选股能力

摘要： 基金窗口粉饰行为有两个关键问题:一是行为动机,二是对未来业绩的影响。以我国普通股票型、偏股混合型和灵活配置型公募基金为研究对象,研究了基金窗口粉饰行为。研究表明,报告期内业绩和选股能力不佳的基金经理更倾向于窗口粉饰以掩饰其真实管理水平;窗口粉饰程度越高,基金下一期业绩越差。基于此,建议完善基金换手率信息披露机制,加强基金大额交易行为监管。研究还验证了窗口粉饰指标结合选股能力指标有助于提升基金投资组合策略的绩效,对基金投资者有参考意义。

摘要： 本论文创新性地提供了一种从公开的交易数据中识别出散户投资者的简单算法。基于此算法,论文研究发现,发达国家(如美国)的散户投资者显示出一定的选股能力,能够正确预期将来股票的走势。论文对发达国家的散户投资者文献作出了原创性的贡献,同时对中国股票市场的未来发展也具有重要的借鉴意义。

摘要： 基于基金的业绩评价模型T-M模型和H-M模型对2020年我国公募市场上的30只基金进行考察,可以发现,大部分基金经理的选股能力较强,但是择时能力不强.当市场整体环境波动或者向下时,基金的业绩往往不佳.投资者应该审慎选择基金,警惕基金热潮.

摘要： 从2003年起,我国私募基金逐渐步入至资产管理这个大舞台,随后我国私募基金以信托通道为支撑发行产品.2008年在全球金融危机的冲击下,私募基金依然有很多都取得了正收益,促进了私募基金在业内的发展进程.和公募基金相比较,私募基金在投资上更具有灵活性与策略多样化优势,在资金上有更确定的长期来源,并且能在业绩报酬激励机制的作用下,减少委托代理成本、激发基金经理的潜能,加强私募证券投资基金投资能力的定量研究具有很大必要性.

摘要： 不同于寻找具有超额收益“证券”的股票市场主流投资方法,根据历史投资绩效来“选人”,即寻找“聪明投资者”可为构建有效的投资策略提供新思路。本文利用我国投资者全账户交易信息,根据历史投资绩效界定“聪明投资者”,并探索其获得超额收益的原因。结果显示,我国股票市场存在“聪明投资者”,在牛熊市中均可获得显著的超额收益;相比其他投资者,“聪明投资者”风险偏好较低但能获得超额收益,即不是因为他们高杠杆融资和配置更多风险资产承担风险而获得风险溢价,而是因为这类投资者具有更好的仓位管理能力、市场风格适应能力及显著的选股能力。本研究拓展了对我国这一部分特殊群体投资者行为的探索,结论可以用于构建具有实践意义的投资策略。

摘要： 本文运用最新的基金数据,基于成熟的选时选股能力模型,对成立满十年的266只主动偏股基金的长期超额收益和选股择时能力进行实证研究。结果表明超过85%的主动偏股基金取得了超越大盘的超额收益,显示出主动管理的长期优势,而基金业绩的主要来源是优秀的选股能力,但几乎所有主动偏股基金选时能力为负。这就意味着,对于普通个人投资者而言,主动偏股基金优于指数基金,在市场估值的相对合理或低估位置,选择投资那些过往表现出较强选股能力的基金经理管理的基金就成为长期理财制胜的主要方式。

摘要： 以基金参与IPO发行市场新股认购事件为背景,本文对中国共同基金的选股能力进行探讨.研究认为,面临锁定期限制下的新股申购决策主要来自基金管理人对拟上市公司的内在评价.以基金选股的模型残差Residual Funds作为共同基金对IPO新股一致内在评价的代理变量,本文的研究结果表明,在IPO后1年(3年)内,高Residual Funds样本的市场回报和经营业绩都显著高于低ResidualFunds样本.也就是说,基金业对IPO新股的正面评价能够预测新股的未来表现.即使采用多种方法进行稳健性检验,上述结论仍然不变.本文的结论对客观认识中国共同基金的选股能力具有重要的启示意义.

