一种量化交易预测方法、装置及设备制造方法及图纸

本申请公开了一种量化交易预测方法、装置及设备，其中方法包括：获取当前时刻交易市场的当前市场指标和当前交易指标；将当前市场指标和当前交易指标代入量化交易预测模型，对量化交易预测模型中相对应的参数进行更新；获取待测交易行为的待测交易数据，将待测交易数据输入更新后的量化交易预测模型进行预测，确定出待测交易数据属于失败交易数据的失败概率，并根据该失败概率判断该待测交易行为是否属于失败交易行为。通过上述方案，有效提高交易行为预测判断的速度，并且量化交易预测模型具有学习训练的能力，能够随着市场交易的变化及时更新，进而有效提高交易行为预测的准确率。

【技术实现步骤摘要】
一种量化交易预测方法、装置及设备
本申请涉及金融交易
，特别是涉及一种量化交易预测方法、装置及设备。
技术介绍
随着人们生活水平的提高，人们手中积累的资产越来越多，有些人会将这些资产放在银行中，但是银行的收益利率非常的低，因此现在很多人选择将资产进行金融投资交易。由于金融投资交易的收益情况不固定，为了能够更好的帮助投资者进行理财投资，很多理财公司使用量化交易的方式为投资者进行投资检测。量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。但是目前的量化交易的准确率还比较低，对于失败的量化交易只能人工分析和查询，进而来确定是否存在改进方案或者不合理的交易，然后再通过具体的策略代码进行修正，然而上述情况往往会造成过拟合的效果，而且对于量化策略的微调会带来负面的效果和影响，很难量化最终的效果。
技术实现思路
有鉴于此，本申请提供了一种量化交易预测方法、装置及设备，主要目的在于解决目前对于失败的量化交易只能进行人工分析和查询，使得量化交易的准确率较低的问题。依据本申请的第一方面，提供了一种量化交易预测方法，所述方法包括：获取当前时刻交易市场的当前市场指标和当前交易指标，其中，当前市场指标和当前交易指标均会随着时间的变化而不断变动；将所述当前市场指标和所述当前交易指标代入量化交易预测模型，对所述量化交易预测模型中相对应的参数进行更新，进而保证所述相对应的参数的准确性，所述量化交易预测模型是根据历史失败交易数据进行学习训练获得，所述量化交易预测模型中设有分别与当前市场指标和当前交易指标相对应的参数；获取待测交易行为的待测交易数据，将所述待测交易数据输入更新后的量化交易预测模型进行预测，确定出所述待测交易数据属于失败交易数据的失败概率；将所述失败概率与预定概率进行对比，当所述失败概率大于等于所述预定概率时，则所述待测交易数据属于失败交易数据，否则属于成功交易数据。依据本申请的第二方面，提供了一种量化交易预测装置，所述装置包括：获取单元，用于获取当前时刻交易市场的当前市场指标和当前交易指标，其中，当前市场指标和当前交易指标均会随着时间的变化而不断变动；更新单元，用于将所述当前市场指标和所述当前交易指标代入量化交易预测模型，对所述量化交易预测模型中相对应的参数进行更新，进而保证所述相对应的参数的准确性，所述量化交易预测模型是根据历史失败交易数据进行学习训练获得，所述量化交易预测模型中设有分别与当前市场指标和当前交易指标相对应的参数；预测单元，用于获取待测交易行为的待测交易数据，将所述待测交易数据输入更新后的量化交易预测模型进行预测，确定出所述待测交易数据属于失败交易数据的失败概率；确定单元，用于将所述失败概率与预定概率进行对比，当所述失败概率大于等于所述预定概率时，则所述待测交易数据属于失败交易数据，否则属于成功交易数据。依据本申请的第三方面，提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现第一方面所述的量化交易预测方法。依据本申请的第四方面，提供了一种量化交易预测设备，所述设备包括存储介质和处理器，所述存储介质，用于存储计算机程序；所述处理器，用于执行所述计算机程序以实现第一方面所述的量化交易预测方法。借由上述技术方案，本申请提供的一种量化交易预测方法、装置及设备，能够利用经过历史失败交易行为进行学习训练得到的量化交易预测模型，对用户的当前交易行为进行预测分析，确定出该待测交易数据属于失败交易数据的失败概率，并根据该失败概率判断该待测交易行为是否属于失败交易行为，这种预测方式无需人工处理，有效提高交易行为预测判断的速度，并且量化交易预测模型具有学习训练的能力，能够随着市场交易的变化及时更新，进而有效提高交易行为预测的准确率。上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1为本申请的量化交易预测方法的一个实施例的流程图；图2为本申请的量化交易预测装置的一个实施例的结构框图；图3为本申请的量化交易预测设备的结构示意图。具体实施方式下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。本申请实施例提供了一种量化交易预测方法，能够根据历史失败交易数据进行学习训练，得到量化交易预测模型，利用量化交易预测模型对用户的交易行为进行预测，确定出判断待测交易数据属于失败交易数据的失败概率，并根据该失败概率判断该待测交易行为是否属于失败交易行为，进而提高量化交易的准确率。量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术对大量的数据进行海选以制定相应的量化交易策略(即本申请得到的量化交易预测模型)，并根据该量化交易策略对投资者的交易行为进行预测，使投资者能够根据预测结果决定自己的投资决策，能够极大地减少了由于投资者情绪波动的影响，以及在市场极度狂热或悲观的情况下，投资者作出非理性的投资决策。如图1所示，本申请实施例提供了一种量化交易预测方法，包括：步骤101，获取当前时刻交易市场的当前市场指标和当前交易指标，其中，当前市场指标和当前交易指标均会随着时间的变化而不断变动。市场指标包括：股票指标、商业投资指标、基金指标、债券指标，股票指标又包括：相对强弱指标(RSI，RelativeStrengthIndex)、随机指标(KDJ，Stochasticsoscillator)、趋向指标(DMI，DirectionalMovementIndex)、平滑异同平均线(MACD，MovingAverageConvergence/Divergence)、能量潮(OBV，OnBalanceVolume)、心理线、乖离率等。交易指标包括：交易行为的盈利比例、盈利金额等。步骤102，将当前市场指标和当前交易指标代入量化交易预测模型，对量化交易预测模型中相对应的参数进行更新，进而保证量化交易预测模型进行量化预测的准确性，其中，量化交易预测模型是根据历史失败交易数据进行学习训练获得，量化交易预测模型中设有分别与当前市场指标和当前交易指标相对应的参数。在上述技术方案中，由于市场指标和交易指标会随着时间的变动而产生变化，因此为了提高对用户交易行为(即，待测交易行为)预测的准确率，需要将当前时刻交易市场的当前市场指标和当前交易指标作为量化交易预测模型的基准，对量化交易模型中与当前市场指标和当前交易指标相对应的参数进行更新。这样，在利用更新后的量化交易预测模型来对用户的交易行为进行预测时，能够有效避本文档来自技高网...

