[go: up one dir, main page]

CN115004182A - 基于确定值及估计值的数据量化方法 - Google Patents

基于确定值及估计值的数据量化方法 Download PDF

Info

Publication number
CN115004182A
CN115004182A CN202080094473.6A CN202080094473A CN115004182A CN 115004182 A CN115004182 A CN 115004182A CN 202080094473 A CN202080094473 A CN 202080094473A CN 115004182 A CN115004182 A CN 115004182A
Authority
CN
China
Prior art keywords
value
period
data
interval
comparison
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202080094473.6A
Other languages
English (en)
Other versions
CN115004182B (zh
Inventor
金东勋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Diai Co ltd
Original Assignee
Diai Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Diai Co ltd filed Critical Diai Co ltd
Publication of CN115004182A publication Critical patent/CN115004182A/zh
Application granted granted Critical
Publication of CN115004182B publication Critical patent/CN115004182B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/06—Asset management; Financial planning or analysis
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/904—Browsing; Visualisation therefor
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Technology Law (AREA)
  • Software Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Complex Calculations (AREA)
  • Supplying Of Containers To The Packaging Station (AREA)
  • Signal Processing For Digital Recording And Reproducing (AREA)

Abstract

本发明可提供一种基于确定值及估计值的数据量化方法，用于将包括确定值和估计值的数据量化，为此，包括如下步骤：数据量化装置从至少两个以上的信息管理者侧装置收集与以当前日期为基准预设的以前区间的每个预设期间的确定值、以当前日期为基准的当前年度的估计值和确定值、以当前日期为基准预设的以后区间的每个期间的估计值对应的数据；收集可与估计值和确定值相比较的提供值后，基于该提供值算出至少一个以上的比较用基准值；通过以前区间的各期间确定值、当前年度的各期间确定值及以后区间的各区间估计值与比较用基准值间的比较，对各期间当前年度、以前区间及以后区间的各期间赋予加权值，通过这种方法，按各期间及各区间对数据进行量化。

