基于企业网络的股票联动性评价方法与流程

文档序号：13209717阅读：622来源：国知局

本发明涉及一种股票联动性评价方法，尤其涉及一种基于企业网络的股票联动性计算方法。

背景技术：

金融市场中，股票间常常出现价格“同升共降”的联动现象，通常称此现象为股票联动现象。

现有技术中，股票联动性的评价方法主要基于经济基本面视角、投资者偏好视角与信息扩散视角。经济基本面视角是指影响股票联动的因素只能是其基本面价值，如现金流、盈利等，投资者偏好视角则认为投资者心理与行为对股票联动也有着影响，信息扩散视角是指市场信息传播和扩散不均也会导致股票联动。联动性分析方法主要包括：相关系数法、granger因果关系检验、向量自回归、以及协整检验。

信息传递是联动效应产生的重要因素，而作为计算机与信息技术产物代表的社会化媒体在金融市场中承担着大量信息传递的作用。社会化媒体能够在金融市场中传随着互联网的发展，社会化媒体逐渐成为人们获取信息与发布信息的主要方式。由于社会化媒体在信息发布、信息传播与信息获取上具有重要影响力，而市场上各类信息将会影响投资者对于资产未来收益和价值的判断，因此社会化媒体对金融市场有重大的影响。

然而，在现有的股票联动性评价方法中，未考虑社会化媒体，尤其是新闻共同曝光度及微博互相关注度对股票联动性的影响，不能准确预测股票联动性，为金融市场提供决策。

技术实现要素：

本发明的目的在于克服现有技术的不足，提供一种基于企业网络的股票联动性评价方法，能够基于社会化媒体评价股票联动性。

为达到上述目的，本发明的实施例采用如下技术方案：

本发明实施例提供一种基于企业网络的股票联动性评价方法，如图1所示，具体包括：

s101、基于社会化媒体确定每个企业的关联企业列表；

基于社会化媒体确定企业间的新闻共同曝光度或微博互相关注度，并基于新闻共同曝光度或微博互相关注度确定每个企业的关联企业列表。

其中，关联企业包括新闻共同曝光度高或微博互相关注度高的企业。新闻共同曝光度是指报导中同时包含两家企业名称的新闻数量的度量，微博相互关注度是指在微博上企业间关注与被关注关系的度量。

具体地，在收集共同新闻数据时，可以通过爬虫程序来收集；在收集微博相互关注数据时，由于预期收集量不大，可以采取手动收集。

s102、计算每个企业与其关联企业列表中的每家企业的相关系数

其中，当关联企业为新闻共同曝光度高的企业时，相关系数的计算方法如下：

当企业c1、c2有关联，且c1、c2共同出现在a、b、c三篇新闻中，a、b、c新闻报道时间分别为daya、dayb、dayc，a、b、c新闻报道后较短时间段内c1、c2的股价表示为：{p1da1，p1da2，......，p1dan}，p1b：{p1db1，p1db2，......，p1dbn}，……，p2c{p2dc1，p2dc2，......，p2dcn}，其中p1dai、p1dbi、p1dci分别为企业c1在a、b、c新闻报道后i时刻的股价；p2dai、p2dbi、p2dci分别为企业c2在a、b、c新闻报道后i时刻的股价；

则a新闻报道后较短时间内c1、c2短时间内的股价相关系数为：

其中，p1a、p2a分别表示企业c1、c2的股价。

相应地，得出b，c报道后相关系数对求平均值得到c1、c2的相关系数

其中，当关联企业为微博互相关注度高的企业时，相关系数的计算方法如下：

其中，p1i、p2i分别为某时间段上企业c1、c2的股价，pt1、pt2分别为企业c1、c2的股价；

s103、计算每个企业的平均相关系数

计算企业与关联企业列表上每对企业的相关系数对求平均值得到企业ci的平均相关系数：

s104、如果大于一定阈值，则执行步骤s105；否则执行步骤s108。

s105、计算网络中每一企业与网络中剩余的包含有关联和无关联的每一家企业的相关系数，称为无差别相关系数。

具体地，当关联企业为新闻共同曝光度高的企业时，网络中剩余的包含有关联和无关联的每一家企业为：

在计算基于新闻共同曝光度的企业网络上每家企业的无差别相关系数时，由于网络上无关联企业之间大部分不存在新闻，因此无法直接计算无差别相关系数，因此我们采用网络分层的方法计算分层相关系数来。设已有的每家企业的关联企业为该企业的一层关联企业，由该企业的一层关联企业列表上每家企业的一层关联企业可得到每家企业的二层关联企业，从而得到每家企业的二层关联企业列表。依此类推，由二层关联企业得到每家企业的三层关联企业，以及三层关联企业列表。每层关联企业列表作为网络中剩余的包含有关联和无关联的企业。

其中，当关联企业为微博互相关注度高的企业时，网络中剩余的包含有关联和无关联的每一家企业为：

某时间段上网络上余下的每一企业作为网络中剩余的包含有关联和无关联的企业。

基于确定的关联和无关联的企业，利用公式(2)计算该企业与这些企业的相关系数。

s106、计算每个企业的平均无差别相关系数

其中，n为有关联和无关联的企业个数，为无差别相关系数。

s107、如果则输出企业存在股票联动性；否则执行s108；

s108、输出企业不存在股票联动性。

本发明提出全新的股票联动性分析方法，利用社会化媒体网络，更全面地分析股票联动性，帮助市场更好地作出投资策略。同时，本发明使得经营者能够使用社会化媒体信息加强风险评价能力和产品管理能力；为投资者提供互联网背景下的股票联动分析方法从而调整投资决策、减少投资风险；为市场监管者提供基于社会化媒体的股票市场价格联动的依据，更好地对市场进行监管。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的步骤框图；

图2为基于新闻共同曝光度的企业网络分层示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明基于社会化媒体，尤其基于社会化媒体中的新闻共同曝光度或微博互相关注度分析股票联动性，为金融市场提供决策。

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。