一种股票波动率预测方法及系统的利记博彩app
【专利摘要】本发明公开了一种股票波动率预测方法及系统，所述方法包括如下步骤：根据各股票每日收盘时交易行情数据建立股票风险控制模型数据库；接收输入的股票代码、股票代码对应股票所占的板块权重，设置股票价格走势的起止时间；从风险控制模型数据库读取预先根据前一日收盘时交易行情数据计算出的风险控制参数值；根据股票代码、股票代码对应股票所占的板块权重、股票价格走势的起止时间和/或股票风险控制参数值计算出股票及股票投资组合在股票价格走势的起止时间内的波动率，采用股票波动率预测系统，大大减少了计算时间，并且由于计算各部分数值时所需历史数据较RiskMetrics方法少，计算精确度高。
【专利说明】
-种股票波动率预测方法及系统
技术领域
[0001] 本发明设及信息处理技术领域，尤其设及一种股票波动率预测方法及系统。
【背景技术】
[0002] 股票波动率（即股票收益率的方差）是度量股票市场风险的常用指标，波动率是 实时变化的，国内外学者构造了各种复杂的统计模型来捕捉波动率的时变性。
[0003] 基于历史数据计算股票间协方差矩阵的方式，称为RiskMetrics方法，利用该方 法计算股票间协方差矩阵的过程是：
[0004] 假设m只股票的历史收益为yl，y2，一711,其中，如表征了 i时刻m只股票之间 的收益率（yi为mXl的列向量）。
[0007] 表示了下一期m只股票之间的协方差矩阵的估计值，利用该估计值可W计算该m 只股票所构成的任意投资组合在下一期的波动率。
[0008] 利用RiskMetrics方法提供的股票之间的协方差矩阵计算股票波动率时，存在对 于包含较多股票的投资组合需要利用过多的历史数据，当市场发生变化时，估计的参数过 多，需要用较长的历史数据，而金融市场变化很快，当前的市场与历史数据分布不同，而用 较短的数据估计，估计数据不精准。另外，利用RiskMetrics方法使得数据扩展性差，每次 计算不同的投资组合的波动率，数据要重新准备，重新计算，花费较多的时间。
【发明内容】
[0009] 鉴于目前波动率计算存在的上述不足，本发明提供一种股票波动率预测方法及系 统，用户需要获取输入的股票及股票投资组合的波动率时仅需从风险控制模型数据库中调 取数据，根据该数据进行计算即可，大大减少了计算时间，并且由于计算各部分数值时所需 历史数据较化skMetrics方法少，计算精确度高。
[0010] 为达到上述目的，本发明的实施例采用如下技术方案：
[0011] 一种股票波动率预测方法，所述股票波动率预测方法包括如下步骤：
[0012] 根据各股票每日收盘时交易行情数据建立股票风险控制模型数据库；
[0013] 接收输入的股票代码、股票代码对应的板块权重，设置股票价格走势的起止时 间；
[0014] 从风险控制模型数据库读取预先根据前一日收盘时交易行情数据计算出的风险 控制参数值；
[0015] 根据股票代码、股票代码对应的板块权重、股票价格走势的起止时间及股票风险 控制参数值计算出股票和/或股票投资组合在股票价格走势的起止时间内的波动率。
[0016] 依照本发明的一个方面，所述根据各股票每日收盘时交易行情数据建立股票风险 控制模型数据库步骤中具体包括W下步骤：收集各股票每日收盘时交易行情数据；根据各 股票每日收盘时交易行情数据确定股票风险因子；根据股票每日收盘时交易行情数据及股 票风险因子确定股票的收益回报率及收益回报率中的因子回报和残差回报；根据因子回 报、残差回报计算出因子回报的协方差矩阵和残差波动率；对计算出的股票风险因子、因子 回报、因子回报的协方差矩阵W及残差波动率进行处理形成股票风险控制参数值；根据每 日各股票风险控制参数值建立风险控制模型数据库。
