一种自动产生时间序列上的交易策略的方法技术

本发明专利技术涉及一种自动产生时间序列上的交易策略的方法，由因子库随机抽取k组因子，并对每组因子随机产生从m个因子到交易信号的基于机器学习或基于规则的映射，进行回测，从而产生k组基于机器学习的交易策略或基于规则的交易策略；再对这k组交易策略使用迭代演化，最终得到适应预期收益风险需求的交易策略。本发明专利技术通过迭代演化，能产生各种符合用户预期收益风险需求的交易策略，减轻交易策略研发人员的工作负担；并能通过挖掘出因子组合的局部最优解，供研究人员借鉴；还能通过批量大规模产生交易策略，弥补单一交易策略的资金容量不足的问题；同时，能产生与原有交易策略相关性较低的交易策略，增加资金收益的稳定性。

A Method of Automatically Generating Trading Strategies on Time Series

【技术实现步骤摘要】
一种自动产生时间序列上的交易策略的方法
本专利技术涉及一种自动产生时间序列上的交易策略的方法，属于金融科技领域。
技术介绍
量化投资是指通过数量化方式及计算机程序化发出买卖指令，以获取稳定收益为目的的交易方式。量化投资从广义上来说，可以分为相对价值交易和在时间序列上的方向交易。传统上按照方法区分，时间序列上的方向交易又可以分为基于机器学习的交易策略和基于规则的交易策略。在基于机器学习方法中，研究人员首先要确定因子组(机器学习领域称之为特征)及其对应的因子参数、一个预测目标因子(例如下一小时或下一天的价格变化或者夏普比率)及其对应的预测目标因子参数、一个机器学习模型及其对应的超参数。然后在因子组和预测目标因子之间建立机器学习模型。在建立模型之后，研究人员需要根据模型产生测试集上的预测值，并根据预测值产生交易信号，进而产生回测结果。如果回测目标达到预期，则该基于机器学习的交易策略确定，如果回测目标未达到预期，再修改因子组或其对应的因子参数、预测目标因子或其对应的预测目标参数、机器学习模型或其对应的机器学习模型超参数。在基于规则的交易策略中，研究人员首先要确定因子组，但无需确定预测目标因子本文档来自技高网...

【技术保护点】
1.一种自动产生时间序列上的交易策略的方法，该方法产生基于机器学习或基于规则的交易策略，其特征在于包括以下步骤：第一步：建立因子库；其中的每个因子为一个函数，各函数的自变量为给定或未给定，自变量为标量或向量，但至少应有一个向量，函数的输出值为向量且长度与自变量中的向量相同；若为算法相同而自变量的给定标量或向量不同的若干个函数，则合并成为一个函数；若为基于机器学习的交易策略，选定机器学习模型；第二步：从因子库中随机抽取m个因子，依据给定的交易标的实例化因子；若为基于机器学习的交易策略，随机抽取1个预测目标因子，依据给定的交易标的实例化预测目标因子；第三步：随机产生从m个实例化后的因子到交易信号的...

【技术特征摘要】
1.一种自动产生时间序列上的交易策略的方法，该方法产生基于机器学习或基于规则的交易策略，其特征在于包括以下步骤：第一步：建立因子库；其中的每个因子为一个函数，各函数的自变量为给定或未给定，自变量为标量或向量，但至少应有一个向量，函数的输出值为向量且长度与自变量中的向量相同；若为算法相同而自变量的给定标量或向量不同的若干个函数，则合并成为一个函数；若为基于机器学习的交易策略，选定机器学习模型；第二步：从因子库中随机抽取m个因子，依据给定的交易标的实例化因子；若为基于机器学习的交易策略，随机抽取1个预测目标因子，依据给定的交易标的实例化预测目标因子；第三步：随机产生从m个实例化后的因子到交易信号的基于机器学习或基于规则的映射；若为基于机器学习的交易策略，通过固定起点的推进分析的预测值产生交易信号；若为基于规则的交易策略，通过规则组产生交易信号；第四步：根据交易信号产生回测，得到一个交易策略；第五步：重复第二步至第四步k次，将得到的k个交易策略作为候选种群；第六步：设定若干回测目标，根据回测目标对种群进行迭代演化；若为基于机器学习的交易策略，根据回测目标对种群进行迭代演化的方法为：(1)依据选定的机器学习模型，对候选种群中每个交易策略的实例化后的预测目标因子和因子进行交叉、变异，创建一部分的下一代交易策略新种群；(2)重复第二步至第四步，新建另一部分下一代交易策略新种群；(3)对(1)和(2)产生的下一代交易策略新种群的总和进行回测，选取回测目标接近预期的交易策略个体组成下一候选种群；(4)将(1)～(3)迭代R次结束；若为基于规则的交易策略，根据回测目标对种群进行迭代...

【专利技术属性】
技术研发人员：周鸣籁，
申请(专利权)人：周鸣籁，
类型：发明
国别省市：江苏,32