基于行业画像的行业利润预测方法、系统、介质及终端

摘要

本发明提供一种基于行业画像的行业利润预测方法、系统、介质及终端；所述方法包括以下步骤：获取行业利润数据；基于所述行业利润数据，选取行业因子；根据所述行业利润数据和所述行业因子，建立行业利润预测模型，以通过所述行业利润预测模型对行业利润进行预测；本发明基于行业画像利用统计学方法对行业利润增速进行预测，消除了主观预测的随意性，揭示了行业基本面数据和行业利润间稳定的相关性，可以辅助投资者对行业的基本面变化情况有提前预判，消减信息不对称性，提高市场的有效性，从而促进资源要素的有效分配，提高市场活力。

说明书

技术领域

本发明属于金融分析技术领域，特别是涉及一种基于行业画像的行业利润预测方法、系统、介质及终端。

背景技术

数理统计预测法，是利用统计学原理，从影响各行业的历史资料中，概括出行业因子与行业利润间的内在联系，建立数学模型，然后根据目前行业的基本面数据来预测行业利润，选取因子的原则包括：

(1)样本数要足够多，样本数量太少，容易碰到由于样本的随机波动而造成较高的符合率假象。

(2)选择因子的数量要恰当，因子太少则提供信息不足，预测能力差，因子过多，计算复杂且样本数量较少更易引起误差，一般认为选择因子的数目最好不超过样本的1/5-1/10。

(3)选择准主导因子，并要选好能相互配合，相互弥补的次要因子，与主导因子相互搭配，但注意不要把一些虽然与预测量相关性好，但他们的作用是重复的因子，这样的因子，只是单独对预报量发生作用，并不是同主导因子配合共同起作用，也不能起到弥补的作用。

(4)选择相关性好且相关性稳定的因子，用多因子做预测，至少要有一个预测因子与预测量相关性好且相关性稳定。

经济分析中的数理统计预测，往往注重统计理论，而忽略经济理论分析，如往往将各个申万一级行业作为一个预测因子，而实际上行业内部利润变化方向并不一致，甚至相反；受主观预测随意性的影响，也会导致行业利润预测准确性低，无法为投资者提供行业基本面变化情况的提前预判；以纺织服装业为例，它可以分为纺织制造和服装家纺两个二级子类，纺织制造业实际上是服装家纺的上游，其利润即是服装家纺企业的成本之一，因此预测行业利润时应将二者分开研究。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于行业画像的行业利润预测方法、系统、介质及终端，用于解决现有技术中行业利润预测受主观预测影响，行业利润预测准确性较低的问题。

为实现上述目的及其他相关目的，本发明提供一种基于行业画像的行业利润预测方法，包括以下步骤：获取行业利润数据；基于所述行业利润数据，选取行业因子；根据所述行业利润数据和所述行业因子，建立行业利润预测模型，以通过所述行业利润预测模型对行业利润进行预测。

于本发明的一实施例中，所述行业利润数据包括历史利润数据和行业基本面数据；其中，所述行业基本面数据包括：全国居民人均可支配收入、社会消费品零售总额、行业出口增速、原材料价格以及行业经营数据；所述行业经营数据包括：存货、应收票据及应收款、亏损企业亏损总额、利润总额。

于本发明的一实施例中，基于所述行业利润数据，选取行业因子包括以下步骤：根据所述行业利润数据，计算历史行业利润增长率与对应的行业基本面数据之间的相关性；根据所述行业利润数据，度量所述历史行业利润增长率与除对应的行业基本面数据外行业基本面数据之间的相互关系；根据计算结果和度量结果，选取所述行业因子。

于本发明的一实施例中，所述行业利润预测模型为一数学模型。

于本发明的一实施例中，所述行业利润预测模型采用线性回归分析方式进行所述行业利润的预测。

于本发明的一实施例中，所述数学模型采用多元回归分析方式进行所述行业利润的预测。

于本发明的一实施例中，通过所述行业利润预测模型对行业利润进行预测包括：通过所述行业利润预测模型对所述行业利润的增速进行预测。

本发明提供一种基于行业画像的行业利润预测系统，包括：获取模块、选取模块和建立模块；所述获取模块用于获取行业利润数据；所述选取模块用于基于所述行业利润数据，选取行业因子；所述建立模块用于根据所述行业利润数据和所述行业因子，建立行业利润预测模型，以通过所述行业利润预测模型对行业利润进行预测。