[0017] 依照本发明的一个方面，所述根据股票代码、股票代码对应的板块权重、股票价格 走势的起止时间及股票风险控制参数值计算出股票和/或股票投资组合在股票价格走势 的起止时间内的波动率步骤执行后执行W下步骤：根据股票及股票投资组合在股票价格走 势的起止时间内的波动率得到股票价格涨幅的慢速线、中速线和高速线，判断出股票最佳 买入点及卖出的最高价格和最低价格。
[0018] 一种股票波动率预测系统，所述股票波动率预测系统包括：
[0019] 风险控制数据库模块，用于根据各股票每日收盘时交易行情数据建立股票风险控 制模型数据库；
[0020] 股票信息接收模块，用于接收输入的股票代码、股票代码对应的板块权重，设置股 票价格走势的起止时间；
[0021] 风险控制参数值获取模块，用于从风险控制模型数据库读取预先根据前一日收盘 时交易行情数据计算出的风险控制参数值；
[0022] 波动率计算模块，用于根据股票代码、股票代码对应的板块权重、股票价格走势的 起止时间和/或股票风险控制参数值计算出股票及股票投资组合在股票价格走势的起止 时间内的波动率。
[0023] 依照本发明的一个方面，所述股票波动率预测系统还包括：股票交易数据获取模 块，用于收集各股票每日收盘时交易行情数据。
[0024] 依照本发明的一个方面，所述股票波动率预测系统还包括：风险因子确定模块，用 于根据各股票每日收盘时交易行情数据确定股票风险因子。
[00巧]依照本发明的一个方面，所述股票波动率预测系统还包括：收益回报确定模块，用 于根据股票每日收盘时交易行情数据及股票风险因子确定股票的收益回报率及收益回报 率中的因子回报和残差回报。
[00%] 依照本发明的一个方面，所述股票波动率预测系统还包括：协方差矩阵计算模块， 用于根据因子回报报计算出因子回报的协方差矩阵。
[0027] 依照本发明的一个方面，所述股票波动率预测系统还包括：残差波动率计算模块， 用于根据残差回报计算出股票的残差波动率。
[0028] 依照本发明的一个方面，所述股票波动率预测系统还包括：风险控制参数形成模 块，用于对计算出的股票风险因子、因子回报、因子回报的协方差矩阵W及残差波动率进行 处理形成股票风险控制参数值。
[0029] 本发明实施的优点：通过根据各股票每日收盘时交易行情数据建立股票风险控制 模型数据库；接收输入的股票代码、股票代码对应的板块权重，设置股票价格走势的起止时 间；从风险控制模型数据库读取预先根据前一日收盘时交易行情数据计算出的风险控制参 数值；根据股票代码、股票代码对应的板块权重、股票价格走势的起止时间及股票风险控制 参数值计算出股票和/或股票投资组合在股票价格走势的起止时间内的波动率，采用股票 波动率预测系统，用户需要获取输入的股票及股票投资组合的波动率时仅需从风险控制模 型数据库中调取数据，根据该数据进行计算即可，大大减少了计算时间，并且由于计算各部 分数值时所需历史数据较化skMetrics方法少，计算精确度高。
【附图说明】
[0030] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的 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W根据运些附图获得其他的附 图。
[0031] 图1为本发明所述的一种股票波动率预测方法的实施例1的方法流程图；
[0032] 图2为本发明所述的一种股票波动率预测方法的实施例2的方法流程图；
[0033] 图3为本发明所述的一种股票波动率预测系统的结构示意图。
【具体实施方式】
[0034] 下面将结合本发明实施例中的附图，对本发明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。 阳03引实施例1 :
