本发明专利技术公开了一种融资融券担保品折算率计算方法及装置，该方法包括：构建折算率样本集和折算率计算模型，基于折算率样本集对折算率计算模型进行训练，得到第一目标折算率计算模型；对第一目标折算率计算模型中的所述多元线性回归学习器添加约束，对支持向量回归学习器和梯度提升决策树学习器添加衰减系数，得到第二目标折算率计算模型；基于第二目标折算率计算模型对当前融资融券担保品的折算率进行计算。上述过程，基于第二目标折算率计算模型对当前融资融券担保品进行计算，实现了基于当前融资融券担保品的不同，折算率不同，不再基于交易所给出的折算率上限采用人工向上向下简单调整的策略，避免了折算率设定相对保守的问题。问题。问题。
【技术实现步骤摘要】
一种融资融券担保品折算率计算方法及装置
[0001]本专利技术涉及数据处理
，尤其涉及一种融资融券担保品折算率计算方法及装置。
技术介绍
[0002]融资融券交易是一种信用担保交易。在融资融券交易风险控制方面，担保品制度是融资融券风险控制最基本的保障，担保品是指投资者提供的，用于担保其对证券公司所负债务的资金或证券。包括向证券公司提交的保证金(含资金和可充抵保证金的证券)、融资买入的全部证券和融券卖出所得的全部资金以及上述资金和证券所产生的利息等。
[0003]目前，证券公司对融资融券标的担保品的折算率制定规则，大多是采用基于交易所给出的折算率上限值进行人工向下调整的简单计算策略，折算率的设定相对保守，而且人工参与决策参与成分较多。
技术实现思路
[0004]有鉴于此，本专利技术提供了一种融资融券担保品折算率计算方法及装置，用以解决现有技术中证券公司对融资融券标的担保品的折算率制定规则，大多是采用基于交易所给出的折算率上限值进行人工向下调整的简单计算策略，折算率的设定相对保守，而且人工参与决策参与成分较多的问题。具体方案如下：
[0005]一种融资融券担保品折算率计算方法，包括：
[0006]构建折算率样本集和折算率计算模型，其中，所述折算率样本集包括：静态市盈率、日换手率、波动率、偏度、加速度和折算率，所述折算率计算模型基于多元线性回归学习器、支持向量回归学习器和梯度提升决策树学习器进行构建；
[0007]基于所述折算率样本集对所述折算率计算模型进行训练，得到第一目标折算率计算模型；
[0008]对所述第一目标折算率计算模型中的所述多元线性回归学习器添加约束，对所述支持向量回归学习器和所述梯度提升决策树学习器添加衰减系数，得到第二目标折算率计算模型；
[0009]基于所述第二目标折算率计算模型对当前融资融券担保品的折算率进行计算。
[0010]上述的方法，可选的，构建折算率样本集，包括：
[0011]获取第一预设时长内的各个交易日的静态市盈率、日换手率、波动率、偏度和加速度；
[0012]针对当前交易日，将未来预设数量交易日的最低收盘价与所述当前交易日的比值作为所述当前交易日的折算率。
[0013]上述的方法，可选的，构建折算率计算模型，包括：
[0014]构建多元线性回归学习器、支持向量回归学习器和梯度提升决策树学习器，其中，所述多元线性回归学习器、所述支持向量回归学习器和所述梯度提升决策树学习器基于所
述静态市盈率、所述日换手率、所述波动率、所述偏度和所述加速度进行构建；
[0015]设置所述多元线性回归学习器、所述支持向量回归学习器和所述梯度提升决策树学习器的权重；
[0016]将对应的权重和学习器的乘积进行累加，得到所述折算率计算模型。
[0017]上述的方法，可选的，基于所述折算率样本集对所述折算率计算模型进行训练，得到第一目标折算率计算模型，包括：
[0018]将所述折算率样本集基于预设第二时长和预设第三时长划分为至少一个训练集和至少一个测试集，其中，每个训练集存在对应的测试集；
[0019]采用滑动时间窗口的形式依次基于所述折算率样本集中训练集和对应的测试集对所述折算率计算模型进行训练，得到第一目标折算率计算模型。
[0020]上述的方法，可选的，基于所述折算率样本集对所述折算率计算模型进行训练之前，还包括：
[0021]对所述日换手率进行分位标准化处理；
[0022]对所述静态市盈率、所述波动率、所述偏度和所述加速度进行极差归一化处理。
[0023]上述的方法，可选的，还包括：
[0024]获取基于所述第二目标折算率计算模型计算得到的折算率预测值；
[0025]计算与所述折算率预测值关关联的平均残差和预测安全度。
[0026]一种融资融券担保品折算率计算装置，包括：
[0027]构建模块，用于构建折算率样本集和折算率计算模型，其中，所述折算率样本集包括：静态市盈率、日换手率、波动率、偏度、加速度和折算率，所述折算率计算模型基于多元线性回归学习器、支持向量回归学习器和梯度提升决策树学习器进行构建；
[0028]训练模块，用于基于所述折算率样本集对所述折算率计算模型进行训练，得到第一目标折算率计算模型；
[0029]添加模块，用于对所述第一目标折算率计算模型中的所述多元线性回归学习器添加约束，对所述支持向量回归学习器和所述梯度提升决策树学习器添加衰减系数，得到第二目标折算率计算模型；
