公开/公告号CN113837788A
专利类型发明专利
公开/公告日2021-12-24
原文格式PDF
申请/专利权人 深圳市高腾科技服务有限公司;
申请/专利号CN202110914180.4
发明设计人 蔡想;
申请日2021-08-10
分类号G06Q30/02(20120101);G06Q40/04(20120101);
代理机构44553 深圳中创智财知识产权代理有限公司;
代理人田宇;文言
地址 518000 广东省深圳市前海深港合作区南山街道桂湾五路128号基金小镇对冲基金中心507
入库时间 2023-06-19 13:49:36
技术领域
本发明涉及基金收益预测领域,尤其涉及一种基金七日年化收益率的预测方法、装置、设备及存储介质。
背景技术
基金(Fund),广义上是指为了某种目的而设立的具有一定数量的资金。主要包括信托投资基金、公积金、保险基金、退休基金,各种基金会的基金。
根据不同标准,可以将证券投资基金划分为不同的种类:
(1)根据基金单位是否可增加或赎回,可分为开放式基金和封闭式基金。开放式基金不上市交易,通过银行、券商、基金公司申购和赎回,基金规模不固定;封闭式基金有固定的存续期,一般在证券交易场所上市交易,投资者通过二级市场买卖基金单位。
(2)根据组织形态的不同,可分为公司型基金和契约型基金。基金通过发行基金股份成立投资基金公司的形式设立,通常称为公司型基金;由基金管理人、基金托管人和投资人三方通过基金契约设立,通常称为契约型基金。我国的证券投资基金均为契约型基金。
(3)根据投资风险与收益的不同,可分为成长型、收入型和平衡型基金。
(4)根据投资对象的不同,可分为股票基金、债券基金、货币市场基金、期货基金等。
七日年化收益率是指货币基金过去七天每万份基金份额净收益折合成的年收益率,基金运营时会在平台上将不同基金的七日年化收益率直观展示给用户,七日年化收益率在很大程度上会影响基金的申赎情况。如果能提前预测出其他基金的七日年化收益率情况,则有利于投资团队进行本基金的运营和决策,同时也利于用户筛选基金。但由于其他基金的运营策略和持仓等信息公布具有延后性,并且缺少细节,导致很难通过已知信息进行预测。
发明内容
本发明的主要目的在于提供一种基金七日年化收益率的预测方法、装置、设备及存储介质,解决现有技术中难以对基金收益进行预测的技术问题。
本发明第一方面提供了一种基金七日年化收益率的预测方法,包括:
获取数据库中任一基金的历史单位净值;
根据所述历史单位净值,计算所述基金的T日预测单位净值,计算公式如公式(Ⅰ)所示,
T日预测单位净值=(T-1日单位净值-T-2日单位净值)/(T-1日日期-T-2日日期)*(T日日期-T-1日日期)+T-1日单位净值(Ⅰ),
其中,T日为预测基金交易日当天,T-1日为预测基金交易日当天的前一个交易日,T-2日为预测基金交易日当天的前两个交易日;
根据得到的所述T日预测单位净值,计算所述基金当天的七日年化收益率预测值。
可选的,在本发明第一方面的第一种实现方式中,所述七日年化收益率预测值由公式(Ⅱ)计算得到,
七日年化收益率预测值(%)=(T日预测单位净值-T-7日单位净值)/T-7日单位净值/自然日天数*365*100%(Ⅱ),
其中,T-7日单位净值为预测基金交易日当天的前七个交易日的单位净值,自然日天数为T日和T-7日之间的实际天数。
可选的,在本发明第一方面的第二种实现方式中,所述基金七日年化收益率的预测方法还包括:
将所述T日预测单位净值和/或所述七日年化收益率预测值,利用收益预测模型进行修正,并输出修正后的T日预测单位净值和/或所述七日年化收益率预测值,且所述收益预测模型利用线性回归模型训练得到的。
可选的,在本发明第一方面的第三种实现方式中,所述收益预测模型的修正包括:
利用所述数据库中实际的历史单位净值,对与其相对应的所述T日预测单位净值进行修正;和/或,
利用所述数据库中实际的七日年化收益率,对与其相对应的所述七日年化收益率预测值进行修正。
可选的,在本发明第一方面的第四种实现方式中,所述数据库中的数据包括基金官网所公布的实际的历史单位净值和七日年化收益率。
本发明第二方面提供了一种基金七日年化收益率的预测装置,包括:
获取模块,用于获取数据库中任一基金的历史单位净值;
