智能证券投资组合选择方法、装置及设备制造方法及图纸

本发明专利技术提供了一种智能证券投资组合选择方法、装置及设备，涉及证券投资的技术领域，通过获取外部系统生产的股票组合数据实现对待选股票组合数据的不断补充和更新，以获得所有可获得的股票组合数据信息，实现从所有可能的投资组合中选择出最优投资组合。获取目标投资组合数据并对它进行分布式预处理和计算，可以去除无效数据提高数据质量，将数据归一化为适合于机器学习的形态。通过对历史数据进行训练，优化机器学习模型，用当期数据预测下期收益率提供给用户选择，使一般民众也能够根据自己的需求定制属于自己的最优投资组合。

Intelligent portfolio selection method, device and equipment

The invention provides an Intelligent Portfolio Selection method, device and equipment, which relates to the technical field of securities investment. By acquiring the portfolio data produced by an external system, the method realizes the continuous supplement and update of the portfolio data for the selected stocks, so as to obtain all available portfolio data information and realize the realization from all. The best portfolio can be selected in the possible portfolio. Obtaining the target portfolio data and performing distributed preprocessing and calculation can remove invalid data and improve data quality, and normalize the data into a form suitable for machine learning. Through the training of historical data, the machine learning model is optimized, and the current data is used to predict the next yield to provide users with choices, so that ordinary people can customize their own optimal portfolio according to their own needs.

【技术实现步骤摘要】
智能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
，尤其是涉及一种智能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。我们称这个10的33次方的投资组合为全域投资组合，英文简称为UPID(UniversalPortfolioIdentity)，它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。因此我们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客服了传统投资领域的缺点，但这种方法所选择出的组合，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智能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智能证券投资组合选择方法，包括：数据更新部分、预处理和计算部分、机器学习部分，方法的骤为：获取外部系统生产的股票组合数据；根据股票组合数据更新投资组合数据库；筛选投资组合数据库数据，以获取目标投资组合数据；对目标投资组合数据进行预处理和计算，以得到历史特征值；根据历史特征值对机器学习模型进行训练，以得到优化机器学习模型；获取最新特征值，并通过优化机器学习模型对最新投资组合收益率进行预测，以得到最新投资组合的下期预测收益率供用户选择。结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，筛选投资组合数据库数据，以获取目标投资组合数据的步骤，包括：根据预先设置的规则，从投资组合数据库中选择投资组合；从投资组合中选取个股相关性较低的目标投资组合。结合第一方面，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，根据历史特征值对机器学习模型进行训练，以得到优化机器学习模型的步骤，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；获取历史特征值对应的投资组合在近期的收益率实际值；将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，获取目标函数值最小时对应的模型参数。结合第一方面，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，根据股票组合数据更新投资组合数据库的步骤，包括：将股票组合数据中的投资组合数据与投资组合数据库中现有数据进行比较；若股票组合数据中的投资组合数据未出现在现有投资组合数据库中，则赋予该投资组合数据新的标识，并添加到投资组合数据库中。结合第一方面，本专利技术实施例提供了第一方面的第四种可能的实施方式，方法还包括客户端，用于接收并反馈用户输入的筛选条件，以提供最终选定的投资组合数据。结合第一方面，本专利技术实施例提供了第一方面的第五种可能的实施方式，方法还包括辅助部分，用于更新投资组合数据库中其他数据。第二方面，本专利技术实施例还提供一种智能证券投资组合选择装置，包括：数据更新部分、预处理和计算部分、机器学习部分，装置包括：数据获取模块，用于获取外部系统生产的股票组合数据；数据更新模块，用于根据股票组合数据更新投资组合数据库；数据筛选模块，用于筛选投资组合数据库数据，以获取目标投资组合数据；数据处理计算模块，用于对目标投资组合数据进行预处理和计算，以得到历史特征值；训练模块，用于根据历史特征值对机器学习模型进行训练，以得到优化机器学习模型；预测模块，用于获取最新特征值，并通过优化机器学习模型对最新投资组合收益率进行预测，以得到最新投资组合的下期预测收益率供用户选择。结合第二方面，本专利技术实施例提供了第二方面的第一种可能的实施方式，装置还包括交互模块，用于接收并反馈用户输入的筛选条件，以提供最终选定的投资组合数据。结合第二方面，本专利技术实施例提供了第二方面的第二种可能的实施方式，装置还包括辅助模块，用于更新投资组合数据库中其他数据。第三方面，本专利技术实施例还提供一种电子设备，包括存储器、处理器，存储器中存储有可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述上述第一方面及其可能的任意一种实施方式。本专利技术实施例带来了以下有益效果：本专利技术实施例提供的智能投资组合选择方法、装置及设备，通过获取外部系统生产的股票组合数据实现对待选股票组合数据的不断补充和更新，以获得所有可获得的股票组合数据信息，实现从所有可能的投资组合中选择出最优投资组合。获取目标投资组合数据并对它进行分布式预处理和计算，可以去除无效数据提高数据质量，将数据归一化为适合于机器学习的形态。通过对历史数据进行训练，优化机器学习模型，用当期数据预测下期收益率提供给用户选择，使一般民众也能够根据自己的需求定制属于自己的最优投资组合。本公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本公开的上述技术即可得知。为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的智能证券投资组合选择方法流程图；图2为本专利技术实施例提供的智能证券投资组合选择方法中模型参数获得方法的流程图；图3为本专利技术实施例提供的智能证券投资组合选择装置的结构框图；图4为本专利技术实施例提供的智能证券投资组合选择装置的包含交互模块的结构框图；图5为本专利技术实施例提供的智能证券投资组合选择装置的包含辅助模块的结构框图；图6为本专利技术实施例提供的智能证券投资组合选择子设备的结构框图。图标：31-数据获取模块；32-数据更新模块；33-数据筛选模块；34-数据处理计算模块；35-训练模块；36-预测模块；37-交互模块；38-辅助模块；61-存储器；62-处理器。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。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。我们称这个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本文档来自技高网...

