一種基于大數(shù)據(jù)的混合估值型智能股票交易系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及電子信息技術(shù)領(lǐng)域，尤其涉及一種基于大數(shù)據(jù)的混合估值型智能股票交易系統(tǒng)。
【背景技術(shù)】
[0002]大數(shù)據(jù)，是指不用隨機(jī)分析法這樣的捷徑，而采用所有數(shù)據(jù)進(jìn)行分析處理，從而解決股票估值的及時(shí)性、準(zhǔn)確性，同時(shí)可以完成交易利潤(rùn)的最大化并降低投資的風(fēng)險(xiǎn)性。
[0003]混合估值是集歷史表現(xiàn)、現(xiàn)狀及未來(lái)增長(zhǎng)于一體的估值方法。傳統(tǒng)的股票估值方法分為現(xiàn)金流分析法、市盈率分析法等。這些分析方法較為片面，無(wú)法反映股票的真實(shí)價(jià)格，同時(shí)，單一的分析法導(dǎo)致過(guò)高的估值風(fēng)險(xiǎn)。
[0004]股票交易是非常經(jīng)典與頻繁發(fā)生的金融行為。目前，市場(chǎng)上的股票交易主要為圖形分析與估值法。圖形分析僅考慮股票的價(jià)格波動(dòng)與走勢(shì)，而估值法則旨在發(fā)現(xiàn)股票作為商品的真實(shí)價(jià)值，買入被低估的，賣出被高估的。傳統(tǒng)圖形法分析的弊端是嘗試對(duì)隨機(jī)事件進(jìn)行規(guī)律分析，這通常會(huì)導(dǎo)致徒勞無(wú)功。另外，傳統(tǒng)的估值方法較為單一，對(duì)風(fēng)險(xiǎn)的控制能力差。最后，絕大多數(shù)的現(xiàn)實(shí)交易以人工交易進(jìn)行，人工交易的弊端是無(wú)法同時(shí)實(shí)時(shí)分析幾千只股票，另外，人工交易會(huì)含有情緒進(jìn)行交易(例如，希望下跌的股票上漲，害怕上漲的股票下跌)，這會(huì)使交易員進(jìn)入羊群效應(yīng)而蒙受損失。

【發(fā)明內(nèi)容】

[0005]根據(jù)現(xiàn)有技術(shù)及算法中存在的問(wèn)題，現(xiàn)提供一種基于大數(shù)據(jù)的混合估值型智能股票交易系統(tǒng)，從而提高交易的精度并為金融市場(chǎng)提供能夠真正幫助市場(chǎng)發(fā)現(xiàn)并修訂企業(yè)真實(shí)價(jià)值的系統(tǒng)工具。
[0006]上述技術(shù)方案具體包括:
股票分類單元:由于不同類型的股票評(píng)估參數(shù)不同，因此，該系統(tǒng)會(huì)先對(duì)所有股票從行業(yè)與發(fā)展階段進(jìn)行綜合分類。另外，對(duì)股票的分類也會(huì)對(duì)后續(xù)的對(duì)沖投資提供支持，從而降低交易風(fēng)險(xiǎn)。
[0007]股票估值單元:與所述股票分類單元連接，用于發(fā)現(xiàn)股票真實(shí)價(jià)值。為了更全面的反映股票的價(jià)值，該系統(tǒng)從股票的歷史表現(xiàn)、目前狀況以及未來(lái)增長(zhǎng)預(yù)測(cè)進(jìn)行綜合估值。其中，歷史表現(xiàn)是根據(jù)歷史的分紅情況與目標(biāo)分紅預(yù)期進(jìn)行計(jì)算的；目前狀況是根據(jù)當(dāng)前市盈率與市凈率來(lái)計(jì)算的；未來(lái)的增長(zhǎng)預(yù)測(cè)主要是根據(jù)對(duì)未來(lái)凈利潤(rùn)潤(rùn)逐年增長(zhǎng)率進(jìn)行計(jì)算的。
