[发明专利]量化指标处理方法

说明书

本发明公开了一种量化指标处理方法，包括：基于第一回测区间内的量价数据，确定至少一个量化指标的指标数据；基于指标数据，确定至少一个量化指标在第一回测区间内每个指定时刻的多空指示参数，其中，多空指示参数是用于指示多头信号和空头信号的参数；基于第一回测区间内价格的上涨阶段和下跌阶段分别对应的权重值确定第一回测区间内的先验决策值；基于先验决策值和每个指定时刻的多空指示参数，确定需要选取的量化指标以及训练参数，其中，训练参数为与需要选取的量化指标在第一回测区间内对应的所需的多空指示参数的组合；以及利用训练参数和先验决策值训练SVM模型。

技术领域

本发明涉及计算机应用领域，尤其涉及量化指标处理方法。

背景技术

在金融行业，投资经理和分析师们可以借助量化模型挖掘有效的量化指标用来预测市场未来的走势，从而做出相关的投资决策和投资建议。利用三个以内的量化指标构建的量化模型针对一些特定标的能够取得比较良好的预测结果，但往往需要投入很大精力来从众多量化指标中筛选，而得到的量化模型也可能时效性很短或者不具有较好的普适性。市场上的金融产品种类繁多，例如沪深A股市场有三千多只股票，目前一般采用多因子选股模型来针对众多股票进行金融分析和投资。

传统的多因子选股主要考虑基本面因子，采用评分或回归模型；通过根据一系列丰富的因子对股票进行评分，或通过回归分析预测收益率，动态筛选持仓股票构建选股策略，其主要步骤一般如下：

1、选取候选因子，例如估值类指标、盈利类指标、现金流量类指标等；

2、对候选因子进行清洗，包括去极值、中性化、归一化等；

3、利用评分法或回归法给出筛选股票标准。评分法根据某股票的某因子在所有股票的因子值分布中的相对位置来给该股票评分，然后根据一定的权重把所有因子的得分加总，得到该股票的最终得分。根据这个分值对股票排序，筛选出预测赢面较大的一部分股票买入。回归法通过对每个股票在历史发生的因子值和收益率进行回归分析，得到回归系数，将回归系数近期的一个平均值作为未来回归系数的一个近似，从而将新的因子值带入得到预测的未来收益率，按预测收益率对股票进行排序，将收益率靠前的一定比例股票买入。

4、按上述筛选方法定期更新股票池。

多因子选股模型相对基于三个以内的量化指标的量化模型，在处理大量标的的海量数据时具有明显的优势。但是目前的多因子选股模型重在挑选股票，对于单个金融标的(例如，商品期货螺纹钢等)不适用，并且目前针对单个金融标的的决策中采用三个以内的量化指标的量化模型，容易失效，需要不断做调整。

因此，亟需一种量化指标处理方法，使得能够通过挑选出的量化指标建立准确的预测市场未来价格走势的模型，有利于针对单个金融标的做出合理的投资决策。

发明内容

针对上述问题，本发明受多因子选股模型启发，提供了一种量化指标处理方法，该方法将多因子选股的思路应用到以量价数据为主的单个金融标的的量化建模中，通过将支持向量机(SVM)的机器学习算法运用到量化模型中进行智能预测，使得投资者可以做出准确的投资决策，以获得较为长期稳定的收益。

本发明提供了一种量化指标处理方法，包括以下步骤：

基于第一回测区间内的量价数据，确定至少一个量化指标的指标数据；

基于所述指标数据，确定所述至少一个量化指标在所述第一回测区间内每个指定时刻的多空指示参数，其中，所述多空指示参数是用于指示多头信号和空头信号的参数；

基于所述第一回测区间内价格的上涨阶段和下跌阶段分别对应的权重值确定所述第一回测区间内的先验决策值；

基于所述先验决策值和所述每个指定时刻的多空指示参数，确定需要选取的量化指标以及训练参数，其中，所述训练参数为与所述需要选取的量化指标在所述第一回测区间内对应的所需的多空指示参数的组合；以及