[發明專利]基于個體、群體、總體多層次的智能證券比較方法和系統

在審

• 申請號: 201910976900.2
• 申請日: 2019-10-15
• 公開（公告）號: CN112667699A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 王曉龍;黃冬;孟正
• 申請（專利權）人: 深圳海知科技有限公司;哈爾濱工業大學（深圳）
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/28;G06Q40/04;G06Q40/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于個體、群體、總體多層次的智能證券比較方法，其特征在于以下步驟：

數據獲取步驟：獲取證券的實時數據、歷史數據以及基礎屬性數據，構建證券品種數據庫；

群體構建步驟：使用人工標識和系統生成技術確定證券品種的屬性，構建證券品種群體并進行屬性參數計算；

跑道成員確定步驟：創建時間T、跑道N、漲幅Y三維結構模型，并將其降維成包含N軸在內的二維模型，確定跑道成員和時間間隔，獲取成員數據，在模型中選擇固定跑道或動態跑道分配方法對成員的漲跌幅進行呈現；

不同粒度集合的比較步驟：在指定的一段時間內進行不同粒度集合的比較，通過下尋上尋技術進行不同層次間切換比較。

2.根據權利要求1所述的基于個體、群體、總體多層次的智能證券比較方法，其特征在于：在所述步驟B中，使用人工標識和系統生成技術確定證券品種的屬性，通過人工標識確定的屬性有：地域、行業、概念、市場指數和用戶自定義；通過系統生成的屬性有：量化、聚類和用戶，也可以對人工標識的屬性自動生成；

量化屬性主要是按照量化指標中的特征描述和量化因子對證券品種進行劃分，劃分分為兩種方式：一是按照單一的量化屬性進行排序，對排序結果按比例對證券品種進行劃分，二是對多個單一量化屬性產生的結果進行組合，組合的計算方法為析取、合取、取反；

聚類屬性是指按照基于時間序列的加權漲跌同向相似關系對證券品種進行聚類，相似關系計算方法為指定時間粒度走勢同向概率超過閾值的劃分為一類；

用戶屬性包括用戶個人屬性和用戶群體屬性，具有用戶個人屬性的證券品種集合是用戶當前持倉的品種集合，具有用戶群體屬性的證券品種集合是該用戶群體所有成員的持倉品種集合；用戶屬性在指定時間內具有時效性。

3.根據權利要求2所述的基于個體、群體、總體多層次的智能證券比較方法，其特征在于：對構建出的每一個群體計算群體參數，群體參數有：群內成員數量、群體指數、群體成交量；群內成員可以是證券品種個體和證券品種群體，群內成員數量為個體成員數量和群體成員數量之和，群體指數計算是多層次的指數計算。

4.根據權利要求3所述的基于個體、群體、總體多層次的智能證券比較方法，其特征在于：個體證券品種的多屬性可以按照重要性進行排序，排在第一的為該證券品種的動態主屬性，重要性排序的計算方法為：指定時間走勢相似法；將指定時間內最長時間的動態主屬性作為基本主屬性，只包含基本主屬性的群體集合稱為基本集。

5.根據權利要求1所述的基于個體、群體、總體多層次的智能證券比較方法，在所述步驟C中，所述的三維結構模型中的三個維度指的是跑道N、漲幅Y和時間T；其中，跑道對應著證券品種個體、證券品種群體或者證券品種總體；漲幅則對應著證券品種價格或者證券群體指數的漲幅，時間維度是指證券品種個體或者證券品種群體的漲幅所對應的時間段；其特征在于：采用降維技術將三維結構轉換為“跑道——漲幅”二維平面圖，時間維度則以播放形式進行呈現，時間播放形式采用實時播放和回放的方式，回放方式可以指定歷史時間段。

6.根據權利要求5所述的基于個體、群體、總體多層次的智能證券比較方法，其特征在于：在“跑道——漲幅”二維平面圖中，確定跑道成員和指定時間，獲取成員數據，跑道使用固定跑道或動態跑道分配方法對成員的漲跌幅進行呈現，動態跑道采用拉鏈式，分為拉開部分和鏈接部分，拉開部分中的上半部分按漲幅排序從高到低顯示前N個，下半部分按漲幅排序從低到高顯示前N個，上下部分交叉呈現，鏈接部分表示其余成員的指數，分配最后一條跑道。

7.根據權利要求1所述的基于個體、群體、總體多層次的智能證券比較方法，其特征在于：在所述步驟D中，在指定的一段時間內進行不同粒度集合的比較，主要包含在群體內證券品種個體之間的比較，群體之間的比較，群體和個體之間的比較，動態群體中個體變化與群體的比較；個體用來比較的是相對于個體證券品種價格在對應時間段的漲幅，群體用來比較的是相對于群體指數點位對應時間段的漲幅。