[0008]模擬最優(yōu)化單元:與所述股票估值單元連接，用于根據(jù)股票的真實(shí)價(jià)值與振動(dòng)方差來(lái)自動(dòng)生成大量隨機(jī)價(jià)格及概率來(lái)尋找最優(yōu)的交易策略的過(guò)程。
[0009]生成各決策價(jià)格單元:與所述模擬最優(yōu)化單元連接，用于根據(jù)模擬最優(yōu)化輸出的最優(yōu)交易對(duì)，及股票的真實(shí)價(jià)格來(lái)測(cè)算最優(yōu)買入價(jià)、賣出價(jià)、調(diào)倉(cāng)價(jià)以及加倉(cāng)價(jià)。
[0010]自動(dòng)交易單元:與所述生成各決策價(jià)格單元連接，用于根據(jù)實(shí)時(shí)監(jiān)聽(tīng)的股票價(jià)格及股數(shù)變化、系統(tǒng)計(jì)算的決策價(jià)格、以及資金情況來(lái)進(jìn)行股票的自動(dòng)交易，包括交易對(duì)象(哪知股票)、交易動(dòng)作(買、賣、調(diào)倉(cāng)、加倉(cāng))、以及交易金額。
[0011]上述的基于大數(shù)據(jù)的混合估值型智能股票交易系統(tǒng)，其中，所述的本發(fā)明的股票分類單元包括:
行業(yè)分類模塊:用于將股票按科技、資源、服務(wù)、制造四個(gè)行業(yè)進(jìn)行劃分；
發(fā)展階段模塊:用于將股票按成熟期、發(fā)展期、初期三個(gè)階段進(jìn)行劃分。
[0012]上述的基于大數(shù)據(jù)的混合估值型智能股票交易系統(tǒng)，其中，所述的本發(fā)明的股票估值單元包括:
基于PE的估值模塊:用于從目前的市盈率的分析角度對(duì)股票進(jìn)行估值；
基于PB的估值模塊:用于從目前的市凈率的分析角度對(duì)股票進(jìn)行估值；
基于增長(zhǎng)的估值模塊:用于從未來(lái)的凈利潤(rùn)增長(zhǎng)現(xiàn)金流分析角度對(duì)股票進(jìn)行估值； 基于分紅的估值模塊:用于從歷史的分紅表現(xiàn)角度對(duì)股票進(jìn)行估值。
[0013]上述的基于大數(shù)據(jù)的混合估值型智能股票交易系統(tǒng)，其中，所述的本發(fā)明的模擬最優(yōu)化單元包括:
生成隨機(jī)價(jià)格對(duì)模塊:用于根據(jù)估值及振動(dòng)情況生成隨機(jī)價(jià)格對(duì)，以模擬股票的真實(shí)波動(dòng)；
計(jì)算同時(shí)出現(xiàn)概率模塊:與生成隨機(jī)價(jià)格對(duì)模塊連接，用于根據(jù)隨機(jī)價(jià)格對(duì)及振動(dòng)規(guī)律來(lái)計(jì)算每個(gè)價(jià)格對(duì)同時(shí)出現(xiàn)的概率；
計(jì)算概率收益模塊:與計(jì)算同時(shí)出現(xiàn)概率模塊，用于根據(jù)每個(gè)價(jià)格對(duì)的絕對(duì)收益及同時(shí)出現(xiàn)概率來(lái)計(jì)算概率收益，以尋求概率收益的最大化。
[0014]上述的基于大數(shù)據(jù)的混合估值型智能股票交易系統(tǒng)，其中，所述的本發(fā)明的生成各決策價(jià)格單元包括:
生成買入點(diǎn)模塊:與計(jì)算概率收益模塊連接，用于根據(jù)模擬最優(yōu)化輸出的結(jié)果來(lái)確定最優(yōu)買入點(diǎn)；
生成賣出點(diǎn)模塊:與計(jì)算概率收益模塊連接，用于根據(jù)模擬最優(yōu)化輸出的結(jié)果來(lái)確定最優(yōu)賣出點(diǎn)；
