一种多维度分类标识的量化模型和选股方法技术

本发明专利技术公开了一种股票多维度分类标识的量化模型和选股方法。所述方法包括：根据需求获取股票数据信息；对数据进行纠错和清洗，加工产生次生数据；提取关键要素数据并构建企业经营的量化维度和分析模型，进行量化定义并进行文本标签分类管理；对企业发展潜力进行量化要素提取和构建模型，推演未来发展情况并进行文本标签化管理；提取风险方面的数据并构建股票风险识别模型，输出股票风险类别标签和数据文本；对交易行为数据进行归类并构建交易行为量化模型，对个股交易情况进行文本标签化管理；模块化输出各个环节量化标签文本和要素数据，提供简便快捷的分析结果为投资决策提供客观、严谨、全面的观察角度，帮助其提高投资分析效率、准确性。准确性。准确性。

【技术实现步骤摘要】
一种多维度分类标识的量化模型和选股方法


[0001]本专利技术涉及公司经营分析、股票交易数据的信息处理技术，构建了企业经营、成长潜力、风险识别、交易行为等多个体系的量化分析模型，用标签化文本数据直观呈现股票的状态。

技术介绍

[0002]随着证券市场注册制的推进，上市公司数量越来越多，投资者所要面对的股票越来越多，所面临的股票分析信息越来越多。监管政策和法规越来越明细，上市公司发布的公开信息也越来越透明、越来越多，投资者需要解读的信息量越来越大。在信息不断堆积、衍生的过程中，投资者如何快速的处理信息并获取有效信息辅助决策就变得尤为重要。目前的证券类软件和系统仅仅是对股票信息进行了收集、存储和呈现，并没有对公司经营、股票数据进行特征化描述，更没有进行深度加工，并没有改善投资者认知企业和解读股票的情况，并没有减少投资者获取和解读信息的负担。
[0003]证券市场信息在不断地熵增，熵增为投资者带来了负担，如何实现有效地甄选成为证券投资者的难题。证券投资决策本身包含了趋利避害、预研未来的属性，一种有效的信息处理方法和量化分析模型能够帮助投资者提高解读公司和股票的效率、快速获取更高确定性机会，将会为投资者节约更多时间和精力。

