股票因子检验方法、装置、计算机设备以及存储介质制造方法及图纸

本发明专利技术实施例公开了一种股票因子检验方法、装置、计算机设备以及存储介质，其中，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。本发明专利技术基于数据分析，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。

Stock Factor Testing Method, Device, Computer Equipment and Storage Media

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计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的股票因子检验方法。再一方面，本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者一个以上计算机程序，所述一个或者一个以上计算机程序可被一个或者一个以上的处理器执行，以实现如上所述的股票因子检验方法。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，其中方法包括：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。本专利技术基于数据分析，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。附图说明为了更清楚地说明本专利技术实施例技术方案，下面将对实施例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例，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是本专利技术实施例提供的一种股票因子检验方法的示意流程图；图2是图1中提供的一种股票因子检验方法的应用场景示意图；图3是本专利技术实施例提供的一种股票因子检验装置的示意性框图；图4是本专利技术实施例提供的一种计算机设备的结构组成示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中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。应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。本专利技术实施例提供了一种股票因子检验方法、装置、计算机设备以及存储介质。请参阅图1，图1为本专利技术实施例提供的一种股票因子检验方法的示意流程图。如图1所示，该方法包括以下步骤S101～S105。S101，获取股票市场中的历史股票因子。在本专利技术实施例中，股票因子分为两大类，分别包含股票基本面指标因子与股票技术面指标因子。其中，股票基本面指标因子主要是基于对股票基本面的分析，如ROA(ReturnonAssets，资产收益率)、ROE(RateofReturnonCommonStockholders’Equity，净资产收益率)、资产负债率等；股票技术面指标因子主要是基于股票的技术层面的指标，如股票换手率、股票波动率、股票流通市值，股票规模因子(如股票总市值)、估值因子(如TTM(TrailingTwelveMonths，股票市盈率))、股票成长因子(如股票营业利润同比增长率)、股票盈利因子(如净资产收益率)、股票动量反转因子(如股票前1个月涨跌幅)、股票交投因子(如股票前1个月日均换手率)、股票波动因子(如股票前1个月波动率)、股东因子(如户均持股比例变化、机构持股变化)、分析师预测因子(如最近1个月净利润上调幅度)等等。具体地，在本实施例中所获取的股票因子可以是股票市场中过去十年间的因子数据，更具体地，本实施例通过选择在股票交易期间位于月末的股票因子作为检验对象，例如：选取于2018年8月31日的A股中除去停牌的3000多只股票的PE(Priceearningsratio，市盈率)作为检验的历史股票因子。S102，对所述历史股票因子进行z-score标准化处理。在本专利技术实施例中，因为所选择的股票中的历史股票因子的分布过于凌乱，无法确定历史股票因子的最大值与最小值，以及当历史股票因子的数据过大时对股票的检验结果造成影响(比如降低了股票因子对股票的检验效率)，因此需要对历史股票因子进行z-score标准化处理，在本实施例中，z-score标准化处理可以将历史股票因子中的空数据置0，对非空数据置1的统一化处理。具体地，本实施例的z-score标准化处理是基于原始股票因子数据的均值和标准差进行的股票因子数据的标准化过程。所述对所述历史股票因子进行z-score标准化处理的步骤，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。使用计算公式(1)对历史股票因子进行z-score标准化处理，通过原始股票因子的均值xavg和标准方差s进行对历史股票因子的标准化，经过处理的因子数据符合标准正态分布，即均值为0，标准方差为1，其标准化后的数值大小有正有负，如下图2所示，z-score表示原始股票因子数据偏离均值的距离长短，而该距离度量的标准是标准方差。z-score大于零表示该股票因子数据大于均值。z-score小于零表示该股票因子数据小于均值。z-本文档来自技高网...

【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