Description

基于确定值及估计值的数据量化方法
技术领域
本发明涉及一种基于确定值及估计值的数据量化方法。
背景技术
作为新的数字商业战略，金融科技(Fintech)成为新颖且有价值的财务金融服务。金融科技是能够重组包括了从电子结汇到资产管理，再重从个人间金融交易到众筹的金融产业的新一代财务技术，定义为同时具有对传统的财务金融服务提供的产品及服务进行革新的财务金融服务和智能信息技术的技术中心的开始。
积累财务金融服务客户的数据的同时，银行提供新的客户经验，想要创造出基于数据分析的新的价值。这种新的价值中的一个是新的投资顾客的开发。为了完善传统且高费用的客户管理方法，使用社交媒体(Social Media)技术，消费者们自行创造出对客户有价值的信息并使其流通，从而就像使得维持位于长尾(long-tail)的客户或开发新客户的费用效率化一样，基于金融科技，尤其基于代理的数字顾问(digital advisor)或智能投顾(robo-advisor)，除现有的高费用的客户投资咨询外，为属于长尾群的客户以费用效率化的形式把握客户的投资倾向，可减轻推荐投资商品的努力。
此外，随着最近信息通信技术的发展，正在开发一种基于各种各样的数据，例如基于过去的数据推定当前或未来的数据的技术。例如，提供基于过去的实绩数据推定及预测当前或未来的实绩的服务。
但是，为了提供服务需要对各种各样的数据进行量化的方法，虽然正在进行对此的研究，但实际情况是至今微乎其微。
[先行技术文献](专利文献1)韩国登记专利第10-1913591号(2018.10.25.)登记
发明内容
本发明提供基于确定值及估计值的数据量化方法，收集以当前日期为基准的以前区间的各期间确定值、包括当前日期的区间的各期间估计值和确定值以及以后区间的各期间估计值，利用收集的估计值及确定值和比较用基准值来赋予加权值，通过这种方式来量化数据，从而可提高数据管理及分析的容易性。
此外，本发明提供基于确定值及估计值的数据量化方法，将量化的数据以曲线图形态提供，从而使得使用者可容易地识别复杂的数据。
此外，本发明提供基于确定值及估计值的数据量化方法，通过使得与数据相关的关联数据对应的曲线图包括在量化的数据的曲线图中的比较用曲线图，从而可提高使用者对数据分析的接近性。
本发明欲解决的课题不限定于以上提及的内容，本发明所属的具有一般知识的人员可通过下面的记载明确地理解未提及的其他欲解决的课题。
为了解决上述欲解决的课题，根据本发明的实施例的基于确定值及估计值的数据量化方法，可包括如下步骤：数据量化装置从至少两个以上的信息管理者侧装置收集与以当前日期为基准预设的以前区间的每个预设期间的确定值、以当前日期为基准的当前年度的估计值和确定值、以当前日期为基准预设的以后区间的每个预设期间的估计值对应的数据；收集可与估计值和确定值相比较的提供值后，基于该提供值算出至少一个以上的比较用基准值；通过以前区间的各期间确定值、当前年度的各期间确定值及以后区间的各期间估计值与比较用基准值间的比较，对各期间的当前年度、以前区间及以后区间各期间赋予加权值，通过这种方法，按各期间及各区间对数据进行量化。
根据本发明的实施例，量化的步骤可包括如下步骤：利用以前区间的各期间确定值、当前年度的各期间确定值及以后区间的各期间估计值来算出各期间或各区间平均值；算出的平均值比所述比较用基准值大时，赋予负加权值，反之则赋予正加权值，从而算出以前区间、当前年度及以后区间的各期间分数。
根据本发明的实施例，数据量化方法还可包括如下步骤：基于以前区间、当前年度及以后区间的各期间分数来算出以前区间、当前年度及以后区间的合计分数；利用合计分数和以前区间、当前年度及以后区间的各期间分数来生成量化的曲线图。
根据本发明的实施例，数据量化方法还可包括如下步骤：接收从外部提供的与数据相关的关联数据；生成使得与关联数据对应的曲线图包括在量化的曲线图的比较型曲线图。
根据本发明的实施例，收集的数据为实绩估计值及确定值，比较用提供值为本期纯收益及营业收益，关联数据可以为指数相关曲线图。
根据本发明的实施例，在生成比较用基准值的步骤中，通过对在互联网上公布与提供值相关的数据的媒体提供的数据进行分析来收集提供值后，基于收集的提供值可生成比较用基准值。
根据前述的本发明的课题解决手段，收集以当前日期为基准的以前区间的各期间确定值、包括当前日期的区间的各期间估计值和确定值以及以后区间的各期间估计值，利用收集的估计值及确定值和比较用基准值来赋予加权值，通过这种方式来量化数据，从而可提高数据管理及分析的容易性。
此外，根据前述的本发明的课题解决手段，将量化的数据以曲线图形态提供，从而可提高使得使用者可容易地识别复杂的数据的接近性。
此外，根据前述的本发明的课题解决方式，提供使得对应于和数据相关的关联数据的曲线图包括在量化的数据的曲线图的比较用曲线图，从而可提高使用者对数据分析的接近性。
附图说明
图1是示出根据本发明的实施例的基于确定值及估计值的数据量化系统的整体构成的图。
图2是示出根据本发明的实施例的数据量化装置的细节构成的块状图。
图3是示出根据本发明的实施例的数据量化装置处理数据的过程的流程图。
图4是在根据本发明的实施例的数据量化装置提供的比较用曲线图的例示图。
标号说明
100：信息管理者侧装置
200：数据量化装置
210：连动部
220：数据接收部
230：基准值生成部
240：分数算出部
250：量化部
260：数据分析部
具体实施方式
