股票舆情指数预测方法以及装置的制造方法
【技术领域】
[0001]本发明涉及网络技术，尤其是涉及一种股票舆情指数预测方法以及股票舆情指数预测装置。
【背景技术】
[0002]量化投资已经在国内外获得了越来越多的关注和应用。根据统计美国市场大约有不少于60%的成交量来自于量化交易，而2010年也被国内投资者誉为中国量化投资的元年。
[0003]量化投资不是依靠人的感觉来管理资产，而是根据人的投资思想和投资经验来构建数学模型，并基于计算机设备利用大量的历史股票量价数据作为数据源来对数学模型进行有效性验证，有效性验证通过的数学模型可以被用于量化投资中。
[0004]发明人在实现本发明过程中发现，由于股票量价数据中的噪音较多且其具有完全公开性，因此，利用股票量价数据来实现量化投资往往会存在构建有效的量化投资策略难度较大的问题，从而不利用量化投资。
【发明内容】
[0005]本发明的目的是提供一种股票舆情指数预测方法以及装置。
[0006]根据本发明的一个方面，提供一种股票舆情指数预测方法，且所述方法主要包括以下步骤:获取需要进行股票舆情指数预测的股票标识信息；根据所述股票标识信息和预先设置的各预定模式对不同类型的数据源中的实时数据分别进行过滤统计，以确定不同类型的数据源中针对所述股票标识信息所存在的各预定模式；根据不同类型的数据源的权重值以及所述不同类型的数据源中所存在的各预定模式的权重值计算确定所述股票标识信息的股票舆情指数。
[0007]根据本发明的另一个方面，提供一种股票舆情指数预测装置，且所述装置包括:用于获取需要进行股票舆情指数预测的股票标识信息的装置；用于根据所述股票标识信息和预先设置的各预定模式对不同类型的数据源中的实时数据分别进行过滤统计，以确定不同类型的数据源中针对所述股票标识信息所存在的各预定模式的装置；用于根据不同类型的数据源的权重值以及所述不同类型的数据源中所存在的各预定模式的权重值计算确定所述股票标识信息的股票舆情指数的装置。
[0008]与现有技术相比，本发明具有以下优点:本发明通过对不同类型的数据源中的实时数据分别进行过滤统计，可以及时地确定出股票在不同类型的数据源中所出现的预定模式，使本发明可以通过多角度的数据挖掘获得更多对股票价格可能会产生影响的信息；本发明通过根据不同类型的数据源的权重值以及不同类型的数据源中所出现的各预定模式的权重值来计算确定股票舆情指数，使股票舆情指数建立在对多个数据源和多种对股票价格可能会产生影响的信息进行全面考虑的基础之上；由此可知，本发明提供的技术方案能够获得较为准确的股票舆情指数，由于本发明的股票舆情指数可以作为量化投资过程中一项有参考价值的指标，因此，本发明提供的技术方案有利于量化投资。
【附图说明】
[0009]通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显:
[0010]图1为本发明实施例一的股票舆情指数预测方法流程图；
[0011]图2为本发明实施例二的股票舆情指数预测装置示意图。
[0012]附图中相同或相似的附图标记代表相同或相似的部件。
【具体实施方式】
[0013]在更加详细地讨论示例性实施例之前，应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作描述成顺序的处理，但是，其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的执行顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
[0014]在上下文中所称“计算机设备”，也称为“电脑”，是指可以通过运行预定程序或指令来执行数值计算和/或逻辑计算等预定处理过程的智能电子设备，其可以包括处理器与存储器，由处理器执行在存储器中预存的存续指令来执行预定处理过程，或者是由ASIC、FPGA、DSP等硬件执行预定处理过程，或者是由上述二者组合来实现。计算机设备包括但不限于服务器、个人电脑以及笔记本电脑等。
[0015]所述计算机设备包括用户设备与网络设备。其中，所述用户设备包括但不限于电脑、智能手机、PDA等；所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(Cloud Computing)的由大量计算机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。其中，所述计算机设备可单独运行来实现本发明，也可接入网络并通过与网络中的其他计算机设备的交互操作来实现本发明。其中，所述计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、VPN网络等。
[0016]需要说明的是，所述用户设备、网络设备和网络等仅为举例，其他现有的或今后可能出现的计算机设备或网络如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
