核心因子分离的方法、设备与存储介质与流程

本发明涉及金融投资领域，特别地，涉及一种核心因子分离的方法、设备与存储介质。

背景技术：

随着理财观念的不断普及，越来越多的投资理财产品应运而生，如基金、债券、股票以及保险等金融产品逐渐在金融市场中发展成熟，投资理财也不再是富人们的专利，普通百姓也改变了传统的理财观念，而不只是选择把资金存放在银行。

但是对于普通百姓，尤其是对于那些没有经济金融专业背景的人们来说，纷繁复杂的投资理财产品常常会让他们感到不知所措，从而只能盲目地跟风。目前市面上已经出现了不少量化交易投资理财的平台，为个人或者企业投资者在制定投资策略、理财规划等方面提供了许多数据分析和建议。

现有的量化交易策略大多数经过金融工程师编写产生，通过定义多因子进行因子有效性检验，然后进行人工考察判别因子的有效性，此种方法无法准确分辨出策略的核心因子，或无法分辨一个策略或现象中起关键作用的因子，即无法洞悉策略、现象和因子的内在联系。一个策略可能由多个因子构成，如果无法分辨核心因子，就对策略优化和参数修改等产生了很大的障碍，会浪费很多时间在无关的因子优化上。再比如有许多相似用途的因子，如果不能定义这些因子对用户策略的关键程度，就可能会错误的选择因子，而使该因子的其他用途影响该策略本身。

技术实现要素：

为克服或避免以上技术缺陷，本发明提供一种核心因子分离的方法、设备与存储介质，通过计算金融现象发生后的影响期内行情曲线与各因子在影响期内的回测曲线的关联度，获取关联度高的因子作为该金融现象的核心因子，以该核心因子作为下个金融现象周期的优化目标，从而很大程度上增加了策略优化的准确性。

本发明的一个实施例提供了一种核心因子分离的方法，该方法适于在计算设备中执行，包括以下步骤:

(1)确定金融现象，所述金融现象对相关板块具有影响期，并具有周期性的特点；

(2)调出因子库，计算所述因子库中各因子对所述金融现象的关联度；

(3)对因子关联度大小进行排序；

(4)择优筛选因子；

(5)显示结果。

所述关联度大小通过相关系数和斜率来表征；

所述相关系数为各因子回测曲线与行情曲线的吻合程度；

所述斜率为影响期内第一个周期开盘价所在的点与最后一个周期收盘价所在的点之间连接线的斜率；所述影响期为所述金融现象发生后的用户预设时间，或者通过回测并对回测结果统计确定的最佳时间。

所述步骤(2)具体包括：

(a)调出因子库，所述因子库包含宏观因子、成长因子、规模因子、惯性因子、价值因子、行为因子、技术因子、质量因子、情绪因子、风险因子；

(b)计算各因子在影响期内的相关系数，筛选符合阈值的相关系数。所述相关系数的计算方法包括：

调出所述金融现象发生后的影响期内相应板块的行情曲线；

将各因子与金融现象发生后的影响期内行情进行回测，生成各因子的回测曲线；

计算所述回测曲线与行情曲线的相关系数；

筛选符合阈值的相关系数；

(c)筛选正确拟合的因子，具体包括：

将所述行情曲线斜率为正数的定义为正拟合，所述正数包括大于等于0的数；所述行情曲线斜率为负数的定义为负拟合；

筛选正确拟合的回测曲线：所述行情曲线是正拟合，则将始终位于行情曲线上方的相关系数符合阈值的回测曲线定义为正确拟合；或

所述行情曲线是负拟合，则将始终位于行情曲线下方的相关系数符合阈值的回测曲线定义为正确拟合；

所述有关联的因子为回测曲线为正确拟合对应的因子。

本发明核心因子分离方法还包括结果显示步骤，显示基于步骤(1)至步骤(4)所述方法生成的信息。

所述金融现象包括股票高送转、股东分红、员工持股、配股、限售股解禁、量化交易策略。

本发明核心因子分离的方法，还包括步骤：取正确拟合排序中关联度较高的三个因子，以所述三个因子的回测曲线作为基准曲线，重复所述步骤(1)至步骤(4)，取正确相关系数最高的因子作为核心因子。

本发明的另一个实施例提供了一种核心因子分离的装置，该装置适于驻留在计算设备中，包括以下模块:

