一种权益市场择时的机器学习算法模型和存储展示系统技术方案

本发明专利技术涉及一种权益市场择时的机器学习算法模型，所述权益市场择时的机器学习算法模型包括以下两点：1)运用量化统计模型，综合各类因子，旨在对股票市场指数有关的各维度高频数据做出相关分析；(2)择时进行投资仓位调整，降低投资波动P值，提高胜率。该权益市场择时的机器学习算法模型和存储展示系统，本发明专利技术的实现方案方面，已覆盖了可能对市场造成波动的各类数据因素，包括：国内宏观、行业资讯、市场资金、交易情绪，可以有效地预判解释股票市场走势、给出仓位建议值，通过本发明专利技术的存储及展现系统，投资者可以在开市前直观的查看并分析本专利给出的仓位建议数据及关联依据，从而调整自己的投资仓位决策。自己的投资仓位决策。自己的投资仓位决策。

【技术实现步骤摘要】
一种权益市场择时的机器学习算法模型和存储展示系统


[0001]本专利技术涉及市场择时模型
，具体为一种权益市场择时的机器学习算法模型和存储展示系统。

技术介绍

[0002]我国已申请的专利专利技术大多集中在【个股或股票池】的买入卖出时点这类择时场景下，尚未有对每日的权益市场在交易前给出整体仓位择时建议的相关专利申请。
[0003]如专利申请公布号【CN114913010A】设计并提供一种量化投资方法及装置，包括：选取股票市场中符合预设的选股条件的各个股票，从预选的各个候选因子中确定各个目标因子，并根据各个目标因子构建评分选股模型；根据评分选股模型，对各个股票进行评分，得到每个股票的评分结果，并根据各个评分结果由大到小的顺序对各个股票进行排序，从已经排序好的各个股票中确定排序前N的各个股票为目标股票；基于预先构建的HMS
‑
GMD择时模型和预设的技术面指标择时模型，确定各个目标股票的购入时间，应用该方法，可以从全面考虑各个因子对股票收益的影响，并且从多维角度进行股票的择时考虑，帮助投资者获取到股票的最佳买入抛出时机，提高投资者的股票投资成功概率。
[0004]又如专利申请公布号【CN115471339A】公开了一种实时证券择时交易分析方法、系统、电子装置及存储介质，它的技术原理是设定股票池，见图1
‑
CN115471339A的专利技术思路，对股票池中的股票进行数据清洗，数据清洗包括缺失值处理、数据量不足的删除处理以及数据的标准化处理，从清洁数据中提取因子，利用机器学习算法和深度学习方法构建多因子模型，给出初始股票池中股票的预测收益率；对初始股票池中的股票，在多因子模型的基础上，建立均线系统、并以此精炼个股，以提高预测的可靠性与准确性，本专利技术提供的基于量化K线的投资组合算法交易策略，多因子模型与均线系统结合，实现了量化模型中长期持仓的择股优势和技术分析短期强弱的择时优势，提高预测精度，并利用算法交易策略，保证收益，实现良好的风险控制。
[0005]【CN114913010A】提到的方法针对的是初次筛选后的股票池，其次它设计的HMS
‑
GMD择时模型所使用的指标参数主要为技术面指标、主要使用了股票多维数据中的量价类数据，当上市企业发生了外部事件，例如公告财报、股东减持、海外大客户被调查、多部委发出产业性扶持政策等，该模型无法及时相应，导致计算出的【该股购入时间】与实际市场反馈形成较大偏差，无法形成有效及时、顺应当时市场条件的买入卖出信号。
[0006]而【CN115471339A】同样基于预设定的股票池，对个股进行底层高频数据的机器学习计算后给出预测收益率；再依据股价趋势数据计算出均线；在二者基础上给出择时判断，从市场实际场景出发来看该项技术，见【图1CN115471339A的专利技术思路】，该项专利技术并未接入除量价数据以外的数据，也就同样无法及时响应【宏观、行业、个股利好利空公告】等突发事件，其次模型计算出的预期收益率属于偏中长期指标，对于交易实时性要求高的择时结果而言并无较强的指导意义，在A股行业轮动、趋势投资、风格切换加速的市场交易特征环境下，其风险控制的实际效果也差强人意。