生成調(diào)倉(cāng)點(diǎn)模塊:與計(jì)算概率收益模塊連接，用于根據(jù)模擬最優(yōu)化輸出的賣出價(jià)及股票的真實(shí)價(jià)格來(lái)計(jì)算最優(yōu)調(diào)倉(cāng)點(diǎn)；
生成加倉(cāng)點(diǎn)模塊:與計(jì)算概率收益模塊連接，用于根據(jù)模擬最優(yōu)化輸出的買入點(diǎn)來(lái)計(jì)算最優(yōu)加倉(cāng)點(diǎn)。
[0015]上述的基于大數(shù)據(jù)的混合估值型智能股票交易系統(tǒng)，其中，所述的本發(fā)明的自動(dòng)交易單元包括:
分類標(biāo)記模塊:用于根據(jù)每次的操作對(duì)資金進(jìn)行分類、對(duì)市場(chǎng)及倉(cāng)內(nèi)的股票進(jìn)行標(biāo)記；買入操作模塊:與分類標(biāo)記模塊連接，用于根據(jù)市場(chǎng)股票標(biāo)記情況、資金情況及倉(cāng)內(nèi)股票狀態(tài)來(lái)決定買入哪些股票，分別買入多少；
賣出操作模塊:與分類標(biāo)記模塊連接，用于根據(jù)倉(cāng)內(nèi)股票狀態(tài)來(lái)決定賣出哪些股票；調(diào)倉(cāng)操作模塊:與分類標(biāo)記模塊連接，用于根據(jù)市場(chǎng)股票標(biāo)記情況、資金情況及倉(cāng)內(nèi)股票狀態(tài)來(lái)決定賣出哪些股票，同時(shí)，買入哪些股票；
加倉(cāng)操作模塊:與分類標(biāo)記模塊連接，用于根據(jù)市場(chǎng)股票標(biāo)記情況、資金情況及倉(cāng)內(nèi)股票狀態(tài)來(lái)決定加倉(cāng)哪些股票，分別加倉(cāng)多少。
[0016]有益的效果是:本系統(tǒng)在股票交易領(lǐng)域采用大數(shù)據(jù)及混合估值智能算法，徹底解決了現(xiàn)有交易的情緒化問(wèn)題、無(wú)法同時(shí)分析所有股票問(wèn)題、無(wú)法發(fā)現(xiàn)股票真實(shí)價(jià)格問(wèn)題，以及交易風(fēng)險(xiǎn)過(guò)高問(wèn)題，結(jié)果大大提高了金融市場(chǎng)的價(jià)值修復(fù)能力及速度以及投資者的回報(bào)穩(wěn)定性。
【附圖說(shuō)明】
圖1為本發(fā)明一種基于大數(shù)據(jù)的混合估值型智能股票交易系統(tǒng)的實(shí)施案例及流程；
圖2為本發(fā)明一個(gè)較佳的實(shí)施案例中，帶有一種基于大數(shù)據(jù)的混合估值型智能股票交易系統(tǒng)股票分類單元的系統(tǒng)的結(jié)構(gòu)示意圖；
圖3為本發(fā)明一個(gè)較佳的實(shí)施案例中，帶有一種基于大數(shù)據(jù)的混合估值型智能股票交易系統(tǒng)股票估值單元的系統(tǒng)的結(jié)構(gòu)示意圖；
圖4為本發(fā)明一個(gè)較佳的實(shí)施案例中，帶有一種基于大數(shù)據(jù)的混合估值型智能股票交易系統(tǒng)模擬最優(yōu)化單元的系統(tǒng)的結(jié)構(gòu)示意圖；
圖5為本發(fā)明一個(gè)較佳的實(shí)施案例中，帶有一種基于大數(shù)據(jù)的混合估值型智能股票交易系統(tǒng)生成各決策價(jià)格單元的系統(tǒng)的結(jié)構(gòu)示意圖；
圖6為本發(fā)明一個(gè)較佳的實(shí)施案例中，帶有一種基于大數(shù)據(jù)的混合估值型智能股票交易系統(tǒng)自動(dòng)交易單元的系統(tǒng)的結(jié)構(gòu)示意圖。
