一种判断基金财报信息预测基金调仓方法

文档序号:1964712 发布日期:2021-12-14 浏览:24次 >En<

阅读说明:本技术 一种判断基金财报信息预测基金调仓方法 (Method for predicting fund transfer by judging fund financial information ) 是由 张赫远 谢国亮 于 2021-09-16 设计创作,主要内容包括:本发明提供的一种判断基金财报信息预测基金调仓方法,所述调仓方法包括:查询满足前十大持仓占比大于百分之五十的基金,获取基金的持仓数据;将相邻两个月的持仓数据进行拼接,计算不同仓位的权重,计算基金的变动数据;根据基金的持仓和权重,计算持仓的每日净值数据和估值;计算所述每日净值数据和所述估值的相似度;根据所述相似度训练基金调仓模型;根据所述基金调仓模型,预测基金调仓情况。能够通过基金和前十大持仓股票的净值判断当前持仓和上季度公布的持仓是否有很大的差异,帮助基金投资者进行投资选择。(The invention provides a fund transfer method for judging fund financial report information prediction, which comprises the following steps: inquiring the fund meeting the condition that the first ten taken positions are more than fifty percent, and acquiring the position data of the fund; splicing the position taken data of two adjacent months, calculating the weight of different positions, and calculating the change data of the fund; calculating daily net worth data and valuation of position taken according to position taken and weight of the fund; calculating a similarity of the daily net worth data and the valuations; training a fund transfer model according to the similarity; and predicting the fund transfer bin condition according to the fund transfer bin model. The net value of the fund and the top ten large position holding stocks can be used for judging whether the current position holding and the position holding published in the last quarter are different greatly, so that the fund investor is helped to make investment selection.)

一种判断基金财报信息预测基金调仓方法

技术领域

本发明涉及金融领域,尤其涉及一种判断基金财报信息预测基金调仓方法。

背景技术

随着社会的发展和经济的进步,居民理财的观念日益增长,越来越多的人选择购买基金,基金的本质是由专业的团队替你管理资产,和直接购买股票不同,不需要有专业的投资知识,并且可以分摊一定的风险,同时带来稳定的收益。根据中国证券基金业协会公布的数据来看,2015年到2020年二季度,我国公募基金管理规模和私募基金管理规模均保持平稳增长态势。截至2020年二季度,公募基金管理规模达到16.9万亿元,私募基金管理规模达到14.9万亿元。

基金调仓包括加仓和减仓,具体表现为把手里某些股票全部抛售或者抛售一部分,换成其他品种的股票叫调仓,表示已调整仓位。每种基金都会有自己的持仓比例,股市有涨有跌,基金经理预测持仓中的个股收益达到预先或有风险,转而卖出个股购入其它股票,这都是基金运行中的正常工作。一般情况下,大盘进入上行通道时,要将领涨品种的股票仓位加大一些,甚至满仓;而在大盘进入下行通道时,要将所有股票的仓位调低一些,而且要根据市场热点及时更换股票品种,以获得较高收益。

基金调仓属于非公开信息,不对外发布。基金的持仓情况在季报和年报中披露,季报一般在季度结束后的次月中下旬发布,具有一定的滞后性。一般判断调仓可以观察第三方平台提供的基金估值,如果估值和当日收益的差距过大,判断基金可能进行了调仓。

目前基金提供基金估值的第三方平台很多,往往是通过每季度的基金季报中的持仓明细拟合而成,计算公式相对单一,同时需要用户自己对比净值和估值的变动情况,据有一定的误差,因为通过单日对比不能反映基金经理的整个调仓过程,若连续观察多日的数据,判断难度会很大。

市场上还有一些基金仓位预测的方法,大概思路是通过一段时间的净值变化和公布的持仓信息来预测基金的仓位情况,但是这种方法不能直观的表示基金的调仓情况,仓位估计也仅供参考。

发明内容

鉴于上述问题,提出了本发明以便提供克服上述问题或者至少部分地解决上述问题的一种判断基金财报信息预测基金调仓方法。

根据本发明的一个方面,提供了一种判断基金财报信息预测基金调仓方法,所述调仓方法包括:

查询满足前十大持仓占比大于百分之五十的基金,获取基金的持仓数据;

将相邻两个月的持仓数据进行拼接,计算不同仓位的权重,计算基金的变动数据;

根据基金的持仓和权重,计算持仓的每日净值数据和估值;

