[发明专利]一种基于大数据群统计算法的金融投资风险值预测系统

说明书

本发明涉及一种基于大数据群统计算法的金融投资风险值预测系统。预测系统算法核心工具为网络爬虫，通过网络爬虫对互联网中核心金融指标参数进行抓取，并且所述的核心金融指标参数分为：证券交易参数、房地产交易参数、银行贷款利率参数三大部分；所述的证券交易参数其优选证券购入对象公司行业类别为石油、国际贸易、房地产、黄金交易；本发明的通过对核心金融指标参数：证券交易参数、房地产交易参数、银行贷款利率参数三大部分的参数统计，并且分析在可观测预期点内的大数据的统计，可以计算出整个经济时期段内的整体经济走势，从而给出比较准确的投资风险值参数。

技术领域

本发明涉及一种基于大数据群统计算法的金融投资风险值预测系统。

背景技术

投资想要有相对准确的预测，就需要对全球经济有足够的了解，也要对投资的项目要有足够的理解，投资是有风险的，但是风险的大小却是自己可以控制的，这就是一场概率学。投资的项目有很多，有的是相对比较稳定的，例如银行的投资产品，保险等等，这些投资产品一般都是一件列有投资回报率的，可以通过计算预测回报。投资有风险，投资市场有很多不确定性和风险性，所以我们买的投资产品都是有风险的，只不过风险等级有高低之分罢了。投资产品主要面临兑付风险、政策风险、人为风险以及不可抗力风险等等。另外，自然灾害、战争等不可抗力因素也可能严重影响投资产品正常进行。因此需要开发基于大数据群统计算法的金融投资风险值预测系统。而能够实现其数据抓取的则是网络爬虫，网络爬虫（又称为网页蜘蛛，网络机器人，在FOAF社区中间，更经常的称为网页追逐者），是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。另外一些不常使用的名字还有蚂蚁、自动索引、模拟程序或者蠕虫。爬行对象从一些种子 URL 扩充到整个 Web，主要为门户站点搜索引擎和大型 Web 服务提供商采集数据。因此通过网络爬虫对全球经济形式的定量参数分析，可实现对金融投资风险值预测系统的实现。

发明内容

本发明的目的是提供一种基于大数据群统计算法的金融投资风险值预测系统，是一套通过网络大数据抓取影响经济体系核心参数，从而判断投资风险的系统。

本发明解决其上述的技术问题所采用以下的技术方案：一种基于大数据群统计算法的金融投资风险值预测系统，预测系统算法核心工具为网络爬虫，通过网络爬虫对互联网中核心金融指标参数进行抓取，并且所述的核心金融指标参数分为：证券交易参数、房地产交易参数、银行贷款利率参数三大部分；

所述的证券交易参数其优选证券购入对象公司行业类别为石油、国际贸易、房地产、黄金交易；所述的房地产交易参数其优选对象为国家一至三线房地产二手交易成交数据源；所述的银行贷款利率参数优选对象为国企银行发布的贷款利率参数；

所述的证券交易参数值计算模式：研究的证券购入对象公司上一年度每股发行单价平均数/本年度每股股价平均数=X值；

所述的房地产交易参数计算模式：研究对象城市上半年度二手房成交的平均楼面每平米单价/下半年度二手房成交的平均楼面每平米单价= Y值；

所述的银行贷款利率参数计算模式：研究对象银行放贷上季度利率/下季度利率=Z值；

所述的预测系统算法的投资风险值参数为K，K=(3X+Y+6Z)/10；当K系数小于等于0.8时，投资风险低，适合一般制造、贸易行业领域投资。

进一步地，所述的研究对象城市二手房成交的平均楼面每平米单价数超出本地区人均收入水平的2倍以上时数据无效；挑选下一线城市数据进行二次计算。

进一步地，所述的研究证券购入对象公司其证券波动金额的差值超过原始发行证券价情况发生超过3次时数据无效，挑选其他证券购入对象公司进行二次数据计算。

进一步地，所述的银行贷款利率统计不计入政府性补贴。

进一步地，所述的网络爬虫算法规则符合合法性要求。