基于海量金融数据的智能投资系统数据处理方法
【专利摘要】本发明公开了基于海量金融数据的智能投资系统数据处理方法，步骤包括：金融产品交易的历史数据存入数据库；所述历史数据序列平稳化处理；使用图表分析模块对处理后的历史数据进行结果统计、得出所投资的金融产品的种类、投资金额与其收益的相对应图表；根据选择的金融产品种类和投资金额构建金融产品的收益模型；运行构建的模型；仿真软件根据构建的模型得出购买的金融产品种类和最大的收益额。本发明根据构建的模型和仿真软件的计算结果，得出准确的收益值，避免了只考虑历史数据进行金融分析预测的僵化性，确保用户在交易过程中能够获取最大的收益和最小的风险。
【专利说明】
基于海量金融数据的智能投资系统数据处理方法
技术领域
[0001] 本发明属于投资分析方法，特别设及基于海量金融数据的智能投资系统数据处理 方法。
【背景技术】
[0002] 现代商业、金融的投资中，任何理性的投资者总是希望收益能够取得最大化，但是 也面临着不确定性所引致的风险。而且大的收益总是伴随着高的风险。在有很多种资产可 供选择，又有很多投资方案的情况下，投资越分散，总的风险就越小。为了同时兼顾收益和 风险，追求大的收益和小的风险构成一个两目标决策问题，依据决策者对收益和风险的理 解和偏好将其转化为一个单目标最优化问题求解。随着投资者对收益和风险的日益关注如 何选择较好的投资组合方案是提高投资效益的根本保证。传统的投资组合遵循"不要将所 有的鸡蛋放在一个蓝子里"的原则将投资分散化。
[0003] 金融预测是指W金融理论及当前数据为基础，综合运用各种技术手段与分析方 法，对金融经营管理活动中难W确定的未来发展趋势和规律进行研究，做预见性的判断和 推测。良好的预测可W使公司收益最大化，为国家经济和金融决策制定科学有效的宏观政 策提供有力的依据。
[0004] 当前金融预测模型主要是定量的模型，运很大程度上依赖与数字。在较早的预测 研究中，很多预测方法也大多是依据历史数据来进行的，很少考虑到期望收益率和风险损 失率对预测准确性的影响。
【发明内容】
[0005] 针对所提到的问题，提出了基于海量金融数据的智能投资系统数据处理方法，步 骤包括：
[0006] 1)获取至少一个金融产品交易的历史数据并存入数据库；
[0007] 2)用差分方法对所述历史数据序列平稳化处理；
[0008] 3)使用图表分析模块对步骤2处理后的历史数据进行结果统计，得出金融产品的 种类、投资金额与其收益的相对应图表；
[0009] 4)根据选择的金融产品种类和投资金额，通过仿真软件提供的连接规则、工作模 式、系统函数、分布函数构建金融产品的收益模型：
[0015] 1 = 0,1,2,...........η (6)
[0016] 其中，R为收益值；
[0017] Mx功购买第i种资产的资金数额；
[001引 Q为总体风险；
[0019] Pi为交易费率；
[0020] qi为风险损失率；
[0021] ri为期望收益率；
[0022] Ai为根据海量历史数据的结果统计和相应图标得出对应购买数额为Μ的收益额；
[0023] a.为根据期望收益率的权重；
[0024] b为根据海量历史数据得出收益额的权重；
[00巧]C为风险损失的权重；
[0026] 5)仿真软件根据步骤4构建的模型得出购买的金融产品种类、购买的份额和最大 的收益额。
[0027] 优选方案是:所述a、b、c的权重为多个专家决定，充分考虑决策者和决策对象的不 确定性，用梯形模糊数来表示。
[0028] 优选方案是:所述数据库中的数据实时更新。
[0029] 优选方案是:获取的海量的金融数据均为量化数据。
[0030] 优选方案是:利用数据库DB触发器，用于监测业务系统的数据库表，所述数据库W 行存储方式存储所述数据库表的数据。
[0031] 优选方案是:所述图表分析模块使用关联图、矩阵图、KJ法对所述各项数据进行结 果统计，生成所投资的金融产品的金额与收益的相对应图表。
