【技术实现步骤摘要】
本专利技术涉及形态检测，尤其涉及一种价格形态检测方法、装置、终端设备以及存储介质。
技术介绍
1、金融市场是资金交易的场所，其市场前景广阔，发展潜力巨大，可以汇聚和创造大量财富。对于金融投资行业来说，把握住金融市场的发展趋势已然成为一个必要要求。在市场预测阶段和选择具体出入市时机阶段，通常以价格序列、图表分析为主要手段对市场行为进行研究，从而预测市场未来价格变化趋势。价格序列的走势中往往隐含着某些规律的形态，这些形态可以帮助预测价格变化趋势。然而由于价格的波动性，通常难以通过简单的数量规则识别出标准的价格形态，往往依赖于人眼判断和专家经验。
2、近年来，随着机器学习的快速发展，各类机器学习技术被广泛运用于金融数据形态检测中，如支持向量机、隐马尔可夫模型及人工神经网络模型等。借助机器学习及深度学习算法，可以在结合专家经验的基础上，自动化识别价格形态。
3、然而直接使用支持向量机等机器学习模型识别价格形态运算效率较差，传统机器学习方法识别形态以二维价格图像作为训练集与测试集，数据量太大，难以快速得到能识别出价格形态的模型；人工神经网络方法受限其黑盒特性，难以判断其习得特征，从而使得改进与泛化模型困难；马尔可夫模型需要大量数据进行训练才能获得较好的效果，同时泛化性较差，难以迁移到不同类型的数据中。
4、综上所述，这些金融数据形态检测技术对于形态检测的结果准确度较低以及识别效率低。
技术实现思路
1、本专利技术的主要目的在于提供一种价格形态检测方法、装置
2、为实现上述目的，本专利技术提供一种价格形态检测方法，所述价格形态检测方法包括以下步骤：
3、获取资产价格曲线的窗口数据；
4、基于所述资产价格曲线的窗口数据，识别得到价格曲线上的关键点；
5、基于模糊几何规则，检测所述关键点是否构成预设的价格形态。
6、可选地，所述模糊几何规则为双重顶检测规则，所述基于模糊几何规则，检测所述关键点是否构成预设的价格形态的步骤包括：
7、基于模糊的双重顶几何规则，在所述资产价格曲线的窗口数据中从后往前获取预设数目的所述关键点，建立模糊双重顶的坐标系；
8、利用所述模糊双重顶的坐标系，计算所述预设数目的关键点构成的向量，得到向量计算结果；
9、若向量计算结果符合模糊的双重顶几何规则，则确定所述关键点构成满足第一条件的价格序列的价格形态；
10、若向量计算结果不符合模糊的双重顶几何规则，则确定所述关键点不构成满足第一条件的价格序列的价格形态。
11、可选地，所述模糊几何规则为头肩顶检测规则，所述基于模糊几何规则，检测所述关键点是否构成预设的价格形态的步骤包括：
12、基于模糊的头肩顶几何规则，在所述资产价格曲线的窗口数据中从后往前获取预设数目的所述关键点，建立模糊头肩顶的坐标系；
13、利用所述模糊头肩顶的坐标系，计算所述预设数目的关键点构成的向量，得到向量计算结果；
14、若向量计算结果符合模糊的头肩顶几何规则，则确定所述关键点构成满足第一条件的价格序列的价格形态；
15、若向量计算结果不符合模糊的头肩顶几何规则，则确定所述关键点不构成满足第一条件的价格序列的价格形态。
16、可选地，所述获取资产价格曲线的窗口数据之后，还包括：
17、对所述资产价格曲线的窗口数据进行emd降噪处理，得到降噪后的资产价格曲线。
18、可选地，所述基于模糊几何规则，检测所述关键点是否构成预设的价格形态之后，还包括：
19、在检测结果是不构成预设的价格形态时，重新获取资产价格曲线的窗口数据进行形态检测；
20、在检测结果是构成预设的价格形态时，基于金融规则，对所述满足第一条件的价格序列的价格形态进行二次筛选，得到满足第二条件的价格序列的价格形态。
21、可选地，所述在检测结果是构成预设的价格形态时，基于金融规则，对所述满足第一条件的价格序列的价格形态进行二次筛选，得到满足第二条件的价格序列的价格形态之后，还包括：
22、对所述满足第二条件的价格序列的价格形态，采用预先训练好的机器学习二次确认模型，进行检测，得到所述满足第二条件的价格序列的价格形态的后续可能收益情况。
23、可选地，所述对所述满足第二条件的价格序列的价格形态，采用预先训练好的机器学习二次确认模型，进行检测，得到所述满足第二条件的价格序列的价格形态的后续可能收益情况之前，还包括：
24、收集资产相关的已知价格形态数据，基于先验原则，确定所述已知价格形态的收益情况；
25、通过人工构造形态特征，对所述已知价格形态的收益情况进行分类，分析各形态特征价格形态的收益情况；
26、根据所述各形态特征价格形态的收益情况，得到盈利和亏损的价格形态与所述形态特征之间的对应关系，利用机器学习方法，构建机器学习二次确认模型。
27、可选地，所述对所述满足第二条件的价格序列的价格形态，采用预先训练好的机器学习二次确认模型，进行检测，得到所述满足第二条件的价格序列的价格形态的后续可能收益情况之后，还包括：
