交易量预测的方法及设备技术

本发明专利技术提供了一种交易量预测的方法及设备。本发明专利技术的交易量预测的方法包括：获取当前交易日第i分钟区间股票的预测交易量比例r

Method and equipment for forecasting trade volume

The present invention provides a method and a device for predicting the volume of transactions. The method for predicting the trading volume of the invention comprises: obtaining the predicted trading volume ratio r of the stock market in the first I minutes of the current trading day;

【技术实现步骤摘要】
交易量预测的方法及设备
本专利技术涉及计算机技术，尤其涉及一种交易量预测的方法及设备。
技术介绍
随着计算机技术的不断发展，越来越多的投资者在证券交易过程中采用算法进行股票交易，美国证券市场已有70％以上的股票交易使用算法进行交易。股票交易采用算法进行交易，可以提高整体交易市场的流动性，以及减少市场冲击，降低投资者的交易成本。对掌握大量资金的机构投资者，在做大额股票交易时，往往不能一次性成交，产生较大的冲击成本，未成交部分将承担这部分冲击成本，导致交易成本比市场平均成本高，因此，需要将大额订单拆成小额订单，逐步送入市场，降低交易成本。而采用VWAP算法可以找到一种拆单方式，使得股票交易实现的总均价最接近交易区间内市场的该股票的均价，从而得到将大额订单拆成小额订单的方法，也就是说采用VWAP算法，先预测出各区间的交易量，然后根据预测的交易量进行交易。目前大部分股票交易量预测方法所采用的VWAP算法为基于经典的历史平均VWAP法或者简单动态VWAP算法，未考虑历史交易日的收盘价和历史交易日的分钟区间股票均价对当前交易日各分钟区间交易量的影响，对当前交易日各分钟区间交易量的预测不准确。
技术实现思路
本专利技术提供一种交易量预测的方法及设备，以克服现有技术中的方法对当前交易日各区间交易量的预测不准确的技术问题。本专利技术提供一种交易量预测方法，包括：根据交易量比例预测模型，得到当前交易日第i分钟区间股票的预测交易量比例ri；获取所述第i分钟区间的第一调整系数Ci和第i分钟区间的第二调整系数Di；其中，第一调整系数是根据预测得到的当前交易日的第一涨跌方向确定的，所述第一涨跌方向是根据多个连续的历史交易日的收盘价确定的；第二调整系数是根据预测得到的当前交易日的第i分钟区间的股票均价相对于第i-1分钟区间的股票均价的第二涨跌方向确定的，所述第二涨跌方向是根据多个连续的历史交易日的第i分钟区间的股票均价和第i-1分钟区间的股票均价确定的；根据所述第一调整系数Ci、第二调整系数Di和所述预测交易量比例ri，得到当前交易日第i分钟区间股票的目标交易量比例Ri；根据所述股票的成交总量和当前交易日第i分钟区间股票的目标交易量比例Ri，预测当前交易日第i分钟区间股票的目标交易量；其中，i＝1、2……I。如上所述的方法，在所述根据所述股票的成交总量和当前交易日第i分钟区间股票的目标交易量比例Ri，得到当前交易日第i分钟区间股票的目标交易量之前，所述方法还包括：根据日成交量预测模型，得到当前交易日的所述股票的成交总量X。