计算所述每日净值数据和所述估值的相似度;

根据所述相似度训练基金调仓模型;

根据所述基金调仓模型,预测基金调仓情况。

查询满足前十大持仓占比大于百分之五十的基金,获取基金的持仓数据具体包括:获取基金年报披露信息;根据所述基金年报披露信息,获得基金Fi在k季度的前十大持仓明细Jki;具体包括:jki1,jki2,jki3...jki10;获取公募基金每季度前十大持仓信息,得到基金Fi在k季度的前十大权重序列Wkij;具体包括:wki1,wki2,wki3…wki10;计算基金Fi前十大持仓权重的和Sumki

保留Sumki大于50%的基金;获取基金的期间申购、期间赎回、期末总份额、期末净资产和净资产变动率,用于模型的补充数据。

将相邻两个月的持仓数据进行拼接,计算不同仓位的权重,计算基金的变动数据具体包括:根据基金Fi的近两季度的持仓明细Skij和权重序列wkij,计算持仓差Dki

其中,将Dki中,数值最大前20%的基金标记为已调仓,数值最小的20%的基金标记为未调仓。

根据基金的持仓和权重,计算持仓的每日净值数据和估值具体包括:获取股票每日涨跌幅,根据基金Fi在k季度的前十大持仓明细jki,获取每只股票的股价涨跌幅序列Ckdj,其中d代表天数,每季度约有60余个交易日ck1j,ck2j,ck3j…ck60j;计算基金估值涨跌幅,根据基金Fi的近两季度的持仓明细Skij和权重序列wkij,和股票涨跌幅序列Ckdj,计算基金Fi在k季度的估值序列Aki,其中第d天的估值变化为

得到每只基金的估值涨跌幅序列Akdj,其中d代表天数,每季度约有60余个交易日ak1j,ak2j,ak3j…ak60j

计算所述每日净值数据和所述估值的相似度具体包括:

获取基金每日涨跌幅,根据基金Fi,获取在k季度的净值涨跌幅序列Bkdj,其中d代表天数,每季度约有60余个交易日

bk1j,bk2j,bk3j...bk60j

计算基金Fi估值序列Akdj与净值序列Bkdj的皮尔森相关系数,时间窗口N=10

得到基金Fi在k季度相关性序列Rki,并计算关性序列Rki的平均值,最大值,最小值和方差;

利用估值涨跌幅序列Akdj和净值涨跌幅序列Bkdj计算得到差值序列DIFFkdj

diffkdj=akdj-bkdj

并计算差值序列DIFFkdj的平均值,最大值,最小值和方差。

根据所述相似度训练基金调仓模型具体包括:计算相关性序列Rki的平均值,最大值,最小值和方差;计算差值序列DIFFkdj的平均值,最大值,最小值和方差;获取基金的期间申购,期间赎回,期末总份额,期末净资产和净资产变动率,并进行整合;将数据分为训练集和测试集,通过python调用优化的梯度提升决策树模型对所述测试集数据进行训练。

本发明提供的一种判断基金财报信息预测基金调仓方法,所述调仓方法包括:查询满足前十大持仓占比大于百分之五十的基金,获取基金的持仓数据;将相邻两个月的持仓数据进行拼接,计算不同仓位的权重,计算基金的变动数据;根据基金的持仓和权重,计算持仓的每日净值数据和估值;计算所述每日净值数据和所述估值的相似度;根据所述相似度训练基金调仓模型;根据所述基金调仓模型,预测基金调仓情况。能够通过基金和前十大持仓股票的净值判断当前持仓和上季度公布的持仓是否有很大的差异,帮助基金投资者进行投资选择。

上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的

具体实施方式

附图说明

为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。

图1为本发明实施例提供的一种判断基金财报信息预测基金调仓方法的流程图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。

本发明的说明书实施例和权利要求书及附图中的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元。

下面结合附图和实施例,对本发明的技术方案做进一步的详细描述。

如图1所示,一种判断基金财报信息预测基金调仓方法,所述调仓方法包括:

查询满足前十大持仓占比大于百分之五十的基金,获取基金的持仓数据;

将相邻两个月的持仓数据进行拼接,计算不同仓位的权重,计算基金的变动数据;

根据基金的持仓和权重,计算持仓的每日净值数据和估值;

计算所述每日净值数据和所述估值的相似度;

根据所述相似度训练基金调仓模型;

根据所述基金调仓模型,预测基金调仓情况;

