股票基金

摘要： 本周市场先抑后扬,虽然国庆期间外围股市普遍上涨,但大A股国庆节后高开低走,并再次跌破3000点,随后市场绝地反击周三和周五两根大阳线再次收复3000点。从周五板块涨幅看,医疗器械板块涨幅超过9%,医疗服务板块超过7%,投资者惊呼葛兰翻身做女王,但是葛兰的中欧医疗创新股票基金从高位回撤超过50%,医疗板块在巨幅下跌后有个超跌反弹并不稀奇,赌赛道股的模式已是昔日黄花,另一个赌赛道股的蔡嵩松一直在被称呼为“菜狗”的泥潭中难以自拔,改口称呼“蔡总”难度依然很大。

摘要： 长期投资股票基金的朋友,多半听说过一个词,叫做"冠军魔咒"。什么是冠军魔咒呢?通常说的是,当年收益最高的股票基金,在接下来几年,收益可能都不太好。每年结束之后,都会看到一些网站和平台,评选当年收益最高的基金。也就是一年时间里,把基金的收益从高到低排序.

摘要： 国内股票账户大约是-亿多,股票基金投资者数量还没有股民多。这意味着国内大多数家庭,其实从来没有配置过股票资产。其实这背后,也代表了人类的--种普遍心理:风险偏好心理。有朋友问小编,为啥股票资产长期收益比债券高,但大部分人还是把钱放在银行储蓄、理财,没有配置股票资产呢?这确实是一个现状。国内股票账户大约是一亿多,股票基金投资者数量还没有股民多。

摘要： 在基本无风险的前提下,以余额宝为代表的货币基金的收益还是比较可观的,一般货币基金拥有国债投资的收益水平,但是和股票债券型基金相比,收益还是相对偏低。想理财,又不想像炒股买股票基金那样承担风险怎么办?货币基金是一个很不错的选择,基本没有风险,收益也比较稳定。

摘要： “固收+”的方向不是要成为偏债或者偏股基金,更不是要一味地坚守固守的阵地,而是要迎接和拥抱市场波动,通过有效的投资策略,去实现稳稳的收益和幸福。去年以来“固收+”基金产品受到了投资者的广泛关注,这一类型的产品既有固定收益类资产的稳健特性,又能有股票基金一样的收益弹性。

摘要： 之前,我没有一点知识储备就直接接触股票基金类的理财,真的会亏钱。当我系统地了解认真做功课后再去进行这类投资,我发现,钱亏得更快了。评:多么痛的领悟。我:工作待办清单,今天真想狠狠把你给办了。拖延症:你说气话,我不信。手机:哥哥,别装了,眼神是不会骗人的,对我有欲望也是人之常情。评:三方博弈。

摘要： 刚刚过去的一季度,市场面临艰难开局,但仍有部分基金公司逆势取得佳绩,如工银瑞信基金继2019年的突出表现后,再度凭着强大的投研实力取得“开门红”。Wind数据显示,在新鲜出炉的一季度公募基金业绩榜单中,工银瑞信实力包揽主动股票型基金前三甲。其中工银瑞信前沿医疗股票基金季度收益达26.9%,在全市场公募基金中排名第一。

摘要： 受全球疫情影响,今年以来全球资本市场剧烈波动,在此背景下,债券基金整体以1.66%的平均净值增长率,跑赢同期股票基金、混合基金平均收益水平,配置价值凸显。一些在固收领域耕耘多年的大型基金管理公司业绩表现更为优异,富国基金便是其中典型代表,其近两年、近三年业绩在行业约百家基金公司中排名前10。

摘要： 本申请公开了一种股票型基金的净值确定方法及系统，方法包括：获取股票型基金的行情数据及持仓数据，将所述行情数据和所述持仓数据输入hadoop数据库，hadoop数据库基于所述行情数据和所述持仓数据依据计算并输出净值信息。所述股票型基金的净值确定方法及系统充分利用hadoop数据库容量大及计算速度快的特点，能够帮助客户实时获取股票型基金的净值，进而进行股票型基金的走势判断，辅助客户做出理财行为决定。

摘要： 在选择股票公文包时，取得包含知识资产关联指标在内的多个企业评价指标关联数据(步骤S1～S6)，采用取得了的企业评价指标关联数据进行分析，作成与给定的至少一个指标对应的企业排序(步骤S7～S13及S19)，根据作成了的企业排序来选择给定数的企业(步骤S14)，对选择了的各企业选定投资比率(步骤S15)，基于所获得的投资比率的分配结果，作成、输出跟选择了的企业对应的股票公文包(步骤S16，S17)。由此提供一种采用包含知识资产关联指标在内的企业评价指标对企业综合性地进行评价，基于评价结果，自动地选择更优选的股票公文包的装置。

摘要： 本发明提出了一种股票价格的预测方法、股票价格的预测装置和存储介质，股票价格的预测方法包括：获取与目标股票相关的新闻信息；对新闻信息进行结构化处理，得到结构化新闻信息；将结构化新闻信息输入编码模型，生成信息编码；将信息编码输入预测模型，生成预测结果。本发明提供的股票价格的预测方法，通过将与目标股票相关的新闻信息进行结构化处理，得到结构化新闻信息，从而可以去除新闻信息中的无价值信息，保留有价值信息，通过预测模型，根据结构化新闻信息的信息编码实现股票价格的预测。实现了根据新闻信息对目标股票的价格进行预测的完整过程，并且通过对新闻信息的结构化处理，提高了预测结果的准确性。

