[發(fā)明專(zhuān)利]股票收益率預(yù)測(cè)方法、裝置、電子設(shè)備及介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202211269932.7
• 申請(qǐng)日: 2022-01-04
• 公開(kāi)（公告）號(hào): CN115545322A
• 公開(kāi)（公告）日: 2022-12-30
• 發(fā)明（設(shè)計(jì)）人: 李勝浩;楊帆;吳皓;李孜
• 申請(qǐng)（專(zhuān)利權(quán)）人: 工銀瑞信基金管理有限公司
• 主分類(lèi)號(hào): G06Q10/04
• 分類(lèi)號(hào): G06Q10/04;G06Q10/06;G06Q40/04;G06Q40/06;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 中科專(zhuān)利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 王文思

本公開(kāi)提供了一種股票收益率預(yù)測(cè)方法，涉及人工智能技術(shù)領(lǐng)域。該方法包括：獲取當(dāng)前交易日的至少一個(gè)測(cè)試數(shù)據(jù)集，其中，所述測(cè)試數(shù)據(jù)集從原始股票特征數(shù)據(jù)中拆分得到，所述原始股票特征數(shù)據(jù)包括原始量?jī)r(jià)數(shù)據(jù)、中間特征數(shù)據(jù)和未定義因子數(shù)據(jù)；將至少一個(gè)所述測(cè)試數(shù)據(jù)集輸入訓(xùn)練好的股票收益率預(yù)測(cè)模型，提取潛在因子序列，其中，所述潛在因子序列具有預(yù)設(shè)維度且與股票收益率的排序準(zhǔn)確度相關(guān)；將所述潛在因子序列再次輸入所述股票收益率預(yù)測(cè)模型，預(yù)測(cè)下一個(gè)交易日的目標(biāo)收益率。本公開(kāi)還提供了一種股票收益率預(yù)測(cè)裝置、設(shè)備、存儲(chǔ)介質(zhì)和程序產(chǎn)品。

分案說(shuō)明

本申請(qǐng)是申請(qǐng)?zhí)枮?02210002469.3、申請(qǐng)日為2022年1月4日、發(fā)明名稱(chēng)為“股票收益率預(yù)測(cè)方法、裝置、電子設(shè)備及介質(zhì)”的發(fā)明專(zhuān)利申請(qǐng)的分案申請(qǐng)，其全部?jī)?nèi)容通過(guò)引用結(jié)合在本申請(qǐng)中。

技術(shù)領(lǐng)域

本公開(kāi)涉及人工智能技術(shù)領(lǐng)域，具體涉及量化投資技術(shù)領(lǐng)域，更具體地涉及一種股票收益率預(yù)測(cè)方法、裝置、電子設(shè)備及介質(zhì)。

背景技術(shù)

在量化投資中，主要是通過(guò)擇時(shí)和選股，來(lái)設(shè)計(jì)自己的換倉(cāng)策略，已達(dá)到股票收益的最大化，其中選股主要通過(guò)挖掘出α因子或聰明β對(duì)股票收益率做出準(zhǔn)確的預(yù)測(cè)。股票收益率預(yù)測(cè)不僅需要對(duì)模型的可解釋性提出要求，以避免過(guò)多的人為因素的干擾，也需要對(duì)模型的可分析或可對(duì)比性提出要求，以避免主觀因素帶來(lái)的營(yíng)私舞弊風(fēng)險(xiǎn)。

目前流行的股票收益率預(yù)測(cè)主要采用線(xiàn)性回歸或循環(huán)神經(jīng)網(wǎng)絡(luò)方法，但是兩者各有各的弊端，需要進(jìn)一步優(yōu)化。例如，線(xiàn)性回歸通過(guò)幾個(gè)因子的算術(shù)平均值或者加權(quán)平均值完成對(duì)收益率的預(yù)測(cè)，各個(gè)因子的線(xiàn)性貢獻(xiàn)是明確的，天然具備很高的可解釋性，但是線(xiàn)性回歸依賴(lài)因子的質(zhì)量，而且其對(duì)高維空間高維特征的擬合能力十分有限，具體例如線(xiàn)性回歸模型的適用場(chǎng)景隨著風(fēng)格輪動(dòng)或者行業(yè)輪動(dòng)而一直在變化。又例如，循環(huán)神經(jīng)網(wǎng)絡(luò)通過(guò)高維函數(shù)的方式，對(duì)收益率的預(yù)測(cè)具備超高維數(shù)據(jù)擬合的能力，能夠挖掘出很多線(xiàn)性方法無(wú)法識(shí)別的規(guī)律，但是其“黑盒特性”使得其在行業(yè)應(yīng)用存在較大的可控性風(fēng)險(xiǎn)，無(wú)法得到相關(guān)人員的信任。

隨著資產(chǎn)管理行業(yè)在金融科技領(lǐng)域投入的持續(xù)加大，AT(ArtificialIntelligence，人工智能)算法在量化投資領(lǐng)域的應(yīng)用越來(lái)越成為研究熱點(diǎn)。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)的上述不足，本公開(kāi)提供一種股票收益率預(yù)測(cè)方法、裝置、電子設(shè)備及介質(zhì)。

根據(jù)本公開(kāi)的第一個(gè)方面，提供了一種股票收益率預(yù)測(cè)方法，包括：獲取多個(gè)歷史時(shí)段的原始股票特征數(shù)據(jù)，將原始股票特征數(shù)據(jù)拆分為訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集；對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行特征工程處理，得到標(biāo)準(zhǔn)樣本集；根據(jù)預(yù)設(shè)分批策略對(duì)標(biāo)準(zhǔn)樣本集進(jìn)行分批，得到每批標(biāo)準(zhǔn)樣本集；分別以按日分批的收益率的秩和隱因子層的相關(guān)系數(shù)為目標(biāo)函數(shù)，將每批標(biāo)準(zhǔn)樣本集輸入股票收益率預(yù)測(cè)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的股票收益率預(yù)測(cè)模型。

本公開(kāi)的第二方面提供了一種股票收益率預(yù)測(cè)裝置，包括：數(shù)據(jù)獲取模塊，用于獲取多個(gè)歷史時(shí)段的原始股票特征數(shù)據(jù)，將原始股票特征數(shù)據(jù)拆分為訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集；特征工程處理模塊，用于對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行特征工程處理，得到標(biāo)準(zhǔn)樣本集；樣本分批模塊，用于根據(jù)預(yù)設(shè)分批策略對(duì)標(biāo)準(zhǔn)樣本集進(jìn)行分批，得到每批標(biāo)準(zhǔn)樣本集；模型訓(xùn)練模塊，用于分別以按日分批的收益率的秩和隱因子層的相關(guān)系數(shù)為目標(biāo)函數(shù)，將每批標(biāo)準(zhǔn)樣本集輸入股票收益率預(yù)測(cè)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的股票收益率預(yù)測(cè)模型。

本公開(kāi)的第三方面提供了一種電子設(shè)備，包括：一個(gè)或多個(gè)處理器；存儲(chǔ)器，用于存儲(chǔ)一個(gè)或多個(gè)程序，其中，當(dāng)所述一個(gè)或多個(gè)程序被所述一個(gè)或多個(gè)處理器執(zhí)行時(shí)，使得一個(gè)或多個(gè)處理器執(zhí)行上述股票收益率預(yù)測(cè)方法。

本公開(kāi)的第四方面還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有可執(zhí)行指令，該指令被處理器執(zhí)行時(shí)使處理器執(zhí)行上述股票收益率預(yù)測(cè)方法。

本公開(kāi)的第五方面還提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述股票收益率預(yù)測(cè)方法。