[发明专利]基金池筛选方法及筛选装置

说明书

本发明提供了一种基金池筛选方法，该方法包括：获取指标组合，其中，指标组合包括基金业绩指标和技术指标；对指标组合中的指标进行筛选；以及利用筛选出的指标对基金在下一时间周期的涨跌概率进行预测。本发明挖掘了指标间的深层关系，并对高维数据进行有效降维，解决了传统基金指标分析的不足。

技术领域

本发明涉及计算机应用领域，尤其涉及基金池筛选方法及筛选装置。

背景技术

基金内基金FoF(Fund of funds)的构建主要包括两个部分，一是在众多基金中筛选出基金池，二是对筛选出的基金池进行资产配置。现有基金池的选择方法主要有两个侧重，一是基于对基金公司投研系统和基金经理的评价：调研基金公司的投研团队，分析其投研团队的架构、分工、实力、股票池的规则、投资的流程、基金经理的从业年限、历史业绩等。二是偏向基金历史业绩的分析。本发明聚焦于通过对基金历史业绩的分析来在众多基金中筛选出基金池。

现有的基金历史业绩分析方法主要是评价最近一段时间的基金表现，选取不同风险类别中前期表现最好的几只基金构成投资组合。当既有组合中的某只基金的当期表现不再满足选择标准时，则在下一时间周期将其剔除并补充进新的投资基金以更新组合。这种方法其实就是选过去一期优秀的基金，然后以此预测下一时间周期这些基金会大概率优于其他基金。常见的基金业绩评价指标有收益率、波动率、夏普比率、最大回撤、在险价值(VaR)、下半方差、持仓分散度、calmar指标、简森指标等等。

传统的基金业绩指标分析法使用排序或者时间周期回归方式对基金进行打分。这两种方法的主要不足在于无法对各个时间周期的历史相关性作出合理的权重分配，指标与指标之间高维度的联动性也容易被忽略，随着指标种类和数量的增加，面临较高维度的数据筛选时也会相对困难。

因此，亟需一种能够抓取各个指标间的深层关系、考虑各个时间周期的历史相关性并方便对高维度数据进行筛选的基金池筛选方法。

发明内容

针对上述问题，本发明提出了一种基金池筛选方法，所述方法包括：获取指标组合，其中，所述指标组合包括基金业绩指标和技术指标；对所述指标组合中的指标进行筛选；以及利用筛选出的指标对基金在下一时间周期的涨跌概率进行预测。

一种实施方式中，所述方法还包括：将预测出的上涨概率在指定阈值以上的基金放入所述基金池中。

一种实施方式中，对所述指标组合中的指标进行筛选还包括：将所述指标组合所对应的指标数据分为训练集和测试集，并以基金在下一时间周期的涨跌情况作为训练目标进行二分类处理；用所述训练集对随机森林模型进行训练，并通过交叉验证方式优化所述随机森林模型；将所述测试集代入到优化后的随机森林模型中，得到所述指标组合中的每个指标的贡献度；根据所述每个指标与所述训练目标的相关性，设定贡献度预定阈值；筛选出贡献度在所述贡献度预定阈值以上并且贡献度排在预定名次之前的指标。

一种实施方式中，利用筛选出的指标对基金下一时间周期的涨跌概率进行预测包括：将筛选出的指标、基金的收盘价格与一定时间周期内的时间序列结合形成指标矩阵；将所述指标矩阵输入包含两个隐藏层的卷积神经网络中进行处理并且通过逻辑回归进行处理，从而得到所述涨跌概率的预测值。

一种实施方式，所述两个隐藏层包括第一卷积核最大池化层3×1结构和第二卷积核最大池化层28×1结构。

一种实施方式中，所述通过逻辑回归进行处理是指利用softmax层进行处理。

本发明另一方面还提供了一种基金池筛选装置，所述装置包括：指标组合获取单元，被配置为获取指标组合，其中，所述指标组合包括基金业绩指标和技术指标；指标筛选单元，被配置为对所述指标组合中的指标进行筛选；和涨跌概率预测单元，被配置为利用筛选出的指标对基金在下一时间周期的涨跌概率进行预测。