以下，参照附图对本发明的具体的实施形态进行说明。以下详细的说明是为了帮助对本说明书中记述的方法、装置及/或系统的整体理解而提供的。但是，这仅仅是例示，本发明不限定于此。
说明本发明的实施例时，在判断对和本发明相关的公知技术的具体说明可能会不必要地混淆本发明的要旨的情况，省略其详细的说明。并且，后述的术语作为考虑本发明中的功能而定义的术语，其根据使用者、运用者的意图或惯例等可能会有所不同。因此，其定义应以本说明书整体的内容为基础而决定。在详细的说明中使用的术语仅仅用于记述本发明的实施例，不应绝对限制。如果没有明确地不同地使用，单数形态的表达包括复数形态的含义。本说明中，诸如“包括”或“具备”的表达是为了指示某些特征、数字、步骤、动作、要素、它们的一部分或组合，不应解释为排除记述以外的一个或一个以上的其他特征、数字、步骤、动作、要素、它们的一部分或组合的存在或可能性。
以下，参照附图对基于确定值及估计值的数据量化装置及方法进行说明。
图1时示出根据本发明的实施例的基于确定值及估计值的数据量化系统的整体构成的图。
如图1所示，数据量化系统可包括通过网络相互连接的多个信息管理者侧装置100及数据量化装置200。对推荐积分支付装置及方法进行说明。
信息管理者侧装置100作为用于在数据量化装置200对与估计值及确定值对应的数据进行管理的装置，作为其例子有借助证券公司、学校、管理财务报表的公司等管理的计算装置，但不限定于此。
换句话说，信息管理者侧装置100可以管理以当前年度为基准预设的前后期间的各期间估计值和确定值，将估计值和确定值提供至数据量化装置200。具体地，信息管理者侧装置100不仅可以管理以当前年度为基准的以前年度预设的各期间，例如各季度确定值，基于确定值管理当前年度的各季度估计值及以后年度各季度估计值等，而且随着季度在当前年度结算，估计值可变更为确定值。
例如，设定当前基准日2019年12月31日作为基准时，信息管理者侧装置100以当前日期(以下，称为“当前基准日”)为基准，不仅可以基于当前年度的各季度确定值设定下一年度各季度估计值并进行管理，也可以以当前基准日为基准管理上一年度的确定值。
此外，当到达下一年度季度时，信息管理者侧装置100可将下一年度的各季度估计值变更为确定值。
本发明的实施例中，信息管理者侧装置100可将上述的数据，即估计值及确定值实时传送至数据量化装置200。
另外，根据本发明的实施例，按季度说明了预设的期间，但也可以是按天、按周、按月、按年等，但不限定于此。即预设的期间可根据数据量化装置200而决定。
此外，本发明的实施例中，信息管理者侧装置100可提供用于比较的至少一个以上的提供值。例如，当提供与实绩相关的估计值及确定值对应的数据时，信息管理者侧装置100可将营业收益及本期纯收益等作为提供值来提供，可提供与研究开发相关的估计值及确定值对应的数据的研究开发的达成率等的提供值。
本发明的实施例中，以接收从信息管理者侧装置100提供的提供值为例进行了说明，但数据量化装置200可通过大数据分析来收集提供值。具体地，数据量化装置200可基于与实绩相关的估计值及确定值对应的数据和通过相关的网站(由分析师等运营的网站)、网络公开的数据来收集提供值。
数据量化装置200基于从多个信息管理者侧装置100接收的提供值和对提供值进行提供的信息管理者数来算出平均值，将平均值设定为比较用基准值后，通过设定的比较用基准值和预设的期间的确定值及估计值间的比较来赋予加权值，以这种方式可算出各期间分数。具体地，比较用基准值大于各期间确定值(估计值)时，数据量化装置200赋予预设的负加权值(-a)并算出各期间分数，比较用基准值小于或等于各期间确定值(估计值)时，赋予正加权值(a)并可算出各期间分数。
此外，数据量化装置200通过利用各期间分数算出该年度的合计分数的方式可算出各年度合计分数。具体地，数据量化装置200利用当前年度的各季度分数来算出当前度的总分数，利用上一年度的各季度分数算出上一年度的总分数，并且利用下一年度的各季度分数可算出下一年度的总分数。
另外，数据量化装置200不仅可基于各期间分数和各年度总分数生成并提供量化的曲线图，而且可通过与数据有关联性的数据(以下，称为“关联数据”)和量化的曲线图间的比较提供能比较关联数据的变化移动的数据。
数据量化装置200根据使用者设定的区间，提供利用区间内各期间分数和将区间内期间的分数合计的累积分数的曲线图，可提供将使用者设定的区间内关联数据反应在曲线图并可进行比较的曲线图。
本发明的实施例中，以从信息管理者侧装置100接收提供值为例进行了说明，但数据量化装置200可通过大数据分析来收集提供值。具体地，数据量化装置200可基于与实绩相关的估计值及确定值对应的数据和通过相关的网站(由分析师等运营的网站)、网络公开的数据来收集提供值。
为此，根据本发明的实施例的数据量化装置200，如图2所示，可包括：连动部210，其用于和信息管理者侧装置100的连动；数据接收部220，其从通过连动部210连接的信息管理者侧装置100接收数据并存储在数据库202；基准值生成部230，其基于从信息管理者侧装置100接收的提供值来生成比较用基准值；分数算出部240，其利用存储在数据库202的数据和比较用基准值来算出基于预设的加权值的各期间分数；量化部250，其利用各期间分数来生成量化的曲线图；以及数据分析部260，其不仅提供在量化的曲线图反映关联数据的比较型曲线图，而且提供比较结果数据。