[0036] 如图1所示，股票波动率预测方法，所述股票波动率预测方法包括如下步骤：
[0037] 步骤S1 :根据各股票每日收盘时交易行情数据建立股票风险控制模型数据库；
[0038] 所述步骤S1 :根据各股票每日收盘时交易行情数据建立股票风险控制模型数据 库步骤中具体包括W下步骤：收集各股票每日收盘时交易行情数据；根据各股票每日收盘 时交易行情数据确定股票风险因子；根据股票每日收盘时交易行情数据及股票风险因子确 定股票的收益回报率及收益回报率中的因子回报和残差回报；根据因子回报、残差回报计 算出因子回报的协方差矩阵和残差波动率；对计算出的股票风险因子、因子回报、因子回报 的协方差矩阵W及残差波动率进行处理形成股票风险控制参数值；根据每日各股票风险控 制参数值建立风险控制模型数据库。
[0039] 由于股票波动率的预测系统可W每日自动计算风险因子、股票风险因子的因子回 报、因子回报的协方差矩阵W及残差波动率数据值，并且自动存入风险控制模型数据库，用 户需要获取输入的投资组合的波动率时仅需从风险控制模型数据库中调取数据，根据该数 据进行计算。
[0040] 根据公式y = Xf+ ε计算因子回报的协方差矩阵及残差波动率，其中，y表示股票 池中股票的超无风险利率收益，即股票的回报减去无风险利率，是可W从日频交易数据中 的每日个股收益率中直接提取出来的，X表示股票风险因子的值，可根据各股票每日收盘时 交易行情数据确定，f表示股票风险因子可解释部分的因子回报，ε表示不能由股票风险 因子所解释部分的残差回报。
[0041] 通过如下所述的公式计算因子回报的协方差矩阵：
[0042]
[0043] 其中，fi表示i时刻股票风险因子的因子回报，i e [0，Τ]，λ表示因子回报的权 重的衰减速度，和长半衰期L的对应关系满足：L等于-log2 ( λ )的整数部分，为Τ+1时刻 的股票风险因子的因子回报的协方差矩阵。 W44] 根据y = Xf+ ε，将股票的超无风险利率收益表示成两个部分，则相应的，y的协方 差矩阵可W表示为Cov(y): |；0045] Cov(y) = XFXT+Δ，可 W看出，Cov(y)分成两部分：
[0046] 其中，F = Cov(f)为因子回报的协方差矩阵，Δ为股票的残差波动率矩阵：
[0047]
[0048] 其中，δ 1为第一只股票的残差波动率，δ η为第η只股票的残差波动率。
[0049] 在实施残差波动率计算之前，首先对回归得到的残差回报ε t进行平稳性、自相 关性检验，经检验发现序列之间存在自相关性和偏相关性，且残差回报并非标准正态分布， 呈现尖峰厚尾的趋势，因此采取GARCH方法对残差波动率进行估计，并且经过考察经GARCH 估计的波动率调整后的残差的确是服从白噪声过程。估计公式如下（其中，ot为股票的 残差波动率）：ε t = μ + ζ t 其中，ζ t = σ tzt，σ t2 = K + 丫 σ t-^+ 曰 ζ t-12, k〉0，ε t 是残差回报。σ t为残差回报在t时刻的残差波动率，zt为正态分布，K，丫，a为GARCH 中的参数，由残差历史数据估计得到。
[0050] 实践证明，a)、σ和上一期的残差波动率W及其滞后一期的残差波动率有关，适用 于波动率长期自相关过程，度量了其波动聚集效应。
[0051] 步骤S2 :接收输入的股票代码、股票代码对应的板块权重，设置股票价格走势的 起止时间；
[0052] 投资者构造投资组合时，可W向股票波动率预测系统中输入待构造的投资组合中 的各个股票的股票代码，投资组合中的股票代码对应的板块权重，W及需要预测的波动率 的起止时间，其中该投资组合中可W包括一只股票，也可W包括多只股票。
