缺失数据进行数据样本补全；

针对数据特征过多，进行数据样本筛选；

针对数据不平衡采用SWOTE算法生成类别少的数据样本。

5.根据权利要求1所述的一种股票收益风险预测方法，其特征是所述将股票收益率数据分组，每组数据量相同，按照分组分别进行最小二乘拟合，获得每组回归系数和均方误差，包括：

将总数据量T划分为m组，m＝T-n+1，每组有n个数据量，

对于第L组，建立股票收益率随机变量y与解释变量x的最小二乘回归方程：

代入数据获得及μ_L，

对于第L组内每一个数据样本，利用如下表达式：

计算误差，并利用如下表达式：

获得均方误差

6.根据权利要求1所述的一种股票收益风险预测方法，其特征是所述将带回每组股票收益率数据，计算每组的拟合偏差，选取拟合偏差最小值作为拟合偏差下限μ，选取拟合偏差最大值作为拟合偏差上限包括：

将带回每组股票收益率数据中，利用如下表达式：

计算每组的拟合偏差，

选取m组中拟合偏差最小值作为拟合偏差下限μ，选取拟合偏差最大值作为拟合偏差上限

7.根据权利要求1所述的一种股票收益风险预测方法，其特征是获得波动率上限包括：

将股票收益率数据重新分为P＝T/n₁组，且有n₁n，

利用如下表达式：

计算原有m组的各组标准差

利用如下表达式：

再次计算原有m组中每组的均方误差，

选取其中均方误差最大值开方后作为波动率上限