本发明提供一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的基于行业画像的行业利润预测方法。

本发明提供一种终端，包括：处理器及存储器；所述存储器用于存储计算机程序；所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行上述的基于行业画像的行业利润预测方法。

如上所述，本发明所述的基于行业画像的行业利润预测方法、系统、介质及终端，具有以下有益效果：

与现有技术相比，本发明基于行业画像利用统计学方法对行业利润增速进行预测，消除了主观预测的随意性，揭示了行业基本面数据和行业利润间稳定的相关性，可以辅助投资者对行业的基本面变化情况有提前预判，消减信息不对称性，提高市场的有效性，从而促进资源要素的有效分配，提高市场活力。

附图说明

图1显示为本发明的基于行业画像的行业利润预测方法于一实施例中的流程图。

图2显示为本发明的选取行业因子于一实施例中的流程图。

图3显示为本发明的基于行业画像的行业利润预测系统于一实施例中的结构示意图。

图4显示为本发明的终端于一实施例中的结构示意图。

图5至图10显示为本发明的基于行业画像的行业利润预测方法于一实施例中的数据图表。

标号说明

31 获取模块

32 选取模块

33 建立模块

41 处理器

42 存储器

S1～S3 步骤

S21～S23 步骤

具体实施方式

以下通过特定的具体实施例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

本发明的基于行业画像的行业利润预测方法、系统、介质及终端，与现有技术相比，本发明基于行业画像利用统计学方法对行业利润增速进行预测，消除了主观预测的随意性，揭示了行业基本面数据和行业利润间稳定的相关性，可以辅助投资者对行业的基本面变化情况有提前预判，消减信息不对称性，提高市场的有效性，从而促进资源要素的有效分配，提高市场活力。

需要说明的是，行业画像，是指和数据挖掘、大数据息息相关的应用，本质上是依靠产业逻辑分析，通过数据建立的描述行业的标签。

如图1所示，于一实施例中，本发明的基于行业画像的行业利润预测方法包括以下步骤：

步骤S1、获取行业利润数据。

需要说明的是，该步骤相当于样本数据的收集处理；具体地，指对一个行业中上市公司的历史利润数据(每季)及可能对利润有影响的行业相关基本面数据(每月)进行收集整理，以获取相应的行业利润数据。

于一实施例中，所述行业利润数据包括历史利润数据和行业基本面数据；其中，所述行业基本面数据包括：全国居民人均可支配收入、社会消费品零售总额、行业出口增速、原材料价格以及行业经营数据；所述行业经营数据包括：存货、应收票据及应收款、亏损企业亏损总额、利润总额。

步骤S2、基于所述行业利润数据，选取行业因子。

如图2所示，于一实施例中，基于所述行业利润数据，选取行业因子包括以下步骤：

步骤S21、根据所述行业利润数据，计算历史行业利润增长率与对应的行业基本面数据之间的相关性。

需要说明的是，该步骤相当于进行相关性检测，通过计算每个季度的历史行业利润增长率与对应基本面数据的相关性，进行显著性检验，相关性越强，说明预测能力越强。

步骤S22、根据所述行业利润数据，度量所述历史行业利润增长率与除对应的行业基本面数据外行业基本面数据之间的相互关系。

需要说明的是，该步骤相当于进行单调性检验；具体地，从时间序列的角度考察历史行业利润增长率与除对应的行业基本面数据以外的其他基本面数据间的相互关系，从而检验出相关性的稳定性。

步骤S23、根据计算结果和度量结果，选取所述行业因子。

具体地，基于步骤S21计算得到的历史行业利润增长率与对应的行业基本面数据之间的相关性及步骤S22度量得到的历史行业利润增长率与除对应的行业基本面数据外行业基本面数据之间的相互关系，选取出对应的行业因子。

步骤S3、根据所述行业利润数据和所述行业因子，建立行业利润预测模型，以通过所述行业利润预测模型对行业利润进行预测。

具体地，基于步骤S1获取的行业利润数据和经步骤S2获取的行业因子，建立一行业利润预测模型，以通过该行业利润预测模型实现对行业利润的预测。

于一实施例中，所述行业利润预测模型为一数学模型。

于一实施例中，所述行业利润预测模型采用线性回归分析方式进行所述行业利润的预测。

需要说明的是，根据因变量和自变量的函数表达式来分类，可以分为线性回归分析和非线性回归分析；于本实施例中，该行业利润预测模型采用线性回归分析方式对行业利润进行预测。