【主權(quán)項(xiàng)】
1.一種基于大數(shù)據(jù)的混合估值型智能股票交易系統(tǒng)，其特征在于，包括: 股票分類單元，用于對(duì)所有股票從行業(yè)與發(fā)展階段進(jìn)行綜合分類，以便對(duì)后續(xù)的對(duì)沖投資提供支持，從而降低交易風(fēng)險(xiǎn)； 股票估值單元，用于根據(jù)股票的歷史表現(xiàn)、目前狀況以及未來(lái)增長(zhǎng)的混合估值來(lái)發(fā)現(xiàn)股票真實(shí)價(jià)值； 模擬最優(yōu)化單元，用于根據(jù)股票的真實(shí)價(jià)值與振動(dòng)方差來(lái)自動(dòng)生成大量隨機(jī)價(jià)格及概率來(lái)尋找最優(yōu)的交易策略； 生成各決策價(jià)格單元，用于根據(jù)模擬最優(yōu)化輸出的最優(yōu)交易對(duì)，及股票的真實(shí)價(jià)格來(lái)測(cè)算最優(yōu)買入價(jià)、賣出價(jià)、調(diào)倉(cāng)價(jià)以及加倉(cāng)價(jià)； 自動(dòng)交易單元，用于根據(jù)實(shí)時(shí)監(jiān)聽(tīng)的股票價(jià)格及股數(shù)變化、系統(tǒng)計(jì)算的決策價(jià)格、以及資金情況來(lái)進(jìn)行股票的自動(dòng)交易，包括交易對(duì)象(哪知股票)、交易動(dòng)作(買、賣、調(diào)倉(cāng)、加倉(cāng))、以及交易金額。2.如權(quán)利要求1所述的基于大數(shù)據(jù)的混合估值型智能股票交易系統(tǒng)，其特征在于，所述系統(tǒng)股票分類單元包括: 行業(yè)分類模塊:用于將股票按科技、資源、服務(wù)、制造四個(gè)行業(yè)進(jìn)行劃分； 發(fā)展階段模塊:用于將股票按成熟期、發(fā)展期、初期三個(gè)階段進(jìn)行劃分。3.如權(quán)利要求1所述的基于大數(shù)據(jù)的混合估值型智能股票交易系統(tǒng)，其特征在于，所述股票估值單元包含: 基于PE的估值模塊:用于從目前的市盈率的分析角度對(duì)股票進(jìn)行估值； 基于PB的估值模塊:用于從目前的市凈率的分析角度對(duì)股票進(jìn)行估值； 基于增長(zhǎng)的估值模塊:用于從未來(lái)的凈利潤(rùn)增長(zhǎng)現(xiàn)金流分析角度對(duì)股票進(jìn)行估值； 基于分紅的估值模塊:用于從歷史的分紅表現(xiàn)角度對(duì)股票進(jìn)行估值。4.如權(quán)利要求1所述的基于大數(shù)據(jù)的混合估值型智能股票交易系統(tǒng)，其特征在于，所述模擬最優(yōu)化單元包含: 計(jì)算同時(shí)出現(xiàn)概率模塊:與生成隨機(jī)價(jià)格對(duì)模塊連接，用于根據(jù)隨機(jī)價(jià)格對(duì)及振動(dòng)規(guī)律來(lái)計(jì)算每個(gè)價(jià)格對(duì)同時(shí)出現(xiàn)的概率； 計(jì)算概率收益模塊:與計(jì)算同時(shí)出現(xiàn)概率模塊，用于根據(jù)每個(gè)價(jià)格對(duì)的絕對(duì)收益及同時(shí)出現(xiàn)概率來(lái)計(jì)算概率收益，以尋求概率收益的最大化。5.