【广发金工】基于大数据挖掘的关联个股投资机会-互联网大数据挖掘系列(六).pdf

《【广发金工】基于大数据挖掘的关联个股投资机会-互联网大数据挖掘系列(六).pdf》由会员分享，可在线阅读，更多相关《【广发金工】基于大数据挖掘的关联个股投资机会-互联网大数据挖掘系列(六).pdf（21页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 识别风险，发现价值 请务必阅读末页的免责声明 1 1/2121 金融工程|专题报告 2015 年 9 月 9 日 证券研究报告 阿点 基于大数据挖掘的关联个股投资机会基于大数据挖掘的关联个股投资机会 互联网大数据挖掘系列互联网大数据挖掘系列(六六)报告摘要报告摘要：互联网快速发展互联网快速发展 随着互联网的发展以及不断普及，人类每天产生的数据量正在呈现指数级的增长。同时伴随着互联网的快速发展，投资者也越来越倾向于从互联网上获取相关的个股信息。在互联网热门网站上，投资者也往往会对关注的个股进行标记，添加到自选股栏目中，而投资者资金的流动也往往在自选股栏目中的个股中进行。因此如果能够基于互联网大

2、数据，获取到投资者的关注度个股，并基于海量的投资者关注股个股的数据，从关注度的变化去做一些量化策略的研究就显得非常有意义。共同关注度定义共同关注度定义 基于所抓取的个股的关注度数据，定义以股票 j 为基准的股票 k 的共同关注度指标为：11*nijikiniji，其中分母表示关注了股票 j 的总的用户数，分子表示关注了股票 j 的同时关注了股票 k 的总的用户数。基于个股共同关注度的选股策略构建基于个股共同关注度的选股策略构建 在历史回测期，定期地计算基准个股中共同关注个股的关注人数以及共同关注占比，选取共同关注的个股中关注度最高的前 N 只个股，动态地考虑基准个股与对应的共同关注个股所在的行

3、业的相关性，根据行业之间的相关性以及基准个股与关联个股前一段时间的涨跌幅等因素，选择满足条件的关联个股为多头组合，同时以基准个股为空头组合；基于构建的多空组合，在下一个交易日以开盘价做多多头组合，以开盘价做空空头组合，考虑涨跌停因素的影响；资金等权投资。实证结果实证结果 历史回测结果显示，基于关注度的选股策略在取得了较优异的结果。策略自 2013 年以来，超配组合取得了 115.18 的累计收益率，年化收益率为38.21%，最大回撤为-8.79%，周胜率为 55.65%。多空组合对冲后，在历史回测期内取得了 54.78%的累计绝对收益率，年化绝对收益率为 20.26%，最大回撤为-7.99%,

4、周胜率为 55.65%。整体上而言，在历史回测期内取得相对较为优异的表现。风险提示风险提示 本篇报告所提供的个股的共同关注度数据一定程度上能够反映投资者对个股的关注，但其中的关注度数据并不能代表所有投资者的观点，历史的数据并不能精确地预测未来金融市场变化，注意市场其他风险的变化。图图 1 1 共同关注度选股策略历史表现共同关注度选股策略历史表现 表表 1 1 基于共同关注度的策略表现指标基于共同关注度的策略表现指标 指标 超配净值 对冲净值 累计净值：2.15 1.55 累计收益率：115.18%54.78%年化收益率：38.21%20.26%信息比 2.51 1.76 日胜率：57.70%5

5、0.93%周胜率：55.65%55.65%最大回撤：-8.79%-7.99%分析师：分析师：史庆盛史庆盛 S0260513070004 020-87555888-8618 相关研究：相关研究：基于互联网挖掘的热点选股策略互联网大数据挖掘系列专题之（五）2015-04-09 上市公司披露信息变更隐含的投资机会事件驱动策略之（十四）2014-12-26 倾听股吧之声，洞察大盘趋势互联网大数据挖掘系列专题之（三）2014-06-27 公告披露背后隐藏的投资机会互联网大数据挖掘系列专题之（二）2014-06-26 基于网络新闻热度的择时策略互联网大数据挖掘系列专题之（一）2014-06-25 识别风险

6、，发现价值 请务必阅读末页的免责声明 2 2/2121 金融工程|专题报告 目录索引目录索引 一 前言.4 1.1 互联网大数据发展.4 1.2 互联网大数据在金融领域应用.5 二 数据抓取流程框架.7 2.1 数据抓取流程.8 三 互联网大数据策略回顾.9 3.1 基于互联网挖掘的热点选股策略.9 3.2 倾听股吧之声，洞察大盘趋势.10 3.3 基于网络新闻热度的择时策略.11 四 基于个股共同关注度的选股策略实证.12 4.1 共同关注度定义.13 4.2 专题数据抓取流程.15 4.3 策略框架.16 4.4 策略构建思路.17 4.5 策略实证.18 4.5.1 数据说明.18 4.

