一种基于客户分群的情绪化指数的个股买卖点构建方法技术

本发明专利技术公开了一种基于客户分群的情绪化指数的个股买卖点构建方法，从数据库内用定性的方法处理获得股票投资型客户；对股票投资型客户进行仓位及资产的计算，获得客户分类表；对高净值客户、中高净值客户、低净值客户分别通过收益率，持仓率，换手率进行数据分割；对持仓比、收益率、减持率、昨收盘这四个指标通过因子分析提炼得到意愿指数BR，对现金比、收益率、增持率、昨收盘这四个指标因子分析提炼得到人气指数AR；对高净值客户的数据构建模型，构建指标1和指标2，给出买卖点。本发明专利技术通过对现有股票进行测试发现，无论选取哪个时间段的数据进行因子计算和客户分类，结果都比较优秀，模型表现比较稳定，具有普适性，准确性高。

A method of constructing individual stock buying and selling point based on emotional index of customer segmentation

【技术实现步骤摘要】
一种基于客户分群的情绪化指数的个股买卖点构建方法
本专利技术涉及一种股票交易方法，尤其涉及的是一种基于客户分群的情绪化指数的个股买卖点构建方法。
技术介绍
传统的资产定价主要集中于基本面、技术面和宏观经济范畴等因素，并假定非理性投资者的交易行为使得市场价格趋于内在价值。但是实际上投资者往往会受到市场情绪的影响，资产的未来价格与经典金融理论预期的价格有偏差。于是，更多的研究开始将投资者的心理情绪纳入资产定价模型，他们假定情绪对投资者的交易行为具有影响，因而市场情绪具有定价功能，市场情绪的变化在短期内，比起基本面因素可能更好的解释市场价格的变化行为。通用的指标人气意愿指标(AR、BR)和随机指标KDJ都只考虑了股价这一单一指标。而股市是受多种因素影响的，如果只考虑股价这一指标，显然有失偏颇。
技术实现思路
本专利技术所要解决的技术问题在于：如何更为全面的反映投资者的情绪，提供了一种基于客户分群的情绪化指数的个股买卖点构建方法。本专利技术是通过以下技术方案解决上述技术问题的，本专利技术包括以下步骤：(1)从数据库内用定性的方法处理获得股票投资型客户；(2)对股票投资型客户进行仓位及资产的计算，依据投资种类对客户的风险进行分类；(3)对高净值客户、中高净值客户、低净值客户分别通过收益率，持仓率，换手率进行数据分割；(4)对持仓比、收益率、减持率、昨收盘这四个指标通过因子分析提炼得到意愿指数BR，对现金比、收益率、增持率、昨收盘这四个指标因子分析提炼得到人气指数AR；(5)对高净值客户的数据构建模型，构建指标1和指标2：指标1＝现金比*因子权重+收益率*因子权重+增持率*因子权重+昨收盘*因子权重；指标2＝持仓比*因子权重+收益率*因子权重+减持率*因子权重+昨收盘*因子权重；对指标1进行滑动平均，得到人气指数AR；对指标2进行滑动平均，得到意愿指数BR，具体计算方法如下：ARt、BRt＝3×Kt-2×Dt注：RSV是未成熟随机值，用滑动平均来计算随机指标KDJ的K值、D值，K值、D值前日值不存在时，用50替代；(6)AR，BR中有一个小于阈值时，市场处于超卖行情，全仓买入；AR，BR中有一个大于阈值时，市场处于超买行情，全仓卖出；初始资金假定为100万元，在经过测试集内全部完整买卖操作后，资金量为m万元，将(m-100)/100定义为收益率；如果一次买卖后收益率是正的，就将此次买卖操作定义为正确的，正确率为正确的操作次数除以操作总次数。所述步骤(1)中，通过人民币资产、资金余额、市值、持仓比、现金比、收益率、增持率、减持率、换手率对异常值进行异常值的剔除。所述步骤(1)中，进行客户分类，选取特定分类的客户，归纳出该类客户的指标特征，同时剔除资产最大值小于一定数额的客户，保留仓位大于0的客户。从风险分类上，剔除理财类和高风险投资类客户，保留在设定时间段内账户资产不低于一定数额同时股票型市值高于低风险市值和高风险市值的客户，即保留股票投资型客户。所述高风险市值＝证券衍生品类投资市值，即期货+期权+权证+融资融券；低风险类市值＝证券非股票类基金和债券类市值，即LOF+上证基金+代销基金+金融产品+国债+公司企业债券+可转债+申购+其他；股票型市值＝证券股票类市值，即创业板+主板+沪A+深A+中小板+沪B+深B+主板A股+主板B股+封闭式资金+ETF。根据持仓率，换手率，收益率对高净值客户、中高净值客户和低净值客户进行数据分割，高净值客户分为以下三类：持仓率高，换手率低，收益率低；持仓率低，换手率高，收益率高；持仓率低，换手率低，收益率高；中高净值客户分为以下三类：持仓率高，换手率低，收益率低；持仓率高，换手率高，收益率高；持仓率低，换手率低，收益率高；低净值客户分为以下三类：持仓率低，换手率低，收益率高；持仓率高，换手率高，收益率低；持仓率高，换手率低，收益率低。所述步骤(4)中，依次构造意愿指数和人气指数的相关性矩阵，然后对每个指标进行因子提炼，得到人气指数和意愿指数的因子权重。所述步骤(6)中，将AR高于100或者BR高于100的日期定义为买点，AR或者BR低于0的日期定义为卖点。本专利技术相比现有技术具有以下优点：本专利技术通过对现有股票进行测试发现，无论选取哪个时间段的数据进行因子计算和客户分类，结果都比较优秀，模型表现比较稳定，具有普适性，准确性高。附图说明图1是本专利技术的设计思路图；图2是本专利技术的流程图。具体实施方式下面对本专利技术的实施例作详细说明，本实施例在以本专利技术技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。如图1和图2所示，本实施例首先对客户进行分类，然后在分类的基础上对客户信息做因子分析，为后面建立情绪化指数做准备，之后建立并改进情绪化指数，最后结合情绪化指数给出投资建议，即买卖操作。在数据库中存在三种账户：融资融券账户、金融产品账户、普通账户。有些客户并不会参与到股市交易中来，因此需要排除出模型。由此，本实施例采用了定性分类和定量分类结合的方法。一、首先进行定性分析：对异常值进行处理：如表1所示，剔除异常值的处理过程如下：表1异常值处理表将资产最大值小于10000元的客户定义为无价值客户。然后，将剩余客户分为仓位为0和仓位大于0的客户，前者又分为低净值不交易客户和高净值不交易客户。实际操作中只考虑仓位大于0的客户。高风险型客户倾向于期权、期货、融资融券等，而低风险型客户偏爱基金、国债等金融产品，剩下的则是股票型客户，他们参与了股票交易，对股市情绪化指数有实际影响，具体分类如表2所示。表2客户风险类型分类理财类客户低风险市值>高风险市值和股票市值高风险投资类客户高风险市值>低风险市值和股票市值股票投资类客户股票市值>高风险市值和低风险市值其中：高风险市值＝证券衍生品类投资市值，即期货+期权+权证+融资融券；低风险类市值＝证券非股票类基金和债券类市值，即LOF+上证基金+代销基金+金融产品+国债+公司企业债券+可转债+申购+其他；股票型市值＝证券股票类市值，即创业板+主板+沪A+深A+中小板+沪B+深B+主板A股+主板B股+封闭式资金+ETF。根据资产和风险分类，将客户分为以下六类：第一类：无价值客户14年到16年两年内资产账户的最大值小于1万(折算成人民币)，低风险市值，高风险市值，股票市值等于0。第二类：低净值不交易客户14年到16年两年内资产在1万元到20万元(折算成人民币)，本文档来自技高网...