[0053] 步骤S3 :从风险控制模型数据库读取预先根据前一日收盘时交易行情数据计算 出的风险控制参数值；
[0054] 风险控制参数包括股票风险因子、股票风险因子的因子回报、因子回报的协方差 矩阵W及残差波动率，所述残差波动率是不能由股票风险因子所解释部分回报的波动率。 阳化5] 步骤S4 :根据股票代码、股票代码对应的板块权重、股票价格走势的起止时间及 股票风险控制参数值计算出股票和/或股票投资组合在股票价格走势的起止时间内的波 动率。
[0056] 根据基础数据分别计算得到股票风险因子、股票风险因子的因子回报、因子回报 的协方差矩阵W及残差波动率，并将其存入风险控制模型数据库，W备后续根据用户输入 的投资组合中的各股票代码、各股票代码对应的权重、起止时间进行股票波动率的计算，W 帮助投资者制定投资组合。当然，后续根据该些数据，W及用户输入的投资组合中的股票 代码、对设定的某一日期，计算投资组合中的股票代码对应的股票的协方差矩阵，结合投资 组合中的股票代码对应的阿尔法alpha值进行股票绩效分析和绩效归因分析，当然也可W 进行风险归因分析和风险分析，投资者根据分析结果可W利用一些成熟的现有技术确定投 资组合中的各股票的权重，W调整投资策略。其中，在进行股票收益回报时，将股票收益回 报分解为因子回报和残差回报两部分，将股票协方差矩阵的计算分解为因子回报的协方差 矩阵的计算和残差波动率的计算，由于多只股票的收益之间的相关关系变化较大，但是因 子和因子之间的关系相对比较稳定，从而计算股票的协方差矩阵所需要的历史数据较短； 其次，由于因子相对于股票的个数往往较少，如估计1000只股票的协方差矩阵，需要估计 1000 X 1000/2个参数，而如果选取34个因子，只需估计34 X 34/2+1000个参数，大大减小了 估计量，因为估计更加精准。
[0057] 通过根据各股票每日收盘时交易行情数据建立股票风险控制模型数据库；接收输 入的股票代码、股票代码对应的板块权重，设置股票价格走势的起止时间；从风险控制模型 数据库读取预先根据前一日收盘时交易行情数据计算出的风险控制参数值；根据股票代 码、股票代码对应的板块权重、股票价格走势的起止时间及股票风险控制参数值计算出股 票和/或股票投资组合在股票价格走势的起止时间内的波动率，通过上述步骤，用户需要 获取输入的股票及股票投资组合的波动率时仅需从风险控制模型数据库中调取数据，根据 该数据进行计算即可，大大减少了计算时间，并且由于计算各部分数值时所需历史数据较 RiskMetrics方法少，计算精确度高。 阳05引 实施例2 :
[0059] 如图2所示，一种股票波动率预测方法，所述股票波动率预测方法包括如下步骤：
[0060] 步骤S1 :根据各股票每日收盘时交易行情数据建立股票风险控制模型数据库；
[0061] 所述步骤S1 :根据各股票每日收盘时交易行情数据建立股票风险控制模型数据 库步骤中具体包括W下步骤：收集各股票每日收盘时交易行情数据；根据各股票每日收盘 时交易行情数据确定股票风险因子；根据股票每日收盘时交易行情数据及股票风险因子确 定股票的收益回报率及收益回报率中的因子回报和残差回报；根据因子回报、残差回报计 算出因子回报的协方差矩阵和残差波动率；对计算出的股票风险因子、因子回报、因子回报 的协方差矩阵W及残差波动率进行处理形成股票风险控制参数值；根据每日各股票风险控 制参数值建立风险控制模型数据库。
[0062] 由于股票波动率的预测系统可W每日自动计算风险因子、股票风险因子的因子回 报、因子回报的协方差矩阵W及残差波动率数据值，并且自动存入风险控制模型数据库，用 户需要获取输入的投资组合的波动率时仅需从风险控制模型数据库中调取数据，根据该数 据进行计算。