如上所述的方法，所述交易量比例预测模型的表达式为公式一：vpDiffi＝b0+b1×svpDiffi-1+b2×abs(intervalGaini-1)公式一；其中，b0、b1和b2均为交易量比例预测模型的系数，vpDiffi为当前交易日第i分钟区间股票的预测交易量比例ri与N个历史交易日的第i分钟区间股票的平均交易量比例Li的差值，svpDiffi-1为当前交易日第i-1分钟区间股票的目标交易量比例Ri-1与N个历史交易日的第i-1分钟区间股票的平均交易量比例Li-1的差值，abs(intervalGaini-1)是指当前交易日的第i-1分钟区间的股票均价与第i-2分钟区间的股票均价的收益率的绝对值；intervalGain0为当前交易日的开盘价与当前交易日之前的第1历史交易日的收盘价的收益率，svpDiff0为当前交易日的集合竞价交易量比例与N个历史交易日的平均集合竞价交易量比例的差值，intervalGain1为当前交易日第1分钟区间的股票均价与当前交易日的开盘价的收益率；其中，所述N个历史交易日的第i分钟区间股票的平均交易量比例Li的表达式为公式二：Li＝(a1i+a2i+…+ani+…aNi)/N，公式二；其中，ani是指当前交易日之前第n历史交易日的第i分钟区间股票的交易量比例；相应地，根据所述交易量比例预测模型，获取当前交易日第i分钟区间股票的预测交易量比例ri，包括：根据所述交易量比例预测模型，得到当前交易日第i分钟区间股票的交易量比例与历史交易日的第i分钟区间股票的平均交易量比例的差值vpDiffi；通过公式三获取当前交易日第i分钟区间股票的预测交易量比例ri：ri＝vpDiffi+Li公式三。如上所述的方法，在所述根据所述交易量比例预测模型，获取当前交易日第i分钟区间股票的预测交易量比例之前，所述方法还包括：选取第一训练样本集，所述第一训练样本集中包括多个第一训练样本，所述第一训练样本为当前交易日之前第n1历史交易日所述股票的第一交易参数，n1为正整数，n1＝1,2……N1；根据各所述第一训练样本各自的第一交易参数，采用自回归的方法，对多个所述第一训练样本训练，得到交易量比例预测模型的各系数：b0、b1和b2；根据所述b0、b1和b2，得到所述交易量比例预测模型。如上所述的方法，根据所述第一调整系数Ci、第二调整系数Di和所述预测交易量比例ri，得到当前交易日第i分钟区间股票的目标交易量比例Ri包括：通过公式四得到当前交易日第i分钟区间股票的目标交易量比例Ri：Ri＝ri×Di+Ci公式四。如上所述的方法，所述获取第i分钟区间的第一调整系数Ci包括：选取第二训练样本集，所述第二训练样本集中包括多个第二训练样本，所述第二训练样本为当前交易日之前第h历史交易日所述股票的技术指标参数，h为正整数，h＝1,2……H；根据各所述第二训练样本各自的技术指标参数，采用机器学习算法对所述多个第二训练样本进行训练，得到所述股票的当前交易日之前第h历史交易日的收盘价相对于当前交易日之前第h+1历史交易日收盘价的第三涨跌方向值；根据各所述第三涨跌方向值，得到当前交易日收盘价相对于与当前交易日之前第1历史交易日的收盘价之间的第一涨跌方向值；若所述第一涨跌方向值为正值，且当前交易日的交易类型为买单，或者所述第一涨跌方向值为负值，且当前交易日的交易类型为卖单，则通过公式五获取处理后的历史交易日的第i分钟区间股票的平均交易量比例pastVpNewi：pastVpNewi＝pastVpi×[0.8+exp(1-i/I)-exp(-1)]/[exp(1)-exp(-1)×0.2]公式五其中，pastVpi为当前交易日之前H1个历史交易日的第i分钟区间股票的平均交易量比例；若所述第一涨跌方向值为负值，且当前交易日的交易类型为买单，或者所述第一涨跌方向值为正值，且当前交易日的交易类型为卖单，则通过公式六获取处理后的历史交易日的第i分钟区间股票的平均交易量比例pastVpNewi：pastVpNewi＝pastVpi×[0.8+exp(i/I)-exp(-1)]/[exp(1)-exp(-1)×0.2]公式六；对pastVpNewi进行归一化，得到gpastVpNewi通过公式七得到第i分钟区间的第一调整参数Ci：Ci＝gpastVpNewi－pastVpi公式七。如上所述的方法，所述获取第i分钟区间的第二调整系数Di包括：选取第三训练样本集，所述第三训练样本集中包括多个第三训练样本，所述第三训练样本为当前交易日之前第k历史交易日所述股票的特征参数，k为正整数，k＝1,2……K；根据各所述第三训练样本各自的特征参数，采用机器学习算法或本文档来自技高网...