[0017]后面所讨论的方法(其中一些通过流程图示出)可通过硬件、软件、固件、中间件、微代码、硬件描述语言或者其任意组合来实施。当用软件、固件、中间件或微代码来实施时，用以实施必要任务的程序代码或代码段可以被存储在机器或计算机可读介质(比如存储介质)中。(一个或多个)处理器可以实施必要的任务。
[0018]这里所公开的具体结构和功能细节仅仅是代表性的，并且是用于描述本发明的示例性实施例的目的。但是，本发明可以通过许多替换形式来具体实现，并且不应当被解释成仅仅受限于这里所阐述的实施例。
[0019]应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
[0020]应当理解的是，当一个单元被称为“连接”或者“耦合”到另一个单元时，其可以直接连接或耦合到所述另一单元，或者可以存在中间单元。与此相对，当一个单元被称为“直接连接”或“直接耦合”到另一单元时，则不存在中间单元。应当按照类似的方式来解释被用于描述单元之间的关系的其他词语(例如“处于...之间”相比于“直接处于...之间”，“与...邻近”相比于“与...直接邻近”等等)。
[0021]这里所使用的术语仅仅是为了描述具体实施例而不意图限制示例性实施例。除非上下文明确地另有所指，否则这里所使用的单数形式“一个”、“一项”还意图包括复数。还应当理解的是，这里所使用的术语“包括”和/或“包含”规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在，而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。
[0022]还应当提到的是，在一些替换实现方式中，所提到的功能/动作可以按照不同于附图中标示的顺序发生。举例来说，取决于所涉及的功能/动作，相继示出的两幅图实际上可以基本上同时执行或者有时可以按照相反的顺序来执行。
[0023]下面结合附图对本发明作进一步详细描述。
[0024]实施例一、股票舆情指数预测方法。
[0025]图1为本实施例的股票舆情指数预测方法的流程图，且图1所示的方法主要包括:步骤S100、步骤S110以及步骤S120。本实施例所记载的方法通常是在计算机设备中被执行的，优选的，本实施例所记载的方法可以在服务器、台式计算机以及其他网络设备中被执行。下面对图1中的各步骤分别进行说明。
[0026]S100、获取需要进行股票舆情指数预测的股票标识信息。
[0027]具体的，本实施例中的股票舆情指数主要用于反映股票的走向，即本实施例中的股票舆情指数反映出市场近期对股票的极性(如股票价格的上升/下跌)以及强度(如支持股票价格上升/下跌的势头等)所持的态度；一个具体的例子，在预先设定股票舆情指数的最大值为+1且其最小值为-1的情况下，股票舆情指数越接近+1，则表示市场近期对个股的看多情绪越高，股票舆情指数越接近-1，则表示市场近期对个股的看多情绪越低，而当股票舆情指数在0附近徘徊，则表明市场近期对个股的多空预期没有明显的倾向性。
[0028]作为示例，本实施例中的股票舆情指数可以应用于炒股类型的软件产品中，以便于软件产品可以利用股票舆情指数为用户提供的量化投资的决策参考信息，如本实施例中的股票舆情指数可以应用于百度股市通APP中，且本实施例不限制股票舆情指数的具体应用。
[0029]作为示例，本实施例中的股票标识信息可以具体为:股票名称、股票代码以及股票名称的简称中的一个或者多个，且一条股票标识信息只能唯一表示出一只股票，不同的股票标识信息所表示出的股票并不相同。在实际应用中，股票标识信息最好包括:股票名称、股票代码以及股票名称的简称，以便于后续可以对数据源中的实时数据进行充分的过滤统
i+o
[0030]作为示例，本实施例可以根据外部输入的信息获取到需要进行股票舆情指数预测的股票标识信息，如根据键盘输入的信息获取到需要进行股票舆情指数预测的股票标识信息，再如根据网络传输来的信息获取到需要进行股票舆情指数预测的股票标识信息。
[0031]作为示例，本实施例也可以从本地存储的文件中获取到需要进行股票舆情指数预测的股票标识信息；一个具体的例子，本地存储的文件中包含有目前A股市场中的所有股票的股票标识信息，从而从该文件中可以获取到任意一个需要进行股票舆情指数预测的股票标识信息。在需要对目前A股市场中的所有股票均进行股票舆情指数预测时，本实施例可以从该文件中逐个读取股票标识信息，通过针对每次读取出的股票标识信息分别执行下述步骤S110和步骤S120，即可实现对目前A股市场中的所有股票分别进行股票舆情指数预测的目的。
[0032]本实施例不限制获取需要进行股票舆情指数预测的股票标识信息的具体实现方式以及股票标识信息所包含的具体内容。
[0033]S110、根据股票标识信息和预先设置的各预定模式对不同类型的数据源中的实时数据分别进行过滤统计，以确定不同类型的数据源中针对所述股票标识信息所存在的各预定模式。
[0034]具体的，本实施例中的不同类型的数据源可以包括:基于搜索引擎的数据源(也可以称为搜索大数据，如百度搜索大数据)、基于社区/论坛的数据源(也可称为社区/论坛大数据，如百度社区大数据)以及基于