【技术保护点】
1.一种基于客户分群的情绪化指数的个股买卖点构建方法，其特征在于，包括以下步骤：/n(1)从数据库内用定性的方法处理获得股票投资型客户；/n(2)对股票投资型客户进行仓位及资产的计算，依据投资种类对客户的风险进行分类；/n(3)对高净值客户、中高净值客户、低净值客户分别通过收益率，持仓率，换手率进行数据分割；/n(4)对持仓比、收益率、减持率、昨收盘这四个指标通过因子分析提炼得到意愿指数BR，对现金比、收益率、增持率、昨收盘这四个指标因子分析提炼得到人气指数AR；/n(5)对高净值客户的数据构建模型，构建指标1和指标2：/n指标1＝现金比*因子权重+收益率*因子权重+增持率*因子权重+昨收盘*因子权重；/n指标2＝持仓比*因子权重+收益率*因子权重+减持率*因子权重+昨收盘*因子权重；/n对指标1进行滑动平均，得到人气指数AR；对指标2进行滑动平均，得到意愿指数BR，具体计算方法如下：/n

【技术特征摘要】
1.一种基于客户分群的情绪化指数的个股买卖点构建方法，其特征在于，包括以下步骤：
(1)从数据库内用定性的方法处理获得股票投资型客户；
(2)对股票投资型客户进行仓位及资产的计算，依据投资种类对客户的风险进行分类；
(3)对高净值客户、中高净值客户、低净值客户分别通过收益率，持仓率，换手率进行数据分割；
(4)对持仓比、收益率、减持率、昨收盘这四个指标通过因子分析提炼得到意愿指数BR，对现金比、收益率、增持率、昨收盘这四个指标因子分析提炼得到人气指数AR；
(5)对高净值客户的数据构建模型，构建指标1和指标2：
指标1＝现金比*因子权重+收益率*因子权重+增持率*因子权重+昨收盘*因子权重；
指标2＝持仓比*因子权重+收益率*因子权重+减持率*因子权重+昨收盘*因子权重；
对指标1进行滑动平均，得到人气指数AR；对指标2进行滑动平均，得到意愿指数BR，具体计算方法如下：









ARt、BRt＝3×Kt-2×Dt
注：RSV是未成熟随机值，用滑动平均来计算随机指标KDJ的K值、D值，K值、D值前日值不存在时，用50替代；
(6)AR，BR中有一个小于阈值时，市场处于超卖行情，全仓买入；AR，BR中有一个大于阈值时，市场处于超买行情，全仓卖出；
初始资金假定为100万元，在经过测试集内全部完整买卖操作后，资金量为m万元，将(m-100)/100定义为收益率；
如果一次买卖后收益率是正的，就将此次买卖操作定义为正确的，正确率为正确的操作次数除以操作总次数。


2.根据权利要求1所述的一种基于客户分群的情绪化指数的个股买卖点构建方法，其特征在于，所述步骤(1)中，通过人民币资产、资金余额、市值、持仓比、现金比、收益率、增持率、减持率、换手率对异常值进行异常值的剔除。


3.根据权利要求2所述的一种基于客户分群的情绪化指数的个股买卖点构建方法，其特征在于，所述步骤(1)中，进行客户分类，选取特定...

【专利技术属性】
技术研发人员：张国威，胡汤磊，杨杰，白雪飞，
申请(专利权)人：国元证券股份有限公司，
类型：发明
国别省市：安徽;34