28、在所述满足第二条件的价格序列的价格形态的后续可能收益情况为盈利时，输出对应的交易信号；
29、在所述满足第二条件的价格序列的价格形态的后续可能收益情况为亏损时，重新获取资产价格曲线的窗口数据进行形态检测。
30、此外，为实现上述目的，本专利技术还提供一种价格形态检测装置，所述装置包括：
31、数据获取模块，用于获取资产价格曲线的窗口数据；
32、数据处理模块，用于基于所述资产价格曲线的窗口数据，识别得到价格曲线上的关键点；
33、数据检测模块，用于基于模糊几何规则，检测所述关键点是否构成预设的价格形态。
34、本申请实施例还提出一种终端设备，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的价格形态检测程序，所述价格形态检测程序被所述处理器执行时实现如上所述的价格形态检测方法的步骤。
35、本申请实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有价格形态检测程序，所述价格形态检测程序被处理器执行时实现如上所述的价格形态检测方法的步骤。
36、本专利技术实施例提出的一种价格形态检测方法、装置、终端设备以及存储介质，获取资产价格曲线的窗口数据；基于所述资产价格曲线的窗口数据，识别得到价格曲线上的关键点；基于模糊几何规则，检测所述关键点是否构成预设的价格形态。与现有技术直接使用机器学习模型进行形态检测相比，本专利技术通过处理资产价格曲线数据得到关键点，基于模糊的几何规则识别出关键点所构成的技术形态，相比现有技术，具有识别速度快、识别更加统一精准的本文档来自技高网...
【技术保护点】
1.一种价格形态检测方法，其特征在于，所述价格形态检测方法包括如下步骤：
2.如权利要求1所述的价格形态检测方法，其特征在于，所述模糊几何规则为双重顶检测规则，所述基于模糊几何规则，检测所述关键点是否构成预设的价格形态的步骤包括：
3.如权利要求1所述的价格形态检测方法，其特征在于，所述模糊几何规则为头肩顶检测规则，所述基于模糊几何规则，检测所述关键点是否构成预设的价格形态的步骤包括：
4.如权利要求1所述的价格形态检测方法，其特征在于，所述获取资产价格曲线的窗口数据之后，还包括：
5.如权利要求2所述的价格形态检测方法，其特征在于，还包括：
6.如权利要求5所述的价格形态检测方法，其特征在于，所述在检测结果是构成预设的价格形态时，基于金融规则，对所述满足第一条件的价格序列的价格形态进行二次筛选，得到满足第二条件的价格序列的价格形态之后，还包括：
7.如权利要求6所述的价格形态检测方法，其特征在于，所述对所述满足第二条件的价格序列的价格形态，采用预先训练好的机器学习二次确认模型，进行检测，得到所述满足第二条件
8.如权利要求6所述的价格形态检测方法，其特征在于，所述对所述满足第二条件的价格序列的价格形态，采用预先训练好的机器学习二次确认模型，进行检测，得到所述满足第二条件的价格序列的价格形态的后续可能收益情况之后，还包括：
9.一种价格形态检测装置，其特征在于，所述装置包括：
10.一种终端设备，其特征在于，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的价格形态检测程序，所述价格形态检测程序被所述处理器执行时实现如权利要求1-8中每一项所述的价格形态检测方法的步骤。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有价格形态检测程序，所述价格形态检测程序被处理器执行时实现如权利要求1-8中每一项所述的价格形态检测方法的步骤。
...【技术特征摘要】
1.一种价格形态检测方法，其特征在于，所述价格形态检测方法包括如下步骤：
2.如权利要求1所述的价格形态检测方法，其特征在于，所述模糊几何规则为双重顶检测规则，所述基于模糊几何规则，检测所述关键点是否构成预设的价格形态的步骤包括：
3.如权利要求1所述的价格形态检测方法，其特征在于，所述模糊几何规则为头肩顶检测规则，所述基于模糊几何规则，检测所述关键点是否构成预设的价格形态的步骤包括：
4.如权利要求1所述的价格形态检测方法，其特征在于，所述获取资产价格曲线的窗口数据之后，还包括：
5.如权利要求2所述的价格形态检测方法，其特征在于，还包括：
6.如权利要求5所述的价格形态检测方法，其特征在于，所述在检测结果是构成预设的价格形态时，基于金融规则，对所述满足第一条件的价格序列的价格形态进行二次筛选，得到满足第二条件的价格序列的价格形态之后，还包括：
7.如权利要求6所述的价格形态检测方法，其特征在于，所述...
【专利技术属性】
技术研发人员：袁婕，郭艳燕，
申请(专利权)人：招商银行股份有限公司，
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。