基于主成分分析法预测收益的方法、装置、设备及介质制造方法及图纸

本发明专利技术公开基于主成分分析法预测收益的方法、装置、设备及介质,该方法包括：获取股票市场中的控制面变量,所述控制面变量包括宏观经济变量和原始变量；基于主成分分析法对控制面变量进行处理并获取情绪综合指标ISI；利用情绪综合指标ISI构建预测市场收益的回归模型,并基于回归模型预测市场收益；所述市场收益包括短期市场收益和长期市场收益。本发明专利技术填补现有中尚缺少采用主成分分析法并基于投资者情绪对市场收益进行预测的技术方案的空白。

Principal Component Analysis Method for Predicting Income: Method, Device, Equipment and Media

The invention discloses a method, device, equipment and medium for predicting returns based on principal component analysis method, which includes: acquiring control surface variables in stock market, which include macroeconomic variables and original variables; processing control surface variables based on principal component analysis method and obtaining emotional comprehensive index ISI; constructing prediction market returns based on emotional comprehensive index ISI A regression model is used to predict market returns, which include short-term market returns and long-term market returns. The invention fills in the blank of the existing technical scheme that still lacks the principal component analysis method and predicts market returns based on investor sentiment.

【技术实现步骤摘要】
基于主成分分析法预测收益的方法、装置、设备及介质
本专利技术涉及数据处理领域,尤其涉及基于主成分分析法预测收益的方法、装置、设备及介质。
技术介绍
传统金融学理论是一种比较理论化的金融学，其最显著的特点是将“有效市场假说”作为解决市场金融问题的关键，其往往将市场条件理想化，并在此基础上运用各种数学公式对金融投资问题进行解释，但是市场是变幻莫测的，特别是在存在缺陷的中国市场，股票市场一直存在较大的波动，经常出现一些暴涨暴跌的现象，传统金融理论并不能完全解释其中的原因。因此人们在传统金融学的基础上又发展出了行为金融学。而投资者情绪理论自诞生以来，一直都是行为金融学研究的重点。其相关内容包括情绪测度、情绪对股票市场的作用机理等。国内有关投资者情绪理论的相关研究仍然处于起步阶段，没有形成系统性的研究，对于一些问题也没有具体结合中国金融市场的特征进行独到地分析，所以从中国市场的角度出发，深化该理论的相关研究是十分必要与迫切的。针对相关技术中的上述问题,目前尚缺较佳的技术方案。
技术实现思路
本专利技术的解决的技术问题是提供一种基于主成分分析法预测收益的方法、装置、设备及介质,以至少填补现有中尚缺少利用投资者情绪对市场影响进行准确预测的技术方案的空白。根据本专利技术的第一方面,提供一种基于主成分分析法预测收益的方法,所述方法包括：获取股票市场中的控制面变量,所述控制面变量包括宏观经济变量和原始变量；基于主成分分析法对控制面变量进行处理并获取情绪综合指标ISI；利用情绪综合指标ISI构建预测市场收益的回归模型,并基于回归模型预测市场收益；所述市场收益包括短期市场收益和长期市场收益。优选地,所述获取测度情绪的控制面变量包括：获取股票市场中的原始变量,所述原始变量包括月度新增开户数、流通市值加权市场月换手率、当期沪市股票成交额、封闭式基金折价率以及消费者信心指数；其中,封闭式基金折价率通过下式获取：其中,CEFDit为基金i在t时刻的折价率,NAVit为基金在i在t时刻的基金净值，Pit为基金i在t时刻的交易价格；获取股票市场中的宏观经济变量,所述宏观经济变量包括消费者物价指数、生产者物价指数、宏观致合成指数、宏观先行合成指数、宏观滞后合成指数和宏观预警指数。