【技术保护点】
1.一种量化交易预测方法，其特征在于，所述方法包括：获取当前时刻交易市场的当前市场指标和当前交易指标，其中，当前市场指标和当前交易指标均会随着时间的变化而不断变动；将所述当前市场指标和所述当前交易指标代入量化交易预测模型，对所述量化交易预测模型中相对应的参数进行更新，进而保证所述量化交易预测模型进行量化预测的准确性，其中，所述量化交易预测模型是根据历史失败交易数据进行学习训练获得，所述量化交易预测模型中设有分别与当前市场指标和当前交易指标相对应的参数；获取待测交易行为的待测交易数据，将所述待测交易数据输入更新后的量化交易预测模型进行预测，确定出所述待测交易数据属于失败交易数据的失败概率；将所述失败概率与预定概率进行对比，当所述失败概率大于等于所述预定概率时，则所述待测交易数据属于失败交易数据，否则属于成功交易数据。

【技术特征摘要】
1.一种量化交易预测方法，其特征在于，所述方法包括：获取当前时刻交易市场的当前市场指标和当前交易指标，其中，当前市场指标和当前交易指标均会随着时间的变化而不断变动；将所述当前市场指标和所述当前交易指标代入量化交易预测模型，对所述量化交易预测模型中相对应的参数进行更新，进而保证所述量化交易预测模型进行量化预测的准确性，其中，所述量化交易预测模型是根据历史失败交易数据进行学习训练获得，所述量化交易预测模型中设有分别与当前市场指标和当前交易指标相对应的参数；获取待测交易行为的待测交易数据，将所述待测交易数据输入更新后的量化交易预测模型进行预测，确定出所述待测交易数据属于失败交易数据的失败概率；将所述失败概率与预定概率进行对比，当所述失败概率大于等于所述预定概率时，则所述待测交易数据属于失败交易数据，否则属于成功交易数据。2.根据权利要求1所述的方法，其特征在于，在将所述当前市场指标和所述当前交易指标代入量化交易预测模型之前，所述方法还包括：收集预定时间段内的历史交易行为，并获取各个历史交易行为的历史交易数据；利用量化策略对所述历史交易数据进行回测，得到回测交易数据；从所述回测交易数据中筛选出失败交易数据；将各个所述失败交易数据输入随机森林模型或逻辑回归模型中进行学习训练，得到量化交易预测模型。3.根据权利要求1或2所述的方法，其特征在于，所述历史失败交易数据存在M类，所述量化交易预测模型有M个，所述M类历史失败交易数据与所述M个量化交易预测模型一一对应，其中，M为正整数；所述将所述当前市场指标和所述当前交易指标代入量化交易预测模型，对所述量化交易预测模型中相对应的参数进行更新，具体包括：将所述当前市场指标和所述当前交易指标代入M个量化交易预测模型，对所述M个量化交易预测模型中相对应的参数进行更新；所述获取待测交易行为的待测交易数据，将所述待测交易数据输入更新后的量化交易预测模型进行预测，确定出所述待测交易数据属于失败交易数据的失败概率，具体包括：获取待测交易行为的待测交易数据，利用M个更新后的量化交易预测模型分别对所述待测交易数据进行预测；确定出所述待测交易数据属于各个类型的失败交易数据的失败概率，每个更新后的量化交易模型对应一个失败概率，得到的失败概率的数量为M个；将所述失败概率与预定概率进行对比，当所述失败概率大于等于所述预定概率时，则所述待测交易数据属于失败交易数据，对所述待测交易行为进行拦截，否则属于成功交易数据，对所述待测交易行为进行放行，具体包括：将所述M个失败概率与预定概率进行一一对比，当所述M个失败概率中任一失败概率大于等于预定概率时，则所述待测交易数据属于失败交易数据，否则属于成功交易数据。4.根据权利要求2所述的方法，其特征在于，将各个所述失败交易数据输入随机森林模型或逻辑回归模型中进行学习训练，得到量化交易预测模型，具体包括：利用无监督分类算法对所述失败交易数据进行分类，得到M类...

【专利技术属性】
技术研发人员：毕野，黄博，吴振宇，王建明，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44