[发明专利]一种基于自然语言实时处理的股票定价新型算法

权利要求书

1.一种基于自然语言实时处理的股票定价新型算法，其特征在于：包括无风险回报率(Risk free rate)的计算，股票的Beta系数的计算，市场期望回报率(Expected MarketReturn)的计算和股票市场溢价(Equity Market Premium)的计算，单个股票或是股票组合的预期回报率(Expected Return)的公式如下：

其中r_f，是无风险回报率(Risk free rate)；β_a，是股票的Beta系数；是市场期望回报率(Expected Market Return)。

2.根据权利要求1所述的一种基于自然语言实时处理的股票定价新型算法，其特征在于：所述无风险回报率(Risk free rate)为资金时间价值与通货膨胀补偿率之和，是除了通货膨胀风险之外，没有任何其他风险的投资收益率，无风险回报率(Risk free rate)＝资金时间价值+通货膨胀补偿率。

3.根据权利要求1所述的一种基于自然语言实时处理的股票定价新型算法，其特征在于：所述股票的Beta系数利用回归的方法计算，Beta系数为1，即股票的价格与市场一同变动，Beta系数高于1，即股票价格比总体市场更波动，Beta系数大于0小于1，即股票价格的波动性比市场更低，Beta系数的计算公式为

其中Cov(r_a，r_m)是股票a的收益与市场收益的协方差；是市场收益的方差，因为

Cov(r_a，r_m)＝ρ_am×σ_a×σ_m

所以公式也可以写成

其中ρ_am为股票a与市场的相关系数；σ_a为股票a的标准差；σ_m为市场的标准差。

4.根据权利要求1所述的一种基于自然语言实时处理的股票定价新型算法，其特征在于：所述市场期望回报率(Expected Market Return)的计算公式为

其中为市场期望回报率；P_i为第i种结果出现的概率；n为所有可能结果的数目。

5.根据权利要求1所述的一种基于自然语言实时处理的股票定价新型算法，其特征在于：所述预期回报率(Expected Return)基于以下几个假设条件：

条件一：投资者希望财富越多愈好，效用是财富的函数，财富又是投资收益率的函数，因此可以认为效用为收益率的函数；

条件二：投资者知道投资收益率的概率分布为正态分布；

条件三：除期望收益率和风险外没有其他影响投资决策的因素；

条件四：投资者在同一风险下，选择收益较高的股票；同一收益水平下，投资者选择风险较低的股票。

6.根据权利要求1所述的一种基于自然语言实时处理的股票定价新型算法，其特征在于：所述Beta系数的计算可以说明Beta系数并不代表股票价格波动与总体市场波动的直接联系，并不能直接的说，β越大股票价格波动σ_a相对与总体市场波动σ_m越大；同样β越小，也不完全代表σ_a相对与σ_m越小，即使β为0也不能代表股票无风险，股票a与市场的相关系数ρ_am在股票a与市场完全无关时，β也会为0，但是可以确定的时，如果股票无风险，β一定为0。

7.根据权利要求6所述的一种基于自然语言实时处理的股票定价新型算法，其特征在于：所述Beta系数的计算，可以得出单个股票或是股票组合未来将面临的市场风险状况，所述Beta系数所用的历史数据越多，Beta系数的应用效果将越好。