7、5.2 实证结果.18 五 总结.19 5.1.1 总结.19 5.1.2 未来研究方向.19 风险提示.20 识别风险，发现价值 请务必阅读末页的免责声明 3 3/2121 金融工程|专题报告 图表图表目录目录 图 1 共同关注度选股策略历史表现.1 图 2 大数据 4V 特征.5 图 3 大数据应用行业结构.5 图 4 大数据在金融行业应用结构.6 图 5 数据抓取平台框架组件.8 图 6 基于互联网挖掘的热点选股策略表现.9 图 7 股吧情绪择时策略表现.10 图 8 网络新闻热度择时策略表现.11 图 9 共同关注个股一栏.12 图 10 用户共同关注一栏.12 图 11 个股关注度变

8、化.12 图 12 个股关注度变化.12 图 13 自选股栏目一栏.13 图 14 自选股栏目一栏.13 图 15 用户共同关注度.14 图 16 平安银行共同关注个股数据.16 图 17 策略构建框架.17 图 18 银行与房地产行业相关性.17 图 19 银行与非银金融行业相关性.17 图 20 医药生物与休闲服务行业相关性.18 图 21 银行与传媒行业相关性.18 图 22 基于关联个股的选股策略结果表现.18 表 1 基于共同关注度的策略表现指标.1 表 2 公募基金大数据量化研究产品一栏.6 表 3 基于互联网挖掘的热点选股策略指标.9 表 4 股吧情绪择时策略表现.10 表 5

9、股吧择时分年度表现.11 表 6 新闻热度择时策略表现.11 表 7 新闻热度择时分年度表现.11 表 8 用户共同关注度数据举例.14 表 9 共同关注行业一栏.14 表 10 共同关注行业一栏.15 表 11 基于关联个股的选股策略表现指标一栏.19 识别风险，发现价值 请务必阅读末页的免责声明 4 4/2121 金融工程|专题报告 一 前言前言 1.1 互联网大数据发展互联网大数据发展 随着互联网的发展以及不断普及，人类每天产生的数据量正在呈现指数级的增长。据统计，大约每两年人类的数据量就翻一番。资料统计显示，2011 年，全球的数据规模大约为 1.8ZB（1TB=1024GB，1PB=

10、1024TB，1EB=1024PB，1ZB=1024 EB），这些数据量可以填满超过 618 亿个 32GB 的 iPad，而这些 iPad 的数量可以用来修超过 2 座长城。到 2020 年，全世界的数据量将达到 40ZB 的规模，如果将这些数据装入光盘，这些光盘总的重量相当于超过 400 艘航母的重量。在热门网站，例如电商网站上，每天产生的数据量也是惊人的。例如，每天在淘宝网站上有超过数千万笔的交易，每天产生的数据量超过 50TB,存储量则超过40PB。百度的数据总量超过 1000PB，存储的网页数量超过 1 万亿个，每天处理的搜索请求超过 60 亿次，有几十 PB 的数据。而随着信息传播

11、的多样化发展，除了传统的数值型的数据量急剧增加外，非结构化以及半结构化的数据也呈现爆发式的增长。数据的存储单位也从 GB-TB-PB-EB-ZB 的级别递增。这些数据量已经超过了我们传统的计算机存储，而依据这些数 数量进行的相关研究也超过了传统的计算机的计算量。如何存储、管理以及挖掘这些数据中所隐藏的，逐渐成为一个新的领域，于是大数据的概念应运而生。而在大数据发展过程中，互联网的发展以及不断普及在其中起到了至关重要的作用。根据维基百科关于大数据的定义，大数据指的是无法用常规的软件工具用可承受的时间进行抓取、管理和处理的数据集合。大数据具备如下的 4V 特征：1、Volume（大量）（大量）：数

12、据规模往往是海量的，数据量一般在10TB规模左右，更多的认为应该达到PB规模。2、Velocity（高速）：（高速）：数据处理速度快，在数据量非常庞大的情况下，也能够做到数据的实时处理。3、Variety（多样）（多样）：随着互联网的发展，数据的存储形式也越来越多样化，而数据来源也多种多样，因此数据种类和格式日渐丰富，数据所包含的范畴已打破了以前所限定的结构化数据范畴，更多地囊括了半结构化和非结构化数据，如网络日志、博客、视频、图片、微信微博内容等等。4、Value（价值）（价值）：数据价值密度低，价值密度的高低与数据总量的大小成反比。以视频为例，一部1小时的视频，在连续不间断的监控中，有用数

