一种股票波动率预测方法技术

本发明专利技术涉及信息处理技术领域，具体涉及一种股票波动率预测方法。包括以下步骤：步骤一、从数据库读取原始数据，原始数据包括与股票有关的行情数据和财务报表数据；步骤二、建立波动率预测模型；步骤三、利用步骤二中建立的模型计算个股收益波动率。本发明专利技术根据模型的预测性对投资组合未来的风险做出预测，从而帮助投资者更好的做好事前风险管理。本发明专利技术可根据不同的因子分解，不仅能够预测和量化风险，提高风险预测的稳定性，而且能够将投资风险分解到不同来源，从而让投资者更有针对性的来选择承担哪些风险和规避哪些风险。

【技术实现步骤摘要】
一种股票波动率预测方法
本专利技术涉及信息处理
，具体涉及一种股票波动率预测方法。
技术介绍
波动率是指标的资产投资回报率的变化程度，有实际波动率和历史波动率之分。实际波动率又称作未来波动率，它是指对股票投资回报率波动程度的度量，由于投资回报率是一个随机过程，实际波动率永远是一个未知数。或者说，实际波动率是无法事先精确计算的，人们只能通过各种办法得到它的估计值。历史波动率是指投资回报率在过去一段时间内所表现出的波动率，它由标的资产市场价格过去一段时间的历史数据(即St的时间序列资料)反映。这就是说，可以根据{St}的时间序列数据，计算出相应的波动率数据，然后运用统计推断方法估算回报率的标准差，从而得到历史波动率的估计值。显然，如果实际波动率是一个常数，它不随时间的推移而变化，则历史波动率就有可能是实际波动率的一个很好的近似。目前中国股票型基金，主要在风险管理上的解决方案是事后风险管理。事后风险管理是一个仓位管理的运营机制，其核心是一个信息处理机制，监测基金或投资组合的业绩，并根据事先设置好的风险止损参数来决定对投资组合的仓位处理。公开号为CN105989535A，公开日为：2016.10.05的中国专利技术专利，公开了一种股票波动率预测方法及系统，所述方法包括如下步骤：根据各股票每日收盘时交易行情数据建立股票风险控制模型数据库；接收输入的股票代码、股票代码对应股票所占的板块权重，设置股票价格走势的起止时间；从风险控制模型数据库读取预先根据前一日收盘时交易行情数据计算出的风险控制参数值；根据股票代码、股票代码对应股票所占的板块权重、股票价格走势的起止时间和/或股票风险控制参数值计算出股票及股票投资组合在股票价格走势的起止时间内的波动率。该专利技术公开的股票波动率预测方法也是基于事后风险管理的运营机制，存在建模过程复杂，计算结果不准确等问题。
技术实现思路
本专利技术的目的在于，针对现有技术中存在的问题，提出一种应用于事前风险管理的股票波动率预测方法，解决现有技术中计算过程复杂，计算结果不准确的问题。为了实现上述目的，本专利技术采用的技术方案为：一种股票波动率预测方法，包括以下步骤：步骤一、从数据库读取原始数据，原始数据包括与股票有关的行情数据和财务报表数据；步骤二、建立波动率预测模型；步骤三、利用步骤二中建立的模型计算个股收益波动率。所述步骤二中模型的计算方法如下：假设收益率的多因子风险模型共k个风险因子。则股票i的收益率ri为：ri＝bi1f1+bi2f2+bi3f3+....+bikfk+∈i(1)其中bij是股票i对风险因子j的暴露；fj是风险因子j的收益率，∈i是股票i的个股收益，即与该股票对风险因子暴露所带来的收益无关的那一部分收益，不同于股票i的收益率ri；基于(1)，该股票的收益波动率为：其中bi是股票i的k×1风险因子暴露向量，V是k×k风险因子收益方差-协方差矩阵，σεi是个股收益的波动率，即个股风险。所述风险因子的暴露计算方法为：采取了Z值计算来进行标准化，在每个交易日结束原始数据更新后，搜集和提取每只股票的原始因子暴露，假设股票i对因子k的暴露为Bik，那么股票i对因子k的标准化暴露为：bik＝(Bik-mean(Bk))/std(Bk)(3)其中Bik为股票i对因子k的标准化暴露，B是样本中所有股票对因子k的暴露的向量。所述风险因子的收益率计算方式为：用过去22个交易日每只股票的复权复息收益率作为因变量，用22个交易日前所获取的因子暴露作为自变量，再基于这些数据做线性回归。所述风险因子收益方差-协方差矩阵计算步骤为：步骤一、每个交易日收盘后，获取最新的原始数据；步骤二、计算因子暴露，然后计算出当天因子收益率；步骤三、用过去36个月的因子收益率时间序列数据来计算风险因子方差-协方差矩阵。所述波动率预测模型的建立方法包括以下步骤：步骤一、从数据库读取原始数据，原始数据包括与股票有关的行情数据和财务报表数据；步骤二、根据原始数据构建风险因子；步骤三、将步骤二中构建的因子存储入因子数据库；步骤四、用步骤三中确定的风险因子建立波动率预测模型。所述风险因子包括：逆转因子、动量因子、市值因子、流动性因子、负债率因子、市净率因子和行业因子；所述逆转因子包括股票过去1个月复权复息总收益率；所述动量因子包括股票过去12个月复权复息总收益率减去过去一个月复权复息总收益率的差值；所述市值因子包括将可流通股票价格乘以可流通股票数量的积开平方后得到的值；所述流动性因子包括股票过去30个交易日的交易换手率，换手率为交易量除以可流通总量的商数；所述负债率因子包括上一年度企业总负债除以上一年度企业总股本的商数；所述市净率因子包括上一年度企业总市值除以上一年度企业总股本的商数；所述行业因子包括基于各个板块过去36个月的历史数据对每只股票做多变量时间序列回归，所述板块包括能源板块、材料板块、工业板块、耐用商品板块、可选商品板块、医疗健康板块、金融板块、信息技术板块和公用事业板块。所述行情数据包括股票每天的价格数据和交易量数据。所述财务报表数据包括股票每个财务季度和财年的损益表数据，资产债务表数据以及现金流量表数据。由于采用了上述技术方案，本专利技术的有益效果是：本专利技术根据模型的预测性对投资组合未来的风险做出预测，从而帮助投资者更好的做好事前风险管理。区别于当前的主要是着重于事后风险管理的技术问题。本专利技术中的模型根据不同的因子分解，不仅能够预测和量化风险，提高风险预测的稳定性，而且能够将投资风险分解到不同来源，从而让投资者更有针对性的来选择承担哪些风险和规避哪些风险。具体实施方式下面对专利技术型做详细的说明。实施例1作为本专利技术的一种较佳实施例，本实施例公开了一种股票波动率预测方法，包括以下步骤：步骤一、从数据库读取原始数据，原始数据包括与股票有关的行情数据和财务报表数据；步骤二、建立波动率预测模型；步骤三、利用步骤二中建立的模型计算个股收益波动率。所述步骤二中模型的计算方法如下：假设收益率的多因子风险模型共k个风险因子。则股票i的收益率ri为：ri＝bi1f1+bi2f2+bi3f3+....+bikfk+∈i(1)其中bij是股票i对风险因子j的暴露；fj是风险因子j的收益率，∈i是股票i的个股收益，即与该股票对风险因子暴露所带来的收益无关的那一部分收益，不同于股票i的收益率ri；基于(1)，该股票的收益波动率为：其中bi是股票i的k×1风险因子暴露向量，V是k×k风险因子收益方差-协方差矩阵，σεi是个股收益的波动率，即个股风险。所述风险因子的暴露计算方法为：采取了Z值计算来进行标准化，在每个交易日结束原始数据更新后，搜集和提取每只股票的原始因子暴露，假设股票i对因子k的暴露为Bik，那么股票i对因子k的标准化暴露为：bik＝(Bik-mean(Bk))/std(Bk)(3)其中Bik为股票i对因子k的标准化暴露，B是样本中所有股票对因子k的暴露的向量。所述风险因子的收益率计算方式为：用过去22个交易日每只股票的复权复息收益率作为因变量，用22个交易日前所获取的因子暴露作为自变量，再基于这些数据做线性回归。所述风险因子收益方差-协方差矩阵计算步骤为：步骤一、每个交易日收盘后，获取最新的原始数据；步骤二、计算因子暴露，然后计算出本文档来自技高网...

