基于大數(shù)據(jù)的智能投顧方案研究

褚福銀 張秋林 趙智豪 楊路

摘要：隨著中國市場經(jīng)濟的不斷發(fā)展，國民收入不斷提高，國民投資熱情高漲，投顧市場較為活躍但也面臨諸多風險與挑戰(zhàn)?，F(xiàn)代高新技術(shù)也得到推廣普及，兩者相結(jié)合的智能投顧領域也成為熱點，具有巨大的發(fā)展?jié)摿?。通過大數(shù)據(jù)背景下的數(shù)據(jù)獲取，處理與分析，建立相應的金融模型，再通過大數(shù)據(jù)反饋來不斷完善模型與算法，打造用戶畫像中心和金融看板，成為新的行業(yè)增長點。

關(guān)鍵詞：智能投顧;金融模型;大數(shù)據(jù)平臺

中圖分類號：TP311

文獻標識碼：A

文章編號：1009-3044（2020）08-0003-02

美國金融危機，人工投顧弊端暴露，投資者尋求一種低風險高回報的高效投顧方式，智能投顧由此誕生并迅速發(fā)展。美國智能投顧企業(yè)主要由創(chuàng)業(yè)公司發(fā)展和傳統(tǒng)的投資顧問轉(zhuǎn)型形成，其將極其豐富的市場經(jīng)驗和成熟的運營模式結(jié)合，為客戶提供完整的投資組合建議，并基于美國的國家體制和稅收制度，能產(chǎn)生避稅效應，這也加速了智能投顧發(fā)展。相較美國，中國的智能投顧行業(yè)處于萌芽期，具有起步晚，發(fā)展慢，制度不完善，監(jiān)管力度不到位，平臺發(fā)展不均衡等的問題。目前的市場主體平臺主要是有三類：傳統(tǒng)的金融機構(gòu)，新興互聯(lián)網(wǎng)機構(gòu)，獨立結(jié)構(gòu)，共約40多家，市場規(guī)模達到約642.9億元。

但中國自實行改革開放以來，市場經(jīng)濟體制不斷發(fā)展與完善，具有世界上最龐大的資金市場與投資機會，投資者數(shù)量位居世界第一，為智能投顧行業(yè)的發(fā)展提供了機會，同時，在國家鼓勵“互聯(lián)網(wǎng)+”的創(chuàng)新創(chuàng)業(yè)背景的政策支持下，智能投顧作為金融科技的代表領域，也是促進市場經(jīng)濟活躍，投資領域資本流動的重要源泉和新的增長點。從長遠來看，智能投顧行業(yè)具有極大的發(fā)展?jié)摿εc提升空間。

1 股票池的搭建

股票池的質(zhì)量在很大程度上影響著投資時的收益率，所以股票的篩選是分析過程中不可或缺的一部分。目前市場中，無論是綜合指數(shù)還是成分股指數(shù)都只是分別代表著滬深兩個市場的各自走勢，而滬深300則反映了滬深兩個市場整體的走勢。為了更好地判斷模型的超額收益，模型將滬深300的收益率作為的基準收益。而為了能夠更加真實地觀察股價的上漲下跌，以及讓成交量更具有可比性，在數(shù)據(jù)上選擇了能更準確描述市場波動的復權(quán)數(shù)據(jù)，除此之外，數(shù)據(jù)還過濾掉了停牌的股票，上市時間小于一年的股票以及換手率低于2%或高于18%的股票。

停牌的股票并不能作為用戶投資的交易對象，這些股票是沒有意義的;上市小于一年的股票雖然有概率會引起投資者們的注意，在剛上市期間受到各方“機構(gòu)”的吹捧。但是這些股票所公開的信息量，并不能讓模型與算法從多個維度對其進行全面的評估與預測，因此這些剛上市的企業(yè)的盈利能力，發(fā)展能力，營運能力，償債能力，以及資產(chǎn)質(zhì)量等重要指標，都無法進行準確地判斷。簡而言之，項目無法從基本面對這些剛上市的公司進行分析，而僅僅通過消息面對企業(yè)進行評估顯然有失偏頗的。而談到換手率，這是選擇股票時不能避開的一個指標，其包含了當前市場大量的信息，為后續(xù)股價的變動提供了支持，是一個判斷建倉的有力指標。一般而言，換手率過低說明該股股性過冷，買賣雙方成交不積極，沒有套利的空間也存在高度控盤的嫌疑;反之，換手率過高說明該股有存在對敲和對倒的嫌疑，有較高概率發(fā)生主力出貨導致股價飛速下跌。