13、据可能仅有一二秒。当前人们正处于信息大爆炸时代，每天都有大量的信息出现在人们身边。而人们也越来越倾向于通过搜索引擎、网络媒体、财经网站等获取信息。人们在互联网上浏览、阅读所形成的记录也是海量的，这些记录正反应了人们的行为习惯以及潜在的消费行为、投资行为等。这些海量的用户行为其中包含的价值是不可忽视的，对这些相关的大数据的挖掘，发现其中的价值，从而更好地指导用户的行为将决策。在金融领域如何从海量的互联网大数据中挖掘出对投资决策有用的信息，正成为当前量化投资领域研究的又一个新的方向。识别风险，发现价值 请务必阅读末页的免责声明 5 5/2121 金融工程|专题报告 图图 2 2 大数据大数据 4V

14、4V 特征特征 数据来源：广发证券发展研究中心数据来源：广发证券发展研究中心 1.2 互联网大互联网大数据在金融领域应用数据在金融领域应用 互联网大数据正在影响着人们的生活，各行各业纷纷加入研究其应用的行列中，金融行业也不例外。据统计，大数据在金融行业的应用已越来越多。例如据赛迪顾问的数据报告显示，国内大数据应用在金融领域的比重占到了 17.5%，在其中处于第三的位置。图图 3 大数据应用行业结构大数据应用行业结构 数据来源：广发证券发展研究中心、赛迪顾问数据来源：广发证券发展研究中心、赛迪顾问 大数据在金融领域的应用，从投资结构上来看，证券行业在其中处于第二的位置，而银行在大数据领域的应用占

15、第一的位置，保险在其中排名最后。互联网,28.90%电信,19.90%金融,17.50%交通,9.80%政府,8.80%其他,8.80%医疗,6.30%识别风险，发现价值 请务必阅读末页的免责声明 6 6/2121 金融工程|专题报告 图图 4 大数据在金融行业应用结构大数据在金融行业应用结构 数据来源：广发证券发展研究中心、赛迪顾问数据来源：广发证券发展研究中心、赛迪顾问 相对于银行和保险业，证券行业的大数据应用起步相对较晚，其中对于大数据方面的研究也是较晚的，对大数据相关的量化投资策略的研究也是在近年开始的。在国外，证券行业对大数据方面的量化研究也是近几年开始的。例如，在2011年5月英国

16、对冲基金Derwent Capital Markets建立了规模为4000万美金的对冲基金，该基金是首家基于社交网络的对冲基金，该基金通过分析Twitter的数据内容来感知市场情绪，从而指导进行投资。利用 Twitter 的对冲基金 Derwent Capital Markets 在首月的交易中确实盈利了，其以1.85%的收益率，让平均数只有0.76%的其他对冲基金相形见绌。而在国内对大数据方面的量化研究，比较典型的是2014年广发基金管理有限公司推出的广发百发100指数基金，该基金是国内首只互联网大数据基金，依靠百度在搜索领域的海量的大数据，采用量化的方法，从中选取中未来一段时间内可能上涨的

17、个股。随后，国内各大公募基金相继跟互联网公司合作，相继推出大数据基金，例如南方基金与新浪合作，推出i100、i300指数；博时联合蚂蚁金服、恒生聚源推出的淘金100指数；大成基金联合奇虎360推出360互联+指数等等。表表 2 公募基金大数据量化研究产品一栏公募基金大数据量化研究产品一栏 基金公司基金公司 合作方合作方 大数据基金大数据基金 广发基金管理有限公司 百度 广发百发100指数 南方基金管理有限公司 新浪 i100、i300指数 博时基金管理有限公司 银联 中证银联智惠大数据100指数 大成基金管理有限公司 奇虎360 360互联+天弘基金管理有限公司 雪球 中证雪球领先组合100指

18、数 中欧基金管理有限公司 银联 中证银联智策大数据100指数 鹏华基金管理有限公司 银联 中证银联智策消费大数据指数 大成基金管理有限公司 雪球 中证雪球社交投资精选大数据指数 银行,41.10%证券,35.10%保险,23.80%识别风险，发现价值 请务必阅读末页的免责声明 7 7/2121 金融工程|专题报告 嘉实基金管理有限公司 腾讯 嘉实腾讯自选股大数据 泰达宏利基金管理有限公司 同花顺 同花顺大数据量化优选灵活配置混合 上海东方证券资产管理有限公司 京东 东方红京东大数据灵活配置混合型基金 博时基金管理有限公司 搜房网房天下 中证房天下大数据指数 博时基金管理有限公司 雪球 中证雪球