优选地,所述基于主成分分析法对控制面变量进行处理并获取情绪综合指标ISI包括：对所述原始变量的主变量进行主成分析并获取初步情绪综合指标ISI1,所述主变量包括当期变量和滞后期变量；获取对所述原始变量和初步情绪综合指标ISI1的主变量进行相关性分析的相关系数,并在选取相关系数不小于相关系数阀值的主变量后进行主成分分析,获取剔除滞后响应的情绪综合指标ISI2；对所述宏观经济变量进行主成分分析并获取宏观经济因子MAC，对将宏观经济因子与选取的相关系数不小于相关系数阀值的主变量进行回归运算后获取的残差序列进行主成分析,获取剔除宏观经济变量的情绪综合指标ISI。优选地,所述对所述原始变量的主变量进行主成分析并获取初步情绪综合指标ISI1包括：按以下公式计算每一所述原始变量的主变量的主成分FnFn＝α1nY1+α2nY2+...+αpnYp,n＝1,...,k其中:n为每一主变量包含的变量及主成分的个数,p为每一变量的向量维度,αpn为变量的单位特征根向量,Yp为每一变量标准化后的数据；计算每一主成分Fn的方差贡献率Var(Fn),并将方差贡献率Var(Fn)不小于贡献率阀值Var(FM)的主成分输入如下公式中获取ISI1,M为递减排序的方差贡献率Var(Fn)序列中的位数,且M≤4；M为累加的主成分个数。优选地,所述获取对所述原始变量和初步情绪综合指标ISI1的主变量进行相关性分析的相关系数,并在选取相关系数不小于相关系数阀值的主变量后进行主成分分析,获取剔除滞后响应的情绪综合指标ISI2包括：按以下公式计算每一所述原始变量和初步情绪综合指标ISI1的主变量的相关系数rij其中，X为主变量中的当期变量，Y为主变量中的滞后期变量，Cov(X,Y)为X与Y的协方差，Var[X]为X的方差，Var[Y]为Y的方差；从所有主变量中选取相关系数rij不小于相关系数阀值rm的活跃主变量Varm；按如下公式获取活跃主变量Varm的主成分FiFi＝α1iY1+α2iY2+...+αgiYg,i＝1,...,k其中:m为递减相关系数rij序列中排位序号、活跃主变量Varm中主变量的个数,m≤5,i为每一主变量包含的变量及主成分的个数,g为每一变量的维数,αmi为变量的单位特征根向量,Ym为每一变量标准化后的数据；计算所述主成分Fi的方差贡献率Var(Fi),并将方差贡献率Var(Fi)不小于第二贡献率阀值Var(FD)的主成分输入如下公式中获取剔除滞后响应的情绪综合指标ISI2,D为递减排序的方差贡献率Var(Fi)序列中的位数,且D≤3；D为累加的主成分个数。优选地,所述对所述宏观经济变量进行主成分分析并获取宏观经济因子MAC,对将宏观经济因子与选取的相关系数不小于相关系数阀值的主变量进行回归运算后获取的残差序列进行主成分析,获取剔除宏观经济变量的情绪综合指标ISI包括：按以下公式计算所述宏观经济变量每一变量的主成分FtFt＝α1tY1+α2tY2+...+αptYp,t＝1,...,k其中:t为每一宏观经济变量的变量个数及主成分的个数，p为每一变量的向量维度；αpn为变量的单位特征根向量,Yp为每一变量标准化后的数据；计算每一宏观经济变量的所有主成分Ft的方差贡献率,并从以方差贡献率由高到低排布的每一宏观经济变量的所有主成分Ft中选出每一宏观经济变量的前k个主成分Ft，按以下公式计算总宏观经济变量的第j个主成分COMj；COMj＝α1jY1+α2jY2+...+αpjYp,j＝1,...,r,p＝1,...,k其中,r为选定每一宏观经济变量的前j个主成分的阀值,αpj表示第p个宏观经济变量与其第j个主成分因子的相关系数，Yp为第p个宏观经济变量标准化后的数据；按以下公式计算宏观经济因子MAC按以下公式对活跃主变量Varm和宏观经济因子MAC进行回归运算并获取与活跃主变量Varm个数相同的残差序列:Varm＝αm+βm×MAC+εm,其中,εm为残差序列,m为残差序列的个数，αm为截距项，βm为宏观经济因子的系数；按以下公式计算所述残差序列的每一残差序列的主成分FzFz＝α1zY1+α2zY2+...+αpzYp,z＝1,...,k其中:m为每一残差序列的变量个数及主成分的个数，p为每一变量的向量维度；αpz为变量的单位特征根向量,Yp为每一变量标准化后的数据；计算每一残差序列所有主成分Fz的方差贡献率,并从以方差贡献率由高到低排布的每一残差序列的所有主成分Fz中选出每一残差序列的前w个主成分Fz，按以下公式计算残差序列的第f个主成分Ff；Ff＝α1fY1+α2fY2+...+αpfYp,f＝1,...,w,p＝1,...,k其中,w为选定每一残差数列的前f个主成分的阀值,αpf表示第p个残差序列与其第f个主成分因子的相关系数，Yp为第p个残差序列标准化后的数据；按以下公式计算剔除宏观经济变量的情绪综合指标ISI优选地,所述利用情绪综合指标ISI构建预测市场收益的回归模型,并基于回归模型预测本文档来自技高网...