[0030]计算模块，用于基于所述第二目标折算率计算模型对当前融资融券担保品的折算率进行计算。
[0031]上述的装置，可选的，所述构建模块包括：
[0032]获取单元，用于获取第一预设时长内的各个交易日的静态市盈率、日换手率、波动率、偏度和加速度；
[0033]确定单元，用于针对当前交易日，将未来预设数量交易日的最低收盘价与所述当前交易日的比值作为所述当前交易日的折算率。
[0034]上述的装置，可选的，所述构建模块包括：
[0035]构建单元，用于构建多元线性回归学习器、支持向量回归学习器和梯度提升决策树学习器，其中，所述多元线性回归学习器、所述支持向量回归学习器和所述梯度提升决策树学习器基于所述静态市盈率、所述日换手率、所述波动率、所述偏度和所述加速度进行构建；
[0036]设置单元，用于设置所述多元线性回归学习器、所述支持向量回归学习器和所述
梯度提升决策树学习器的权重；
[0037]累加单元，用于将对应的权重和学习器的乘积进行累加，得到所述折算率计算模型。
[0038]上述的装置，可选的，所述训练模块包括：
[0039]划分单元，用于将所述折算率样本集基于预设第二时长和预设第三时长划分为至少一个训练集和至少一个测试集，其中，每个训练集存在对应的测试集；
[0040]训练单元，用于采用滑动时间窗口的形式依次基于所述折算率样本集中训练集和对应的测试集对所述折算率计算模型进行训练，得到第一目标折算率计算模型。
[0041]与现有技术相比，本专利技术包括以下优点：
[0042]本专利技术公开了一种融资融券担保品折算率计算方法及装置，该方法包括：构建折算率样本集和折算率计算模型，其中，所述折算率样本集包括：静态市盈率、日换手率、波动率、偏度、加速度和折算率，所述折算率计算模型基于多元线性回归学习器、支持向量回归学习器和梯度提升决策树学习器进行构建；基于所述折算率样本集对所述折算率计算模型进行训练，得到第一目标折算率计算模型；对所述第一目标折算率计算模型中的所述多元线性回归学习器添加约束，对所述支持向量回归学习器和所述梯度提升决策树学习器添加衰减系数，得到第二目标折算率计算模型；基于所述第二目标折算率计算模型对当前融资融券担保品的折算率进行计算。上述过程，基于第二目标折算率计算模型对当前融资融券担保品进行计算，实现了基于当前融资本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种融资融券担保品折算率计算方法，其特征在于，包括：构建折算率样本集和折算率计算模型，其中，所述折算率样本集包括：静态市盈率、日换手率、波动率、偏度、加速度和折算率，所述折算率计算模型基于多元线性回归学习器、支持向量回归学习器和梯度提升决策树学习器进行构建；基于所述折算率样本集对所述折算率计算模型进行训练，得到第一目标折算率计算模型；对所述第一目标折算率计算模型中的所述多元线性回归学习器添加约束，对所述支持向量回归学习器和所述梯度提升决策树学习器添加衰减系数，得到第二目标折算率计算模型；基于所述第二目标折算率计算模型对当前融资融券担保品的折算率进行计算。2.根据权利要求1所述的方法，其特征在于，构建折算率样本集，包括：获取第一预设时长内的各个交易日的静态市盈率、日换手率、波动率、偏度和加速度；针对当前交易日，将未来预设数量交易日的最低收盘价与所述当前交易日的比值作为所述当前交易日的折算率。3.根据权利要求1所述的方法，其特征在于，构建折算率计算模型，包括：构建多元线性回归学习器、支持向量回归学习器和梯度提升决策树学习器，其中，所述多元线性回归学习器、所述支持向量回归学习器和所述梯度提升决策树学习器基于所述静态市盈率、所述日换手率、所述波动率、所述偏度和所述加速度进行构建；设置所述多元线性回归学习器、所述支持向量回归学习器和所述梯度提升决策树学习器的权重；将对应的权重和学习器的乘积进行累加，得到所述折算率计算模型。4.根据权利要求1所述的方法，其特征在于，基于所述折算率样本集对所述折算率计算模型进行训练，得到第一目标折算率计算模型，包括：将所述折算率样本集基于预设第二时长和预设第三时长划分为至少一个训练集和至少一个测试集，其中，每个训练集存在对应的测试集；采用滑动时间窗口的形式依次基于所述折算率样本集中训练集和对应的测试集对所述折算率计算模型进行训练，得到第一目标折算率计算模型。5.根据权利要求1所述的方法，其特征在于，基于所述折算率样本集对所述折算率计算模型进行训练之前，还包括：对所述日换手率进行分位标准化处理；对所述静态市盈率、所述波动率、所述偏度和所述加速度进行极差归一化处理。6.根据权利要求1所述的方法...
【专利技术属性】
技术研发人员：施兴森，
申请(专利权)人：上海金仕达软件科技有限公司，
类型：发明
国别省市：
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。