19、智选大数据100指数 博时基金管理有限公司 蚂蚁金服、恒生聚源 淘金100指数 数据来源：广发证券发展研究中心数据来源：广发证券发展研究中心 从表2中可以看到，对互联网大数据的量化研究相关的产品已越来越丰富。截止至当前，已经有广发、南方、博时、大成、嘉实、天弘、中欧、鹏华、泰达宏利、东方证券资管等10家基金公司对互联网大数据进行量化研究，成立相关的基金。广发基金联合百度基于百度的海量数据开发百度100指数系列基金，博时联合蚂蚁金服、嘉实基金挖掘腾讯自选股数据、泰达宏利掘金同花顺数据，从最初对搜索引擎数据海量数据的挖掘，再到专业的互联网热门财经网站，再到目前与投资者关注相关性较强的腾讯自选股、同

20、花顺、雪球网等，公募基金在对互联网大数据领域的量化研究，无论从广度还是深度角度看，已经越来越丰富。而从产品的角度看，对互联网大数据量化研究的结果，除了之前完全被动模拟的互联网大数据指数基金外，目前对大数据方面的量化投资已渐渐进入到主动管理状态，例如广发基金最近获批发行的广发100策略精选就是主动量化型大数据基金，而东方证券资产管理有限公司携手京东大数据平台研发的东方红京东大数据是一只混合型基金，而嘉实基金上报的腾讯自选股大数据策略股票型、泰达宏利上报的同花顺大数据量化优选灵活配置混合型等属于主动管理型基金。对互联网大数据的量化研究俨然已成为当前量化投资领域的一个新的领域。对互联网大数据的挖掘与

21、研究，广发金工在该领域也进行了比较深入的研究，在专题策略上也取得了一系列的研究成果。例如之前采用文本挖掘的方法对上市公司公告披露背后的投资机会进行了统计分析以及实证，得到了较好的就结果，具体可见公告披露背后隐藏的投资机会互联网大数据挖掘系列专题之（二）专题报告；从股吧、个股的新闻热度、上市公司信息变更、财经频道的荐股信息等角度对文本信息进行挖掘，具体可见、；基于互联网海量的个股新闻信息对热点概念的选股可见基于互联网挖掘的热点选股策略互联网大数据挖掘系列专题之（五）等相关的专题策略报告。二 数据抓取流程框架数据抓取流程框架 对互联网大数据的量化研究，往往涉及到对网络数据的抓取工作。从2013年开

22、始，广发金工就开始了对互联网数据的量化研究工作。基于对互联网大数据的深入 识别风险，发现价值 请务必阅读末页的免责声明 8 8/2121 金融工程|专题报告 研究，广发金工搭建了一个完善的数据抓取平台框架。2.1 数据抓取流程数据抓取流程 首先，介绍一下我们金融工程小组搭建的完善的数据抓取平台框架。图图 5 数据抓取平台框架组件数据抓取平台框架组件 数据来源：广发证券发展研究中心数据来源：广发证券发展研究中心 上图刻画了我们金融工程小组搭建的完善的数据抓取平台组件的整个框架流程。整个抓取平台的平台核心部分是中间的分配调度服务器，辅助搭建的模块有四个，整个抓取平台的平台核心部分是中间的分配调度服

23、务器，辅助搭建的模块有四个，分别为抓取任务调度器、网页规则识别、反监控系统以及监控系统。分别为抓取任务调度器、网页规则识别、反监控系统以及监控系统。分配调度服务器功能为负责将所需数据从互联网上抓取下来，然后以指定形式的格式批量存储下来，这里可以将记录以特定的标题格式以 txt 的形式存储于本地或者以数据库的形式存储相关的文本信息。如果是以新闻文本的标题作为存储格式的一部分的话，对于在 Windows 系统下注意 txt 文件名中的一些非法字符的处理以及由于网页本身代码的特殊性，导致的一些非法字符的处理。抓取任务调度分发器负责分配抓取的网站的调度，包括一些常规的抓取以及一些临时的抓取(链接失效、

24、断网重新抓取等任务)调度、网页规则识别负责根据抓取任务调度器分配到的网站，调用指定网站的网页内容获取规则。监控系统负责监控网页的异常（例如链接失效、断网、网页加载过慢等情况）、反监控系统负责监控网站的防盗链等问题(例如 IP 频繁访问造成的 IP 被禁等问题）。通过对网站网页源代码解析的方式来获取新闻文本内容，有三种方式可以获取到需要提取的新闻文本信息。1)字符串匹配查找的字符串匹配查找的方法方法 通过对特定网站的网页源代码的识别，利用字符串匹配的方式获取到需要提取的文本信息，该方法需要对字符的匹配查找能力有较高的要求，缺点是往往提取出来的文本信息包含一些干扰的文本信息，即信息提取不“纯”。2

