指数化证券组合的数据处理方法及装置制造方法及图纸

本发明专利技术公开了一种指数化证券组合的数据处理方法及装置，本发明专利技术涉及大数据技术领域，该方法包括：对获取的指数化证券组合的基础数据进行筛选取值处理，得到处理后的基础数据；对处理后的基础数据进行多元线性回归分析和显著性检验，得到指数化证券组合的有效因子；根据指数化证券组合的有效因子，建立指数化证券组合的多因子风险模型；根据指数化证券组合的多因子风险模型，对指数化证券组合进行收益和风险的预测。本发明专利技术可通过以有效因子建立多因子风险模型，能够在很大程度上降低进行收益和风险预测建模分析时，需使用的方差‑协方差矩阵参数的个数，提升了收益和风险预测建模的效率，降低了对指数化证券组合进行收益和风险预测的失效率。

【技术实现步骤摘要】
指数化证券组合的数据处理方法及装置
本专利技术涉及大数据
，尤其涉及指数化证券组合的数据处理方法及装置。
技术介绍
本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。量化投资分析在国内资产管理行业已取得迅速发展，而且未来的市场空间巨大。量化投资分析与量化投资交易相辅相成，已逐渐成为金融科技时代下数据驱动和规则驱动的投资管理的核心工具。与主动投资的逻辑相反，基于有效市场假说的指数量化投资并不探讨资产价格被高估还是低估的问题，而重点关注建立高度分散化的证券组合以降低风险，同时借助因子分析方法对投资组合的收益-风险预测进行合理优化和平衡，从而使单位风险承担下的预期收益更高。而指数组合(即指数化证券组合)是投资组合的一类，投资组合是资产管理业务或资产管理产品的投资端为进行规范化的投资管理和资金运用所建立的管理工具。投资经理(用户)通过投资组合进行投资估值、风控和收益管理，从而达成资管产品的投资目标。投资组合可以与资产管理产品一一对应，也可以是虚拟的组合。指数组合是投资组合的一类，指数组合可依据行业分类、证券版块、风格特征等标准构建。现有的指数组合风险模型的度量，主要存在效率和准确性问题。常规的指数组合风险量化分析方法中，一般运用的是马克维茨的均值-方差模型等传统风险模型，该模型对N只股票的收益-风险预测需要通过计算N×N维的方差-协方差矩阵来估计组合整体风险，其中包括N×(N+1)/2个方差或协方差参数。因此，若对于上千只股票组成的指数组合，则在时间区间高于2-3年的窗口期时，方差或协方差参数的估计个数则超过百万甚至千万量级。因常规量化分析方法包含的独立参数过多，致使依据上述传统方式很难建立风险模型，提升了指数组合风险分析的困难程度；同时，由于上述传统方法涉及参数过多，也导致了以传统方法对指数化证券组合的风险进行分析时的准确度较低，且存在较大的失效率。
技术实现思路
本专利技术实施例提供一种指数化证券组合的数据处理方法，用以提升对指数化证券组合进行收益和风险预测的准确性，降低对指数化证券组合进行收益和风险预测的失效率，该方法包括：对获取的指数化证券组合的基础数据进行筛选取值处理，得到处理后的基础数据；所述指数化证券组合的基础数据，包括指数化证券组合中各个证券的：收益率参数和因子指标；所述因子指标用于表征证券的属性参数；对处理后的基础数据进行多元线性回归分析和显著性检验，得到指数化证券组合的有效因子；所述有效因子为经显著性检验后显著性超过预设数值的各个证券的属性参数；根据指数化证券组合的有效因子，建立指数化证券组合的多因子风险模型；所述多因子风险模型用于描述指数化证券组合的预期收益，与有效因子的因子收益率间的线性关系；所述因子收益率为经多元线性回归分析得到的证券的属性参数的估计系数；根据指数化证券组合的多因子风险模型，对指数化证券组合进行收益和风险的预测。本专利技术实施例还提供一种指数化证券组合的数据处理装置，用以提升对指数化证券组合进行收益和风险预测的准确性，该装置包括：筛选取值处理模块，用于对获取的指数化证券组合的基础数据进行筛选取值处理，得到处理后的基础数据；所述指数化证券组合的基础数据，包括指数化证券组合中各个证券的：收益率参数和因子指标；所述因子指标用于表征证券的属性参数；有效因子确定模块，用于对处理后的基础数据进行多元线性回归分析和显著性检验，得到指数化证券组合的有效因子；所述有效因子为经显著性检验后显著性超过预设数值的各个证券的属性参数；多因子风险模型建模模块，用于根据指数化证券组合的有效因子，建立指数化证券组合的多因子风险模型；所述多因子风险模型用于描述指数化证券组合的预期收益，与有效因子的因子收益率间的线性关系；所述因子收益率为经多元线性回归分析得到的证券的属性参数的估计系数；预测处理模块，用于根据指数化证券组合的多因子风险模型，对指数化证券组合进行收益和风险的预测。本专利技术实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在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上述指数化证券组合的数据处理方法。本专利技术实施例还提供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执行上述指数化证券组合的数据处理方法的计算机程序。本专利技术实施例中，对获取的指数化证券组合的基础数据进行筛选取值处理，得到处理后的基础数据；所述指数化证券组合的基础数据，包括指数化证券组合中各个证券的：收益率参数和因子指标；所述因子指标用于表征证券的属性参数；对处理后的基础数据进行多元线性回归分析和显著性检验，得到指数化证券组合的有效因子；所述有效因子为经显著性检验后显著性超过预设数值的各个证券的属性参数；根据指数化证券组合的有效因子，建立指数化证券组合的多因子风险模型；所述多因子风险模型用于描述指数化证券组合的预期收益，与有效因子的因子收益率间的线性关系；所述因子收益率为经多元线性回归分析得到的证券的属性参数的估计系数；根据指数化证券组合的多因子风险模型，对指数化证券组合进行收益和风险的预测，与现有技术对比，通过以有效因子建立多因子风险模型，能够在很大程度上降低进行收益和风险预测建模分析时，需使用的方差-协方差矩阵参数的个数，从而避免了现有技术因在收益和风险预测建模时需使用参数的体量过大，而导致风险评估的建模分析很困难的问题，提升了收益和风险预测建模的效率；同时，避免了现有技术在因需使用参数的体量过大，而导致风险评估的准确率较低的问题，提升了对指数化证券组合进行收益和风险预测的准确性，降低了对指数化证券组合进行收益和风险预测的失效率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅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。在附图中：图1为本专利技术实施例中一种指数化证券组合的数据处理方法的流程示意图；图2为本专利技术实施例中一种指数化证券组合的数据处理方法的具体示例图；图3为本专利技术实施例中一种指数化证券组合的数据处理方法的具体示例图；图4为本专利技术实施例中一种指数化证券组合的数据处理方法的具体示例图；图5为本专利技术实施例中一种指数化证券组合的数据处理方法的具体示例图；图6为本专利技术实施例中一种指数化证券组合的数据处理方法的具体示例图；图7为本专利技术实施例中一种指数化证券组合的数据处理方法的具体示例图；图8为本专利技术实施例中一种指数化证券组合的数据处理方法的具体示例图；图9为本专利技术实施例中一种指数化证券组合的数据处理装置的结构示意图；图10为本专利技术实施例中用于指数化证券组合的数据处理的计算机设备示意图；图11为本专利技术实施例中一种指数化证券组合的数据处理装置的具体示例图；图本文档来自技高网...