【技术保护点】
一种交易量预测方法，其特征在于，包括：根据交易量比例预测模型，得到当前交易日第i分钟区间股票的预测交易量比例r

【技术特征摘要】
1.一种交易量预测方法，其特征在于，包括：根据交易量比例预测模型，得到当前交易日第i分钟区间股票的预测交易量比例ri；获取所述第i分钟区间的第一调整系数Ci和第i分钟区间的第二调整系数Di；其中，第一调整系数是根据预测得到的当前交易日的第一涨跌方向确定的，所述第一涨跌方向是根据多个连续的历史交易日的收盘价确定的；第二调整系数是根据预测得到的当前交易日的第i分钟区间的股票均价相对于第i-1分钟区间的股票均价的第二涨跌方向确定的，所述第二涨跌方向是根据多个连续的历史交易日的第i分钟区间的股票均价和第i-1分钟区间的股票均价确定的；根据所述第一调整系数Ci、第二调整系数Di和所述预测交易量比例ri，得到当前交易日第i分钟区间股票的目标交易量比例Ri；根据所述股票的成交总量和当前交易日第i分钟区间股票的目标交易量比例Ri，预测当前交易日第i分钟区间股票的目标交易量；其中，i＝1、2……I。2.根据权利要求1所述的方法，其特征在于，在所述根据所述股票的成交总量和当前交易日第i分钟区间股票的目标交易量比例Ri，得到当前交易日第i分钟区间股票的目标交易量之前，所述方法还包括：根据日成交量预测模型，得到当前交易日的所述股票的成交总量X。3.根据权利要求1所述的方法，其特征在于，所述交易量比例预测模型的表达式为公式一：vpDiffi＝b0+b1×svpDiffi-1+b2×abs(intervalGaini-1)公式一；其中，b0、b1和b2均为交易量比例预测模型的系数，vpDiffi为当前交易日第i分钟区间股票的预测交易量比例ri与N个历史交易日的第i分钟区间股票的平均交易量比例Li的差值，svpDiffi-1为当前交易日第i-1分钟区间股票的目标交易量比例Ri-1与N个历史交易日的第i-1分钟区间股票的平均交易量比例Li-1的差值，abs(intervalGaini-1)是指当前交易日的第i-1分钟区间的股票均价与第i-2分钟区间的股票均价的收益率的绝对值；intervalGain0为当前交易日的开盘价与当前交易日之前的第1历史交易日的收盘价的收益率，svpDiff0为当前交易日的集合竞价交易量比例与N个历史交易日的平均集合竞价交易量比例的差值，intervalGain1为当前交易日第1分钟区间的股票均价与当前交易日的开盘价的收益率；其中，所述N个历史交易日的第i分钟区间股票的平均交易量比例Li的表达式为公式二：Li＝(a1i+a2i+…+ani+…aNi)/N，公式二；其中，ani是指当前交易日之前第n历史交易日的第i分钟区间股票的交易量比例；相应地，根据所述交易量比例预测模型，获取当前交易日第i分钟区间股票的预测交易量比例ri，包括：根据所述交易量比例预测模型，得到当前交易日第i分钟区间股票的交易量比例与历史交易日的第i分钟区间股票的平均交易量比例的差值vpDiffi；通过公式三获取当前交易日第i分钟区间股票的预测交易量比例ri：ri＝vpDiffi+Li公式三。4.根据权利要求3所述的方法，其特征在于，在所述根据所述交易量比例预测模型，获取当前交易日第i分钟区间股票的预测交易量比例之前，所述方法还包括：选取第一训练样本集，所述第一训练样本集中包括多个第一训练样本，所述第一训练样本为当前交易日之前第n1历史交易日所述股票的第一交易参数，n1为正整数，n1＝1,2……N1；根据各所述第一训练样本各自的第一交易参数，采用自回归的方法，对多个所述第一训练样本训练，得到交易量比例预测模型的各系数：b0、b1和b2；根据所述b0、b1和b2，得到所述交易量比例预测模型。5.根据权利要求1所述的方法，其特征在于，根据所述第一调整系数Ci、第二调整系数Di和所述预测交易量比例ri，得到当前交易日第i分钟区间股票的目标交易量比例Ri包括：通过公式四得到当前交易日第i分钟区间股票的目标交易量比例Ri：Ri＝ri×Di+Ci公式四。6.根据权利要求5所述的方法，其特征在于，所述获取第i分钟区间的第一调整系数Ci包括：选取第二训练样本集，所述第二训练样本集中包括多个第二训练样本，所述第二训练样本为当前交易日之前第h历史交易日所述股票的技术指标参数，h为正整数，h＝1,2……H；根据各所述第二训练样本各自的技术指标参数，采用机器学习算法对所述多个第二训练样本进行训练，得到所述股票的当前交易日之前第h历史交易日的收盘价相对于当前交易日之前第h+1历史交易日收盘价的第三涨跌方向值；根据各所述第三涨跌方向值，得到当前交易日收盘价相对于与当前交易日之前第1历史交易日的收盘价之间的第一涨跌方向值；若所述第一涨跌方向值为正值，且当前交易日的交易类型为买单，或者所述第一涨跌方向值为负值，且当前交易日的交易类型为卖单，则通过公式五获取处理后的历史交易日的第i分钟区间股票的平均交易量比例pastVpNewi：pastVpNewi＝pastVpi×[0.8+exp(1-i/I)-exp(-1)]/[exp(1)-exp(-1)×0.2]公式五其中，Li为当前交易日之前H1个历史交易日的第i分钟区间股票的平均交易量比例；若所述第一涨跌方向值为负值，且当前交易日的交易类型为买单，或者所述第一涨跌方向值为正值，且当前...

【专利技术属性】
技术研发人员：周翾，
申请(专利权)人：中国银河证券股份有限公司，
类型：发明
国别省市：北京,11