【技术保护点】
一种股票波动率预测方法，其特征在于，包括以下步骤：步骤一、从数据库读取原始数据，原始数据包括与股票有关的行情数据和财务报表数据；步骤二、建立波动率预测模型；步骤三、利用步骤二中建立的模型计算个股收益波动率。

【技术特征摘要】
1.一种股票波动率预测方法，其特征在于，包括以下步骤：步骤一、从数据库读取原始数据，原始数据包括与股票有关的行情数据和财务报表数据；步骤二、建立波动率预测模型；步骤三、利用步骤二中建立的模型计算个股收益波动率。2.根据权利要求1所述的一种股票波动率预测方法，其特征在于，所述模型的计算方法如下：假设收益率的多因子风险模型共k个风险因子。则股票i的收益率ri为：ri＝bi1f1+bi2f2+bi3f3+....+bikfk+∈i(1)其中bij是股票i对风险因子j的暴露；fj是风险因子j的收益率，∈i是股票i的个股收益，即与该股票对风险因子暴露所带来的收益无关的那一部分收益，不同于股票i的收益率ri；基于(1)，该股票的收益波动率为：其中bi是股票i的k×1风险因子暴露向量，V是k×k风险因子收益方差-协方差矩阵，σεi是个股收益的波动率，即个股风险。3.根据权利要求2所述的一种股票波动率预测方法，其特征在于：所述风险因子的暴露计算方法为：在每个交易日结束原始数据更新后，搜集和提取每只股票的原始因子暴露，假设股票i对因子k的暴露为Bik，那么股票i对因子k的标准化暴露为：bik＝(Bik-mean(Bk))/std(Bk)(3)其中Bik为股票i对因子k的标准化暴露，B是样本中所有股票对因子k的暴露的向量。4.根据权利要求2所述的一种股票波动率预测方法，其特征在于，所述风险因子的收益率计算方式为：用过去22个交易日每只股票的复权复息收益率作为因变量，用22个交易日前所获取的因子暴露作为自变量，再基于这些数据做线性回归。5.根据权利要求2所述的一种股票波动率预测方法，其特征在于，所述风险因子收益方差-协方差矩阵计...

【专利技术属性】
技术研发人员：赵天，晏奇，俸旻，任品，
申请(专利权)人：四川倍发科技有限公司，
类型：发明
国别省市：四川,51