[發明專利]基于機器學習的投資趨勢分析方法及其系統

在審

• 申請號: 201710424134.X
• 申請日: 2017-06-07
• 公開（公告）號: CN107292744A
• 公開（公告）日: 2017-10-24
• 發明（設計）人: 李小強
• 申請（專利權）人: 前海梧桐（深圳）數據有限公司
• 主分類號: G06Q40/06
• 分類號: G06Q40/06;G06N99/00
• 代理公司: 深圳市精英專利事務所44242
• 代理人: 馮筠

技術領域

本發明涉及投資趨勢分析方法，更具體地說是指基于機器學習的投資趨勢分析方法及其系統。

背景技術

投資指的是特定經濟主體為了在未來可預見的時期內獲得收益或是資金增值，在一定時期內向一定領域的標的物投放足夠數額的資金或實物的貨幣等價物的經濟行為，可分為實物投資、資本投資和證券投資。前者是以貨幣投入企業，通過生產經營活動取得一定利潤。后者是以貨幣購買企業發行的股票和公司債券，間接參與企業的利潤分配。

投資方尋求企業在投資時主要是進行投資趨勢的分析，對于投資趨勢的分析，一般都是基于對企業基礎數據的簡單分析，再由計算機做一些簡單的統計分析和報表分析，投資經理人工來根據分析結果篩選企業，由于數據量小,數據維度少，很難篩選出優秀的企業。

中國專利201210253785.4公開了一種基于SWOT模型的行業投資信息及數據處理系統，包括信息采集分類服務器中的互聯網上行業信息自動采集模塊和行業信息手工補錄模塊；信息及數據處理服務器中的信息篩選加工模塊、SWOT分析模塊、影響力量化模塊、SWOT指數處理模塊；信息及數據輸出終端。行業信息自動采集模塊自動抓取互聯網上的行業信息，信息篩選加工模塊自動篩選去重和統一格式；SWOT分析模塊將各子行業信息分成S、W、O、T部分；SWOT指數處理模塊對信息設定影響概率系數并得到SWOT分析投資指數。該專利能自動搜索、抓取、篩選和加工行業投資信息，生成按子行業分類的信息和投資指數，實現信息和指數S、W、O、T類別的歸類、存儲和輸出。

上述的專利采用SWOT模型對行業投資信息進行分析和處理，所有的信息都分成S、W、O、T部分，存在一定的局限性，不能結合行業特征進行提取，也無法根據投資機構的投資偏好進行數據分析，總結規律，效率不高。

因此，有必要設計一種基于機器學習的投資趨勢分析方法，實現利用海量可靠的數據以及從數據多個維度，篩選出優秀的企業，且根據投資機構的投資偏好進行數據分析，自動總結規律，提高分析效率以及分析的準確度。

發明內容

本發明的目的在于克服現有技術的缺陷，提供基于機器學習的投資趨勢分析方法及其系統。

為實現上述目的，本發明采用以下技術方案：基于機器學習的投資趨勢分析方法，所述方法包括：

獲取海量投資數據；

根據投資數據，對企業的細分行業進行定位；

按照細分行業的多維度，對所述投資數據進行分析和歸類，獲取基礎指標庫；

根據基礎指標庫，獲取符合投資屬性的訓練集；

利用機器學習技術，使用訓練集對需要分析和預測的數據進行投資趨勢分析和預測。

其進一步技術方案為：根據投資數據，對企業的細分行業進行定位的步驟，包括以下具體步驟：

根據投資數據，建立符合投資屬性的行業數據庫；

采用企業全名搜索相關咨訊網站，獲取搜索返回內容；

對所述搜索返回內容進行精準分析，獲取相應投資屬性的關鍵分詞；

對所述關鍵分詞進行匹配、分組統計以及打標簽，形成企業的細分行業。

其進一步技術方案為：按照細分行業的多維度，對所述投資數據進行分析和歸類，獲取基礎指標庫的步驟，包括以下具體步驟：

按照細分行業分析和劃分投資數據，獲取每個細分行業的投資數據；

對每個細分行業的投資數據進行不同維度的分析和劃分；

統計每個細分行業在各個維度中的總計數量，將總計數量作為每個細分行業各個維度的基礎指標；

整合所有所述基礎指標，形成基礎指標庫。

其進一步技術方案為：根據基礎指標庫，獲取符合投資屬性的訓練集的步驟，包括以下具體步驟：

從基礎指標庫中提取符合投資屬性的投資數據的規律；

抽取所述規律中的特征值，并量化所述特征值；

整合所述特征值，形成訓練集。

其進一步技術方案為：利用機器學習技術，使用訓練集對需要分析和預測的數據進行投資趨勢分析和預測的步驟，包括以下具體步驟：

收集需要分析和預測的數據；

初步歸類和分析所述數據；

計算所述數據的各個獨立特征在不同分類中的條件概率和各類別概率；

計算條件概率以及各類別概率的錯誤率；

輸入所述數據中指定的特征，計算輸入特征的相應屬于特定分類的條件概率；

返回屬于特定分類的條件概率最大的類別。