[0063] 根据公式y = Xf+ ε计算因子回报的协方差矩阵及残差波动率，其中，y表示股票 池中股票的超无风险利率收益，即股票的回报减去无风险利率，是可W从日频交易数据中 的每日个股收益率中直接提取出来的，X表示股票风险因子的值，可根据各股票每日收盘时 交易行情数据确定，f表示股票风险因子可解释部分的因子回报，ε表示不能由股票风险 因子所解释部分的残差回报。
[0064] 通过如下所述的公式计算因子回报的协方差矩阵： 阳0化]
[0066] 其中，fi表示i时刻股票风险因子的因子回报，i e [0，Τ]，λ表示因子回报的权 重的衰减速度，和长半衰期L的对应关系满足：L等于-log2 ( λ )的整数部分，为Τ+1时刻 的股票风险因子的因子回报的协方差矩阵。
[0067] 根据y = Xf+ ε，将股票的超无风险利率收益表示成两个部分，则相应的，y的协方 差矩阵可W表示为Cov(y): !；00側 Cov(y) = XFXT+Δ，可W看出，Cov(y)分成两部分： W例其中，F = Cov讯为因子回报的协方差矩阵，Δ为股票的残差波动率矩阵：
[0070]
[0071] 其中，δ 1为第一只股票的残差波动率，δ η为第η只股票的残差波动率。
[0072] 在实施残差波动率计算之前，首先对回归得到的残差回报ε t进行平稳性、自相 关性检验，经检验发现序列之间存在自相关性和偏相关性，且残差回报并非标准正态分布， 呈现尖峰厚尾的趋势，因此采取GARCH方法对残差波动率进行估计，并且经过考察经GARCH 估计的波动率调整后的残差的确是服从白噪声过程。估计公式如下（其中，ot为股票的 残差波动率）：ε t = μ + ζ t 其中，ζ t = σ tzt，σ t2 = K + 丫 σ t-^+ 曰 ζ t-12, k〉0，ε t 是残差回报。σ t为残差回报在t时刻的残差波动率，zt为正态分布，K，丫，a为GARCH 中的参数，由残差历史数据估计得到。
[0073] 实践证明，a)、σ和上一期的残差波动率W及其滞后一期的残差波动率有关，适用 于波动率长期自相关过程，度量了其波动聚集效应。
[0074] 步骤S2 :接收输入的股票代码、股票代码对应的板块权重，设置股票价格走势的 起止时间；
[00巧]投资者构造投资组合时，可W向股票波动率预测系统中输入待构造的投资组合中 的各个股票的股票代码，投资组合中的股票代码对应的板块权重，W及需要预测的波动率 的起止时间，其中该投资组合中可W包括一只股票，也可W包括多只股票。
[0076] 步骤S3 :从风险控制模型数据库读取预先根据前一日收盘时交易行情数据计算 出的风险控制参数值；
[0077] 风险控制参数包括股票风险因子、股票风险因子的因子回报、因子回报的协方差 矩阵W及残差波动率，所述残差波动率是不能由股票风险因子所解释部分回报的波动率。
[0078] 步骤S4 :根据股票代码、股票代码对应的板块权重、股票价格走势的起止时间及 股票风险控制参数值计算出股票和/或股票投资组合在股票价格走势的起止时间内的波 动率。
[0079] 根据基础数据分别计算得到股票风险因子、股票风险因子的因子回报、因子回报 的协方差矩阵W及残差波动率，并将其存入风险控制模型数据库，W备后续根据用户输入 的投资组合中的各股票代码、各股票代码对应的权重、起止时间进行股票波动率的计算，W 帮助投资者制定投资组合。当然，后续根据该些数据，W及用户输入的投资组合中的股票 代码、对设定的某一日期，计算投资组合中的股票代码对应的股票的协方差矩阵，结合投资 组合中的股票代码对应的阿尔法alpha值进行股票绩效分析和绩效归因分析，当然也可W 进行风险归因分析和风险分析，投资者根据分析结果可W利用一些成熟的现有技术确定投 资组合中的各股票的权重，W调整投资策略。