The embodiment of the present invention discloses a stock factor testing method, device, computer equipment and storage medium, in which the methods include: acquiring the historical stock factors in the stock market; standardizing the historical stock factors by Z score; sorting the processed historical stock factors; and taking the processed historical stock factors after sorting as independent variables. The linear regression model is constructed by linear regression analysis fitting, and the correlation test of the independent variables in the linear regression model is carried out by t-test method. The invention is based on data analysis, and can accurately process the stock factor, and validate the stock factor through various data analysis means, so as to ensure the accuracy of stock prediction.
【技术实现步骤摘要】
股票因子检验方法、装置、计算机设备以及存储介质
本专利技术涉及计算机
,尤其涉及一种股票因子检验方法、装置、计算机设备以及存储介质。
技术介绍
目前采用的股票因子检验,大多数是直接获取因子数据,简单粗暴的进行检验,并未对因子数据进行数据分析、以及标准化处理,导致筛选出来的股票因子在实际股票交易中未能真正有效地作为选股的标准,另外,这些无效的股票因子会进一步影响股民对股票的判断,导致股民在买卖股票时判断不准确而造成巨大的经济损失。
技术实现思路
有鉴于此,本专利技术实施例提供一种股票因子检验方法、装置、计算机设备以及存储介质,能够对股票因子进行精确化处理,通过多种数据分析手段对股票因子进行有效性检验,从而保证股票预测的准确性。一方面,本专利技术实施例提供了一种股票因子检验方法,该方法包括:获取股票市场中的历史股票因子;对所述历史股票因子进行z-score标准化处理;将已处理的历史股票因子进行排序;将排序后的已处理的历史股票因子作为自变量,运用线性回归分析拟合构建线性回归模型;采用t检验法对所述线性回归模型中的自变量进行相关性检验。另一方面,本专利技术实施例提供了一种股票因子检验装置,所述装置包括:获取单元,用于获取股票市场中的历史股票因子;标准化处理单元,用于对所述历史股票因子进行z-score标准化处理;排序单元,用于将已处理的历史股票因子进行排序;构建单元,用于将排序后的已处理的历史股票因子作为自变量,运用线性回归分析拟合构建线性回归模型;相关性检验单元,用于采用t检验法对所述线性回归模型中的自变量进行相关性检验。又一方面,本专利技术实施例还提供了一种 ...
【技术保护点】
1.一种股票因子检验方法,其特征在于,所述方法包括:获取股票市场中的历史股票因子;对所述历史股票因子进行z‑score标准化处理;将已处理的历史股票因子进行排序;将排序后的已处理的历史股票因子作为自变量,运用线性回归分析拟合构建线性回归模型;采用t检验法对所述线性回归模型中的自变量进行相关性检验。
【技术特征摘要】
1.一种股票因子检验方法,其特征在于,所述方法包括:获取股票市场中的历史股票因子;对所述历史股票因子进行z-score标准化处理;将已处理的历史股票因子进行排序;将排序后的已处理的历史股票因子作为自变量,运用线性回归分析拟合构建线性回归模型;采用t检验法对所述线性回归模型中的自变量进行相关性检验。2.如权利要求1所述的方法,其特征在于,所述对所述历史股票因子进行z-score标准化处理,包括:使用以下计算公式(1)对所述历史股票因子进行z-score标准化处理:公式(1):其中,xi表示原始股票因子对应的值,xavg表示全部原始股票因子的均值,s表示xi的标准方差,n表示股票因子的总数。3.如权利要求1所述的方法,其特征在于,所述将已处理的历史股票因子进行排序,包括:将已处理的历史股票因子按照特定的时间顺序进行排序,或者将已处理的历史股票因子按照因子的大小进行排序。4.如权利要求1所述的方法,其特征在于,所述将排序后的已处理的历史股票因子作为自变量,运用线性回归分析拟合构建线性回归模型,包括:将排序后的已处理的历史股票因子作为自变量,运用最小二乘法进行拟合并构建线性回归模型;其中,可以使用以下计算公式(2)进行拟合并构建线性回归模型:公式(2):yi=b*w*xi+q,其中,w为股票市值和所有股票市值之和的比值,xi为自变量,yi为因变量,假设给定的自变量与因变量分别为(x1,y1),通过在公式(2)中代入相关的(xi,yi)值计算出最优的参数值b和q,将计算得到的最优的参数值b和q代入公式(2),从而得到所构建的针对自变量与因变量的线性回归模型。5.如权利要求1所述的方法,其特征在于,所述采用t...
【专利技术属性】
技术研发人员:黄逸湄,王志博,
申请(专利权)人:平安科技深圳有限公司,
类型:发明
国别省市:广东,44
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。