[發明專利]一種基于社會網絡聚類的股票指數跟蹤預測方法及系統

在審

• 申請號: 201710100466.2
• 申請日: 2017-02-23
• 公開（公告）號: CN106897797A
• 公開（公告）日: 2017-06-27
• 發明（設計）人: 劉海飛;許金濤
• 申請（專利權）人: 南京大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q40/04;G06K9/62
• 代理公司: 南京經緯專利商標代理有限公司32200
• 代理人: 朱小兵

1.一種基于社會網絡聚類的股票指數跟蹤預測方法，其特征在于，包括以下步驟：

(1)、從第三方數據庫中采集上月和當月的指數以及成份股數據，并對數據進行清洗，得到能用于研究的樣本內數據和樣本外數據；所述樣本內數據為指數及其成份股上月的前復權1分鐘收盤價數據，所述樣本外數據為指數及其成份股當月的前復權1分鐘收盤價數據；

(2)、根據樣本內數據構建訓練模型，對成份股采用社會網絡聚類模型構建股票池，并用指數跟蹤優化模型確定最優權重；

(3)、將樣本內訓練得到的股票池和最優權重運用于樣本外數據的指數跟蹤，得到預測的指數。

2.根據權利要求1所述的基于社會網絡聚類的股票指數跟蹤預測方法，其特征在于，在步驟(1)中，對所有收盤價數據進行數據清洗，包括：剔除缺失嚴重的股票、刪除第一天和最后一天停市或數據缺失的股票、刪除所有股票和指數及期貨缺失超過一半的時刻、對缺失數據進行線性插值補全、再次對首末存在缺失的時刻進行刪除，最終得到研究的樣本內、樣本外數據。

3.根據權利要求1所述的基于社會網絡聚類的股票指數跟蹤預測方法，其特征在于，在步驟(2)中，是從成份股中提取相關性低且具有代表性的股票構建股票池，具體流程包括：用成份股間的相關系數計算度量距離，構建成份股間的社會網絡，用自適應仿射傳播聚類算法對網絡進行聚類，提取每簇的聚類中心形成股票池。

4.根據權利要求1所述的基于社會網絡聚類的股票指數跟蹤預測方法，其特征在于，在步驟(2)中，所述指數跟蹤優化模型是通過最優化模型實現股票池股票對標的指數的最優跟蹤，具體為：用股票池股票的線性組合得到跟蹤指數，以跟蹤指數與標的指數的跟蹤誤差最小為目標，進行二次優化模型求解股票的最優線性組合，確定最優權重。

5.根據權利要求3所述的基于社會網絡聚類的股票指數跟蹤預測方法，其特征在于，在步驟(2)中，用成份股間的相關系數計算度量距離，構建成份股間的社會網絡，用自適應仿射傳播聚類算法對網絡進行聚類，提取每簇的聚類中心形成股票池，具體如下：

A、計算研究樣本的對數收益率r_i(t)，r_i(t)＝lnp_i(t)-lnp_i(t-1)，得到指數以及成份股的對數收益率序列；其中，p_i(t)表示第i只成分股在第t時間的前復權收盤價；

B、基于對數收益率序列，計算任意兩只股票i和j在觀測時間內股價波動的線性相關系數ρ_ij，其中E(r_i)表示第i只股票在樣本內的平均對數收益率，t₁表示樣本內總交易天數；

C、根據任意兩只股票間的相關系數構建相應的相關系數矩陣C，其中C為對角線為1的對稱矩陣；

D、將相關系數ρ_ij轉化為對應的度量距離d_ij，將相關系數矩陣C轉化為距離矩陣D，以距離矩陣D表示任意兩只股票間的度量距離，得到成份股間的社會網絡，其中D為對角線為0的對稱矩陣；

E、對成份股間的社會網絡進行自適應仿射傳播AAP聚類，通過不斷調整偏向參數值確定一系列包含不同簇的聚類結果，并提取每一組聚類結果的每簇的聚類中心分別構建股票池。

6.根據權利要求5所述的基于社會網絡聚類的股票指數跟蹤預測方法，其特征在于，在步驟(2)中，針對每組聚類結果，通過二次指數跟蹤優化模型確定最優權重，并引入跟蹤誤差TE度量指數跟蹤效果的好壞。