其中，在进行股票收益回报时，将股票收益回 报分解为因子回报和残差回报两部分，将股票协方差矩阵的计算分解为因子回报的协方差 矩阵的计算和残差波动率的计算，由于多只股票的收益之间的相关关系变化较大，但是因 子和因子之间的关系相对比较稳定，从而计算股票的协方差矩阵所需要的历史数据较短； 其次，由于因子相对于股票的个数往往较少，如估计1000只股票的协方差矩阵，需要估计 1000 X 1000/2个参数，而如果选取34个因子，只需估计34 X 34/2+1000个参数，大大减小了 估计量，因为估计更加精准。
[0080] 步骤S5 :根据股票及股票投资组合在股票价格走势的起止时间内的波动率得到 股票价格涨幅的慢速线、中速线和高速线，判断出股票最佳买入点及卖出的最高价格和最 低价格。
[0081] 一种股票波动率预测系统的实施例：
[0082] 一种股票波动率预测系统，所述股票波动率预测系统包括：
[0083] 风险控制数据库模块1，用于根据各股票每日收盘时交易行情数据建立股票风险 控制模型数据库；
[0084] 股票信息接收模块2,用于接收输入的股票代码、股票代码对应的板块权重，设置 股票价格走势的起止时间；
[00化]风险控制参数值获取模块3,用于从风险控制模型数据库读取预先根据前一日收 盘时交易行情数据计算出的风险控制参数值；
[0086] 波动率计算模块4,用于根据股票代码、股票代码对应的板块权重、股票价格走势 的起止时间及股票风险控制参数值计算出股票和/或股票投资组合在股票价格走势的起 止时间内的波动率。
[0087] 在实施例中，股票波动率预测系统还包括：股票交易数据获取模块5,用于收集各 股票每日收盘时交易行情数据。
[0088] 在实施例中，股票波动率预测系统还包括：风险因子确定模块6,用于根据各股票 每日收盘时交易行情数据确定股票风险因子。
[0089] 在实施例中，股票波动率预测系统还包括：收益回报确定模块7,用于根据股票每 日收盘时交易行情数据及股票风险因子确定股票的收益回报率及收益回报率中的因子回 报和残差回报。
[0090] 在实施例中，股票波动率预测系统还包括：协方差矩阵计算模块8,用于根据因子 回报报计算出因子回报的协方差矩阵。
[0091] 在实施例中，股票波动率预测系统还包括：残差波动率计算模块9,用于根据残差 回报计算出股票的残差波动率。
[0092] 在实施例中，股票波动率预测系统还包括：风险控制参数形成模块10,用于对计 算出的股票风险因子、因子回报、因子回报的协方差矩阵W及残差波动率进行处理形成股 票风险控制参数值。
[0093] 本发明实施的优点：通过根据各股票每日收盘时交易行情数据建立股票风险控制 模型数据库；接收输入的股票代码、股票代码对应的板块权重，设置股票价格走势的起止时 间；从风险控制模型数据库读取预先根据前一日收盘时交易行情数据计算出的风险控制参 数值；根据股票代码、股票代码对应的板块权重、股票价格走势的起止时间及股票风险控制 参数值计算出股票和/或股票投资组合在股票价格走势的起止时间内的波动率，采用股票 波动率预测系统，用户需要获取输入的股票及股票投资组合的波动率时仅需从风险控制模 型数据库中调取数据，根据该数据进行计算即可，大大减少了计算时间，并且由于计算各部 分数值时所需历史数据较化skMetrics方法少，计算精确度高。
[0094] W上所述，仅为本发明的【具体实施方式】，但本发明的保护范围并不局限于此，任何 熟悉本领域技术的技术人员在本发明公开的技术范围内，可轻易想到的变化或替换，都应 涵盖在本发明的保护范围之内。因此，本发明的保护范围应W所述权利要求的保护范围为 准。
【主权项】