【技术保护点】
1.一种基于主成分分析法预测收益的方法,其特征在于,所述方法包括：获取股票市场中的控制面变量,所述控制面变量包括宏观经济变量和原始变量；基于主成分分析法对控制面变量进行处理并获取情绪综合指标ISI；利用情绪综合指标ISI构建预测市场收益的回归模型,并基于回归模型预测市场收益；所述市场收益包括短期市场收益和长期市场收益。

【技术特征摘要】
1.一种基于主成分分析法预测收益的方法,其特征在于,所述方法包括：获取股票市场中的控制面变量,所述控制面变量包括宏观经济变量和原始变量；基于主成分分析法对控制面变量进行处理并获取情绪综合指标ISI；利用情绪综合指标ISI构建预测市场收益的回归模型,并基于回归模型预测市场收益；所述市场收益包括短期市场收益和长期市场收益。2.根据权利要求1所述的一种基于主成分分析法预测收益的方法,其特征在于,所述获取测度情绪的控制面变量包括：获取股票市场中的原始变量,所述原始变量包括月度新增开户数、流通市值加权市场月换手率、当期沪市股票成交额、封闭式基金折价率以及消费者信心指数；其中,封闭式基金折价率通过下式获取：其中,CEFDit为基金i在t时刻的折价率,NAVit为基金在i在t时刻的基金净值，Pit为基金i在t时刻的交易价格；获取股票市场中的宏观经济变量,所述宏观经济变量包括消费者物价指数、生产者物价指数、宏观致合成指数、宏观先行合成指数、宏观滞后合成指数和宏观预警指数。3.根据权利要求1所述的一种基于主成分分析法预测收益的方法,其特征在于,所述基于主成分分析法对控制面变量进行处理并获取情绪综合指标ISI包括：对所述原始变量的主变量进行主成分析并获取初步情绪综合指标ISI1,所述主变量包括当期变量和滞后期变量；获取对所述原始变量和初步情绪综合指标ISI1的主变量进行相关性分析的相关系数,并在选取相关系数不小于相关系数阀值的主变量后进行主成分分析,获取剔除滞后响应的情绪综合指标ISI2；对所述宏观经济变量进行主成分分析并获取宏观经济因子MAC，对将宏观经济因子与选取的相关系数不小于相关系数阀值的主变量进行回归运算后获取的残差序列进行主成分析,获取剔除宏观经济变量的情绪综合指标ISI。4.根据权利要求3所述的一种基于主成分分析法预测收益的方法,其特征在于,所述对所述原始变量的主变量进行主成分析并获取初步情绪综合指标ISI1包括：按以下公式计算每一所述原始变量的主变量的主成分FnFn＝α1nY1+α2nY2+...+αpnYp,n＝1,...,k其中:n为每一主变量包含的变量及主成分的个数,p为每一变量的向量维度,αpn为变量的单位特征根向量,Yp为每一变量标准化后的数据；计算每一主成分Fn的方差贡献率Var(Fn),并将方差贡献率Var(Fn)不小于贡献率阀值Var(FM)的主成分输入如下公式中获取ISI1,M为递减排序的方差贡献率Var(Fn)序列中的位数,且M≤4；M为累加的主成分个数。5.根据权利要求4所述的一种基于主成分分析法预测收益的方法,其特征在于,所述获取对所述原始变量和初步情绪综合指标ISI1的主变量进行相关性分析的相关系数,并在选取相关系数不小于相关系数阀值的主变量后进行主成分分析,获取剔除滞后响应的情绪综合指标ISI2包括：按以下公式计算每一所述原始变量和初步情绪综合指标ISI1的主变量的相关系数rij其中，X为主变量中的当期变量，Y为主变量中的滞后期变量，Cov(X,Y)为X与Y的协方差，Var[X]为X的方差，Var[Y]为Y的方差；从所有主变量中选取相关系数rij不小于相关系数阀值rm的活跃主变量Varm；按如下公式获取活跃主变量Varm的主成分FiFi＝α1iY1+α2iY2+...+αgiYg,i＝1,...,k其中:m为递减相关系数rij序列中排位序号、活跃主变量Varm中主变量的个数,m≤5,i为每一主变量包含的变量及主成分的个数,g为每一变量的维数,αmi为变量的单位特征根向量,Ym为每一变量标准化后的数据；计算所述主成分Fi的方差贡献率Var(Fi),并将方差贡献率Var(Fi)不小于第二贡献率阀值Var(FD)的主成分输入如下公式中获取剔除滞后响应的情绪综合指标ISI2,D为递减排序的方差贡献率Var(Fi)序列中的位...

【专利技术属性】
技术研发人员：郭洪飞，邓长兴，张儒，张永衡，夏馗峰，古灏，李键坷，陈敏诗，许春宇，
申请(专利权)人：暨南大学，
类型：发明
国别省市：广东,44