本发明的实施例中，为了收集提供值，连动部210可与互联网上的各种各样的媒体，例如研究开发管理媒体、由分析师管理信息的媒体、团体的运营媒体等连动，通过连动来收集各媒体管理的数据，通过对收集的数据进行的分析可获得提供值。此时，基准值生成部230基于对提供值进行提供的媒体的数量和提供值的合计结果可算出比较用基准值。
参照图3，对具有如上所述构成的数据量化装置200对包括估计值和确定值的数据进行量化的过程进行说明。
图3是示出根据本发明的实施例的数据量化装置200对估计值和确定值的数据进行量化的过程的流程图。
为了说明的便利，以期间为季度，当前基准日为2019年12月31日为例进行说明。
如图3所示，数据量化装置200通过连动部210接收从多个信息管理者侧装置100提供的以前年度即2018年度各季度确定值、当前年度的各季度确定值及下一年度即2020年度各季度估计值，并在数据库202存储S300。
并且，数据量化装置200通过和信息管理者侧装置100或各种媒体的连动，收集与实绩相关并可用作基准值的提供值，即本期纯收益和营业收益的数据S302。
然后，数据量化装置200算出收集到的提供值的平均值，将平均值设定为比较用基准值S304。
与此同时，数据量化装置200算出对于当前年度的确定值的各季度当前年度平均值、对于以前年度的确定值的各季度以前年度平均值及对于下一年度的估计值的各季度下一年度平均值等S306。
然后，数据量化装置200判断1季度当前年度平均值是否大于比较用基准值S308。
根据S308的判断结果，如果1季度当前年度平均值大于比较用基准值，则数据量化装置200算出赋予负加权值(-a，a是实数、记号、文字等)的分数S310，小于或等于比较用基准值时，算出赋予正加权值(a)的分数S312。
反复地进行上述的步骤S308、S310、S312，可算出当前年度、以前年度及下一年度的各季度分数。
数据量化装置200基于通过上述的步骤算出的分数生成曲线图(图表)S314。具体地，如图4所示，数据量化装置200生成表示当前年度合计分数、以前年度合计分数、下一年度合计分数及将下一年度合计分数和当前年度合计分数合计的分数等的曲线图。
此外，数据量化装置200生成使得与指数相关数据等关联数据对应的图表和曲线图合并的比较用曲线图S316。
数据与实绩相关，期间为季度，当前基准日2019年12月31日为基准时，对信息管理者侧装置100及数据量化装置200运转的过程举例说明如下。
首先，多个信息管理者侧装置100以当前基准日为基准可提供当前年度的各季度实绩确定值、下一年度各季度实绩估计值及上一年度各季度实绩确定值。
据此，数据量化装置200以从多个信息管理者侧装置100接收的提供值为基础可算出基准值即基准营业收益、基准本期纯收益等。
然后，数据量化装置200以当前基准日为基准，通过上一年度各季度营业收益(基于实绩确定值计算的营业收益)和基准营业收益间的比较，可赋予加权值并算出分数。具体地，季度的营业收益大于基准营业收益的情况，数据量化装置200赋予负加权值(-a)并算出分数，季度的营业收益小于或等于基准营业收益的情况，赋予正加权值(a)并算出分数，上一年度本期纯收益(用实绩确定值计算的本期纯收益)大于基准本期纯收益的情况，赋予负加权值(-a)并算出分数，季度的本期纯收益小于或等于基准本期纯收益的情况，可赋予正加权值(a)并算出分数。
此外，下一年度季度的营业收益(用下一年度实绩估计值计算)大于现有营业收益的情况，数据量化装置200赋予负加权值(-a)并算出分数，下一年度季度的营业收益小于或等于基准营业收益的情况，赋予正加权值(a)并算出分数，下一年度的本期纯收益(用实绩估计值计算的本期纯收益)大于基准本期纯收益的情况，赋予负加权值(-a)并算出分数，下一年度季度的本期纯收益小于或等于基准本期纯收益的情况，可赋予正加权值(a)并算出分数。
如上所述，根据本发明的实施例的数据量化装置200以当前基准日为基准算出预设区间，例如前后1年、2年……n年的各期间分数和通过各期间分数的合计的各年度分数，基于算出的分数可生成量化的曲线图。
此外，数据量化装置200也可生成实绩和指数间的比较的曲线图。具体地，数据量化装置200也可通过和实绩相关的指数变化曲线图(从外部接收)和量化的曲线图间的比较而提供由根据实绩的指数变化移动决定的比较数据。
另外，附上的块图的各块和流程图的各步骤的组合也可借助电脑程序指令来执行。这些电脑程序指令可搭载在通用电脑、特殊用电脑或其他可编写程序的数据处理设备的处理器，因此通过电脑或其他可编写程序的数据处理设备的处理器执行的指令生成用于执行在块图的各块中说明的功能的手段。
为了以特定方式实现功能，这些电脑程序指令可存储在能指向电脑或其他可编写程序的数据处理设备的电脑可利用或电脑可读记录媒体(或存储器)等，因此存储在该电脑可利用或电脑可读记录媒体(或存储器)的指令也可生成制造清单，所述制造清单包括执行块图的各块中说明的功能的指令手段。
并且，电脑程序指令可搭载在电脑或其他可编写程序的数据处理设备上，因此在电脑或其他可编写程序的数据处理设备上执行一系列的操作步骤，生成通过电脑执行的进程，执行电脑或其他可编写程序的数据处理设备的指令也可提供用于运行在块图的各块中说明的功能的步骤。
此外，各块可表示包括用于运行特定的逻辑性功能的至少一个以上的可运行的指令的模块、段或代码的一部分。并且，应注意的是，在几个代替实施例中，块图中提及的功能可能脱离顺序而发生。例如，接连示出的2个块事实上实质可同时进行，或该块根据所属功能偶尔也可倒序进行。