1. 一种股票波动率预测方法，其特征在于，所述股票波动率预测方法包括如下步骤： 根据各股票每日收盘时交易行情数据建立股票风险控制模型数据库； 接收输入的股票代码、股票代码对应的板块权重，设置股票价格走势的起止时间； 从风险控制模型数据库读取预先根据前一日收盘时交易行情数据计算出的风险控制 参数值； 根据股票代码、股票代码对应的板块权重、股票价格走势的起止时间及股票风险控制 参数值计算出股票和/或股票投资组合在股票价格走势的起止时间内的波动率。2. 根据权利要求1所述的股票波动率预测方法，其特征在于，所述根据各股票每日收 盘时交易行情数据建立股票风险控制模型数据库步骤中具体包括以下步骤：收集各股票每 日收盘时交易行情数据；根据各股票每日收盘时交易行情数据确定股票风险因子；根据股 票每日收盘时交易行情数据及股票风险因子确定股票的收益回报率及收益回报率中的因 子回报和残差回报；根据因子回报、残差回报计算出因子回报的协方差矩阵和残差波动率； 对计算出的股票风险因子、因子回报、因子回报的协方差矩阵以及残差波动率进行处理形 成股票风险控制参数值；根据每日各股票风险控制参数值建立风险控制模型数据库。3. 根据权利要求1至2之一所述的股票波动率预测方法，其特征在于，所述根据股票代 码、股票代码对应的板块权重、股票价格走势的起止时间及股票风险控制参数值计算出股 票及股票投资组合在股票价格走势的起止时间内的波动率步骤执行后执行以下步骤：根据 股票及股票投资组合在股票价格走势的起止时间内的波动率得到股票价格涨幅的慢速线、 中速线和高速线，判断出股票最佳买入点及卖出的最高价格和最低价格。4. 一种股票波动率预测系统，其特征在于，所述股票波动率预测系统包括： 风险控制数据库模块，用于根据各股票每日收盘时交易行情数据建立股票风险控制模 型数据库； 股票信息接收模块，用于接收输入的股票代码、股票代码对应的板块权重，设置股票价 格走势的起止时间； 风险控制参数值获取模块，用于从风险控制模型数据库读取预先根据前一日收盘时交 易行情数据计算出的风险控制参数值； 波动率计算模块，用于根据股票代码、股票代码对应的板块权重、股票价格走势的起止 时间和/或股票风险控制参数值计算出股票和/或股票投资组合在股票价格走势的起止时 间内的波动率。5. 根据权利要求4所述的股票波动率预测系统，其特征在于，所述股票波动率预测系 统还包括：股票交易数据获取模块，用于收集各股票每日收盘时交易行情数据。6. 根据权利要求5所述的股票波动率预测系统，其特征在于，所述股票波动率预测系 统还包括：风险因子确定模块，用于根据各股票每日收盘时交易行情数据确定股票风险因 子。7. 根据权利要求6所述的股票波动率预测系统，其特征在于，所述股票波动率预测系 统还包括：收益回报确定模块，用于根据股票每日收盘时交易行情数据及股票风险因子确 定股票的收益回报率及收益回报率中的因子回报和残差回报。8. 根据权利要求7所述的股票波动率预测系统，其特征在于，所述股票波动率预测系 统还包括：协方差矩阵计算模块，用于根据因子回报报计算出因子回报的协方差矩阵。9. 根据权利要求8所述的股票波动率预测系统，其特征在于，所述股票波动率预测系 统还包括：残差波动率计算模块，用于根据残差回报计算出股票的残差波动率。10. 根据权利要求9所述的股票波动率预测系统，其特征在于，所述股票波动率预测系 统还包括：风险控制参数形成模块，用于对计算出的股票风险因子、因子回报、因子回报的 协方差矩阵以及残差波动率进行处理形成股票风险控制参数值。
【文档编号】G06Q40/04GK105989535SQ201510067921
【公开日】2016年10月5日
【申请日】2015年2月10日
【发明人】许文
【申请人】上海华颂软件科技有限公司