[0032] 使用本发明的方法进行投资，改变W往仅仅依靠历史数据进行金融分析预测的状 况，本发明考虑到期望收益率和风险损失率对预测结果的影响，根据构建的模型和仿真软 件的计算结果，得出准确的收益值，避免了只考虑历史数据进行金融分析预测的僵化性，确 保用户在交易过程中能够获取最大的收益和最小的风险。
【具体实施方式】
[0033] 下面对本发明做进一步的详细说明，W令本领域技术人员参照说明书文字能够据 W实施。
[0034] 本发明提供了基于海量金融数据的智能投资系统数据处理方法，步骤包括：
[0035] 1)将海量金融数据分析的智能投资系统与金融交易中屯、连接，获取至少一个金融 产品交易的历史数据并存入数据库，数据库DB触发器监测数据库表，所述数据库W行存储 方式存储所述数据库表的数据，相应于监测到所述数据库表发生数据更新时，DB触发器将 表示所述数据库表发生的数据更新情况的数据更新信息记录到日志记录表中，其中，所述 数据库表发生数据更新包括所述数据库表发生新增、修改或删除数据事件，所述数据更新 记录包括发生数据更新的数据库表表示ID和所述发生数据更新的位置信息，行列存储转换 单元实时读取所述日志记录表中更新的数据更新信息，若所述更新的数据更新信息表示有 数据库表发生数据更新时，行列存储转换单元根据所述数据库表的数据更新信息中的位置 信息，从所述业务系统的数据库中的相应位置读取更新数据，并将该更新数据同步W列存 储方式存储数据库表的数据的内存数据库中的对应位置，所述预设数据库表为预先设定的 需要实时同步到内存数据库中的数据库表;2)判断获取的历史数据序列的平稳性，用差分 方法对所述历史数据序列平稳化处理，通过平滑处理修正不良数据或错误数据;3)使用图 表分析模块对步骤2处理后的历史数据进行结果统计、得出所投资的金融产品的种类、投资 金额与其收益的相对应图表，所述图表分析模块使用关联图、矩阵图、KJ法对所述各项数据 进行结果统计，生成所投资的金融产品的金额与收益的相对应图表;4)根据选择的金融产 品种类和投资金额构建金融产品的收益模型：
[0039] xi^O (4)
[0040] a+b+c = l (5)
[0041 ] 1 = 0,1,2,...........η (6)
[0042] 其中，R为收益值；
[0043] Mxi为购买第i种资产的资金数额；
[0044] Q为总体风险；
[0045] Pi为交易费率；
[0046] qi为风险损失率；
[0047] ri为期望收益率；
[004引 Ai为根据海量历史数据的结果统计和相应图标得出对应购买数额为Μ的收益额；
[0049] a.为根据期望收益率的权重；
[0050] b为根据海量历史数据得出收益额的权重；
[0051 ] C为风险损失的权重；
[0052] 其中，所述a、b、c的权重由多名金融专家的权重语言标量赋值转化为梯形模糊数， 然后集结专家成员的梯形模糊数赋值，得出群体评价值，即a、b、c的权重；
[0053] 5)用户通过金融投资终端输入所选择的金融产品和投资金额，所述终端通过数据 接收模型将数据传送到计算中屯、，系统通过仿真软件提供的连接规则、工作模式、系统函 数、分布函数从而完成步骤4构建模型的运行，仿真软件根据步骤5构建的模型得出购买的 金融产品种类和最大的收益额。仿真模型的一次运行，只是对系统一次抽样的模拟。从运 点来说，系统仿真方法不是一种系统优化的方法，即它不能求系统的最优解。但是，系统仿 真可W让人们依据对系统模型动态运行的效果，多次修改参数，反复仿真。或者说，系统仿 真是一种间接的系统优化方法。现在，人们越来越认识到，对于多目标、多因素、多层次的系 统(物流系统正是运样的系统)来说，并不存在绝对意义上的最优解。优化只是相对而言的。 即使是最优化方法，其本身由于若干的假设、抽象和简化所造成的误差，己经使"最"字打了 折扣。因此，不单纯追求最优解，而寻求改善系统行为的途径和方法，应该说是更加有效的。 系统仿真方法正是提供了运种环境，系统仿真技术应用越来越广泛。当然，系统仿真方法应 用与发展的外部条件，首先是计算机软硬件技术的发展与支持。建立可信的系统模型是仿 真最重要的前提，也是仿真中比较困难的部分。其次，仿真需要从实际系统收集大量的数 据。仿真模型的每一个细节都W实际数据为依据。运要花费较多的时间。数据收集和分析的 难度也较大，运些都会影响仿真的质量。借助仿真方法优化系统时，需要对每次仿真过程反 映出的现象，进行深入的综合分析，提出改进建议，再仿真检验改进措施的效果。运种优化 过程是很灵活的，优化路径常常是多种多样的。运就要求仿真者不仅对实际系统具有深入 的了解，准确把握系统的多种目标，而且有综合的系统分析能力。