【技术保护点】
1.一种指数化证券组合的数据处理方法，其特征在于，包括：/n对获取的指数化证券组合的基础数据进行筛选取值处理，得到处理后的基础数据；所述指数化证券组合的基础数据，包括指数化证券组合中各个证券的：收益率参数和因子指标；所述因子指标用于表征证券金融特性的属性参数；/n对处理后的基础数据进行多元线性回归分析和显著性检验，得到指数化证券组合的有效因子；所述有效因子为经显著性检验后显著性超过预设百分比数值的各个证券的属性参数；/n根据指数化证券组合的有效因子，建立指数化证券组合的多因子风险模型；所述多因子风险模型用于描述指数化证券组合的预期收益，与有效因子的因子收益率间的线性关系；所述因子收益率为经多元线性回归分析得到的证券的属性参数的估计系数；/n根据指数化证券组合的多因子风险模型，对指数化证券组合进行收益和风险的预测。/n

【技术特征摘要】
1.一种指数化证券组合的数据处理方法，其特征在于，包括：
对获取的指数化证券组合的基础数据进行筛选取值处理，得到处理后的基础数据；所述指数化证券组合的基础数据，包括指数化证券组合中各个证券的：收益率参数和因子指标；所述因子指标用于表征证券金融特性的属性参数；
对处理后的基础数据进行多元线性回归分析和显著性检验，得到指数化证券组合的有效因子；所述有效因子为经显著性检验后显著性超过预设百分比数值的各个证券的属性参数；
根据指数化证券组合的有效因子，建立指数化证券组合的多因子风险模型；所述多因子风险模型用于描述指数化证券组合的预期收益，与有效因子的因子收益率间的线性关系；所述因子收益率为经多元线性回归分析得到的证券的属性参数的估计系数；
根据指数化证券组合的多因子风险模型，对指数化证券组合进行收益和风险的预测。


