一种基于交易者行为建模的金融证券交易模型的训练方法技术

本发明专利技术公开一种基于交易者行为建模的金融证券交易模型的训练方法，主要包括基于机器学习、对抗学习构建的具有不同行为交易者的金融证券交易市场模拟器和基于强化学习的自动金融证券交易策略搜索两个部分。本发明专利技术可应用于多种金融证券交易，包括证券市场中的证券产品，如股票，债权，衍生市场产品如股指期货、期权、外汇期货等。本发明专利技术为金融证券交易市场人员和研究人员提供了实时动态的证券市场环境的训练方法，可以在不需要真实金钱、时间开销的情况下，开发与训练客观的金融证券交易策略。

【技术实现步骤摘要】
一种基于交易者行为建模的金融证券交易模型的训练方法
本专利技术涉及一种基于交易者行为建模的金融证券交易模型的训练方法，是一种基于模拟器训练的方法，属于量化模型

技术介绍
目前证券市场的交易策略模型一般根据金融证券市场的历史数据来构建，比如阿尔法模型，风险控制模型等。交易者可以通过这些模型进行资产组合管理、风险控制。交易者编写执行程序后，执行程序能够自动地执行策略模型的决策。量化交易策略定制的难点一方面在于市场蕴含的复杂的非线性规律，很难单纯通过简单的线性模型建模，另一方面在于海量数据处理需要极大的人力物力。人工智能、机器学习算法能够建模非线性关系、处理大规模数据，在量化交易领域已经有了一定程度的应用。证券市场的交易策略的学习过程，无论采用阿尔法模型分析还是数据驱动的分析，最后都可以看作是一个决策的过程。交易者采用的价格、买卖的方向以及交易的金融证券手数，是一个典型的马尔可夫决策过程（MDP），而传统的MDP难以求解交易市场的长时序决策过程，采用基于强化学习（ReinforcementLearning）相关模型的训练方法可以高效本文档来自技高网...

【技术保护点】
1.一种基于交易者行为建模的金融证券交易模型的训练方法，其特征在于：包括基于机器学习、对抗学习构建的具有不同行为交易者的虚拟证券市场和基于强化学习的自动智能金融证券交易择时策略搜索两个部分；其中所述虚拟证券市场部分包括金融证券数据处理系统、交易者模型和交易者类别分布预测模型；交易者模型通过生成对抗模仿学习在历史数据中学习训练获得，交易者模型在不同时刻会根据学得的交易策略做出不同的买卖动作；交易者类别分布预测模型是预测不同类别交易者的规模，交易者类别分布预测模型也是基于生成对抗模仿学习算法进行训练；自动智能金融证券交易择时策略搜索部分，基于强化学习算法在虚拟证券市场中训练证券市场择时交易策略，搜...

【技术特征摘要】
1.一种基于交易者行为建模的金融证券交易模型的训练方法，其特征在于：包括基于机器学习、对抗学习构建的具有不同行为交易者的虚拟证券市场和基于强化学习的自动智能金融证券交易择时策略搜索两个部分；其中所述虚拟证券市场部分包括金融证券数据处理系统、交易者模型和交易者类别分布预测模型；交易者模型通过生成对抗模仿学习在历史数据中学习训练获得，交易者模型在不同时刻会根据学得的交易策略做出不同的买卖动作；交易者类别分布预测模型是预测不同类别交易者的规模，交易者类别分布预测模型也是基于生成对抗模仿学习算法进行训练；自动智能金融证券交易择时策略搜索部分，基于强化学习算法在虚拟证券市场中训练证券市场择时交易策略，搜索出泛化性能更强的策略，最大化交易者的收益。


2.根据权利要求1所述的基于交易者行为建模的金融证券交易模型的训练方法，其特征在于：所述金融证券数据处理系统是虚拟证券市场的第一个重要组成部分，该系统包含一个金融证券订单撮合引擎，功能是按照交易规则，撮合不同交易者提交的订单请求，并记录证券市场中的数据；
证券市场的原始数据，无论形式或者结构都不适合直接用来对模拟器的训练，因此需要针对原始数据制作符合训练要求的专家数据，制作过程如下：
首先，把原始数据的信息，计算并记录相应的技术面相关的指标数据；
其次，把专家数据划分为多条不跨日的固定长度的序列，每个序列分成交易者类别分布预测序列Sce以及用于不同行为交易者策略模型训练的序列数据Sae；
最后，把生成的Sce和Sae序列数据归一化，作为虚拟证券市场模型训练的输入。


3.根据权利要求1所述的基于交易者行为建模的金融证券交易模型的训练方法，其特征在于：不同行为的交易者模型目标为利用专家数据训练出具有不同交易行为的交易者模型，交易者交易者类别分布预测模型目标则为训练出预测这些交易者分布的模型，通过以上二者的训练，能够接近真实地模拟金融证券交易环境；将交易者模型以及交易者类别分布预测模型的训练过程联合起...

【专利技术属性】
技术研发人员：俞扬，刘驭壬，张先亮，雷宇，
申请(专利权)人：南京大学，
类型：发明
国别省市：江苏;32