Claims (3)

1.一种基于确定值及估计值的数据量化方法，其特征在于，包括如下步骤：
数据量化装置从至少两个以上的信息管理者侧装置收集与以当前日期为基准预设的以前区间的每个预设期间的确定值、以当前日期为基准的当前年度的估计值和确定值以及以当前日期为基准预设的以后区间的每个预设区间的估计值对应的数据；
收集可与估计值和确定值相比较的提供值后，基于该提供值算出至少一个以上的比较用基准值；
通过以前区间的各期间确定值、当前年度的各期间确定值及以后区间的各期间估计值与比较用基准值间的比较，对各期间当前年度、以前区间及以后区间的各期间赋予加权值，通过这种方法，按各期间及各区间对数据进行量化；
量化的步骤包括如下步骤：
利用以前区间的各期间确定值、当前年度的各期间确定值及以后区间的各期间估计值来算出各期间或各区间平均值；
算出的平均值大于各期间确定值或估计值时，赋予负加权值，算出的平均值小于或等于各期间确定值或估计值时，赋予正加权值，从而算出以前区间、当前年度及以后区间的各期间分数；
基于以前区间、当前年度及以后区间的各期间分数来算出以前区间、当前年度及以后区间的合计分数；
利用合计分数和以前区间、当前年度及以后区间的各期间分数来生成量化的曲线图；
收集的数据为实绩估计值及确定值，比较用提供值为本期纯收益及营业收益，关联数据为指数相关曲线图。
2.根据权利要求1所述的基于确定值及估计值的数据量化方法，其特征在于，
数据量化方法还包括如下步骤：
接收从外部提供的与数据相关的关联数据；
生成使得与关联数据对应的曲线图包括在量化的曲线图的比较型曲线图。
3.根据权利要求1所述的基于确定值及估计值的数据量化方法，其特征在于，
生成比较用基准值的步骤，
通过对在互联网上公布与提供值相关的数据的媒体提供的数据进行分析来收集提供值后，基于收集的提供值生成比较用基准值。
CN202080094473.6A 2019-11-25 2020-10-07 基于确定值及估计值的数据量化方法 Active CN115004182B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR10-2019-0151843 2019-11-25
KR1020190151843A KR102153834B1 (ko) 2019-11-25 2019-11-25 확정치 및 추정치 기반의 데이터 정량화 방법
PCT/KR2020/013647 WO2021107386A1 (ko) 2019-11-25 2020-10-07 확정치 및 추정치 기반의 데이터 정량화 방법