技术实现思路

[0004]为了有效解决上述问题：快速了解股票特点和状态，鉴别股票价值，识别优劣。本专利技术目的是提供一种多层面多角度的信息量化处理模型并输出便于投资者更容易理解和使用的标签化文本、数据信息和模型图谱。
[0005]本专利技术采取的技术是一种多层面标签化分类的量化模型和选股方法，包括如下步骤：
[0006]首先，从沪深交易所、上市公司官方渠道、各大证券数据软件平台等获取企业基础信息、各季度财务报告、负债表、利润表、现金流表、上市公司公告、调研纪要、股票交易行为和行为数据等。
[0007]进一步地，对下载数据进行初步清洗，一方面检查数据下载过程中发生的误差，一方面用多个条件淘汰一部分未满足条件的个股，不对其进行价值判断。
[0008]对清洗后的部分数据进行二次加工生成一些新的次生数据，用清洗后的下载数据和二次加工后的次生数据对公司经营能力、成长潜力、风险识别、交易行为等多个层面进行判断分析(数据处理步骤示意图如图2)。
[0009]进一步地，构建一个企业经营分析模型，模型细分企业能力、产品营收、毛利变化、市场推广、客户质量、运营管理、货币资金、借款回报、账面盈余、员工招扩、生产销售、投产效率、扩张潜力等多个角度，每个角度从财务报表中提取关键要素，用二元条件函数进行条件判断，符合相应条件则输出对应预设文本标签。
[0010]二元条件函数为：
[0011][0012]上述函数起到分选归类的作用：满足条件(X≥a，y≥b)则输出文本标签A1；满足条件(X≥a，y＜b)则输出文本标签A2；满足条件(X＜a，y≥b)则输出文本标签A3；满足条件(X＜a，y＜b)则输出文本标签A；a为关键因子x的一个常数值，b为关键因子Y的一个常数值，A1、A2、A3、A4为预设文本标签。
[0013]n个角度组建起一个n*4的企业经营分析矩阵模型(示意图如图3)，对个股的n个角度进行模型条件判断后输出的文本标签进行汇总及输出个股模型特征优劣分类图谱。
[0014]进一步地，构建一个发展潜力分析模型，成长潜力模型包括过去三年关键因子(资产、营业收入、净利润)的复合增长情况、最新一期财务报告的关键因子(资产增长率、营业收入增长率、净利润增长率)的情况、最新一期财务报告的估值因子(市净率、市销率、市盈率)情况以及未来判断因子(包括未来季度增长因子、未来年度增长因子、未来两三年增长因子等)情况，发展潜力分析模型的关键因子是与企业资产、营业收入、利润、价格、产能等相关联的变动情况，其主要目的是测算企业未来成长空间，落实季度、半年、年度、两三年等未来不同时间企业成长潜力空间情况。
[0015]每一个维度的判断因子函数式，如下：
[0016][0017]上述函数起到特征鉴别的作用：关键因子x满足条件a1则输出预设文本标签A1；关键因子x满足条件a2则输出预设文本标签A2；关键因子x满足条件a3则输出预设文本标签A3；
…
关键因子x满足条件a
n
则输出预设文本标签An；
[0018]n个维度的关键因子构建起一个n*a
n
可延展的企业发展潜力分析模型(示意图如图4)，对个股各个关键因子满足条件后输出的文本标签进行汇总及输出模型优劣分类图谱。
[0019]进一步地，构建一个风险识别模型，风险识别模型用原始数据进行处理后的次生数据构建关键要素，比如员工人数、商誉利润比、债务市值比、董监高增减持比例、监管违规、分红融资比、净资产增减、资产收益率、经营现金流量净额、货币资金与未分配利润比、销售费用与营业收入比、前五大客户占比等数据，继而对提取的关键因子进行条件函数判断并输出相对应的判断标签文本。所采取的判断函数式为一元因子判断函数，函数式如下：
[0020][0021]上述函数起到特征鉴别的作用：关键因子x满足条件a1则输出预设文本标签一；关键因子x满足条件a2则输出预设文本标签二；关键因子x满足条件a3则输出预设文本标签
三；
…
关键因子x满足条件a
n
则输出预设文本标签n；
[0022]n个维度的关键因子构建起一个n*a
n
可延展的风险识别模型(示意图如图4)，对个股各个关键因子满足条件后输出的文本标签进行汇总及输出模型优劣分类图谱。
[0023]进一步地，构建一个交易行为分析模型，交易行为分析模型包括控制形式、董监高减持行为、异常交易、流动资金、透明度、交易增量等信息和数据角度，当多个关键因子组合符合预设条件时，就输出状态描述的标签文本和数据信息。多因子判断函数式为：
[0024]公式中x1，x2，x3，xn等为所选关键因子项，xn即代表第n个关键因子项；a、b、c
…
z等代表对应关键因子的取数值，A、B、C、D代表输出状态描述的标签文本和数据信息。
[0025]上述函数起到特征鉴别和状态描绘的作用。同时，对模型中关键因子数据进行异常条件判断，发生异常现象的因子进行数据直观突出，以便直接查询和比对异常点。
[0026]用交易行为分析模型输出一个呈现个股特征和状态的文本集合，同时建立多股可对比的表格图谱，表格图谱包括格局、交易属性、态势、极限边界、减持黑洞、增仓异常、游资参与度、连涨系数等多个角度的标签文本和数据信息。
[0027]进一步地，将企业经营分析模型、成长潜力判断模型、风险识别模型、交易行为分析模型结合原始数据和次生数据优化构建一个策略参考模型。其策略参考模型中关键结果的运算方式为前文中所列模型的组合矩阵，组合矩阵函数为：
[0028]and式中A、An、X、Xn、a、an、x、xn等代表前文各个模型判断结果数据或文本标签内容，and或or为矩阵中行列条本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多维度分类标识的量化模型和选股方法，其特征在于，所述方法包括：S1根据需求全面获取股票数据信息；S2对下载数据进行纠错和清洗，进行二次加工产生更直观的次生数据；S3选取量化要素并构建企业经营分析模型，对企业经营情况进行量化定义并进行文本标签分类管理；S4进行量化要素提取和构建企业发展潜力分析模型，推演未来发展情况并进行文本标签化管理；S5提取风险方面的数据并构建股票风险识别模型，输出股票风险类别标签和数据文本；S6对交易行为数据进行归类并构建交易行为量化模型，并对个股交易情况进行文本标签化管理；S7搭建多股排列模块和个股信息展示架构，模块化输出股票的各个环节量化标签文本和要素数据。2.根据权利要求1所述S2的次生数据，其特征在于，用两个或两个以上关联要素数据进行函数运算产生一个更加容易被理解的数据要素，诸如商誉利润比、货币资金与未分配利润比、股东员工比、员工人均创收、财富效应、连涨系数等在本方法中使用的独特数据要素。3.根据权利要求1所述S3的构建企业经营分析模型，其特征在于，模型细分企业能力、产品营收、毛利变化、市场推广、客户质量、运营管理、货币资金、借款回报、账面盈余、员工招扩、生产销售、投产效率、扩张潜力等角度组建起一个企业经营分析矩阵模型，每个角度从财务报表中提取关键要素，符合相应条件则输出对应预设文本标签，汇总及输出个股模型特征图谱，构建模型展示模块用于呈现自动输出的信息。4.根据权利要求1所述S4的构建企业发展潜力分析模型，其特征在于，企业发展潜力分析模型包括过去三年关键因子(资产、营业收入、净利润)的复合增长情况、最新一期财务报告的关键因子(资产增长率、营业收入增长率、净利润增长率)的情况、最新一期财务报告的估值因子(市净率、市销率、市盈率)情况以及未来判断因子(包括未来季度增长因子、未来年度增长因子、未来多年增长因子等)情况。对个股各个关键因子满足条件后输出的文本标签进行汇总及输出模型图谱。5.根据权利要求1所述S5的构建风险识别模型...

【专利技术属性】
技术研发人员：贺雄军，
申请(专利权)人：贺雄军，
类型：发明
国别省市：