金融现象确定模块，适于确定金融现象，所述金融现象对相关板块具有影响期，并具有周期性的特点；

关联度计算模块，适于调出因子库，计算所述因子库中各因子对所述金融现象的关联度；

关联度排序模块，适于对因子关联度大小进行排序；

筛选模块，适于择优筛选因子；

显示模块，适于显示基于本发明核心因子分离方法生成的信息。

本发明的另一个实施例中提供了一种计算设备，所述设备包括:

一个或多个处理器；

存储器；以及

一个或多个程序，其中所述一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行所述核心因子分离方法中的任一方法的指令。

本发明的另一个实施例还提供了一种存储介质，所述存储介质存储有一个或多个程序，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行所述核心因子分离方法中的任一方法。

与现有技术相比，本发明核心因子分离的方法、设备与存储介质具有如下有益效果:

通过计算金融现象发生后的影响期内行情曲线与各因子在影响期内的回测曲线的关联度，获取关联度高的因子作为该金融现象的核心因子，以该核心因子作为下个金融现象周期的优化目标，从而很大程度上增加了策略优化的准确性，大大降低策略优化时间，避免在不相关的因子上浪费时间，提升效率，有利于对后续研究的深入分析，从而便于用户作出决策。

附图说明

图1示出了本发明实施例一核心因子分离方法的流程图。

图2示出了本发明实施例二、实施例三核心因子分离方法的流程图。

图3示出了本发明实施例四核心因子分离装置的框架图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

人们在做量化策略和投资时，现有技术的主要缺点在于无法准确分辨出影响一种现象或策略的核心因子，或无法分辨一个策略或现象中起关键作用的因子，即无法洞悉策略、现象和因子的内在联系。基于此，本发明实施例提供的核心因子分离方法，可以帮助投资人员分离出相关的核心因子，投资者后续就这些核心因子进行优化和参数修改，从而科学地制定策略，确保投资者利益。

为便于对本实施例进行理解，首先对本发明实施例所公开的因子分离方法进行详细介绍，本发明除了应用在股票，还可以应用在股指期货、商品期货以及具有板块效应的金融衍生品上。下面的实施例将以股票为例进行详细说明。

实施例一

本发明公开一种核心因子分离方法，适于在计算设备中执行。参见图1，示出了本发明核心因子分离方法流程图，包括以下步骤：

步骤101，确定金融现象，该金融现象对相关板块具有影响期，并具有周期性的特点。

确定金融现象，该金融现象包括股票高送转、股东分红、员工持股、配股、限售股解禁及量化交易策略。该金融现象具有周期性发生的特点，并对相关板块产生影响，具有一个影响期，该影响期为金融现象发生后的用户预设时间，或者通过回测并对回测结果统计确定的最佳时间。

本实施例中，金融现象的影响期介于7-15天，自该板块第一支股票发生该金融现象记为起始周期，小级别金融现象的影响期为7天，大级别金融现象的影响期为15天。

步骤102，调出因子库，计算因子库中各因子对金融现象的关联度。

本实施例中，所述关联度通过相关系数与斜率来表征，该相关系数为各因子回测曲线与行情曲线的相关系数，所述斜率为影响期内第一个周期开盘价所在的点与最后一个周期收盘价所在的点之间连接线的斜率。

本实施例具体包括以下步骤：

(a)调出因子库中所有因子，该因子库包含宏观因子、成长因子、规模因子、惯性因子、价值因子、行为因子、技术因子、质量因子、情绪因子、风险因子。

(b)计算各因子在影响期内的相关系数，筛选符合阈值的相关系数。该相关系数为各因子回测曲线与行情曲线的吻合程度，其计算方法为：

调出该金融现象发生后的影响期内相应板块的行情曲线；

将各因子与金融现象发生后的影响期内行情进行回测，生成各因子的回测曲线；

计算各因子的回测曲线与行情曲线的相关系数。

(c)筛选正确拟合的因子：

将所述行情曲线斜率为正数的定义为正拟合，所述正数包括大于等于0的数；所述行情曲线斜率为负数的定义为负拟合；

筛选正确拟合的回测曲线：若行情曲线是正拟合，则将回测曲线始终位于行情曲线上方的定义为正确拟合；若行情曲线是负拟合，则将回测曲线始终位于行情曲线下方的定义为正确拟合；