Publications (2)

Publication Number Publication Date
CN115004182A true CN115004182A (zh) 2022-09-02
CN115004182B CN115004182B (zh) 2024-10-15

Family

ID=72451543

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080094473.6A Active CN115004182B (zh) 2019-11-25 2020-10-07 基于确定值及估计值的数据量化方法

Country Status (9)

Country Link
US (2) US20230005065A1 (zh)
EP (1) EP4068123A4 (zh)
JP (1) JP7344609B2 (zh)
KR (1) KR102153834B1 (zh)
CN (1) CN115004182B (zh)
AU (1) AU2020393475A1 (zh)
CA (1) CA3159174A1 (zh)
TW (1) TWI792101B (zh)
WO (1) WO2021107386A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102153834B1 (ko) * 2019-11-25 2020-09-09 티아이테크놀로지 주식회사 확정치 및 추정치 기반의 데이터 정량화 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101785547B1 (ko) * 2016-07-08 2017-10-17 한양대학교 산학협력단 주기성 시계열 데이터의 변동 추정 장치 및 방법
KR20190108559A (ko) * 2016-10-21 2019-09-24 데이터로봇, 인크. 예측 데이터 분석을 위한 시스템 및 관련 방법 및 장치

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7383217B2 (en) * 2002-01-08 2008-06-03 International Business Machines Corporation System and method for resource reduction financial impact analysis
US20050262014A1 (en) * 2002-03-15 2005-11-24 Fickes Steven W Relative valuation system for measuring the relative values, relative risks, and financial performance of corporate enterprises
US8005740B2 (en) * 2002-06-03 2011-08-23 Research Affiliates, Llc Using accounting data based indexing to create a portfolio of financial objects
US7529703B2 (en) * 2003-11-18 2009-05-05 Citigroup Global Markets, Inc. Method and system for artificial neural networks to predict price movements in the financial markets
US20070043642A1 (en) * 2004-08-20 2007-02-22 Smith Eric S Method configured for facilitating financial consulting services
CN102270333A (zh) * 2010-06-02 2011-12-07 兆雅股份有限公司 股票多空买卖决策系统
KR101543643B1 (ko) * 2012-05-03 2015-08-11 (주)뉴지스탁 주식종목 순위 분석 시스템 및 이를 이용한 주식종목 선택방법
KR20140005474A (ko) * 2012-07-04 2014-01-15 한국전자통신연구원 빅데이터 처리를 위한 애플리케이션 제공 장치 및 제공 방법
GB2537776A (en) * 2014-02-14 2016-10-26 Tidd Nathan Selecting equity investments using quantitative multi-factor models
KR20160038147A (ko) * 2014-09-29 2016-04-07 (주)한국투자교육연구소 기업 가치 평가 시스템 및 그 방법
KR101712361B1 (ko) * 2015-01-23 2017-03-13 성신여자대학교 산학협력단 빅데이터 분석을 이용한 ｐ２ｐ 뱅킹 신용도 평가 방법 및 시스템
CN104778622A (zh) * 2015-04-29 2015-07-15 清华大学 Tps交易事件阈值的预测方法及预测系统
KR102044205B1 (ko) * 2015-12-30 2019-11-13 주식회사 솔리드웨어 빅데이터와 기계학습을 이용한 타겟 정보 예측 시스템 및 예측 방법
KR101913591B1 (ko) 2017-08-25 2018-12-28 경희대학교 산학협력단 비정형 데이터를 정형화하여 금융상품을 추천하는 방법
CN109993660A (zh) * 2017-12-29 2019-07-09 广州潽蓝信息科技有限公司 基于海量金融投资数据的量化分析和推送的方法及系统
JP6403360B1 (ja) * 2018-02-05 2018-10-10 有限会社 アドリブ 財務諸表解釈支援装置、コンピュータプログラム
JP6516309B1 (ja) * 2018-09-28 2019-05-22 株式会社ココペリ 財務分析システム及び財務分析プログラム
KR102153834B1 (ko) * 2019-11-25 2020-09-09 티아이테크놀로지 주식회사 확정치 및 추정치 기반의 데이터 정량화 방법
US20220366332A1 (en) * 2021-04-13 2022-11-17 Riskbeam GmbH Systems and methods for risk-adaptive security investment optimization