摘要： 本发明公开了一种利用股票历史K线数据的相似性进行股票价格预测的方法，涉及有价证券投资信息处理领域，其包括以下步骤：步骤S1.预处理股票历史K线数据；步骤S2.计算所有股票之间的相似度，针对目标股票选出与其相似度最高的若干个股票作为相似股票；步骤S3.利用相似股票的历史K线数据进行训练得到模型；步骤S4.利用模型预测目标股票未来若干天的价格。

摘要： 本发明披露了一种股票交易系统、方法以及股票交易操作平台系统，包括实盘交易模型组件以及若干交易模型，所述交易模型包括时间控制组件、选股范围组件、市场条件组件、仓位分配组件、若干买入模型组件和若干卖出模型组件；所述时间控制组件，包括交易时段变量；所述选股范围组件，包括至少一组标签组，每一标签组对应一组以上股票信息；所述市场条件组件，包括市场趋势变量；所述仓位分配组件，包括仓位限制变量；每一所述买入模型组件，包括一组以上买入策略变量配置组件；每一所述卖出模型组件，包括一组以上卖出策略变量配置组件。是一种模块化、可组装的股票量化交易系统，便于用户快速构建策略、调整策略的股票交易系统。

摘要： 本发明提供一种基于高送转股票预测的集成模型的股票预测方法，包括步骤：S1：建立高送转股票预测的集成模型；S2：确定个体分类器；S3：利用差分进化算法对个体分类器的参数进行优化；S4：对数据进行预处理，对数据进行因子筛选和因子合成；S5：利用数据集对个体分类器进行训练；S6：利用训练后的个体分类器对数据集进行预测；S7：采用线性模型作为元学习器，利用新的训练集对线性模型进行训练；S8：利用训练后的个体分类器进行预测获得初步预测结果；再将初步预测结果输入训练后的线性模型获得最终预测结果。本发明是一种基于高送转股票预测的集成模型的股票预测方法，集成模型得到更好的训练，进一步确保投资的安全性。

摘要： 本发明提供一种股票资讯新闻关键词和相关股票的关联度量方法，包括：步骤S10、读取预备的股票资讯新闻文件中的数据，并构造事务数据库D；步骤S20、从事务数据库D中穷尽所有的频繁项集，并生成频繁项集数据库L与频繁项集组Lk；步骤S30、从所述频繁项集Fk,m计算出有共现关系的若干个关联规则α→β，项集α为Fk.m的非空真子集，项集β为所述项集α关于所述频繁项集Fk.m的补集，并将所述关联规则α→β归入词共现数据库。本发明的股票资讯新闻关键词和相关股票的关联度量方法通过挖掘算法对股票资讯新闻关键词和相关股票在不同新闻中出现的次数进行计数，使用关联度公式进行股票资讯新闻关键词与相关股票的关联度量，计算效率高，快捷可靠。

摘要： 本发明公开了一种自动识别股票代码并展示股票行情的方法，该方法基于一模块实现，模块包括有消息列表和消息处理器，消息列表设有单元视窗，单元视窗包括有股票信息设置单元，股票信息设置单元包括有股票信息查看单元，方法包括有如下步骤：步骤S1，股票信息查看单元将鼠标进入事件与鼠标退出事件分别代理给股票信息设置单元处理；步骤S2，股票信息设置单元将事件代理给消息处理器进行处理；步骤S3，消息处理器根据事件类型执行相应进程：若事件类型为鼠标进入事件，则拉取并展示股票图表详情窗口；若事件类型为鼠标退出事件，则关闭股票图表详情窗口。本发明可有效降低出错率、节省用户时间，能有效提高用户作出决策的效率。

摘要： 本发明提供了一种股票基金的投资者情绪指数构建方法、累计净值收益率预测方法、装置及设备，其中的投资者情绪指数构建方法包括：采用网络爬虫技术从股评网络平台爬取到发表于预定时期的若干关于所述股票基金的基金评论数据；采用训练好的情绪文本分类模型对获取到的各所述基金评论数据实施分类，获得各所述基金评论数据的情绪类别，其中，所述情绪类别包括乐观情绪和悲观情绪两种；基于各所述基金评论数据的情绪类别构建出所述股票基金在所述预定时期的投资者情绪指数。本发明提供的投资者情绪指数构建方法，其通过对基金评论数据进行文本挖掘实施对基金评论的类型划分，并在此基础上获取到股票基金的投资者情绪指数，为股票基金投资收益预测模型的构建奠定了基础。

摘要： 本发明涉及一种股票型基金排序方法，是基于第一神经网络g(X、Y)和第二神经网络f(g(X、Y))构建的深度对比神经网络进行所述股票型基金排序，主要包括如下步骤：获取大盘数据X和基金收益数据Y；用第一神经网络g(X、Y)对大盘数据X和基金收益数据Y之间的关系建模；用第二神经网络f(g(X、Y))对所述关系进行打分；用排序损失函数驱动所述第一神经网络和所述第二神经网络进行训练学习，训练后的深度对比神经网络模型用于预测股票型基金的收益率优劣并进行排序。本发明的有益效果在于可以较好的预测股票基金每个月的收益的优劣排序，准确率较高。