The invention provides a method, device and equipment for selecting a portfolio of securities, which relates to the technical field of securities investment. The method takes the portfolio as the research object, obtains the historical eigenvalues of the historical portfolio, studies the relationship between the historical eigenvalues and the historical returns through the machine learning model, and forecasts the near future returns. Then the machine learning model is optimized by minimizing the difference between the near-term predicted yield and the near-term actual yield. Finally, the next-term yield prediction value is produced by the current eigenvalue and the optimized machine learning model for users to choose according to their needs. Portfolio selection based on portfolio selection can select the best portfolio from all possible portfolios.
【技术实现步骤摘要】
证券投资组合选择方法、装置及设备
本专利技术涉及证券投资
,尤其是涉及一种证券投资组合选择方法、装置及设备。
技术介绍
众所周知,金融市场的投资标的众多。随着经济和金融的发展,投资标的更趋于多样化。拿A股市场来说,目前A股市场总共有2800多只股票,那么由这2800只股票所产生的证券投资组合数量就约有10的33次方之多。称这个10的33次方的投资组合为全域投资组合,英文简称为UPID(UniversalPortfolioIdentity),他们所在的空间称为全域投资组合空间。而传统投资理论由于当时计算能力的限制,所分析的投资组合空间数量远远低于这一数量。因此需要利用最先进的大数据技术,从上述的全域投资组合空间出发,以更广阔的视角去分析A股市场,建立针对于超巨量证券投资组合的机器学习系统,并使其效率和收益会远远超过以往传统的量化投资分析。在新型的量化投资领域中,量化分析师通常是从个股出发,通过统计学方法或者机器学习来预测、挑选股票。这些方法在一定程度上克服了传统投资领域的缺点,但这种方法所生产出的组合,并不是全局最优组合。
技术实现思路
有鉴于此,本专利技术的目的在于提供一种证券投资组合选择方法、装置及设备,以投资组合为研究对象,从所有可能的投资组合中选择并生成最优投资组合。第一方面,本专利技术实施例提供了一种证券投资组合选择方法,包括机器学习模型,方法包括:获取历史投资组合的历史特征值;将历史特征值输入初始机器学习模型,得到近期收益率预测值;计算近期收益率预测值与近期收益率实际值的差值,确定得到最小差值时对应的模型参数;将模型参数输入初始机器学习模型,得 ...
【技术保护点】
1.一种证券投资组合选择方法,其特征在于,包括机器学习模型,所述方法包括:获取历史投资组合的历史特征值;将所述历史特征值输入初始机器学习模型,得到近期收益率预测值;计算所述近期收益率预测值与近期收益率实际值的差值,确定得到最小所述差值时对应的模型参数;将所述模型参数输入所述初始机器学习模型,得到优化机器学习模型;将当期特征值输入所述优化机器学习模型,得到下期收益率预测值,供用户进行证券投资组合选择。
【技术特征摘要】
1.一种证券投资组合选择方法,其特征在于,包括机器学习模型,所述方法包括:获取历史投资组合的历史特征值;将所述历史特征值输入初始机器学习模型,得到近期收益率预测值;计算所述近期收益率预测值与近期收益率实际值的差值,确定得到最小所述差值时对应的模型参数;将所述模型参数输入所述初始机器学习模型,得到优化机器学习模型;将当期特征值输入所述优化机器学习模型,得到下期收益率预测值,供用户进行证券投资组合选择。2.根据权利要求1所述的方法,其特征在于,所述获取历史投资组合的历史特征值的步骤,包括:对所述历史投资组合按照预定规则进行筛选,得到目标投资组合;获取所述目标投资组合中的特征值数据,所述特征值数据包括技术指标、基本面指标、统计指标和频谱特征;对所述特征值数据进行处理和计算,得到所述历史特征值。3.根据权利要求2所述的方法,其特征在于,所述对历史投资组合按照预定规则进行筛选,得到目标投资组合的步骤,包括:选择满足预定规则的历史投资组合,作为待选投资组合;从所述待选投资组合中选取个股相关性较低的目标投资组合。4.根据权利要求1所述的方法,其特征在于,所述计算所述近期收益率预测值与近期收益率实际值的差值,确定得到最小所述差值时对应的模型参数的步骤,包括:通过历史特征值预测相应投资组合的近期收益率,以得到近期收益率预测值;获取所述历史特征值对应的投资组合在近期的所述收益率实际值;将所述近期收益率预测值与近期收益率实际值的差值作为目标函数,获取所述目标函数值最小时对应的模型参数。5.根据权利要求1所述的方法,其特征在于,所述将当期特征值输入所述优化机器学习模型,得到下期收益率预测值,供用户进行证券投资组合选择的步骤,包...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。