于一实施例中，所述数学模型采用多元回归分析方式进行所述行业利润的预测。

需要说明的是，根据因变量和自变量的个数来分类，可以分为一元回归分析和多元回归分析；于本实施例中，该行业利润预测模型采用多元回归分析方式对行业利润进行预测。

于一实施例中，通过所述行业利润预测模型对行业利润进行预测包括：通过所述行业利润预测模型对所述行业利润的增速进行预测。

具体地，通过对行业利润的预测，进一步实现对行业利润增速的预测。

需要说明的是，资本市场是筹集资金的重要渠道，同时也是资源合理配置的有效场所，股票二级市场是重要的资本市场，我国二级市场与欧美发达国家相比有两个明显特质：一是散户数量大，定价能力不足，市场易于受情绪影响；二是大资金常常使用自上而下的配置方法，行业分析意义重大；本发明基于行业画像利用统计学方法对行业利润增速进行预测，消除了主观预测的随意性，揭示了行业基本面数据和行业利润间稳定的相关性，可以辅助投资者对行业的基本面变化情况有提前预判，消减信息不对称性，提高市场的有效性，从而促进资源要素的有效分配，提高市场活力。

需要说明的是，本发明所述的基于行业画像的行业利润预测方法的保护范围不限于本实施例列举的步骤执行顺序，凡是根据本发明的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本发明的保护范围内。

如图3所示，于一实施例中，本发明的基于行业画像的行业利润预测系统包括获取模块31、选取模块32和建立模块33。

所述获取模块31用于获取行业利润数据。

所述选取模块32用于基于所述行业利润数据，选取行业因子。

所述建立模块33用于根据所述行业利润数据和所述行业因子，建立行业利润预测模型，以通过所述行业利润预测模型对行业利润进行预测。

需要说明的是，所述获取模块31、所述选取模块32和所述建立模块33的结构及原理与上述基于行业画像的行业利润预测方法中的步骤一一对应，故在此不再赘述。

需要说明的是，应理解以上系统的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，x模块可以为单独设立的处理元件，也可以集成在上述系统的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述系统的存储器中，由上述系统的某一个处理元件调用并执行以上x模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。

例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个数字信号处理器(Digital Singnal Processor，简称DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(Central Processing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。

本发明的存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述的基于行业画像的行业利润预测方法。所述存储介质包括：ROM、RAM、磁碟、U盘、存储卡或者光盘等各种可以存储程序代码的介质。

如图4所示，本发明的终端包括处理器41及存储器42。

所述存储器42用于存储计算机程序；优选地，所述存储器42包括：ROM、RAM、磁碟、U盘、存储卡或者光盘等各种可以存储程序代码的介质。

所述处理器41与所述存储器42相连，用于执行所述存储器42存储的计算机程序，以使所述终端执行上述的基于行业画像的行业利润预测方法。

优选地，所述处理器41可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

需要说明的是，本发明的基于行业画像的行业利润预测系统可以实现本发明的基于行业画像的行业利润预测方法，但本发明的基于行业画像的行业利润预测方法的实现装置包括但不限于本实施例列举的基于行业画像的行业利润预测系统的结构，凡是根据本发明的原理所做的现有技术的结构变形和替换，都包括在本发明的保护范围内。

下面通过具体实施例来进一步解释说明本发明的基于行业画像的行业利润预测方法。

如图5至图10所示，于一实施例中，将该基于行业画像的行业利润预测方法应用在纺织服装行业中；具体地，包括以下步骤：

1、样本收集。

假设纺织服装行业上市公司的利润总和为我们要预测的变量，对它可能产生的影响包括：全国居民人均可支配收入、社会消费品零售总额、服装纺织品鞋类出口增速、消费者信心指数、短粘/涤纶/长绒棉等纺织原材料价格，以及统计局每月公布的纺织行业经营数据，如存货、应收票据及应收款、亏损企业亏损总额、利润总额等；这些数据作为前述的行业利润数据。