摘要： 本文以2004年12月至2009年11月我国116支基金月度数据为样本,应用Bootstrap仿真技术,对基金选股能力进行研究,获得少量具备显著选股能力的基金.将得到的具有选股能力的基金与基金评价机构评出的基金做对比,结果表明具备显著选股能力的基金在星级排名上不一定是最优的,但大部分基金的业绩偏好.

摘要： 社保基金自2003年6月开始投资股票以来,8年多时间里获得高达18.61％的年化投资收益率.部分人士质疑社保基金是否存在利用其对国家相关政策的提前掌握而获取超额收益.针对上述质疑,本文运用HM-FF3模型研究了社保基金投资管理人近五年的择时、选股能力及其变化.研究结果表明我国社会保障基金具有显著的选股能力,但择时能力并不明显,研究结论不支持社保基金通过提前获得内幕消息获取超额收益的猜测.

摘要： 本文采用Treynor-Mazuy模型，运用看似无关回归方程(SURE)方法进行回归参数估计，分别对2000年5月18日——2001年6月14日这一市场上扬时期和2001年6月15日——2004年5月31日这一市场下跌时期我国15家封闭式基金的选股能力和择机能力进行了实证研究，并用成对样本Wilcoxon符号秩检验作对比分析。研究结论表明：1、牛市时期基金经理不具备选股能力，少数具备正的市场时机选择能力。熊市时期基金经理不具备市场时机选择能力，只有极少数具有正的选股能力，但选股能力指标值极小，对业绩没有显著贡献。2、选股能力指标和择机能力指标之间呈强烈的负相关性。 3、国内A股市场的大盘走势发生趋势性反向变动时，基金经理的选股择机能力均会受到显著影响。即使是原本具有一定选股择机能力的基金经理，他们所具有的这些能力也不稳定。

摘要： 本发明公开一种智能选股模型的选股方法，包括步骤一、交易序列特征数据和技术指标序列特征数据的获取，步骤二、特征标准化处理，步骤三、基础的时序特征的提取，步骤四、提取股票关系信息并建立自适应动态互交特点的股票特征提取网络，步骤五、完成不同股票之间进行特征共享和互交，步骤六、产生选股预测信号并生成选股预测号；本发明使用长短期记忆型循环神经网络对股票的相关性信息进行自适应抽取建模，以提取到的关系信息在个股维度实现信息交互，从而提高对个股特征的提取能力，进而提高模型的预测精度，使用神经网络对股票关系信息进行自动抽取，数据抽取效率更高。

摘要： 一种具有选股功能的个人数字助理系统及其选股方法,其是利用单向通讯模抉接收系统服务提供者所提供的股票资讯,再通过使用者介面设定选股条件,中央处理装置则依据该选股条件执行存储元件的选股程序,搜寻符合选股条件的股票进行排序,并将结果显示于显示装置以作为使用者选股参考。

摘要： 本发明公开了一种基于股票关联网络聚类的风险分散型选股算法，首先从个股交易指标与基本面指标中提取非线性核主成分特征，通过核主成分特征间相似度度量从而构建能表示候选股票池中个股全局连接关系的关联网络。进而，基于个股关联网络，采用Louvain算法为候选股票池划分类簇，并从各类簇中选择拟买入股票，最终在投资日期范围内以周为单位迭代执行“构建股票关联网络‑股票聚类‑选股交易”一系列操作，动态地生成多样性股票投资组合。解决了由于个股相关度高而导致股票投资组合风险水平高的问题，提高了股票投资组合的收益风险比。

摘要： 本发明公布了一种基于价值投资理念的基本面量化选股方法，以及支撑该方法的决策支持系统构建方法。本发明旨在打通价值投资和量化投资融合，一方面巧妙利用价值投资理念，指导选股模型特征变量梳理，模型分类标签定义和模型有效性评估；另一方面使用基本面量化选股模型帮助选择价值投资选股的特征变量和阈值。在模型训练中，本发明采用两阶段训练，兼顾了模型准确度和业务规则提取。此外，本发明方法将企业风险评估引入到选股模型中，以及构建支持选股模型的决策支持系统的关键内容。采用本发明训练模型选出的股票，2021年平均涨幅为38％，而同期上证指数涨幅为4.8％，取得了较好的收益。本发明方法有重要的商业价值，尤其对中小投资者实践价值投资具有很好的辅助作用。