本实施例中，有关联度的因子为回测曲线为正确拟合对应的因子。

步骤103，对因子关联度大小进行排序。

步骤104，择优筛选因子。

筛选关联度靠前的因子作为核心因子。

步骤105，显示结果。

显示基于步骤101至步骤104所述方法输出的信息。

针对该金融现象制定相应的策略，通过上述方法分离出因子作为该策略的核心因子，在下一个该金融现象发生之前，对该核心因子进行优化，从而增加了策略优化的准确性。

实施例二

本实施例提供的一种核心因子分离的方法是对上述实施例的进一步优化，参见图2，示出了本实施例核心因子分离方法的流程图，本实施例流程图中的步骤201－步骤204可参考实施例一的流程，在此不再赘述。本实施例将具体对优化步骤作进一步的阐述。

如图2所示，本发明提供的一种核心因子分离的方法，在步骤204后，还包括以下步骤205：

取正确拟合排序中关联度较高的若干个因子，以该若干因子的回测曲线作为基准曲线，重复步骤201至步骤204，选取正确相关系数最高的因子作为最优核心因子。

步骤206，显示结果。

显示基于步骤201至步骤205所述方法输出的信息。

针对该金融现象制定相应的策略，通过上述方法分离出因子作为该策略的核心因子，在下一个该金融现象发生之前，对该核心因子进行优化，从而增加了策略优化的准确性。

实施例三

下面将结合具体的实施对本发明作更详细的阐述，本实施例中，结合股市中的高送转作为金融现象进行阐述。仍以图2作为本发明核心因子分离方法流程图，包括以下步骤：

步骤201，确定金融现象，该金融现象对相关板块具有影响期，并具有周期性的特点。

确定金融现象，该金融现象包括股票高送转、股东分红、员工持股、配股、限售股解禁及量化交易策略。该金融现象具有周期性发生的特点，并对相关板块产生影响，具有一个影响期，该影响期为金融现象发生后的用户预设时间，或者通过回测并对回测结果统计确定的最佳时间。

具体地，以股市中的高送转金融现象为例，高送转具有每年定期发生的特点，某些股票发生高送转，将对高送转整个板块的行情产生影响。本实施例中，通过回测统计出高送转现象对该板块股价影响波动较大的影响期，为自该板块第一支股票发生该现象记为起往后持续7天。

步骤202，调出因子库，计算因子库中各因子对金融现象的关联度。

本实施例中，所述关联度通过相关系数与斜率来表征，该相关系数为各因子回测曲线与行情曲线的相关系数，该行情曲线为高送转板块的行情曲线，该斜率为影响期内第一个周期开盘价所在的点与最后一个周期收盘价所在的点之间连接线的斜率。

本实施例具体包括以下步骤：

(a)调出因子库中所有因子，该因子库包含宏观因子、成长因子、规模因子、惯性因子、价值因子、行为因子、技术因子、质量因子、情绪因子、风险因子。比如大市值因子、市盈率因子等等。

(b)计算各因子在影响期内的相关系数，筛选符合阈值的相关系数。该相关系数为各因子回测曲线与行情曲线的吻合程度，其计算方法为：

调出该高送转现象发生后7天内板块的行情曲线，即自高送转板块内第一支股票发生高送转行为记为起始日，调出7天的行情曲线。将因子库中各因子与高送转现象发生后的影响期内7天的行情进行回测，生成各因子的回测曲线。计算各因子的回测曲线与行情曲线的相关系数，设定相关系数阈值比如90％，筛选相关系数超过90％的回测曲线进行下一步择优。

(c)筛选正确拟合的因子。

将高送转板块7天的行情曲线斜率为正数的定义为正拟合，正数包括大于等于0的数，行情曲线斜率为负数的定义为负拟合，本实施例中，斜率为第一支股票高送转发生第1天板块开盘价所在的点与第7天天收盘价所在的点之间连接线的斜率。

筛选正确拟合的回测曲线：若行情曲线是正拟合，则将始终位于行情曲线上方且相关系数大于90％的回测曲线定义为正确拟合；若行情曲线是负拟合，则将始终位于行情曲线上方且相关系数大于90％的回测曲线定义为正确拟合。本实施例中，正确拟合的回测曲线相应的因子即为与高送转有关联度的因子

步骤203，对因子关联度大小进行排序。

本实施中，关联度大小即为正确拟合相应的相关系数大小，将正确拟合相应的因子按相关系数大小进行排序。

步骤204，筛选核心因子。

筛选关联度较大的因子作为核心因子，该核心因子可以根据用户设定或期望来选择，可以为两个、三个、四个或更多个。

优选地，本实施例还进一步提供核心因子择优的步骤205，取正确拟合排序中关联度较高的若干个因子，以该若干因子的回测曲线作为基准曲线，重复步骤201至步骤204，选取正确相关系数最高的因子作为最优核心因子。