第一运算模块,用于计算所述基金的T日预测单位净值;
第二运算模块,用于根据得到的所述T日预测单位净值,计算所述基金当天的七日年化收益率预测值。
可选的,在本发明第二方面的第一种实现方式中,所述基金七日年化收益率的预测装置还包括:
修正模块,用于修正所述T日预测单位净值和/或所述七日年化收益率预测值。
本发明第三方面提供了一种计算机设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述计算机设备执行上述的基金七日年化收益率的预测方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的基金七日年化收益率的预测方法。
本发明提供的技术方案中,在缺少其他基金的运营策略和持仓等信息的情况下,利用已公布的历史单位净值,对基金当天的七日年化收益率进行初步预测,还可以对七日年化收益率预测值进行修正,可帮助投资团队了解友商基金的七日年化收益率的大致变化,以提前做好本基金的规划和决策,也可以帮助普通用户筛选基金。
附图说明
图1为本发明实施例中基金七日年化收益率的预测方法的示意图;
图2为本发明实施例中基金七日年化收益率的预测方法的的一个实施例示意图;
图3为本发明实施例中基金七日年化收益率的预测方法的另一个实施例示意图;
图4为本发明实施例中基金七日年化收益率的预测装置的一个实施例原理示意图。
具体实施方式
本发明实施例提供了一种基金七日年化收益率的预测方法、装置、设备及存储介质,参照图1,该基金七日年化收益率的预测方法包括:
获取数据库中任一基金的历史单位净值;
根据所述历史单位净值,计算所述基金的T日预测单位净值,计算公式如公式(Ⅰ)所示,
T日预测单位净值=(T-1日单位净值-T-2日单位净值)/(T-1日日期-T-2日日期)*(T日日期-T-1日日期)+T-1日单位净值(Ⅰ),
其中,T日为预测基金交易日当天,T-1日为预测基金交易日当天的前一个交易日,T-2日为预测基金交易日当天的前两个交易日;
根据得到的所述T日预测单位净值,计算所述基金当天的七日年化收益率预测值。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,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的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图2,本发明实施例中基金七日年化收益率的预测方法的一个实施例包括:
101、获取数据库中任一基金的历史单位净值,所述数据库中的数据包括基金官网所公布的实际的历史单位净值和七日年化收益率;
可以理解的是,本发明的执行主体可以为终端或者服务器,具体此处不做限定,本发明实施例以服务器为执行主体为例进行说明。
102、根据所述历史单位净值,计算所述基金的T日预测单位净值,计算公式如公式(Ⅰ)所示,
T日预测单位净值=(T-1日单位净值-T-2日单位净值)/(T-1日日期-T-2日日期)*(T日日期-T-1日日期)+T-1日单位净值(Ⅰ),
其中,T日为预测基金交易日当天,T-1日为预测基金交易日当天的前一个交易日,T-2日为预测基金交易日当天的前两个交易日;
103、根据得到的所述T日预测单位净值,根据公式(Ⅱ)计算所述基金当天的七日年化收益率预测值,
七日年化收益率预测值(%)=(T日预测单位净值-T-7日单位净值)/T-7日单位净值/自然日天数*365*100%(Ⅱ),
其中,T-7日单位净值为预测基金交易日当天的前七个交易日的单位净值,自然日天数为T日和T-7日之间的实际天数,即自然日天数包括工作日天数和节假日天数。
在另一实施例中,为了使步骤103得到的七日年化收益率预测值更加准确,还可以执行步骤104:
104、将步骤103得到的所述七日年化收益率预测值,输入收益预测模型进行修正,且所述收益预测模型是利用线性回归模型训练得到的。
其中,模型的构建采用深度学习的方法,训练样本为所述数据库中的数据,具体过程不做详细解释。所述收益预测模型的修正包括利用所述数据库中实际的七日年化收益率,对与其相对应的所述七日年化收益率预测值进行修正,使预测结果更加准确。