25、)正则表达式匹配方法正则表达式匹配方法 这种方法要求使用者对正则表达式的规则使用较熟练，该方法能够迅速地匹配到监控系统监控系统监控异常、调整反监控规则获取反监控规则、异常规则、设置代理IP反监控反监控管理管理反监控规则异常规则恢复策略可视化配置智能化配置网页规则识别网页规则识别获取网页抓取规则抓取任务调度抓取任务调度分发器分发器常规抓取临时抓取带优先级抓取消息通用可扩展集群抓取线程池连接池批量存储批量存储分配调度服务器分配调度服务器 识别风险，发现价值 请务必阅读末页的免责声明 9 9/2121 金融工程|专题报告 所需的文本信息，并将所需的文本信息提取出来。3)HTMLDOM结构解析结构解析

26、 本质上，网站返回到本地电脑的是一个代码文件，代码文件经过浏览器的重新解析识别后，才会以各种非常规则漂亮的形式显示在我们的视野面前。网站返回的网页源代码其实是一种树状结构的，有根节点、子节点、元素、属性等。而HTMLDOM能够将这种树状结构的网页源代码存储到本地，从而能够方便快捷地利用HTMLDOM的相关语句以及语法对代码进行解析，从而获取到需要的文本信息。这对于大规模获取热门网站上的新闻的文本信息，效率上是有非常大的提高的。三 互联网大数据策略回顾互联网大数据策略回顾 基于对互联网大数据方向的深入研究，广发金工在专题策略方向上取得了一系列的研究成果，以下简要回顾一下互联网大数据方向的量化策略

27、研究结果。3.1 基于互联网挖掘的热点选股策略基于互联网挖掘的热点选股策略 初始资金：初始资金：1；策略原理：策略原理：在历史回测期间内，将资金等分为若干份。动态地监控在每个交易日内是否有热点概念出现，如果有热点概念出现，则将其中的一份没有持仓个股的资金配置当天出现的热点概念的个股，持有一段时间，不考虑个股在买进或者卖出时候出现涨停、跌停或者停牌的情况，个股在买进时以该个股当日的开盘价买进，卖出时以该个股在持有期末的收盘价卖出。交易费用：交易费用：千分之二费用，在卖出时候收取。资金投资权重：资金投资权重：等权投资于个股；图图 6 6 基于互联网挖掘的热点选股策略表现基于互联网挖掘的热点选股策略

28、表现 数据来源：广发证券发展研究中心数据来源：广发证券发展研究中心 数据区间：2014 年 4 月截止至 2015 年 1 月 30 日 表表 3 3 基于互联网挖掘的热点选股策略指标基于互联网挖掘的热点选股策略指标 指标指标 数据数据 年化绝对收益率 118.93%年化相对收益率 18.00%0.9 0.93 0.96 0.99 1.02 1.05 1.08 1.11 1.14 0.9 1.1 1.3 1.5 1.7 1.9 2014-04-30 2014-05-31 2014-06-30 2014-07-31 2014-08-31 2014-09-30 2014-10-31 2014-11

29、-30 2014-12-31 基准 累计净值 对冲净值 识别风险，发现价值 请务必阅读末页的免责声明 1010/2121 金融工程|专题报告 最大回撤-6.49%周胜率 63.89%月胜率 77.78%数据来源：广发证券发展研究中心数据来源：广发证券发展研究中心 从图6和表4的结果中可以看到，基于热点概念的选股策略在历史回测期内表现优异，最大回撤为-6.49%，周胜率为63.89%，月度胜率为77.78%。3.2 倾听股吧之声，洞察大盘趋势倾听股吧之声，洞察大盘趋势 策略构建：策略构建：使用网络文本挖掘的方法，我们抓取了淘股吧和金融界等热门股吧的股票帖子内容，并采用文本脱水、分词以及情感分析等

30、方法得到每条帖子的“乐观”与“悲观”判断，最后结合该帖子的点击量和回复量来构建股吧情绪指标GSt：GSt=(Dt+Ht)(Gt-Bt)，其中Dt表示点击量，Ht表示回复量，Gt表示乐观帖子数，Bt表示悲观帖子数据，基于A股情绪指标GS时间序列构造布林通道，当某日股吧情绪 指标剧增并且突破上界，则发出看多信号，突破下界则发出看空信号。布林通道上界：GS_UPt=(GSt的M日均值)*(1+N%)；布林通道下界：GS_DOWNt=(GSt的M日均值)*(1-N%)。当某日股吧情绪GSt剧增并且突破上轨，则发出看多信号，次日开始看多大盘指数，突破下轨则发出看空信号，次日开始看空大盘指数。以沪深300

31、指数作为大盘指数进行择时，采用股指期货进行模拟交易。开平仓价格：若当日信号为多/空，则于开盘价开多/空仓，当日收盘价平仓；若当日信号为平，则不开仓。交易费用：按照股指期货交易费用，双边万分之2。策略参数：M=10；N=30。图图 7 7 股吧情绪择时策略表现股吧情绪择时策略表现 数据来源：广发证券发展研究中心数据来源：广发证券发展研究中心 表表 4 股吧情绪择时策略表现股吧情绪择时策略表现 年化收益率年化收益率 年化超额收益率年化超额收益率 胜率胜率 赔率赔率 最大回撤最大回撤 40.2%48.9%51.5%1.20-22.3%数据来源：广发证券发展研究中心数据来源：广发证券发展研究中心 策略