优选地，本发明核心因子分离方法还包括结果显示步骤206，显示基于步骤201至步骤205所述方法生成的信息。

针对该高送转现象制定相应的策略中，通过上述方法分离出的因子作为该策略的核心因子，在下一个该金融现象发生之前，对该核心因子进行优化，从而增加了策略的准确性，避免盲目优化策略。

实施例四

本发明还提供一种核心因子分离的装置，适于驻留在计算设备中。参见图3，示出了本发明核心因子分离的装置框架图，包括以下模块：

确定金融现象模块301，适于确定金融现象，该金融现象对相关板块具有影响期，并具有周期性的特点。

确定金融现象，该金融现象包括股票高送转、股东分红、员工持股、配股、限售股解禁及量化交易策略。该金融现象具有周期性发生的特点，并对相关板块产生影响，具有一个影响期。本实施例中，该影响期为金融现象发生后的用户预设时间，或者通过回测并对回测结果统计确定的最佳时间。金融现象的影响期介于7-15天，自该板块第一支股票发生该金融现象记为起始周期，小级别金融现象的影响期为7天，大级别金融现象的影响期为15天。

计算模块302，适于调出因子库，计算因子库中各因子对金融现象的关联度。

本实施例中，所述关联度通过相关系数与斜率来表征，该相关系数为各因子回测曲线与行情曲线的相关系数，所述斜率为影响期内第一个周期开盘价所在的点与最后一个周期收盘价所在的点之间连接线的斜率。具体包括以下计算步骤：

(a)调出因子库中所有因子，该因子库包含宏观因子、成长因子、规模因子、惯性因子、价值因子、行为因子、技术因子、质量因子、情绪因子、风险因子；(b)计算各因子在影响期内的相关系数，筛选符合阈值的相关系数；(c)筛选正确拟合的因子

本实施例中，有关联度的因子为回测曲线为正确拟合对应的因子。

排序模块303，适于对因子关联度大小进行排序。

核心因子筛选模块304，适于择优筛选核心因子。

筛选关联度靠前的因子作为核心因子，本实施例中，可取正确拟合排序中关联度较高的若干个因子作为核心因子。

优选地，还包括核心因子择优模块305，适于取正确拟合排序中关联度较高的若干个因子，以该若干因子的回测曲线作为基准曲线，重复上述方法实施例步骤201至步骤204，选取正确相关系数最高的因子作为最优核心因子。

优选地，本实施例还包括结果显示模块，显示基于核心因子分离方法生成的信息。

针对该金融现象制定相应的策略，通过上述方法分离出因子作为该策略的核心因子，在下一个该金融现象发生之前，对该核心因子进行优化，从而增加了策略优化的准确性，有利于下一该金融现象发出前作出正确的决策。

实施例五

本发明还提供一种计算设备，该设备包括：

一个或多个处理器；

存储器；以及

一个或多个程序，其中一个或多个程序存储在存储器中并被配置为由一个或多个处理器执行，该一个或多个程序包括用于执行如下任一步骤：

(1)确定金融现象，所述金融现象对相关板块具有影响期，并具有周期性的特点；

(2)调出因子库，计算所述因子库中各因子对所述金融现象的关联度；

(3)对因子关联度大小进行排序；

(4)择优筛选因子；

(5)显示结果。

实施例六

本发明还提供一种计算机存储介质，该存储介质存储有一个或多个程序，该一个或多个程序包括指令，该指令当由计算设备执行时，使得该计算设备执行如下任一步骤：

(1)确定金融现象，所述金融现象对相关板块具有影响期，并具有周期性的特点；

(2)调出因子库，计算所述因子库中各因子对所述金融现象的关联度；

(3)对因子关联度大小进行排序；

(4)择优筛选因子；

(5)显示结果。

上述实施例所述的方法、装置或模块，具体可由计算机芯片或实体实现，或由具有某种功能的产品来实现，其中，一种典型的设备为计算机。具体地，计算机可以为个人计算机、服务器、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制平台、平板计算机、可穿戴设备或这些设备中的任何设备的组合。

本领域技术人员应明白，本发明的实施例可提供方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或者结合软件和硬件方面的实施例的形式。而且，本发明可采用一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd、rom、光学存储器等)上实施的计算机程序产品的形式。

以上所述仅为本发明的实施例，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。