【技术实现步骤摘要】
一种基于群决策智能搜索的投资组合优化方法和装置
本专利技术涉及金融技术分析领域，具体涉及一种基于群决策智能搜索的投资组合优化方法和装置。
技术介绍
金融投资领域，由于金融市场是一个十分复杂的系统，充斥这各种不确定因素。在这样一个复杂的金融市场中，金融机构或是个人投资者如何利用量化投资设备，在追求高收益的同时，有效地控制风险是一个重大的技术问题。因此，如何构建投资组合的量化投资设备是金融工程中的一个核心问题。投资组合的根本目的在于分散风险，机构和个人投资者都想要在最大化收益的同时尽可能地降低一些投资风险。基于传统的Markowitz均值-方差模型的投资组合方法和设备，虽然为解决投资组合优化问题提供了一种确定性的求解方法和设备，但基于该模型的方法和设备实际应用过程中往往存在着大量的局限性：(1)模型是建立在一组严格的假设条件之下，例如在现实金融市场中存在市场的摩擦因素，这些因素包括各种形式的交易费用、整手交易和税收等等。而在标准的Markowitz模型中，并未考虑这些客观存在的因素的影响。(2)该模型实质...
【技术保护点】
1.一种基于群决策智能搜索的投资组合优化方法，其特征在于，至少包括如下步骤：/n基于至少2种机器学习模型分别获得股票收益率降序序列；/n基于群决策算法将所述机器学习模型视为决策专家利用群集结方法决策股票进入最终的投资组合的股票；/n采用遗传算法对投资组合进行权重的优化分配。/n
【技术特征摘要】
1.一种基于群决策智能搜索的投资组合优化方法，其特征在于，至少包括如下步骤：
基于至少2种机器学习模型分别获得股票收益率降序序列；
基于群决策算法将所述机器学习模型视为决策专家利用群集结方法决策股票进入最终的投资组合的股票；
采用遗传算法对投资组合进行权重的优化分配。
2.如权利要求1所述的基于群决策智能搜索的投资组合优化方法，其特征在于，还包括金融数据的预处理步骤：
步骤1：获取目标证券市场上的股票信息以及该上市公司的财务报表数据；
步骤2：利用获取的股票信息与财务报表数据，获取股票的价格序列与其他因子指标，作为特征集并存储；
步骤3：利用技术分析分别将各只股票的技术指标计算出来，组成特征集合；
步骤4：对指标数据进行预处理，以及训练集、验证集、测试集划分；包括缺失值的处理、标准化处理、基于自编码器的特征选择与约简，得到最终处理的数据结果；
步骤5：将数据进行Kmeans聚类分析，将股票按照特征向量的形式，聚类成不同的簇群，分别用于后续的模型建立。
3.如权利要求2所述的基于群决策智能搜索的投资组合优化方法，其特征在于，还包括构建映射关系模型和资产池步骤：
步骤6：机器学习模型在步骤5划分为不同的类簇中，分别将各只股票的指标作为输入，下一期的股票收益率作为输出构建映射关系模型；
步骤7：通过训练集和验证集，经过步骤6找出最优的超参，分别得出预测模型，并将构建的模型使用在实际的测试集中，得出预测的结果，并将结果按照收益率进行降序排列，综合考虑各类簇中的股票集合，选择出排名较高的若干支股票作为资产池。
4.如权利要求3所述的基于群决策智能搜索的投资组合优化方法，其特征在于，所述群决策算法为简单多数准则；所述机器学习模型包括DNN、支持向量机、随机森林中的一种或多种。
5.如权利要求1所述的基于群决策智能搜索的投资组合优化方法，其特征在于，利用股票的历史数据采用所述遗传算法对投资组合进行权重的优化分配的步骤如下：
(1)编码
采用3位2进制编码，将投资组合中股票的权重编码作为染色体，表示一组投资组合的权重方案；
(2)解码
由染色体解码成权重的计算公式为：
其中，dj是权重ωj的解码；N是股票的个数；ωj满足：
(3)计算个体适应度；
构建合理的适应度函数，规定了权重的优化方向，计算出每个个体的适应度值，选择出最大的值进行保留；
其中，ωj表示投资组合中第j只股票的权重，Rj表示该只股票的在数据时间范围内的平均收益率，σj表示该只股票在数据时间范围内收益率的标准差；
(4)判断精度是否满足要求，若满足，输出优化权重组；否则，进行选择、交叉、变异的遗传操作，生成新的种群，返回(3)。
6.一种基于群决策智能搜索的投资组合优化装置，其特征在于，至少包括：
至少2种机器学习设备，所述机器学习设备被配置为分别获得股...
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。