32、自2010年4月份以来，取得了约160%的绝对收益，年化40%，最大累积回 撤发生在2013年底，另一次较大回撤发生在2012年3月底，约17%，其余时间策略 的最大累积回撤基本都在10%以内。平均日度胜率仅约52%，但日度赔率1.2倍，可见 识别风险，发现价值 请务必阅读末页的免责声明 1111/2121 金融工程|专题报告 股吧情绪指标一旦预测正确则获得的收益高于预测错误所遭遇的亏损幅度。策略分年度表现如下表所示，5年均获得正收益，年度胜率100%。表表 5 股吧择时分年度表现股吧择时分年度表现 分年度分年度 2010 2011 2012 2013 2014(截止5/12)收益率 45.5

33、0%26.30%18.61%11.84%9.23%数据来源：广发证券发展研究中心数据来源：广发证券发展研究中心 3.3 基于网络新闻热度的择时策略基于网络新闻热度的择时策略 策略原理：策略原理：鉴于个股的新闻量能够一定程度上反映网络媒体以及投资者对相应股票的关注程度，因此我们将某日个股的全部新闻总量（News Quantity）定义为该日A股市场的股票新闻热度指标NQ，并基于该指标的变化规律来建立A股的择时策略。基于A股热度NQ时间序列构造了布林通道：布林通道上界：NQ_UPt=(NQt的M日均值)*(1+N%)，布林通道下界：NQ_DOWNt=(NQt的M日均值)*(1-N%)。当某日个股新

34、闻量剧增并且突破上轨，则发出看多信号，次日看多大盘指数，突破下轨则发出看空信号，次日看空大盘指数。将NQ指标应用于沪深300指数择时中，开平仓条件为：若当日信号为多/空，则于开盘价开多/空仓，同时将上次信号平仓。策略参数：M=20；N=10。图图 8 8 网络新闻热度择时策略表现网络新闻热度择时策略表现 数据来源：广发证券发展研究中心数据来源：广发证券发展研究中心 表表 6 新闻热度择时策略表现新闻热度择时策略表现 年化收益率年化收益率 年化超额收益率年化超额收益率 胜率胜率 赔率赔率 最大回撤最大回撤 37.03%45.87%53%1.14-20.14%数据来源：广发证券发展研究中心数据来源

35、：广发证券发展研究中心 表表 7 新闻热度择时分年度表现新闻热度择时分年度表现 分年度分年度 2011 2012 2013 2014(截止截止5/12)收益率收益率 28.0%26.7%26.8%8.0%数据来源：广发证券发展研究中心数据来源：广发证券发展研究中心 识别风险，发现价值 请务必阅读末页的免责声明 1212/2121 金融工程|专题报告 策略自2011年以来，取得了约120%的绝对收益，年化37%，最大回撤发生在2013年11月份，回撤幅度约20%，其余时间策略的最大累积回撤基本都在10%以内。平均日度胜率约53%，日度赔率1.14倍，可见新闻热度指标一旦预测正确则获得的收益高于预

36、测错误所遭遇的亏损幅度。策略分年度表现，4年均获得正收益，胜率100%。四 基于个股共同关注度的选股策略实证基于个股共同关注度的选股策略实证 当投资者在浏览热门的财经网站的个股数据时，往往会对自己感兴趣的个股进行标记，而被标记的个股也往往是投资者比较关注的个股。当被标记的个股信息发生变更时，投资者也往往会第一时间去关注这些数据的变化，而未被标记的个股投资者也往往对这些个股的信息关注较少。同时，在互联网热门网站上，投资者也往往会将关注的个股添加到自选股栏目中，关注个股集合也处于自选股栏目中，而投资者资金的流动也往往在自选股栏目中的个股中进行。投资者在关注某只个股的同时也往往会关注其他个股，即以某

37、只个股为基准，关注基准个股的同时往往也会关注其他个股，而投资者买卖股票的资金流动也往往在自己关注的个股中周转。例如投资者在所关注的个股集合中，如果某只个股在一定的区间内涨的过多，而某只个股在同样的时间区间范围内超跌了，则投资者有可能卖出涨的过多的个股同时买入超跌的个股。因此如果能够基于互联网大数据，获取到投资者的关注度个股，并基于海量的投资者关注股个股的数据，从关注度的变化去做一些量化策略的研究就显得非常有意义。图图 9 共同关注个股一栏共同关注个股一栏 图图 10 用户共同关注一栏用户共同关注一栏 数据来源：广发证券发展研究中心数据来源：广发证券发展研究中心、东方财富网、东方财富网 数据来源

