本发明专利技术方法首先根据当前的每股收益,模糊搜索个股的历史,找到相似的每股收益对应的交易日期、历史估值市盈率(PE)等;之后将这些交易日期对应的估值PE根据一定的增长速度折算到当前交易日;对多个折算回来的估值PE求均值和方差,并以均值加减1倍、2倍、3倍的方差分别作为股票当前的估值区间;最后将估值区间转换为股票的价格运行区间,各区间的运行概率分别为68%、95%和99%。
A stock valuation method based on self similar historical returns
According to the current earnings per share, the method searches for the history of the stock, finding similar trading dates, historical valuation P / E (PE), and so on. Then the valuation PE of these trading dates is converted to the current trading day according to a certain rate of growth; the valuation of multiple converted returns is PE. The mean and variance are calculated, and the variance of 1 times, 2 times and 3 times of the mean value is used as the current valuation interval of the stock. Finally, the valuation interval is converted to the price range of stock, and the operating probability of each interval is 68%, 95% and 99%, respectively.
【技术实现步骤摘要】
一种基于自身历史相似收益的股票估值方法
本专利技术涉及股票数据挖掘
,尤其是涉及一种基于自身历史相似收益的股票估值方法。
技术介绍
股票估值是一个相对复杂的过程,影响的因素很多。对股票估值的方法有多种,如依据投资者的预期回报、企业盈利能力,或者企业资产价值等。股票估值方法大致可分为绝对估值和相对估值两大类。绝对估值是通过对上市公司历史及当前的基本面的分析和对未来反映公司经营状况的财务数据的预测获得上市公司股票的内在价值。绝对估值的方法如现金流贴现定价模型,B-S期权定价模型等。相对估值是使用市盈率、市净率、市售率、市现率等价格指标与其它多只股票(对比系)进行对比,如果低于对比系的相应的指标值的平均值,股票价格被低估,股价将很有希望上涨,使得指标回归对比系的平均值。以上估值方法定义虽简单,但真正实施操作起来却是相当复杂,其中涉及众多的基本面信息、价格指标等。在现有股票大数据环境下,充分利用历史数据是一个新的方向。本专利技术方法不去涉及复杂的经济模型,而是让机器学习股票以往自身的估值历史,然后自动给出当前应有的估价及区间,从而让投资者可以方便的确认当前个股股价相对于估值价是高了还是低了。
技术实现思路
本专利技术公开了一种基于自身历史相似收益的股票估值方法。方法搜索个股自身历史上每股收益相似时的股票估值PE,而后根据估值历史反过来估算当前的股票价格。本专利技术方法的主要思想是:首先根据当前的每股收益,模糊搜索个股的历史,找到相似的每股收益对应的交易日期、历史估值市盈率(PE)等;之后将这些交易日期对应的估值PE根据一定的增长速度折算到当前交易日;对多个折算回来的估值PE求均值和方差,并以均值加减1倍、2倍、3倍的方差分别作为股票当前的估值区间;最后将估值区间转换为股票的价格运行区间,各区间的运行概率分别为68%、95%和99%。本专利技术方法在每日收盘后进行计算分析,每天都可以得到个股的估价,以及对应不同运行概率的价格区间。本专利技术方法的步骤如下:(1)基础数据收集与数据结构预先准备;(2)以个股当前的每股收益搜索自身历史上的相似情况;(3)将历史相似收益对应交易日的估值PE按一定增速折算到当前交易日;(4)根据历史估值PE计算当前交易日的估值PE和估值区间;(5)将估值结果转换为股票的估价和价格的概率运行区间。其中,步骤(1)基础数据收集与数据结构预先准备,需要收集的基础数据包括:(a)收盘价(Close),即自2009年以来个股每天的收盘价;(b)每股收益(EPS),即自2009年以来每季报的个股收益,并需要前复盘分解到收盘价对应的每个交易日上。需要预先计算或准备的数据包括:(a)折算增长率,即假设以2009年1月1日为基点,其系数factor0为1,年增长率8%,每年的天数为dayCount(闰年366天/非闰年365),首先将年增长率(yearRate)折算为日增长率(dayRate),即:dayRate=Math.Pow(1+yearRate,1/dayCount),Math.Pow代表次方计算,然后计算每天的增长系数factork,即从2009年1月1日开始,按顺序累乘计算每天的增长系数:factork+1=factork*dayRate,k为日期的顺序号,直至计算到当前交易日,记为factortoday。