摘要： 本发明公开了一种股票多维度分类标识的量化模型和选股方法。所述方法包括：根据需求获取股票数据信息；对数据进行纠错和清洗，加工产生次生数据；提取关键要素数据并构建企业经营的量化维度和分析模型，进行量化定义并进行文本标签分类管理；对企业发展潜力进行量化要素提取和构建模型，推演未来发展情况并进行文本标签化管理；提取风险方面的数据并构建股票风险识别模型，输出股票风险类别标签和数据文本；对交易行为数据进行归类并构建交易行为量化模型，对个股交易情况进行文本标签化管理；模块化输出各个环节量化标签文本和要素数据，提供简便快捷的分析结果为投资决策提供客观、严谨、全面的观察角度，帮助其提高投资分析效率、准确性。

摘要： 本发明公开了一种结合LSTM与超图神经网络的量化选股技术方法，包括如下步骤：步骤1：收集股票量价数据；步骤2：数据预处理；步骤3：LSTM模型提取特征；步骤4：超图卷积神经网络模型提取特征；步骤5：全连接层输出收益率；步骤6：训练超图卷积神经网络模型；步骤7：选取投资对象。这种方法预测结果可靠，从而能够有效提高量化选股准确率与量化投资收益，为投资者提供精准的投资决策。

摘要： 本发明实施例提出一种基于QSVM的多因子选股方法及相关装置，涉及金融分析领域。获取待处理数据、样本数据以及所述样本数据的核矩阵；所述待处理数据包括待分析股票的影响因子数据，所述样本数据包括样本股票的影响因子数据以及涨跌标签；将所述待处理数据、所述样本数据以及所述样本数据的核矩阵输入至预设的选股量子线路中，以及根据所述选股量子线路对所述待处理数据和样本数据的处理结果确定选股策略。通过该方法可对待处理数据进行合理分析，降低处理结果的误差，因此可使得用户准确选择值得买入的股票。

摘要： 本申请公开了一种量化选股方法、装置、终端设备以及存储介质，其量化选股方法包括：获取待预测股票当前的基本面指标因子；将所述当前的基本面指标因子输入至预先训练好的市净率模型中进行预测，得到市净率预测值；根据所述市净率预测值进行量化选股。本申请解决了多因子选股存在的因子失效且无法合理估值的问题，提升选股预测准确率。

摘要： 本申请公开一种基于数据分类处理的选股控制方法、装置及系统，所述方法包括：获取选股请求；从选股请求中提取多种策略因子，并基于各策略因子的策略需求将选股请求拆分为静态数据选股请求和计算数据选股请求；基于静态数据选股请求获取静态数据股票结果集，并基于计算数据选股请求获取计算数据股票结果集；对静态数据股票结果集和计算数据股票结果集进行合并处理形成输出股票结果集，并将返回至发送选股请求的请求终端。本申请中将选股数据划分为静态数据股票结果集和计算数据股票结果集进行分类存储和调度，并将计算数据股票结果集分成一级存储和二级存储，有效提高选股请求的处理速度和处理精度，可以为用户推荐更客观、准确性高的股票。

摘要： 本发明提供了一种养老金产品择时选股能力数据分析方法及装置，可用于金融技术领域，该方法包括：获取养老金产品的重仓数据、养老金产品净值数据和市场公开数据；根据市场公开数据，计算市场的市值因子；根据市场公开数据，计算市场的价值因子；根据市场的市值因子、价值因子，以及养老金产品的净值数据和市场公开数据，采用回归模型进行回归分析，获得养老金产品的择时能力数据和选股能力数据；根据养老金产品重仓数据，获得养老金产品的重仓选股能力数据。本发明可以对养老金产品择时选股能力进行分析。