【技术保护点】
1.一种智能证券投资组合选择方法，其特征在于，包括：数据更新部分、预处理和计算部分、机器学习部分，所述方法的骤为：获取外部系统生产的股票组合数据；根据所述股票组合数据更新投资组合数据库；筛选所述投资组合数据库数据，以获取目标投资组合数据；对所述目标投资组合数据进行预处理和计算，以得到历史特征值；根据所述历史特征值对机器学习模型进行训练，以得到优化机器学习模型；获取最新特征值，并通过所述优化机器学习模型对最新投资组合收益率进行预测，以得到所述最新投资组合的下期预测收益率供用户选择。

【技术特征摘要】
1.一种智能证券投资组合选择方法，其特征在于，包括：数据更新部分、预处理和计算部分、机器学习部分，所述方法的骤为：获取外部系统生产的股票组合数据；根据所述股票组合数据更新投资组合数据库；筛选所述投资组合数据库数据，以获取目标投资组合数据；对所述目标投资组合数据进行预处理和计算，以得到历史特征值；根据所述历史特征值对机器学习模型进行训练，以得到优化机器学习模型；获取最新特征值，并通过所述优化机器学习模型对最新投资组合收益率进行预测，以得到所述最新投资组合的下期预测收益率供用户选择。2.根据权利要求1所述的方法，其特征在于，所述筛选所述投资组合数据库数据，以获取目标投资组合数据的步骤，包括：根据预先设置的规则，从所述投资组合数据库中选择投资组合；从所述投资组合中选取个股相关性较低的目标投资组合。3.根据权利要求1所述的方法，其特征在于，所述根据所述历史特征值对机器学习模型进行训练，以得到优化机器学习模型的步骤，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。4.根据权利要求1所述的方法，其特征在于，所述根据所述股票组合数据更新投资组合数据库的步骤，包括：将所述股票组合数据中的投资组合数据与投资组合数据库中现有数据进行比较；若所述股票组合数据中的投资组合数据未出现在现有投资组合数...

【专利技术属性】
技术研发人员：张家林，
申请(专利权)人：张家林，
类型：发明
国别省市：四川,51