如權(quán)利要求1所述的基于大數(shù)據(jù)的混合估值型智能股票交易系統(tǒng)，其特征在于，所述生成各決策價(jià)格單元包含: 生成買入點(diǎn)模塊:與計(jì)算概率收益模塊連接，用于根據(jù)模擬最優(yōu)化輸出的結(jié)果來(lái)確定最優(yōu)買入點(diǎn)； 生成賣出點(diǎn)模塊:與計(jì)算概率收益模塊連接，用于根據(jù)模擬最優(yōu)化輸出的結(jié)果來(lái)確定最優(yōu)賣出點(diǎn)； 生成調(diào)倉(cāng)點(diǎn)模塊:與計(jì)算概率收益模塊連接，用于根據(jù)模擬最優(yōu)化輸出的賣出價(jià)及股票的真實(shí)價(jià)格來(lái)計(jì)算最優(yōu)調(diào)倉(cāng)點(diǎn)； 生成加倉(cāng)點(diǎn)模塊:與計(jì)算概率收益模塊連接，用于根據(jù)模擬最優(yōu)化輸出的買入點(diǎn)來(lái)計(jì)算最優(yōu)加倉(cāng)點(diǎn)。6.如權(quán)利要求1所述的基于大數(shù)據(jù)的混合估值型智能股票交易系統(tǒng)，其特征在于，所述自動(dòng)交易單元包含: 分類標(biāo)記模塊:用于根據(jù)每次的操作對(duì)資金進(jìn)行分類、對(duì)市場(chǎng)及倉(cāng)內(nèi)的股票進(jìn)行標(biāo)記；買入操作模塊:與分類標(biāo)記模塊連接，用于根據(jù)市場(chǎng)股票標(biāo)記情況、資金情況及倉(cāng)內(nèi)股票狀態(tài)來(lái)決定買入哪些股票，分別買入多少； 賣出操作模塊:與分類標(biāo)記模塊連接，用于根據(jù)倉(cāng)內(nèi)股票狀態(tài)來(lái)決定賣出哪些股票；調(diào)倉(cāng)操作模塊:與分類標(biāo)記模塊連接，用于根據(jù)市場(chǎng)股票標(biāo)記情況、資金情況及倉(cāng)內(nèi)股票狀態(tài)來(lái)決定賣出哪些股票，同時(shí)，買入哪些股票； 加倉(cāng)操作模塊:與分類標(biāo)記模塊連接，用于根據(jù)市場(chǎng)股票標(biāo)記情況、資金情況及倉(cāng)內(nèi)股票狀態(tài)來(lái)決定加倉(cāng)哪些股票，分別加倉(cāng)多少。
【專利摘要】本發(fā)明涉及電子信息技術(shù)領(lǐng)域，尤其涉及一種基于大數(shù)據(jù)的混合估值型智能股票交易系統(tǒng)，包括：股票分類單元，用于對(duì)所有股票從行業(yè)與發(fā)展階段進(jìn)行綜合分類；股票估值單元，用于發(fā)現(xiàn)股票真實(shí)價(jià)值；模擬最優(yōu)化單元，用于尋找最優(yōu)的交易策略；生成各決策價(jià)格單元，用于測(cè)算最優(yōu)買入價(jià)、賣出價(jià)、調(diào)倉(cāng)價(jià)以及加倉(cāng)價(jià)；自動(dòng)交易單元，用于進(jìn)行股票的自動(dòng)交易。其有益效果是本系統(tǒng)在股票交易領(lǐng)域采用大數(shù)據(jù)及混合估值智能算法，徹底解決了現(xiàn)有交易的情緒化、無(wú)法同時(shí)分析所有股票、無(wú)法發(fā)現(xiàn)股票真實(shí)價(jià)格，以及交易風(fēng)險(xiǎn)過(guò)高等問(wèn)題，大大提高了金融市場(chǎng)的價(jià)值修復(fù)能力以及投資者的回報(bào)穩(wěn)定性。
【IPC分類】G06Q40/04
【公開號(hào)】CN105447759
【申請(qǐng)?zhí)枴緾N201510950420
【發(fā)明人】不公告發(fā)明人
【申請(qǐng)人】深圳市佐學(xué)科技有限公司
【公開日】2016年3月30日
【申請(qǐng)日】2015年12月18日