一种基于基金风格分类的基金组合方法、设备及存储介质技术

本发明专利技术公开一种基于基金风格分类的基金组合方法、设备及存储介质，包括：将多个不同基金产品净值数据构建成统一的数据集；对构建的数据集进行预处理；根据基金风格进行初步分类；计算每支基金样本的独特性指标；利用构建的评价体系对每个分类内的每支基金样本进行打分和排名；根据投资组合的要求，在每个分类的基金样本内筛选出相应数量的排名前几的基金样本，建立投资组合；分析投资组合的未来收益分布，判断其是否满足投资要求，若满足，则输出投资组合；否则，调整评价体系内评价指标的权重，建立新的投资组合，直至满足投资要求。本发明专利技术输出的投资组合更合理，更符合投资要求，通用性好。通用性好。通用性好。

【技术实现步骤摘要】
一种基于基金风格分类的基金组合方法、设备及存储介质


[0001]本专利技术具体涉及一种基于基金风格分类的基金组合方法、设备及存储介质。

技术介绍

[0002]基金风格可以理解为基金在投资过程中偏好于某种具体特征的行为。常见的投资风格可分为市值规模风格和成长价值风格两方面。按市值可以分为：大盘、中盘、小盘；按成长性可以分为：价值、平衡、成长。这两方面风格可以组合为九种基金细分风格，分别为大盘价值、大盘平衡、大盘成长、中盘价值、中盘平衡、中盘成长、小盘价值、小盘平衡、小盘成长。在实际中，不同的基金即使同属于大类，但收益风险特征也会迥异，倘若只是笼统的在基金大类中进行产品比较，显然有失偏颇的，而且从投资组合配置角度看，不对基金进行更细致的分类，也不利于在投资组合内部进行更加细致的配置。
[0003]对基金风格分类的实证研究大致可以分为两类：基于收益率的分析与基于持仓组合的分析。基于收益率的风格分析方法是由Sharp在多因素模型的基础上发展起来的，已成为证券投资基金市场进行风格分类的常用方法。该方法是通过求解最大程度解释基金收益变化的一组风格资产系数，从而确定对应的基金风格。此种方法虽然数据收集相对全面，但反映的信息是在某时点上，需定期重新评估。因而这些方法对基金的风格分类还是较为模糊。从基金的持仓结构出发判别一个基金的风格也是一种办法，但由于基金资产组合的动态性，披露信息的有限性，统计分析的复杂性再加上仅仅从组合结构进行分类往往忽视基金在操作上的风格特征，因此基于基金持仓结构的分类会有较大的误差。
[0004]现有的基金组合均采用单一的聚类算法进行处理。聚类分析是一种将研究对象分为相对同质的群组的统计分析技术。聚类方法可以把资产分成彼此收益率弱相关、内部收益率强相关的集合，从而为风险分散化的资产配置打通了道路。但在不同的业务场景中，使用不同的算法，聚类结果会有很大的差异。另外由于算法的黑箱性质，分类的标准不具有可解释性，单一的聚类算法不能保证基金分类的合理性。