2 資本資產(chǎn)定價模型

經(jīng)過對股票的一系列篩選，基本搭建出一個簡單的股票池，但其質(zhì)量仍參差不齊，并不能直接進行分析。為了提高股票池的質(zhì)量，試圖通過在許多金融文獻中不約而同都將其作為研究對象的資本資產(chǎn)模型，對股票的價值進行判斷。

資本資產(chǎn)定價模型描述的是風險與收益率的關(guān)系，因此，用證券的收益率與期望收益率比較以判斷是否有獲得超額收益的可能陛。對于式（1），無風險收益率，市場收益率，證券回報率可以通過Tushare接口調(diào)取數(shù)據(jù)獲得，因此，市場風險溢價可得。但是口系數(shù)，以及預期收益率需要繼續(xù)進行計算。

根據(jù)式（2），假如要計算單只證券的β系數(shù)，那么通過單只股票資產(chǎn)的收益率γi對同期市場的收益率γM和α進行回歸分析便可求得。對其，可以利用SciPy庫的stats模塊，進行最小二乘法回歸分析，求出口和d的值。之后，繼續(xù)對期望收益率進行計算。

在式（3），市場風險溢價，無風險收益率，β系數(shù)都成了已知量，那么，根據(jù)這個式子，可以得出該股票的期望收益率，將其與證券的同期實際收益率進行對比，可以對該股票的價值進行判斷——如果證券同期收益率高于期望收益率，投資者在外部因素不變的狀況下獲得更高的收益，所以這樣的證券是被低估的;反之投資者獲得更少的收益，即這樣的證券是被高估的。將被低估的股票篩選出來就形成了需要的股票池。

3 多因子模型

將股票池搭建完成之后，利用聚寬平臺提供的動態(tài)情景Alpha因子模型為基礎對股票池里的股票進行二次評估。在資本資產(chǎn)定價模型當中更多地是通過技術(shù)面的分析方法，對股票進行評估，但這樣的評估方法不夠全面，因此，從基本面對其進行二次評估。

在動態(tài)情景Alpha因子模型當中，聚寬平臺選出了對股票收益率顯著性最為強烈的七個指標（EP，BP，SP，Turnovers，Prof-itGrowthRate.EquityGrowthRate.IVFF）對股票進行全面的分析。具體而言，首先將每只股票的各個因子與股票池里的股票進行對比排序，這是一個去量綱的過程，因為每個因子的單位不盡相同，所以無法對其直接進行加權(quán)。之后將各股因子的數(shù)據(jù)導入SPSS對其進行多因子模型分析，仍然需要對其進行去量綱處理，通過SPSS自帶的數(shù)據(jù)處理功能，將數(shù)據(jù)處理成了單位一致的數(shù)據(jù)，接著將這些因子進行多因子分析，根據(jù)多因子返回的結(jié)果可知每個因子的權(quán)重，將這些權(quán)重帶人之前去量綱的結(jié)果當中，最終能夠算出每只股票的具體分數(shù)。

4 基于蒙特卡羅模型的最優(yōu)風險資產(chǎn)組合

通過以上的思路，基本得出股票池里每一只股票的分數(shù)。最優(yōu)風險資產(chǎn)組合理論的重心是利用組合投資將風險相對最小化而收益相對最大化。但是，對于不同風險承受能力的用戶，風險最小化的概念是不同的，因此，通過分數(shù)將股票劃分成三個等級（A，B，C）分別成為我們的三個風險等級不同的股票池。對于每個股票池，用蒙特卡羅模型對其進行隨機的權(quán)重分配，接著通過風險資產(chǎn)理論計算出所有組合投資的收益率。計算組合投資的收益率與市場收益率的協(xié)方差再除以市場收益率，能夠得出所有投資組合的B系數(shù)。最后通過圖1，確定資產(chǎn)組合與資本是市場線的交點，即該風險承受能力下的最優(yōu)風險資產(chǎn)組合。

參考文獻：

[1]楊雅婷，我國智能投顧風險及市場發(fā)展研究[Jl.時代金融，2019（27）：93-94.

[2]李姝錦，胡曉旭，王聰.淺析基于大數(shù)據(jù)的多因子量化選股策略[J].經(jīng)濟研究導刊，2016（17）：106.

[3]蘇翔宇，朱愛群.CentOS7下基于Nginx的反向代理及負載均衡研究與實現(xiàn)[J].現(xiàn)代計算機：專業(yè)版，2018（10）：61-64.

[4] Prakash P，BijuR， MohanSowmyaKamath. Performance Analy-sis of Process Driven and Event Driven Web Servers.lEEE IS-C0 2015.

[5]溫勝輝.Fintech背景下資產(chǎn)證券化發(fā)展趨勢淺析[Jl.債券，2018（5）：86-91.

【通聯(lián)編輯：梁書】