[0054] 另外，本发明不考虑系统风险，即整个资本市场整体性风险，它依赖于整个经济的 运行情况，投资者无法分散运种风险，而只考虑非系统风险，即投资者通过投资种类的选择 使风险有所分散。
[0055] 尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列 运用，它完全可W被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地 实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限 于特定的细节。
【主权项】
1. 基于海量金融数据的智能投资系统数据处理方法，其特征在于，步骤包括： 1) 获取至少一个金融产品交易的历史数据并存入数据库； 2) 用差分方法对所述历史数据序列平稳化处理； 3) 使用图表分析模块对步骤2处理后的历史数据进行结果统计，得出金融产品的种类、 投资金额与其收益的相对应图表； 4) 根据选择的金融产品种类和投资金额，通过仿真软件提供的连接规则、工作模式、系 统函数、分布函数构建金融产品的收益模型： η mm ( ^ - Pi + - Mcx, q, ] (1) i=i) min Q - max .\iqi (2) i)<in n + /">-/ = [ (3) -i^O xi^O (4) a+b+c = 1 (5) 1 = 0,1,2,...........n (6) 其中，R为收益值； MXl*购买第i种资产的资金数额； Q为总体风险； Pi为交易费率； qi为风险损失率； ri为期望收益率； 仏为根据海量历史数据的结果统计和相应图标得出对应购买数额为Μ的收益额； a.为根据期望收益率的权重； b为根据海量历史数据得出收益额的权重； c为风险损失的权重； 5) 仿真软件根据步骤4构建的模型得出购买的金融产品种类、购买的份额和最大的收 益额。2. 根据权利要求1所述的基于海量金融数据的智能投资系统数据处理方法，其特征在 于，所述a、b、c的权重为多个专家决定，充分考虑决策者和决策对象的不确定性，用梯形模 糊数来表示。3. 根据权利要求1所述的基于海量金融数据的智能投资系统数据处理方法，其特征在 于，所述数据库中的数据实时更新。4. 根据权利要求1所述的基于海量金融数据的智能投资系统数据处理方法，其特征在 于，获取的海量的金融数据均为量化数据。5. 根据权利要求1所述的基于海量金融数据的智能投资系统数据处理方法，其特征在 于，利用数据库DB触发器，用于监测业务系统的数据库表，所述数据库以行存储方式存储所 述数据库表的数据。6. 根据权利要求1所述的基于海量金融数据的智能投资系统数据处理方法，其特征在 于，所述图表分析模块使用关联图、矩阵图、KJ法对所述各项数据进行结果统计，生成所投 资的金融产品的金额与收益的相对应图表。
【文档编号】G06Q10/06GK106067083SQ201610368308
【公开日】2016年11月2日
【申请日】2016年5月30日 公开号201610368308.0, CN 106067083 A, CN 106067083A, CN 201610368308, CN-A-106067083, CN106067083 A, CN106067083A, CN201610368308, CN201610368308.0
【发明人】代小虎
【申请人】上海二三四五网络控股集团股份有限公司