基于产业链图谱的市值重估分析方法及可视化分析系统技术方案

本发明专利技术提供基于产业链图谱的市值重估分析方法及可视化分析系统，其中，市值重估分析方法包括以下步骤：S1、构建不同行业的产业链图谱数据；S2、构建归一化的历史股价数据；S3、构建基于循环神经网络和图卷积网络的分析模型进行股价分析，获得股价分析结果；S4、基于股价分析结果计算获得市值重估分析结果。本发明专利技术所提供的市值重估分析方法，通过结合循环神经网络和图卷积网络，可同时捕获股价的时序特征以及股价之间的联动关系，可较为合理的分析出股价的短期走势和长期走势，进而有助于对市场价值进行更有效的评估分析判断。通过可视化分析系统，可将分析结果进行可视化呈现，供用户交互探索，具有一定的实用价值。具有一定的实用价值。具有一定的实用价值。

【技术实现步骤摘要】
基于产业链图谱的市值重估分析方法及可视化分析系统


[0001]本专利技术涉及金融风险管控技术，尤其是基于产业链图谱的市值重估分析方法及可视化分析系统。

技术介绍

[0002]市值重估可以帮助投资者掌握上市公司动态，发现价值投资的客观规律，进而进行最优的投资组合配置。因此，如何分析市场规律进而估计市场价值长期以来一直吸引着众多投资者和研究人员。股票价格间接反映了市场价值，通过分析股票价格的波动可以有效估计市场价值的变化。
[0003]深度神经网络的快速发展，为股票价格的分析提供了新的手段。目前已有将循环神经网络及其变体应用于股票价格分析的实践，但由于股票价格与多种因素相关，特别是我国股市股价上涨或下跌的联动现象非常普遍，因此，仅使用循环神经网络进行股票价格分析通常会出现过拟合现象，即在训练集上表现效果良好，但在真实场景中的分析效果一般。因此，有必要提供一种可对市场价值进行更有效分析的解决方案。

