使用Python库valuequant实现股权价值多模型加权整合

本专栏上期文章介绍使用公司利润表历史数据建立多维度时间序列集模型进行股权价值评估的分析方法，以解决单一每股收益时间序列模型因信息缺乏而出现较大误差的问题。本期文章继续在前期讨论的基础上，介绍在历史数据相邻时间点模型出现一定程度差异或者需要进行多种时间序列建模方法评估时可使用的一种加权整合方法。

适合的建模场景

1. 使用截止相邻不同时间点的历史数据构建的时间序列(集)模型的参数有一定程度差异，需要充分考虑不同时期模型信息以缓和突发性非稳定因素对建模工作的影响。

2. 使用多种时间序列建模方法构建模型，以尽量避免单一时间序列建模方法的天然缺陷。

加权整合目标

1. 单个模型的计算结果需要其他模型的计算结果支持，即计算结果与整体其他模型越相近则加权权重越高，计算结果与整体其他模型差异越大则加权权重越低。

2. 极端异常模型可剔除。

加权整合步骤

首先，建立衡量模型与模型之间相异程度的联系难度函数：

其中，代表模型i和模型j的联系难度，C是联系难度函数，