请参阅图3,本发明实施例中基金七日年化收益率的预测方法的另一个实施例包括:
201、获取数据库中任一基金的历史单位净值,所述数据库中的数据包括基金官网所公布的实际的历史单位净值和七日年化收益率;
202、根据所述历史单位净值,计算所述基金的T日预测单位净值,计算公式如公式(Ⅰ)所示,
T日预测单位净值=(T-1日单位净值-T-2日单位净值)/(T-1日日期-T-2日日期)*(T日日期-T-1日日期)+T-1日单位净值(Ⅰ),
其中,T日为预测基金交易日当天,T-1日为预测基金交易日当天的前一个交易日,T-2日为预测基金交易日当天的前两个交易日;
203、将所述T日预测单位净值输入收益预测模型进行修正,且所述收益预测模型是利用线性回归模型训练得到的;
所述收益预测模型的修正包括利用所述数据库中实际的历史单位净值,对与其相对应的所述T日预测单位净值进行修正;其中,模型的构建采用深度学习的方法,训练样本为所述数据库中的数据,具体过程不做详细解释;
204、根据修正后的T日预测单位净值,根据公式(Ⅱ)计算所述基金当天的七日年化收益率预测值,
七日年化收益率预测值(%)=(T日预测单位净值-T-7日单位净值)/T-7日单位净值/自然日天数*365*100%(Ⅱ),
其中,T-7日单位净值为预测基金交易日当天的前七个交易日的单位净值,自然日天数为T日和T-7日之间的实际天数,即自然日天数包括工作日天数和节假日天数。
在另一实施例中,为了使步骤204得到的七日年化收益率预测值更加准确,还可以执行步骤205:
205、将步骤204得到的所述七日年化收益率预测值,输入收益预测模型进行再次修正,且所述收益预测模型是利用线性回归模型训练得到的。所述收益预测模型的修正包括利用所述数据库中实际的七日年化收益率,对与其相对应的所述七日年化收益率预测值进行修正,使预测结果更加准确。
在本发明提供的技术方案中,在缺少其他基金的运营策略和持仓等信息的情况下,利用已公布的历史单位净值,七日年化收益率可有四种预测方案:
(1)计算基金的T日预测单位净值,直接利用该T日预测单位净值计算七日年化收益率预测值;
(2)计算基金的T日预测单位净值,直接利用该T日预测单位净值计算七日年化收益率预测值,再利用收益预测模型对七日年化收益率预测值进行修正;
(3)计算基金的T日预测单位净值,并利用收益预测模型对该T日预测单位净值进行修正;再利用修正后的T日预测单位净值计算七日年化收益率预测值;
(4)计算基金的T日预测单位净值,并利用收益预测模型对该T日预测单位净值进行初步修正;利用初步修正后的T日预测单位净值计算七日年化收益率预测值,再利用收益预测模型对七日年化收益率预测值进行再次修正;
该预测方法简单,可帮助投资团队了解友商基金的七日年化收益率的大致变化,以提前做好本基金的规划和决策,也可以帮助普通用户筛选基金。
上面对本发明实施例中基金七日年化收益率的预测方法进行了描述,下面对本发明实施例中基金七日年化收益率的预测装置进行描述,请参阅图4,本发明实施例中基金七日年化收益率的预测装置一个实施例包括:
获取模块301,用于获取数据库中任一基金的历史单位净值;
第一运算模块302,用于计算所述基金的T日预测单位净值;
第二运算模块303,用于根据得到的所述T日预测单位净值,计算所述基金当天的七日年化收益率预测值。
在另一实施例中,所述基金七日年化收益率的预测装置还包括:
修正模块304,用于修正所述T日预测单位净值和/或所述七日年化收益率预测值.
本发明还提供一种计算机设备,所述计算机设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述基金七日年化收益率的预测方法的步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述基金七日年化收益率的预测方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
机译: 自动化机器学习的Etereum燃料限制预测方法,装置,计算机设备和存储介质
机译: 个性化的场景预测方法,装置,设备和存储介质
机译: 区块链基金的应用方法,装置,系统和设备以及可读存储介质