【技术实现步骤摘要】
一种间歇性交易的优化方法
[0001]本专利技术涉及金融交易方法,具体涉及一种间歇性交易的优化方法
。
技术介绍
[0002]随着经济的发展,人们生活水平的提高,越来越多的人会有选择金融产品进行投资,而在金融市场为了更好地对交易情况进行有效地预测,现有的交易预测模型包括自回归滑动平均预测趋势模型(
ARMA
)
、
自回归集成移动平均预测趋势模型(
ARIMA
)和长短期记忆人工神经网络(
LSTM
);以上方法主要基于对金融时间序列的特征分析,深入金融时间序列本质规律,采用线性模型对金融时间序列进行预测
。
[0003]如中国专利申请号
202210708858.8
,公布日为
2022.09.09
,其公开了一种基于
LSTM
模型的产品配置方法,包括:获取预设的产品组合的基本指标数据和时间序列;提取所述标准指标数据的时序特征,利用多层
LSTM
层对所述时序特征进行时序分析,得到时序特征向量;将所述时序特征向量进行全连接处理,得到所述产品组合中每个产品的回报率预测值;根据所述产品组合中每个产品的回报率预测值确定所述产品组合中每个产品的仓位值;对所述目标产品组合进行回测,得到回测幅度;根据所述回测幅度生成所述产品组合的组合分配比例,按照所述组合分配比例对所述产品组合进行产品比例配置
。
但是该方法,其是对连续时间上的数据进行预测,对于间接性的交易若 ...
【技术保护点】
【技术特征摘要】
1.
一种间歇性交易的优化方法,其特征在于:包括以下步骤:
S1、
采集历史交易数据,设置两时间节点,对两时间节点内的历史交易数据进行一阶差分处理,从处理后的历史交易数据中获取一种以上的指标数据,指标数据包括乖离率
BIAS
,牛市指数
β
和上涨指数
α
;
S2、
预设乖离率
BIAS
的权重为
w
,牛市指数权重为
(1
‑
w)
;通过公式计算资源购买风险最小化目标函数
F1
;
S3、
获取
ARIMA
模型的数据与历史数据的残差
v
;
S4、
通过公式 计算资源购买效益最大化目标函数
F2
;
Z
为初始购买比例;
S5、
设置购买比例最小值
Z_min
;设置购买比例最大值
Z_max
,对初始购买比例
Z
进行归一化处理;得到当前购买比例
Z1
,
2.S5.1、
通过公式通过公式得到解集
3.S6、
当前购买比例
Z1
大于
y2
时买入资源,当前购买比...
【专利技术属性】
技术研发人员:李有红,汤堡盛,徐泽鹏,王祺森,肖和杰,郑杰,何欣健,柯锡琨,
申请(专利权)人:广州华立学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。