技术实现思路

[0007]针对现有技术的不足，本专利技术提供了一种权益市场择时的机器学习算法模型和存储展示系统，具备可以在开市前直观的查看并分析本专利给出的仓位建议数据及关联依据，从而调整自己的投资仓位决策等优点，解决了无法形成有效及时、顺应当时市场条件的买入卖出信号等问题。
[0008]为实现上述目的，本专利技术提供如下技术方案：一种权益市场择时的机器学习算法模型，所述权益市场择时的机器学习算法模型包括以下两点：
[0009]1)运用量化统计模型，综合各类因子，旨在对股票市场指数有关的各维度高频数据做出相关分析；
[0010](2)择时进行投资仓位调整，降低投资波动P值，提高胜率。
[0011]进一步，所述P值：股票投资日度投资仓位提示，便于投资者对权益市场做出直观判断，且P值的波动范围：0
‑
100％。
[0012]进一步，所述P值越大表示建议股票投资仓位越高，根据P值提示，采取加减仓操作以获取区间收益的择时策略，平滑收益曲线，显著提高风险收益比。
[0013]进一步，所述P值公式：P＝f(V，F，C，E，S)，
[0014]P值由五方面的因子组成，包括估值、基本面、资金面、市场情绪、技术面，各方面的每种因子进一步由细分因子组成，表现为求和的关系；五方面因子又互相制约，求积的关系。
[0015]进一步，所述中各组成因子如下构建：
[0016]V估值因子，使用指数的估值，作为底仓计算的基础，并且每日更新；
[0017]F代表基本面因子，会预测重要的宏观经济指标，来表征经济的基本面状态；
[0018]C代表资金面因子，选择资金面数据，从高频、中频、低频三个维度，对市场的资金充裕情况进行实时刻画；
[0019]E代表市场情绪，主要利用行为金融的数据，例如互联网大数据、投资者行为数据等来表征市场乐观/悲观的程度；
[0020]S代表技术面因子，模型使用技术指标预判重大拐点。
[0021]本申请又提出一种权益市场择时的机器学习算法模型的存储展示系统，包括任一项所述的权益市场择时的机器学习算法模型，包括客户端(表示层)、信息交互(应用表示逻辑层)、应用控制(应用逻辑组件调用)、应用服务(领域模型组件层)、数据库系统(存储层)；
[0022]具体如下：
[0023]客户端(表示层)：系统使用者接入系统进行交互时对数据内容的表现层；
[0024]信息交互(应用表示逻辑层)：根据系统的约束条件，实现表示层数据的组织和包装，采用HTML和JS技术来实现交互界面；
[0025]应用控制(应用逻辑组件调用)：实现系统的应用控制和响应逻辑，按照MVC模型来架构系统，应用控制将对系统的访问控制、应用功能响应提供一套机制；
[0026]应用服务(领域模型组件层)：围绕系统提供的服务进行建模，抽象出许多共性的逻辑组件，并在领域模型组件层实现，本部分将对系统的功能逻辑进行封装，设计为独立、可复用的组件，以提高系统的灵活性、可维护性；
[0027]数据库系统(存储层)：实现所有实体数据的数据库集中存储，包括P值相关的数
据。
[0028]进一步，模型容器采用浏览器/服务器+数据库(BWD)三层技术，以微服务模式开发，使该应用系统具备易部署、易维护和易升级，模型采用PYTHON作为主要编程语言，采用B/S的运行模式，基于mysq l数据库，来进行设计开发。
[0029]进一步，所述模型数据加工到存储的接口包括：P值数据接口、P值相关指标数据接口、指数数据接口、P值周报数据接口、资讯数据接口。
[0030]进一步，存储的接口的设计具体如下：
[0031]P值数据接口：为了对过去的P值走势进行展示，设计获取P值的htt本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种权益市场择时的机器学习算法模型，其特征在于：所述权益市场择时的机器学习算法模型包括以下两点：1)运用量化统计模型，综合各类因子，旨在对股票市场指数有关的各维度高频数据做出相关分析；(2)择时进行投资仓位调整，降低投资波动P值，提高胜率。2.根据权利要求1所述的一种权益市场择时的机器学习算法模型，其特征在于：所述P值：股票投资日度投资仓位提示，便于投资者对权益市场做出直观判断，且P值的波动范围：0
‑
100％。3.根据权利要求1所述的一种权益市场择时的机器学习算法模型，其特征在于：所述P值越大表示建议股票投资仓位越高，根据P值提示，采取加减仓操作以获取区间收益的择时策略，平滑收益曲线，显著提高风险收益比。4.根据权利要求1所述的一种权益市场择时的机器学习算法模型，其特征在于：所述P值公式：P＝f(V，F，C，E，S)，P值由五方面的因子组成，包括估值、基本面、资金面、市场情绪、技术面，各方面的每种因子进一步由细分因子组成，表现为求和的关系；五方面因子又互相制约，求积的关系。5.根据权利要求1所述的一种权益市场择时的机器学习算法模型，其特征在于：所述中各组成因子如下构建：V估值因子，使用指数的估值，作为底仓计算的基础，并且每日更新；F代表基本面因子，会预测重要的宏观经济指标，来表征经济的基本面状态；C代表资金面因子，选择资金面数据，从高频、中频、低频三个维度，对市场的资金充裕情况进行实时刻画；E代表市场情绪，主要利用行为金融的数据，例如互联网大数据、投资者行为数据等来表征市场乐观/悲观的程度；S代表技术面因子，模型使用技术指标预判重大拐点。6.一种权益市场择时的机器学习算法模型的存储展示系统，包括权利要求1
‑
5中任一项所述的权益市场择时的机器学习算法模型，其特征在于：包括客户端(表示层)、信息交互(应用表示逻辑层)、应用控制(应用逻辑组件调用)、应用服务(领域模型组件层)、数据库系统(存储层)；具体如下：客户端(表示层)：系统使用者接入系统进行交互时对数据内容的表现层；信息交互(应用表示逻辑层)：根据系统的...

【专利技术属性】
技术研发人员：齐亮，
申请(专利权)人：明世数据技术珠海有限公司，
类型：发明
国别省市：