技术实现思路

[0005]为了解决上述技术问题，本专利技术提出了一种基于基金风格分类的基金组合方法、设备及存储介质。
[0006]为了达到上述目的，本专利技术的技术方案如下：
[0007]一方面，本专利技术公开一种基于基金风格分类的基金组合方法，包括以下步骤：
[0008]将多个不同基金产品净值数据构建成统一的数据集；
[0009]对构建的数据集进行预处理；
[0010]根据基金风格将预处理后的数据集内的基金样本进行初步分类，划分为大盘价值、中盘价值、小盘价值、大盘平衡、中盘平衡、小盘平衡、大盘成长、中盘成长、小盘成长9类；
[0011]对每个分类内的基金样本依据基金收益率序列进行凝聚层次聚类，计算每支基金
样本的独特性指标；
[0012]利用构建的评价体系对每个分类内的每支基金样本进行打分和排名，评价体系内包括：独特性指标和多个不同的其他评价指标，每个评价指标具有能够调整的权重；
[0013]根据投资组合的要求，在每个分类的基金样本内筛选出相应数量的排名前几的基金样本，建立投资组合；
[0014]分析投资组合的未来收益分布，判断其是否满足投资要求，
[0015]若满足，则输出投资组合；
[0016]否则，调整评价体系内评价指标的权重，对每个分类内的每支基金样本进行重新打分和排名，建立新的投资组合，直至满足投资要求。
[0017]在上述技术方案的基础上，还可做如下改进：
[0018]作为优选的方案,对构建的数据集进行数据清洗、数据集成和数据变化中的一种或多种预处理；
[0019]所述数据清洗用于对基金样本的缺失值、异常值进行处理；
[0020]所述数据集成用于对不同数据源的基金样本进行合并；
[0021]所述数据变换用于对基金样本进行规范化处理。
[0022]作为优选的方案，对于基金样本的缺失值，采用填充法填充缺失值；对于基金样本的异常值进行删除。
[0023]作为优选的方案，构建的评价体系还包括基金历史业绩、最大回撤、夏普比率、基金评级、平均回报率、贝塔系数中一种或多种评价指标。
[0024]另一方面，本专利技术还公开一种基于基金风格分类的基金组合设备，包括：
[0025]数据集构建模块，所述数据集构建模块用于将多个不同基金产品净值数据构建成统一的数据集；
[0026]预处理模块，所述预处理模块用于对构建的数据集进行预处理；
[0027]初步分类模块，所述初步分类模块用于根据基金风格将预处理后的数据集内的基金样本进行初步分类，划分为大盘价值、中盘价值、小盘价值、大盘平衡、中盘平衡、小盘平衡、大盘成长、中盘成长、小盘成长9类；
[0028]独特性指标计算模块，所述独特性指标计算模块用于对每个分类内的基金样本依据基金收益率序列进行凝聚层次聚类，计算每支基金样本的独特性指标；
[0029]打分模块，所述打分模块用于利用构建的评价体系对每个分类内的每支基金样本进行打分和排名，评价体系内包括：独特性指标和多个不同的其他评价指标，每个评价指标具有能够调整的权重；
[0030]投资组合建立模块，所述投资组合建立模块用于根据投资组合的要求，在每个分类的基金样本内筛选出相应数量的排名前几的基金样本，建立投资组合；
[0031]分析调整模块，所述分析调整模块用于分析投资组合的未来收益分布，判断其是否满足投资要求，
[0032]若满足，则输出投资组合；
[0033]否则，调整评价体系内评价指标的权重，对每个分类内的每支基金样本进行重新打分和排名，建立新的投资组合，直至满足投资要求。
[0034]作为优选的方案，所述预处理模块包括：数据清洗单元、数据集成单元和数据变化
单元中的一种或多种；
[0035]所述数据清洗单元用于对基金样本的缺失值、异常值进行处理；
[0036]所述数据集成单元用于对不同数据源的基金样本进行合并；
[0037]所述数据变换单元用于对基金样本进行规范化处理。
[0038]作为优选的方案，对于基金样本的缺失值，采用填充法填充缺失值；对于基金样本的异常值进行删除。
[0039]作为优选的方案，构建的评价体系还包括基金历史业绩、最大回撤、夏普比率、基金评级、平均回报率、贝塔系数中一种或多种评价指标。
[0040]此外，本专利技术还公开一种存储介质，所述存储介质存储有一个或多个程序，所述程序包括指令，所述指令适于由存储器加载并执行上述任一种基金组合方法。
[0041]本专利技术公开一种基于基金风格分类的基金组合方法、设备及存储介质，本专利技术对基金样本预处理后，进行初步分类、独特性指标计算、综合打分以及构建投资组合，最后根据投资要求对投资组合进行分析，调整评价体系内评价指标的权重。
[0042]本专利技术具有以下有益效果：
[0043]第一，本专利技术实现了对于基金样本的分层次筛选，通过多次聚类对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于基金风格分类的基金组合方法，其特征在于，包括以下步骤：将多个不同基金产品净值数据构建成统一的数据集；对构建的数据集进行预处理；根据基金风格将预处理后的数据集内的基金样本进行初步分类，划分为大盘价值、中盘价值、小盘价值、大盘平衡、中盘平衡、小盘平衡、大盘成长、中盘成长、小盘成长9类；对每个分类内的基金样本依据基金收益率序列进行凝聚层次聚类，计算每支基金样本的独特性指标；利用构建的评价体系对每个分类内的每支基金样本进行打分和排名，评价体系内包括：独特性指标和多个不同的其他评价指标，每个评价指标具有能够调整的权重；根据投资组合的要求，在每个分类的基金样本内筛选出相应数量的排名前几的基金样本，建立投资组合；分析投资组合的未来收益分布，判断其是否满足投资要求，若满足，则输出投资组合；否则，调整评价体系内评价指标的权重，对每个分类内的每支基金样本进行重新打分和排名，建立新的投资组合，直至满足投资要求。2.根据权利要求1所述的基金组合方法，其特征在于，对构建的数据集进行数据清洗、数据集成和数据变化中的一种或多种预处理；所述数据清洗用于对基金样本的缺失值、异常值进行处理；所述数据集成用于对不同数据源的基金样本进行合并；所述数据变换用于对基金样本进行规范化处理。3.根据权利要求2所述的基金组合方法，其特征在于，对于基金样本的缺失值，采用填充法填充缺失值；对于基金样本的异常值进行删除。4.根据权利要求1所述的基金组合方法，其特征在于，构建的评价体系还包括基金历史业绩、最大回撤、夏普比率、基金评级、平均回报率、贝塔系数中一种或多种评价指标。5.一种基于基金风格分类的基金组合设备，其特征在于，包括：数据集构建模块，所述数据集构建模块用于将多个不同基金产品净值数据构建成统一的数据集；预处理模块，所述预处理模块用于对构建的数据集进行预处理；初步分类模块，所述初步分类模块用于根据...

【专利技术属性】
技术研发人员：张冰，牛晓健，张必松，庄浩涛，
申请(专利权)人：苏州国际发展集团有限公司，
类型：发明
国别省市：