首先将基金数据加工成模型输入的指定格式,包括相关性序列Rki的平均值,最大值,最小值和方差,差值序列DIFFkdj的平均值,最大值,最小值和方差,基金上一季的期间申购(亿份),期间赎回(亿份),期末总份额(亿份),期末净资产(亿元),净资产变动率如下表所示。

通过调用步骤8中训练完成的模型,得出基金是否调仓的标签,输出为0,则基金未调仓;若输出为1,则基金调仓。

查询满足前十大持仓占比大于百分之五十的基金,获取基金的持仓数据具体包括:

获取基金年报披露信息;

根据所述基金年报披露信息,获得基金Fi在k季度的前十大持仓明细Jki;具体包括:jki1,jki2,jki3...jki10

获取公募基金每季度前十大持仓信息,得到基金Fi在k季度的前十大权重序列Wkij;具体包括:wki1,wki2,wki3…wki10

计算基金Fi前十大持仓权重的和Sumki

保留Sumki大于50%的基金;

获取基金的期间申购、期间赎回、期末总份额、期末净资产和净资产变动率,用于模型的补充数据。

将相邻两个月的持仓数据进行拼接,计算不同仓位的权重,计算基金的变动数据具体包括:

根据基金Fi的近两季度的持仓明细Skij和权重序列wkij,计算持仓差Dki

其中,将Dki中,数值最大前20%的基金标记为已调仓,数值最小的20%的基金标记为未调仓。

根据基金的持仓和权重,计算持仓的每日净值数据和估值具体包括:

获取股票每日涨跌幅,根据基金Fi在k季度的前十大持仓明细jki,获取每只股票的股价涨跌幅序列Ckdj,其中d代表天数,每季度约有60余个交易日ck1j,ck2j,ck3j…ck60j

计算基金估值涨跌幅,根据基金Fi的近两季度的持仓明细Skij和权重序列wkij,和股票涨跌幅序列Ckdj,计算基金Fi在k季度的估值序列Aki,其中第d天的估值变化为

得到每只基金的估值涨跌幅序列Akdj,其中d代表天数,每季度约有60余个交易日ak1j,ak2j,ak3j…ak60j

计算所述每日净值数据和所述估值的相似度具体包括:

获取基金每日涨跌幅,根据基金Fi,获取在k季度的净值涨跌幅序列Bkdj,其中d代表天数,每季度约有60余个交易日

bk1j,bk2j,bk3j...bk60j

计算基金Fi估值序列Akdj与净值序列Bkdj的皮尔森相关系数,时间窗口N=10

得到基金Fi在k季度相关性序列Rki,并计算关性序列Rki的平均值,最大值,最小值和方差;

利用估值涨跌幅序列Akdj和净值涨跌幅序列Bkdj计算得到差值序列DIFFkdj

diffkdj=akdj-bkdj

并计算差值序列DIFFkdj的平均值,最大值,最小值和方差。

根据所述相似度训练基金调仓模型具体包括:

计算相关性序列Rki的平均值,最大值,最小值和方差;

计算差值序列DIFFkdj的平均值,最大值,最小值和方差;

获取基金的期间申购,期间赎回,期末总份额,期末净资产和净资产变动率,并进行整合;

将数据分为训练集和测试集,通过python调用优化的梯度提升决策树模型对所述测试集数据进行训练。

在模型完成训练之后,需要对模型的效果做出评价,业内目前常常采用的评价指标有准确率(Precision)、召回率(Recall)、F值(F-Measure)等。

首先需要计算混淆矩阵

TP为将正类预测为正类数;TN为将负类预测为负类数;FP为将负类预测为正类数;FN为将正类预测为负类数。

精确率precision计算公式

召回率recall计算公式

综合评价指标(F1-score)计算公式

通过对训练集进行训练,在测试集上得到的效果如下

precision recall F1
0 0.84 0.80 0.82
1 0.80 0.84 0.82

有益效果:通过基金和前十大持仓股票的净值,判断当前持仓和上季度公布的持仓是否有很大的差异,给出相应的提示,帮助基金投资者进行投资选择;不需要投资者有很强的的专业知识。

以上的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

11页详细技术资料下载
上一篇:一种医用注射器针头装配设备
下一篇:全球企业家多层次服务体系人工智能算法数据库模块系统

网友询问留言

已有0条留言

还没有人留言评论。精彩留言会获得点赞!

精彩留言,会给你点赞!