[发明专利]基于机器学习的价值投资分析方法、设备和存储介质

权利要求书

1.一种基于机器学习的价值投资分析方法，适于在计算设备中执行，其特征在于，包括以下步骤：

(1)将分析标的进行板块划分，计算分析标的与所述板块的相似度；

(2)构建基于神经网络理论构建神经网络模型，所述神经网络模块至少包括输入层、隐藏层和输出层，所述输入层为多维线性输入层；

(3)以所述分析标的上一周期的财务因子和板块相似度作为输入层参数，预测该分析标的下一周期在各个板块的行情；

(4)对所述各个板块行情预测值进行相似度加权平均，取相似度加权平均值作为所述分析标的的行情预测值；

(5)显示结果。

2.根据权利要求1所述的基于机器学习的价值投资分析方法，其特征在于，所述步骤(1)中，一个分析标的可划分为多个板块，所述分析标的板块划分方法包括：

获取分析标的的基本面信息和技术面数据信息，提取基本面信息和技术面数据信息中的关键词；

合并所述关键词中的同义词或相似度符合阈值的词，生成板块特征词，并从板块关键词库中寻找与板块特征词相近的词作为板块名称，所述板块名称即为所述分析标的所属的板块；

所述分析标的与所属板块的相似度的计算方法包括：

提取分析标的基本面信息和技术面数据信息关键词；

计算所述关键词与所属板块特征词的相似度。

3.根据权利要求1所述的基于机器学习的价值投资分析方法，其特征在于，所述步骤(3)中，所述的财务因子包括每股收益、销售净利率、净资产收益率、每股经营现金流量净利润、营业收入、主营业同比增长率、主营收入环比增长率、营业利润、净利润、利润总额、净利润同比增长率、净利润环比增长率、现金流量、资产负债率中的一项或者多项组合、或者多项之间的四则运算产生的因子；

所述行情包括开盘价、收盘价、最高价、最低价、成交量、成交额、换手率、流通市值、总市值、股东人数中的一项或多项组合，或者多项之间的四则运算产生的行情因子。

4.根据权利要求1所述的基于机器学习的价值投资分析方法，其特征在于，所述步骤(3)中，在输入财务因子参数前，还包括：将财务因子进行聚类的步骤，聚类生成偿债能力因子、营运能力因子、盈利能力因子、企业发展能力因子。

5.根据权利要求1所述的基于机器学习的价值投资分析方法，其特征在于，所述步骤(4)中，所述分析标的的行情预测值：

其中，N为所述分析标的所属的板块数量，为第i板块的板块行情的第j个预测值，x_i为所述分析标的与所属板块的相似度。

6.根据权利要求1所述的基于机器学习的价值投资分析方法，其特征在于，在所述步骤(4)后，步骤(5)前，还包括：

获取参照标的，将所述分析标的与所述参照标的建立联动关系；

计算所述参照标的与所述分析标的的财务相似度并比较所述相似度差异，若两者的财务相似度差异超过阈值，则给出分析标的的警告提示信息，其中，所述的差异包括差值、比值或相对值。

7.根据权利要求6所述的基于机器学习的价值投资分析方法，其特征在于，所述参照标的的筛选方法包括：

选择参照标的的范围：包括与分析标的相似度最大的板块中所有标的作为第一标的；

获取参照标的：计算第一标的与分析标的的板块相似度，取相似度超过阈值或相似度最大的第一标的作为参照标的，其中，所述板块相似度通过提取所述第一标的与分析标的的板块关键词并计算所述关键词的相似度获得。

8.根据权利要求6所述的基于机器学习的价值投资分析方法，其特征在于，所述的财务相似度通过计算所述参照标的与所述分析标的的财务因子的相似度获得，所述相似度计算方法包括标准化欧氏距离、殴几里得距离、曼哈顿距离、皮尔森相关性。