2、行业因子选择

具体地，利用上述步骤S2进行行业因子的选择。

需要说明的是，相关性检验看时间频率和时间跨度(也就是样本数据的大小)，样本数据足够多的话，若相关性大于0.1，就认为是比较有效的因子，优选地，取相关性大于0.3，当然，也要看这些因子的横向比较；单调性检验的话，主要是辅助指标，对于相关性不足0.3但大于0.1的指标，如果单调性分组检验结果好的话，也会作为有效因子；具体地，滚动对过去5年纺织制造及服装家纺月频基本面数据进行相关性分析，横向比较选取相关性较高的数据指标，综合单调性检验结果，选取出有效行业因子。

具体地，该相关性的计算公式为：

r(X,Y)＝Cov(X,Y)/(Var(X)*Var(Y))

其中，

Cov(X,Y)＝E(XY)-E(X)*E(Y)；

Var(X)＝E[(X–E(X))

Var(Y)＝E[(Y–E(Y))

经步骤S2，纺织制造选择出的有效行业因子包括：柯桥纺织价格指数、服装鞋帽针织品类零售额、纺织纱线织物及制品出口额、纺织业存货、应收票据及应收账款、利润总额。

经步骤S2，服装家纺选择出的有效行业因子包括：柯桥纺织价格指数、服装鞋帽针织品类零售额、服装及衣着附件出口额、纺织业存货、应收票据及应收款、亏损企业亏损总额、利润总额。

3、归因分析

采用多元回归和线性回归的分析方式进行纺织服装行业的利润预测。

优选地，该行业利润预测模型采用多元线性回归分析方式进行该行业利润的预测；具体地，该多元线性回归分析方式的计算公式为：

β'＝(X

需要说明的是，多元线性回归的基本原理和基本计算过程与一元线性回归相同，但由于自变量个数多，计算相当麻烦，一般在实际应用中都要借助统计软件。

需要说明的是，该三个步骤(1、2、3)与前述基于行业画像的行业利润预测方法的步骤(S1～S3)一一对应，且工作原理相同，在此不再赘述。

由图5至图10可知，纺织制造行业上市公司利润增速对应解释变量的回归系数分别为：柯桥纺织价格指数12.37，服装鞋帽针纺织品类零售额2.10，纺织纱线织物及制品出口金额1.47，纺织业存货-4.4，应收票据及应收账款-3.16，行业利润总额1.21；服装家纺行业上市公司利润增速对应解释变量的回归系数分别为：柯桥纺织价格指数-17.07，服装鞋帽针纺织品类零售额6.99，服装及衣着附件出口金额-1.64，纺织业存货4.35，应收票据及应收账款-0.89，亏损企业亏损总额0.2，行业利润总额0.77。

从前述结果中可以看出：(1)价格是影响两个子行业利润增速的关键变量，但影响方向完全相反，对纺织制造业价格是利润最重要的正驱动因素，但作为生产成本，它是服装家纺利润最重要的负影响因素；如果像传统方法，将整个纺织行业看作一个整体，价格因素的正负作用相互抵消，就很难成为关键的影响因素。

(2)有些数据对其中一个行业的利润有影响，但并不是另一个行业的关键因变量，如细分项的出口数据。

(3)有些数据对两个行业均具有影响，且方向一致，如统计局每月公布的行业经营数据—存货、应收账款等，但也需要注意，不同数据对两个行业利润增速的影响成都不同，如应收票据及营收账款额度的负影响主要是对上游纺织制造行业，而对服装家纺行业的影响有限，这可能是因为应收账款在两个行业中所占比重不同。

通过上面的分析结果有助于量化基本面逻辑，减小投资过程中对利润预测的主观性，同时也可以发现一些平时主观分析中不易注意到的问题，如服装及衣着附件出口金额对服装家纺利润增速的贡献实际是负向的，这与常规认知并不相符，这些异常也是在平时投资分析中容易忽视的部分。

综上所述，本发明的基于行业画像的行业利润预测方法、系统、介质及终端，与现有技术相比，本发明基于行业画像利用统计学方法对行业利润增速进行预测，消除了主观预测的随意性，揭示了行业基本面数据和行业利润间稳定的相关性，可以辅助投资者对行业的基本面变化情况有提前预判，消减信息不对称性，提高市场的有效性，从而促进资源要素的有效分配，提高市场活力；所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。