技术实现思路

[0004]本专利技术的目的在于至少部分的解决上述现有技术问题，提供基于产业链图谱的市值重估分析方法及可视化分析系统。
[0005]本专利技术提供的一种基于产业链图谱的市值重估分析方法，包括以下步骤：
[0006]S1、针对所有上市公司构建不同行业的产业链图谱数据；
[0007]S2、针对所有上市公司构建归一化的历史股价数据；
[0008]S3、构建基于循环神经网络和图卷积网络的分析模型进行股价分析，其中，采用图卷积网络对所构建的产业链图谱数据进行处理，提取出各产业链图谱数据中的股价关联关系；
[0009]采用循环神经网络对股价关联关系和所构建的历史股价数据进行处理，获得股价分析结果；
[0010]S4、基于股价分析结果计算获得市值重估分析结果。
[0011]作为优选的，步骤S1中，构建不同行业的产业链图谱的方法包括：
[0012]S11、根据上市公司主营业务划分其所属经济行业；
[0013]S12、根据经济行业划分对全产业链图谱进行拆分，形成多个子图，每个子图对应一个经济行业的产业链图谱。
[0014]作为优选的，在采用图卷积网络对所构建的产业链图谱数据进行处理时，使用数据结构图表示产业链图谱，节点表示股票，边表示节点间的关联关系，权重表示节点间的关联程度；
[0015]在数据结构图上定义双向卷积操作以更新节点特征，进而同时获取上游和下游节点数据变动对当前节点数据的影响关系。
[0016]作为优选的，针对不同行业的产业链图谱分别进行所述分析模型的训练，以训练得到不同网络参数的分析模型。
[0017]作为优选的，步骤S2中，构建归一化的历史股价数据的方法包括：
[0018]S21、提取上市公司的历史股价数据，提取字段包括：复权后开盘价、复权后收盘价、复权后最高价和复权后最低价；
[0019]S22、使用极差变换法对历史股价数据分行业进行归一化处理。
[0020]作为优选的，步骤S3中，在循环神经网络中引入门控机制以捕获长时间的序列特征。
[0021]作为优选的，根据市值的计算方法：总市值＝股价*发行总股数，评估分析未来市值的波动情况。
[0022]作为优选的，所述步骤S4还包括进行可视化展示的步骤：
[0023]S41、基于GRID网格布局的方式可视化的呈现不同行业的产业链图谱中各个节点的上下游联动关系；
[0024]S42、根据在产业链图谱中所选定的待分析股票，使用折线图对该待分析股票的股价分析结果进行可视化展示。
[0025]本专利技术的另一目的在于，提供一种面向市值重估的可视化分析系统，其包括：
[0026]数据库，用于存储上市公司的产业链图谱数据和历史股价数据；
[0027]图谱构建模块，其与数据库连接，用于构建不同行业的产业链图谱数据；
[0028]标准化模块，其与数据库连接，用于对历史股价数据进行归一化处理；
[0029]第一分析模块，用于通过图卷积网络对所构建的产业链图谱数据进行处理，提取出各产业链图谱数据中的股价关联关系；
[0030]第二分析模块，用于通过循环神经网络对股价关联关系和所构建的历史股价数据进行处理，获得股价分析结果；
[0031]可视化模块，用于对第一分析模块和第二模块的分析结果进行可视化展示。
[0032]作为优选的，所述可视化模块包括：
[0033]图谱展示单元，其用于对不同行业的产业链图谱进行可视化展示，其中，基于GRID网格布局的方式呈现产业链图谱中各个节点的上下游联动关系；
[0034]股价展示单元，其用于对不同股票的股价分析结果进行可视化展示，其中，使用折线图对在产业链图谱中所选定的待分析股票的股价分析结果进行可视化展示。
[0035]本专利技术的显著进步性至少体现在：
[0036]所提供的基于产业链图谱的市值重估分析方法，通过结合循环神经网络和图卷积网络，可同时捕获股价的时序特征以及股价之间的联动关系，可较为合理的分析出股价的短期走势和长期走势，进而有助于对市场价值进行更有效的分析判断。通过可视化分析系统，可将分析结果进行可视化呈现，供用户交互探索，具有一定的实用价值。
附图说明：
[0037]图1为本申请实施例的市值重估分析方法的流程示意图；
[0038]图2为本申请实施例中构建不同行业产业链图谱的方法流程图；
[0039]图3为本申请实施例中构建归一化的历史股价数据的方法流程图；
[0040]图4为本申请实施例中对分析结果进行可视化展示的流程图；
[0041]图5为本申请实施例的可视化分析系统的结构框图；
[0042]图6为本申请实施例中可视化模块的展示图。
具体实施方式
[0043]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0044]请参阅图1
‑
6所示，本专利技术提供的具体实施例如下：
[0045]参阅图1所示，本实施例提供的基于产业链图谱的市值重估分析方法，包括以下步骤：
[0046]S1、针对所有上市公司构建不同行业的产业链图谱数据；
[0047]S2、针对所有上市公司构建归一化的历史股价数据；
[0048]S3、构建基于循环神经网络和图卷积网络的分析模型进行股价分析，其中，采用图卷积网络对所构建的产业链图谱数据进行处理，提取出各产业链图谱数据中的股价关联关系；
[0049]采用循环神经网络对股价关联关系和所构建的历史股价数据进行处理，获得股价分析结果；
[0050]S4、基于股价分析结果计算获得市值重估分析结果。
[0051]可以理解的是，在本实施例中，图卷积网络是对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于产业链图谱的市值重估分析方法，其特征在于，包括以下步骤：S1、针对所有上市公司构建不同行业的产业链图谱数据；S2、针对所有上市公司构建归一化的历史股价数据；S3、构建基于循环神经网络和图卷积网络的分析模型进行股价分析，其中，采用图卷积网络对所构建的产业链图谱数据进行处理，提取出各产业链图谱数据中的股价关联关系；采用循环神经网络对股价关联关系和所构建的历史股价数据进行处理，获得股价分析结果；S4、基于股价分析结果计算获得市值重估分析结果。2.根据权利要求1所述的基于产业链图谱的市值重估分析方法，其特征在于，步骤S1中，构建不同行业的产业链图谱的方法包括：S11、根据上市公司主营业务划分其所属经济行业；S12、根据经济行业划分对全产业链图谱进行拆分，形成多个子图，每个子图对应一个经济行业的产业链图谱。3.根据权利要求1所述的基于产业链图谱的市值重估分析方法，其特征在于，在采用图卷积网络对所构建的产业链图谱数据进行处理时，使用数据结构图表示产业链图谱，节点表示股票，边表示节点间的关联关系，权重表示节点间的关联程度；在数据结构图上定义双向卷积操作以更新节点特征，进而同时获取上游和下游节点数据变动对当前节点数据的影响关系。4.根据权利要求3所述的基于产业链图谱的市值重估分析方法，其特征在于，针对不同行业的产业链图谱分别进行所述分析模型的训练，以训练得到不同网络参数的分析模型。5.根据权利要求1
‑
4中任一项所述的基于产业链图谱的市值重估分析方法，其特征在于，步骤S2中，构建归一化的历史股价数据的方法包括：S21、提取上市公司的历史股价数据，提取字段包括：复权后开盘价、复权后收盘价、复权后最高价和复权后最低价；S22、使用极差变换法对历史股...

【专利技术属性】
技术研发人员：李少华，胡彦鹏，罗乐，孙雨晶，李晨辉，王长波，沙曼，徐军峰，
申请(专利权)人：上海华鑫股份有限公司，
类型：发明
国别省市：