38、：广发证券发展研究中心数据来源：广发证券发展研究中心、雪球网、雪球网 图图 11 个股关注度变化个股关注度变化 图图 12 个股关注度变化个股关注度变化 识别风险，发现价值 请务必阅读末页的免责声明 1313/2121 金融工程|专题报告 数据来源：广发证券发展研究中心数据来源：广发证券发展研究中心、和讯网、和讯网 数据来源：广发证券发展研究中心数据来源：广发证券发展研究中心、百度、百度 图图 13 自选股栏目一栏自选股栏目一栏 图图 14 自选股栏目一栏自选股栏目一栏 数据来源：广发证券发展研究中心数据来源：广发证券发展研究中心、东方财富网、东方财富网 数据来源：广发证券发展研究中心数据来源

39、：广发证券发展研究中心、新浪网、新浪网 4.1 共同关注度定义共同关注度定义 共同关注度定义：共同关注度定义：假设市场共有n个关注者以及m只个股，市场关注度矩阵AM(Attention Matrix)可表示为：1112121222112.mmiijnnnjnmAM，其中矩阵中元素为布尔变量，ij 表示第i个关注者对股票j的关注，关注则为1，否则为0。关注股票j的总人数为：1niji，关注股票j同时关注股票k的总人数为：1*nijiki，关注股票j同时关注股票k占关注股票j总人数比例为：11*nijikiniji，则以股票j为基准个股，关注了股票j同时关注股票k占关注股票j的总人数的比例即定义为

40、以股票j为基准的股票k的共同关注度。识别风险，发现价值 请务必阅读末页的免责声明 1414/2121 金融工程|专题报告 图图 15 用户共同关注度用户共同关注度 数据来源：广发证券发展研究中心数据来源：广发证券发展研究中心 表表 8 用户用户共同共同关注度数据举例关注度数据举例 基准个股基准个股 关联个股关联个股 共同关注绝对量共同关注绝对量 共同关注占比共同关注占比 平安银行平安银行 民生银行 502457 17.31%浦发银行 497372 17.14%万科 A 476150 16.41%兴业银行 453587 15.63%中信证券 452849 15.60%广发证券广发证券 中信证券

41、415985 22.82%海通证券 311162 17.07%中国中车 302324 16.59%中国平安 263957 14.48%中国重工 260114 14.27%东方财富东方财富 浦发银行 1005800 5.25%中国中车 744233 3.89%乐视网 616784 3.22%中国重工 593744 3.10%苏宁云商 574106 3.00%数据来源：广发证券发展研究中心数据来源：广发证券发展研究中心 表表 9 共同关注行业一栏共同关注行业一栏 基准行业基准行业 共同关注行业共同关注行业 占比最高行业占比最高行业 比例比例 共同关注行业共同关注行业 占比最高行业占比最高行业 比例

42、比例 共同关注行业共同关注行业 占比最高行业占比最高行业 比例比例 银行 银行 67.50%非银金融 17.50%房地产 6.25%房地产 非银金融 17.92%商业贸易 16.53%房地产 15.97%医药生物 传媒 17.51%非银金融 17.40%医药生物 16.20%休闲服务 非银金融 18.86%商业贸易 18.29%银行 11.43%用户共同关注度 股票2 股票3。股票4 股票1 识别风险，发现价值 请务必阅读末页的免责声明 1515/2121 金融工程|专题报告 综合 商业贸易 19.62%非银金融 13.58%有色金属 10.94%建筑材料 非银金融 17.68%商业贸易 17

43、.10%银行 10.72%家用电器 商业贸易 18.11%非银金融 14.34%银行 12.08%汽车 商业贸易 16.76%非银金融 15.48%汽车 12.02%食品饮料 非银金融 18.55%食品饮料 15.94%商业贸易 13.91%电子 传媒 22.70%商业贸易 15.27%电子 14.73%计算机 传媒 37.06%计算机 15.59%商业贸易 12.79%交通运输 建筑装饰 21.14%非银金融 16.59%商业贸易 12.95%轻工制造 商业贸易 16.70%非银金融 14.51%传媒 9.01%公用事业 非银金融 18.15%建筑装饰 12.78%银行 12.41%数据来源

44、：广发证券发展研究中心数据来源：广发证券发展研究中心、互联网、互联网 表表 10 共同关注行业一栏共同关注行业一栏 基准行业基准行业 共同关注行业共同关注行业 占比最高行业占比最高行业 比例比例 共同关注行业共同关注行业 占比最高行业占比最高行业 比例比例 共同关注行业共同关注行业 占比最高行业占比最高行业 比例比例 通信 传媒 26.56%商业贸易 16.07%通信 10.82%机械设备 机械设备 15.12%商业贸易 13.68%非银金融 13.20%农林牧渔 商业贸易 19.02%非银金融 17.07%农林牧渔 10.98%建筑装饰 建筑装饰 25.00%非银金融 18.53%商业贸易