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101785547B1 (ko) * 2016-07-08 2017-10-17 한양대학교 산학협력단 주기성 시계열 데이터의 변동 추정 장치 및 방법
KR20190108559A (ko) * 2016-10-21 2019-09-24 데이터로봇, 인크. 예측 데이터 분석을 위한 시스템 및 관련 방법 및 장치

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ALYSSA M. DAUSMAN: "Quantifying Data Worth Toward Reducing Predictive Uncertainty", GROUNDWATER, vol. 48, no. 05, 19 August 2010 (2010-08-19), pages 729 - 740, XP071261490, DOI: 10.1111/j.1745-6584.2010.00679.x *
JDQUANT: "简介量化金融中使用的时间序列模型", Retrieved from the Internet <URL:https://blog.csdn.net/JDquant/article/details/53696805> *
PHILIPPE DU JARDIN: "Bankruptcy prediction using terminal failure processes", EUROPEAN JOURNAL OF OPERATIONAL RESEARCH, vol. 242, no. 01, 1 April 2015 (2015-04-01), pages 286 - 303 *

Also Published As

Publication number Publication date
JP7344609B2 (ja) 2023-09-14
EP4068123A1 (en) 2022-10-05
CA3159174A1 (en) 2021-06-03
TW202121157A (zh) 2021-06-01
WO2021107386A1 (ko) 2021-06-03
AU2020393475A1 (en) 2022-07-14
US20230005065A1 (en) 2023-01-05
TWI792101B (zh) 2023-02-11
CN115004182B (zh) 2024-10-15
US20240265459A1 (en) 2024-08-08
EP4068123A4 (en) 2023-12-06
KR102153834B1 (ko) 2020-09-09
JP2023505058A (ja) 2023-02-08

Similar Documents

Publication Publication Date Title
US20250054009A1 (en) Machine learning architecture for risk modelling and analytics
Al-Khasawneh et al. Stock market trend prediction using deep learning approach
De Vlaminck et al. The relationship between audit committee characteristics and financial statement quality: evidence from Belgium
Guo et al. Predicting short-term Bitcoin price fluctuations from buy and sell orders
Steinker et al. Inventory management under financial distress: an empirical analysis
Maaß et al. Improving short-term demand forecasting for short-lifecycle consumer products with data mining techniques
Barron et al. Earnings announcement disclosures and changes in analysts' information
Alves et al. Survival mixture models in behavioral scoring
Iftikhar et al. A novel hybrid framework for forecasting stock indices based on the nonlinear time series models
Gagliardini et al. Indirect inference estimation of mixed frequency stochastic volatility state space models using MIDAS regressions and ARCH models
Garkavenko et al. Valuation of startups: A machine learning perspective
Hallam et al. Semiparametric density forecasts of daily financial returns from intraday data
CN115004182A (zh) 基于确定值及估计值的数据量化方法
Briola et al. Deep limit order book forecasting
Anshori et al. Optimizing occupancy of hospitality sector using Support Vector Regression and Genetic Algorithm
Tran et al. Bilinear input normalization for neural networks in financial forecasting
CN117132317A (zh) 数据处理方法、装置、设备、介质及产品
Latif et al. A smart technique to forecast karachi stock market share-values using ARIMA model
CN114445206A (zh) 一种资产包估值方法
CN114266655A (zh) 基于强化学习的风控模型构建方法及装置
Poon et al. Do recessions and bear markets occur concurrently across countries? A multinomial logistic approach
Benli FDI and export spillovers using Heckman’s two step approach: Evidence from Turkish manufacturing data
Prorokowski IFRS 9 in credit risk modelling
Mittapelly Predictive CRM Insights: Exploring Deep Learning Applications in Salesforce Data Analytics
Sancaktaroğlu et al. Data-driven mechanisms for a newsvendor problem: a case study

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant