【技术实现步骤摘要】
本公开涉及人工智能领域，更具体地涉及一种交易策略生成方法、装置、设备、介质和程序产品。
技术介绍
1、市场分析是通过计算来区分和对一篇文章中表达的观点进行分类的过程，特别是为了找出作者对一个特定主题或产品的态度是积极的、消极的还是中性的。它意味着使用文本分析、自然语言处理、生物识别学和计算语言学来系统地识别、量化、提取和研究有效状态和主观信息。由于股票市场是一个进行不同公司股票交易的地方。这是一个买家和卖家的股票的集合。在当前这个金融科技时代，股市的分析和预测在塑造当今经济中发挥了重要作用。股市分析既可以是基础性的，也可以是技术性的。技术分析可以通过技术指标或通过人工智能技术来进行。
2、传统的模型如arima和sarima只能有效地用于平稳的时间序列数据。而在实时交易场景中，实现这些模型是一个非常大的挑战，因为新的即将到来的数据可能并不总是平稳的时间序列数据。通过传统方法做出的决策也没有办法从所做的决策中学习，也没办法通过从过去的行动中学习做出更好的决策。
技术实现思路
1、鉴于上述问题，本公开提供了提高交易决策准确性的交易策略生成方法、装置、设备、介质和程序产品。
2、根据本公开的第一个方面，提供了一种交易策略生成方法，包括：通过第一训练集和第二训练集依次对交易策略生成模型进行训练，第二训练集在交易策略生成模型被第一训练集训练的过程中生成；根据交易策略生成模型，生成交易策略。
3、根据本公开的实施例，通过第一训练集和第二训练集依次对交易策略生
4、根据本公开的实施例，选取模型生成的输出数据以及输出数据所对应的输入数据作为第二训练集包括：设置存储池，存储池用于存储第二训练集的候选元素；根据预设的频率采集训练过程中模型生成的输出数据以及输出数据作为第二训练集的候选元素；将第二训练集的候选元素存储在存储池中；从存储池中，随机选取预设个数的第二训练集的候选元素组合为第二训练集。
5、根据本公开的实施例，选取模型生成的输出数据以及输出数据所对应的输入数据作为第二训练集还包括：在存储池存放满的情况下，将新采集的第二训练集的候选元素替换采集时间最早的第二训练集的候选元素。
6、根据本公开的实施例，根据第一训练集对模型进行训练包括：根据第一训练集中的元素，利用贝尔曼方程迭代计算模型的q学习框架的q值；根据q值计算模型的损失函数；根据损失函数的值训练模型。
7、根据本公开的实施例，根据第二训练集对模型进行训练包括：根据第二训练集中的元素，计算模型的q学习框架的q值；根据q值计算模型的损失函数；根据损失函数使用梯度下降法更新模型的权重和偏差。
8、根据本公开的实施例，根据交易策略生成模型，生成交易策略包括：根据交易策略生成模型，预测交易结果；根据交易结果以及交易结果对应的输入数据，计算输入数据的沙普利值，沙普利值表征输入数据对于交易结果的贡献程度；基于贡献程度，生成交易策略。
9、根据本公开的实施例，模型的输入包括行为、奖励和下一个状态，行为包括买入、卖出和持有中的任一项，奖励表征行为带来的增益，下一个状态表征交易环境在行为发生之后的状态。
10、本公开的第二方面提供了一种交易策略生成装置，包括：训练模块，用于通过第一训练集和第二训练集依次对交易策略生成模型进行训练，第二训练集在交易策略生成模型被第一训练集训练的过程中生成；以及生成模块，用于根据交易策略生成模型，生成交易策略。
11、本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述交易策略生成方法。
12、本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述交易策略生成方法。
13、本公开的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述交易策略生成方法。
14、根据本公开的实施例，本公开提供的交易策略生成方法、装置、设备、介质及程序产品至少具有以下有益效果之一：第二训练集在交易策略生成模型被第一训练集训练的过程中生成，通过第一训练集和第二训练集依次对交易策略生成模型进行训练，存储和重复利用过去的数据，打破样本之间的时间相关性，更有利于时间序列不平稳的情况下数据的预测。基于沙普利值对预测结果进行解释，可以判断出模型输入的各个特征对于输出结果的贡献程度，以方便做出更有利的策略。
本文档来自技高网...【技术保护点】
1.一种交易策略生成方法，包括：
2.根据权利要求1所述的方法，其中，所述通过第一训练集和第二训练集依次对交易策略生成模型进行训练包括：
3.根据权利要求2所述的方法，其中，所述选取所述模型生成的输出数据以及所述输出数据所对应的输入数据作为所述第二训练集包括：
4.根据权利要求3所述的方法，其中，所述选取所述模型生成的输出数据以及所述输出数据所对应的输入数据作为所述第二训练集还包括：
5.根据权利要求2所述的方法，其中，所述根据所述第一训练集对所述模型进行训练包括：
6.根据权利要求2所述的方法，其中，所述根据所述第二训练集对所述模型进行训练包括：
7.根据权利要求1所述的方法，其中，所述根据所述交易策略生成模型，生成交易策略包括：
8.根据权利要求1所述的方法，其中，所述模型的输入包括行为、奖励和下一个状态，所述行为包括买入、卖出和持有中的任一项，所述奖励表征所述行为带来的增益，所述下一个状态表征交易环境在所述行为发生之后的状态。
9.一种交易策略生成装置，包括：
10.
11.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～8中任一项所述的方法。
12.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据权利要求1～8中任一项所述的方法。
...【技术特征摘要】
1.一种交易策略生成方法，包括：
2.根据权利要求1所述的方法，其中，所述通过第一训练集和第二训练集依次对交易策略生成模型进行训练包括：
3.根据权利要求2所述的方法，其中，所述选取所述模型生成的输出数据以及所述输出数据所对应的输入数据作为所述第二训练集包括：
4.根据权利要求3所述的方法，其中，所述选取所述模型生成的输出数据以及所述输出数据所对应的输入数据作为所述第二训练集还包括：
5.根据权利要求2所述的方法，其中，所述根据所述第一训练集对所述模型进行训练包括：
6.根据权利要求2所述的方法，其中，所述根据所述第二训练集对所述模型进行训练包括：
7.根据权...
【专利技术属性】
技术研发人员：伏勇，
申请(专利权)人：中国工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。