基于海量金融数据的智能投资系统数据处理方法技术方案

本发明专利技术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。本发明专利技术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。

【技术实现步骤摘要】

本专利技术属于投资分析方法，特别涉及基于海量金融数据的智能投资系统数据处理方法。
技术介绍
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。金融预测是指以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以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。良好的预测可以使公司收益最大化，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。当前金融预测模型主要是定量的模型，这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。
技术实现思路
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：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： max R = Σ i = 0 n [ M a ( r i - p i ) x i + bA i - Mcx i q i ] - - - ( 1 ) ]]> min Q = m a x 0 ≤ i n x i q i - - - ( 2 ) ]]> Σ i = 0 n ( 1 + p i ) x i = 1 - - - ( 3 ) ]]>xi≥0 (4)a+b+c＝1 (5)i＝0，1,2,...........n (6)其中，R为收益值；Mxi为购买第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；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M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。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。优选方案是：所述数据库中的数据实时更新。优选方案是：获取的海量的金融数据均为量化数据。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，所述数据库以行存储方式存储所述数据库表的数据。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。使用本专利技术的方法进行投资，改变以往仅仅依靠历史数据进行金融分析预测的状况，本专利技术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。具体实施方式下面对本专利技术做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。本专利技术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：1)将海量金融数据分析的智能投资系统与金融交易中心连接，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，所述数据库以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以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： max R = Σ i = 0 n [ M a ( r i - p i ) x i + bA i - Mcx i q本文档来自技高网...

【技术保护点】
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：max R=Σi=0n[Ma(ri-pi)xi+bAi-Mcxiqi]---(1)]]>min Q=max0≤inxiqi---(2)]]>Σi=0n(1+pi)xi=1---(3)]]>xi≥0                                               (4)a+b+c＝1                                            (5)i＝0，1,2,...........n                              (6)其中，R为收益值；Mxi为购买第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；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M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。...

【技术特征摘要】
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： max R = Σ i = 0 n [ M a ( r i - p i ) x i + bA i - Mcx i q i ] - - - ( 1 ) ]]> min Q = m a x 0 ≤ i n x i q i - - - ( 2 ) ]]> Σ i = 0 n ( ...

【专利技术属性】
技术研发人员：代小虎，
申请(专利权)人：上海二三四五网络控股集团股份有限公司，
类型：发明
国别省市：上海;31