2.如权利要求1所述的方法，其特征在于，对获取的指数化证券组合的基础数据进行筛选取值处理，得到处理后的基础数据，包括：
以预设的数据筛选频率，对指数化证券组合中各个证券的收益率参数进行筛选，得到各个证券的复合收益率参数；
对指数化证券组合中各个证券的因子指标，进行去极值处理；所述因子指标包括估值因子、成长因子、盈利因子、杠杆因子、规模因子、动量因子、波动率因子、流动性因子、分析师因子和技术因子的其中之一或任意组合；
根据各个证券的复合收益率参数，和去极值处理后的各个证券的因子指标，得到处理后的基础数据。


3.如权利要求1所述的方法，其特征在于，对处理后的基础数据进行多元线性回归分析和显著性检验，得到指数化证券组合的有效因子，包括：
对处理后的基础数据进行多元线性回归分析，确定每一因子指标的因子收益率；
对每一因子指标的因子收益率进行显著性检验和因子有效性分析，确定每一因子指标的显著性；
根据每一因子指标的显著性和因子收益率，对每一因子指标进行怀特检验，确定指数化证券组合的有效因子。


4.如权利要求3所述的方法，其特征在于，对处理后的基础数据进行多元线性回归分析，确定每一因子指标的因子收益率，包括：
以收益率参数为因变量，以因子指标为自变量，对处理后的基础数据进行多元线性回归分析，确定每一因子指标的因子收益率。


5.如权利要求3所述的方法，其特征在于，对处理后的基础数据进行多元线性回归分析，确定每一因子指标的因子收益率，包括：
对处理后的基础数据进行多元线性回归分析，建立指数化证券组合的多元线性回归模型；
根据指数化证券组合的多元线性回归模型，确定每一因子指标的因子收益率。


6.如权利要求1所述的方法，其特征在于，还包括：根据指数化证券组合的有效因子，建立指数化证券组合的有效因子的数据库；
根据指数化证券组合的有效因子，建立指数化证券组合的多因子风险模型，包括：
以指数化证券组合的有效因子的数据库中存储的有效因子，建立指数化证券组合的多因子风险模型。


7.如权利要求1所述的方法，其特征在于，根据指数化证券组合的有效因子，建立指数化证券组合的多因子风险模型，包括：
根据指数化证券组合的有效因子，确定因子收益率协方差矩阵和残差风险矩阵；
根据因子收益率协方差矩阵和残差风险矩阵，建立指数化证券组合的多因子风险模型。


8.如权利要求7所述的方法，其特征在于，根据指数化证券组合的有效因子，确定因子收益率协方差矩阵，包括：
基于有效因子的因子收益率，对指数化证券组合的有效因子进行评估，确定因子收益率协方差矩阵。


9.如权利要求7所述的方法，其特征在于，根据指数化证券组合的有效因子，确定残差风险矩阵，包括：
基于有效因子的残差收益率，对指数化证券组合的有效因子进行评估，确定残差风险矩阵。


10.如权利要求1所述的方法，其特征在于，还包括：按如下方式根据指数化证券组合的多因子风险模型，对指数化证券组合中各个证券的投资权重进行分析及调整：
以预设置的指数化证券组合目标以及约束条件，根据指数化证券组合的多因子风险模型，确定指数化证券组合的有效边界；
根据指数化证券组合的有效边界，对指数化证券组合中各个证券的投资权重进行分析及调整。


11.如权利要求10所述的方法，其特征在于，还包括：以指数化证券组合历史数据，对进行分析及调整后指数化证券组合中各个证券的投资权重，进行指数化证券组合的收益分析。


12.如权利要求10所述的方法，其特征在于，还包括：以指数化证券组合历史数据，对进行分析及调整后指数化证券组合中各个证券的投资权重，进行指数化证券组合的风险分析。


13.一种指数化证券组合的数据处理装置，其特征在于，包括：
筛选取值处理模块，用于对获取的指数化证券组合的基础数...

【专利技术属性】
技术研发人员：洪世能，肖月亮，王政钟，
申请(专利权)人：中国建设银行股份有限公司，
类型：发明
国别省市：北京;11