45、12.35%商业贸易 商业贸易 20.21%非银金融 18.96%银行 17.29%化工 商业贸易 17.60%非银金融 14.64%有色金属 10.08%有色金属 有色金属 36.53%非银金融 14.29%商业贸易 12.86%传媒 传媒 50.29%商业贸易 13.53%非银金融 11.18%纺织服装 商业贸易 19.00%非银金融 17.50%银行 9.75%采掘 非银金融 17.14%商业贸易 13.33%银行 13.02%非银金融 非银金融 55.26%银行 21.05%商业贸易 6.84%电气设备 商业贸易 15.87%非银金融 14.84%传媒 11.87%钢铁 建筑装饰 30

46、.30%非银金融 16.97%银行 9.09%国防军工 国防军工 47.10%非银金融 11.61%机械设备 10.97%数据来源：广发证券发展研究中心数据来源：广发证券发展研究中心、互联网、互联网 4.2 专题数据抓取流程专题数据抓取流程 这里简要介绍一下，本专题策略对大规模互联网关注度数据的抓取过程。因为本专题策略目的是基于个股关注度的关联个股投资机会，因此在数据获取上应该尽可能地获取到市场上关于个股的关注度的数据。然而，“理想是美好的，现实是残酷的”，要想获取到整个市场关于个股的关注度的数据，无论是在硬件条件以及效率上来说都是不现实的。但是个股的关注度数据在一些比较热门的互联网财经网站上

47、才具备代表性，因为热门财经网站往往拥有大规模的用户。因此，在数据源上可以选择一些用户浏览量大的热门财经网站的，利用这些热门网站的用户的关注度数据作为数据源切入点，例如东方财富网、雪球网、新浪网、和讯网等。以下以东方财富网为例，简要介绍一下个股关注度数据抓取的主要过程。1)以平安银行（000001.SZ）股吧为例：http:/ 识别风险，发现价值 请务必阅读末页的免责声明 1616/2121 金融工程|专题报告 从平安银行的股吧首页中可以看到关注了平安银行的同时还关注了其他个股的数据。图图 16 平安银行共同关注个股数据平安银行共同关注个股数据 数据来源：广发证券发展研究中心、数据来源：广发证券

48、发展研究中心、东方财富网东方财富网 2)通过对网页编码的解析，我们可以获取到每次查询后的网址的实际网址信息，例如想获取到平安银行(000001.SZ)的个股资讯，可以看到实际的网址就是：http:/ code参数后面添加市场上每只个股的代码就能获取到这个市场每天的关注度的数据。3)通过2)中对查询网址的规律的查询，我们可以根据URL的规律批量获取到市场上所有的个股在历史上的关注度的数据，并将个股的关注度数据提取出来。基于上述对东方财富网个股关注度数据获取规则的解析，我们可以得到不同个股在历史上所有的关注度的数据，基于这些关注度的数据进行进一步的研究。4.3 策略策略框架框架 基于对整个市场个股

49、的关注度数据的获取，提取出以每个个股作为基准个股的共同关注的个股的数据信息，包括共同关注的个股代码、共同关注的用户绝对数量以及占比等相关信息。具体策略框架如下图17所示，首先从热门的财经网站上获取到用户的关注度数据，然后对获取到的关注度数据进行预处理，主要是清洗掉在数据抓取过程中出现错误的数据，然后再考虑关注度个股之间的成交量、涨幅以及关注度个股之间所在的行业的相关性等因素构建选股策略。识别风险，发现价值 请务必阅读末页的免责声明 1717/2121 金融工程|专题报告 图图 17 策略构建框架策略构建框架 数据来源：广发证券发展研究中心数据来源：广发证券发展研究中心 4.4 策略策略构建思路

50、构建思路 从图18至图21中可以看出，行业之间不存在稳定的相关性。因此在考虑基于用户关注度数据构建选股策略时，可以动态地考虑基准个股与共同关注个股所在行业的相关性。图图 18 银行与房地产行业相关性银行与房地产行业相关性 图图 19 银行与非银金融行业相关性银行与非银金融行业相关性 数据来源：广发证券发展研究中心数据来源：广发证券发展研究中心、Wind 数据来源：广发证券发展研究中心数据来源：广发证券发展研究中心、Wind -1-0.8-0.6-0.4-0.2 0 0.2 0.4 0.6 0.8 1 2013/1/14 2013/3/4 2013/4/15 2013/6/3 2013/7/22