[發明專利]結合大數據輿情分析與融合模型的多因子交易方法

在審

• 申請號: 201810832706.2
• 申請日: 2018-07-26
• 公開（公告）號: CN109086927A
• 公開（公告）日: 2018-12-25
• 發明（設計）人: 徐斌辰;康琦;馬璐;潘樂
• 申請（專利權）人: 同濟大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q40/04
• 代理公司: 蘇州謹和知識產權代理事務所(特殊普通合伙) 32295
• 代理人: 葉棟

1.一種結合大數據輿情分析與融合模型的多因子交易方法，其特征在于，所述方法包括：

獲取用戶對目標交易對象的評論信息；

根據所述評論信息對至少一種交易因子進行預處理；

將預處理后的至少一種交易因子和所述目標交易對象的相關交易信息輸入融合模型進行回測，得到所述目標交易對象的預測交易數據；

將所述預測交易數據發送至客戶端，所述預測交易數據用于供所述客戶端對應的用戶確定是否對所述目標交易對象進行交易。

2.根據權利要求1所述的方法，其特征在于，所述將預處理后的至少一種交易因子和所述目標交易對象的相關交易信息輸入融合模型進行回測，包括：

將預處理后的至少一種交易因子和所述目標交易對象的相關交易信息輸入第一融合模型進行非行業中性回測；和/或，

將預處理后的至少一種交易因子和所述目標交易對象的相關交易信息輸入第二融合模型進行行業中性回測。

3.根據權利要求1所述的方法，其特征在于，所述評論信息包括以下信息中的至少一種：

是否推薦對所述目標交易對象進行交易；

對所述目標交易對象進行交易時的時間；

對所述目標交易對象進行交易時的價格；

所述目標交易對象交易之后的盈利能力；

所述目標交易對象交易之后的風險指數。

4.根據權利要求3所述的方法，其特征在于，所述根據所述評論信息對至少一種交易因子進行預處理，包括：

將所述評論信息與各個交易因子進行匹配；

降低與評論信息的匹配度低于預設閾值的交易因子的權重。

5.根據權利要求1所述的方法，其特征在于，所述目標交易對象為股票，所述至少一種交易因子還包括以下信息中的至少一種：

目標股票的選股指標為盈利收益率EP時的分值；

目標股票的選股指標為賬面市值比BM時的分值；

目標股票的選股指標為現金收益率CR時的分值；

目標股票的選股指標為資產收益率變動ROAC時的分值；

目標股票的選股指標為市盈率相對盈利增長比率PEG時的分值。

6.根據權利要求1至5任一所述的方法，其特征在于，所述融合模型包括隨機森林Random forest模型、LightGBM模型、xgboost模型、stacking模型和bagging模型；其中，Random forest模型用于對數據進行分類，所述LightGBM模型和所述xgboost模型用于對數據進行回歸；所述stacking模型和所述bagging模型用于融合其它模型的輸出結果，得到新的輸出結果。

7.根據權利要求6所述的方法，其特征在于，所述將預處理后的至少一種交易因子和所述目標交易對象的相關交易信息輸入融合模型之前，所述方法還包括：

將所述目標交易對象的歷史交易信息和歷史交易因子依次輸入所述Random forest模型、所述LightGBM模型、所述xgboost模型、所述stacking模型和所述bagging模型，得到訓練結果；

將所述訓練結果與所述歷史交易信息對應的歷史交易數據進行比較，得到比較結果，所述歷史交易數據是根據所述歷史交易信息進行真實的交易時的交易數據；

檢測所述比較結果是否滿足預設的訓練指標；

在不滿足所述預設的訓練指標時，調整所述融合模型中的模型參數，重新執行所述將所述目標交易對象的歷史交易信息和歷史交易因子依次輸入所述Random forest模型、所述LightGBM模型、所述xgboost模型、所述stacking模型和所述bagging模型，得到訓練結果的步驟，直至所述比較結果滿足所述訓練指標時停止。