[发明专利]基于指数ETF特点的股票市场预测方法、装置、终端及介质

权利要求书

1.一种基于指数ETF特点的股票市场预测方法，其特征在于，包括：

获取目标行业的大盘因子数据与所述目标行业的多个股票数据；

根据所述大盘因子数据与各个所述股票数据的时间序列，通过滑动窗口截取方式与相关性度量方式，分别得到所述大盘因子数据与各个所述股票数据间的相关性时间序列；

根据所述相关性时间序列，通过TOPSIS多目标优化模型进行运算，构建相关性数值矩阵，所述相关性数值矩阵中包含有各个所述股票数据的相关性数值；

根据各个所述股票数据的相关性数值中的最大值与最小值，确定各个所述股票数据中的理想最优解与理想最劣解；

根据各个所述股票数据的相关性数值，分别计算各个所述股票数据的第一距离与第二距离，其中，所述第一距离为所述股票数据与所述理想最优解间的距离，所述第二距离为所述股票数据与所述理想最劣解间的距离；

根据各个所述股票数据的第一距离与第二距离，确定各个所述股票数据的股票评分；

根据所述股票评分对各个所述股票数据进行排序，筛选出若干个得分靠前的目标股票，结合预设的SVM机器学习模型进行股票市场预测，以获得预测结果。

2.根据权利要求1所述的一种基于指数ETF特点的股票市场预测方法，其特征在于，获取到的所述大盘因子数据数量为一个或多个。

3.根据权利要求2所述的一种基于指数ETF特点的股票市场预测方法，其特征在于，当获取到的所述大盘因子数据数量为一个时，所述根据所述相关性时间序列，通过TOPSIS多目标优化模型进行运算，得到各个所述股票数据的相关性数值具体包括：

根据所述相关性时间序列，结合预设的多项相关性数值指标，通过TOPSIS多目标优化模型进行运算，得到各个所述股票数据在各项相关性数值指标下的相关性数值，再基于所述相关性数值与所述各项相关性数值指标，构建相关性数值矩阵。

4.根据权利要求2所述的一种基于指数ETF特点的股票市场预测方法，其特征在于，当获取到的所述大盘因子数据数量为多个时，所述根据所述相关性时间序列，通过TOPSIS多目标优化模型进行运算，得到各个所述股票数据的相关性数值具体包括：

根据所述相关性时间序列，结合所述大盘因子数据，通过TOPSIS多目标优化模型进行运算，得到各个所述股票数据在对应不同的大盘因子数据的相关性数值，再基于所述相关性数值与所述大盘因子数据指标，构建相关性数值矩阵。

5.根据权利要求2所述的一种基于指数ETF特点的股票市场预测方法，其特征在于，当获取到的所述大盘因子数据数量为多个时，所述根据所述大盘因子数据与各个所述股票数据的时间序列，通过滑动窗口截取方式与相关性度量方式，得到所述大盘因子数据与各个所述股票数据间的相关性时间序列具体包括：

根据各个所述大盘因子数据与各个所述股票数据的时间序列，通过滑动窗口截取方式与相关性度量方式，得到各个时间序列组合的相关性时间序列，其中，所述时间序列组合是由各个大盘因子数据的时间序列与各个股票数据的时间序列两两组合形成的。

6.根据权利要求1所述的一种基于指数ETF特点的股票市场预测方法，其特征在于，所述相关性度量方式具体包括：Person相关性度量方式、Spearman相关性度量方式、LCS相关性度量方式、Kendall’s tau相关性度量方式以及SAX相关性度量方式中至少一种。

7.根据权利要求4所述的一种基于指数ETF特点的股票市场预测方法，其特征在于，当采取的相关性度量方式达到两种以上时，则所述根据各个所述股票数据的第一距离与第二距离，确定各个所述股票数据的股票评分之后还包括：

基于不同的相关性度量方式计算得到的股票评分，按照所述不同相关性度量方式对应的权重，对所述股票评分进行加权求和计算，以计算得到的加权和作为所述股票数据的实际股票评分。