(b)市盈率(PE),即自2009年以来每个交易日收盘价对应的市盈率PE,可以通过收集得到,也可以自行计算,计算公式为:PEk=Closek/EPSk,其中k为日期的顺序号;之后对历史市盈率求移动平均(EMA):EMAtoday=α*Closetoday+(1-α)*EMAyesterday;其中,α为平滑指数,取作2/(N+1),N的取值为30天或60天。其中,步骤(2)以个股当前的每股收益搜索自身历史上的相似情况,具体为:假设当日的每股收益记为EPStoday,自2009年以来每交易日对应的每股收益数组为EPSk,,其中k为日期的顺序号,首先将当日每股收益上下浮动一个区间,如上下浮动10%,则形成数值区间[0.9*EPStoday,1.1*EPStoday];然后遍历每股收益数组为EPSk,如果EPSk在[0.9*EPStoday,1.1*EPStoday]区间里面,则记录下来并获取相关的历史信息形成如下数组:对应的交易日期Date:{D1,D2,…,DL};对应的移动平均后的市盈率PE:{PE1,PE2,…,PEL};对应的增长系数factor:{factor1,factor2,…,factorL}。其中,步骤(3)将历史相似收益对应交易日的估值PE按一定增速折算到当前交易日,具体为:将上一步骤中得到的移动平均后的市盈率PE:{PE1,PE2,…,PEL}折算到当前交易日,对每个搜索得到的交易日对应的PEi,进行如下方式的折算:newPEi=PEi*factortoday/factori,这里i=1,2…,L,L为搜索得到的相似历史数,最后形成新数组newPE:{newPE1,newPE2,…,newPEL}。其中,步骤(4)根据历史估值PE计算当前交易日的估值PE和估值区间,具体为:对折算后的估值数组newPE进行统计计算,假设历史上在相似收益时对股票的市盈率估值符合正态分布,我们首先对数组里面的元素求取均值μ和方差σ,这样newPE数组元素的均值μ即为估值的均值(平均市盈率,为估值倍数的平均),同时以newPE数组的均值μ和方差σ构建三个估值区间,即[μ-σ,μ+σ],[μ-2σ,μ+2σ]和[μ-3σ,μ+3σ]。其中,步骤(5)将估值结果转换为股票的估价和价格的概率运行区间,具体为:首先将估值倍数均值μ转换成估算的股价,即evaltoday=EPStoday*μ,此时与当日的收盘价Closetoday对比一下,即可知道当前股价是高估还是低估了;将三个估值区间的上下限转换成股价区间,具体转换如下:[μ-σ,μ+σ]→[EPStoday*(μ-σ),EPStoday*(μ+σ)];[μ-2σ,μ+2σ]→[EPStoday*(μ-2σ),EPStoday*(μ+2σ)];[μ-3σ,μ+3σ]→[EPStoday*(μ-3σ),EPStoday*(μ+3σ)];此时转换后的股价区间分别对应股票股价在该区间的运行概率有68%、95%和99%。对当日的估值结果进行可视化展示,输出当日的估值仪表盘;记录每天的估值结果,跟踪一段时间,可视化展示输出估值区间的序列图。附图说明图1是本专利技术股票估值方法的流程图。图2是本专利技术方法概率运行区间所依据的正态分布理论。图3是基于本专利技术方法输出的当日的估值仪表盘。图4是基于本专利技术方法输出的个股一段时间的估值区间序列图。具体实施方式下面结合附图和实例,对本专利技术进行详细的描述。本专利技术方法首先根据当前的每股收益,模糊搜索个股的历史,找到相似的每股收益对应的交易日期、历史估值市盈率(PE)等;之后将这些交易日期对应的估值PE根据一定的增长速度折算到当前交易日;对多个折算回来的估值PE求均值和方差,并以均值加减1倍、2倍、3倍的方差分别作为股票当前的估值区间;最后将估值区间转换为股票的价格运行区间,各区间的运行概率分别为68%、95%和99%。举个简单例子,比如某股票当本文档来自技高网...
【技术保护点】
一种基于自身历史相似收益的股票估值方法,其特征在于所述方法包括如下步骤:(1)基础数据收集与数据结构预先准备;(2)以个股当前的每股收益搜索自身历史上的相似情况;(3)将历史相似收益对应交易日的估值PE按一定增速折算到当前交易日;(4)根据历史估值PE计算当前交易日的估值PE和估值区间;(5)将估值结果转换为股票的估价和价格的概率运行区间。
【技术特征摘要】
1.一种基于自身历史相似收益的股票估值方法,其特征在于所述方法包括如下步骤:(1)基础数据收集与数据结构预先准备;(2)以个股当前的每股收益搜索自身历史上的相似情况;(3)将历史相似收益对应交易日的估值PE按一定增速折算到当前交易日;(4)根据历史估值PE计算当前交易日的估值PE和估值区间;(5)将估值结果转换为股票的估价和价格的概率运行区间。2.根据权利要求1所述的以个股当前的每股收益搜索自身历史上的相似情况,其特征在于,是以个股当前的每股收益上下浮动一个区间后,在自身历史上过滤在此区间内的相似收益对应的历史市盈率。3.根据权利要求1所述的将历史相似收益对应交易日的估值PE按一定增速折算到当前交易日,其特征在于首先将年增长率分解...
【专利技术属性】
技术研发人员:洪志令,吴梅红,
申请(专利权)人:洪志令,
类型:发明
国别省市:福建,35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。