【技术实现步骤摘要】
本专利技术属于金融业务数字化，尤其涉及一种量化投资策略的优化方法。
技术介绍
1、大数据技术的发展为金融行业提供了便利，例如在量化投资策略方面，金融大数据的开发可以提供实证基础，但与此同时，也给投资策略的优化带来了增加了计算资源的要求，相同的策略在给定有限的参数的情况下，随着大数据的丰富，计算资源消耗也会变得更多，因此，在大数据时代，如何提高参数寻优的效率就成了量化策略开发是必须要面对的重要工程问题。
2、现有技术中，针对量化策略优化的研究也有一些公开的技术方案，例如，中国专利技术专利申请cn114564499a提供了一种轻量级的金融数据查询、量化策略开发和回测方法及装置，该方法对金融数据进行处理，形成本地轻量化，从而减少数据的空间占用量，提升数据的可查询速度，减少数据查询限制；又如，中国专利文献cn112035533a公开了一种基于多参数量化策略回测的资源调度方法及系统，通过对系统内多个数据库的组合和调度来缩短回测时间，降低资源成本。可见，在金融大数据领域对资源效率提升的需求明显，而现有技术中对量化策略的优化主要是通过金融宏观策略来实现，而对于通过对数据本身的研究来提升分析效率的方法则鲜见研究，实际上，分析和利用数据本身的规律，能够更好地提升计算效率和准确性，所以需要一种能够有效利用数据自身规律，来对算法特性进行调整，从而提高服务器运算效率和准确性的方法。
技术实现思路
1、本专利技术所要解决的技术问题是提供一种基于多参数回测的量化投资策略优化方法，能够提升计算效率，
2、为解决上述技术问题，本专利技术采用以下技术方案：
3、基于多参数回测的量化投资策略优化方法，包括以下步骤：
4、s1，服务器从数据库提取，待优化的金融模型数据集a(a1，a2，…，an)和初始金融数据集b(b1，b2，…，bm)中的数据作为初始数据，其中，n和m分别表示数据集a和数据集b中数据的个数；
5、s2，服务器对数据集a和数据集b中的初始金融数据进行筛选和分类，将数据集a和数据集b中的数据按照数据是否连续区分为连续型参数c(c1，c2，…，ci)和离散型参数d(d1，d2，…，dj)，其中，i和j分别表示连续型参数和离散型参数的个数；
6、s3，服务器按照一定的规则，进行参数组合排列，为每一个离散型数据d1，d2，…，dj和每一个连续型参数集ci建立关联；
7、s4，在每一个离散型数据项下，服务器对与其关联的连续型参数集进行分别寻优；
8、s5，服务器提取预设的常参数k(k1，k2，…，ki)，并将常参数k和寻优结果进行比较，当常参数k和寻优结果满足一定关系时，停止寻优并输出寻优结果。
9、进一步地，所述步骤s4的寻优过程具体包括：
10、s41，参数选择：获取连续型参数集ci中连续参数的个数i，以及各个连续参数的上下限p(i)，根据上下限p(i)获取每个参数的中点：t(i)；
11、s42，空间确定：以每个参数的中点t(i)为中心切分寻优空间，共计切分为t个寻优空间，t＝2i；
12、s43，第一轮寻优：在t个寻优空间内随机选择参数x代入该连续型参数所关联的离散型参数模型中，计算得到t个目标函数值f(x)；
13、s44，寻优结果：对t个目标函数值f(x)进行降序排序，得到序列[f(x),t]＝sort(f(x))；其中，sort()表示降序函数，从获取当前最大的目标函数值f(x)max；计算当前f(x)max与上一轮寻优的最大的目标函数值f(x-1)max相比的变化率：r(x)＝(f(x-1)max-f(x)max)/f(x)max)。
14、进一步地，如果当前寻优过程不是第一轮寻优，则加入上一轮被保留的参数点bi，bi＝ci-x，相应地，所获的的目标函数值为t+bi个。
15、进一步地，在所述步骤s44之后，服务器根据预设的变化率阈值和寻优结果进行比较，判断是否达到收敛条件，如果达到收敛条件，则终止寻优。相反地，如未达到收敛条件，则进行下一轮寻优过程，下一轮寻优过程对参数选择要求是：选择本轮排序前1/2的参数空间，保留本轮后1/2的参数范围的部分点bi，作为下一轮寻优过程的参数选点。
16、进一步地，所述常参数k包括但不限于已有历史数据，收敛终止条件，是否开启平行计算等。在数据金融领域，常见的常参数k可以是金融领域的历史数据，这些数据可以用于预测和分析，但自身不会发生改变，除此之外，在计算方法中，也需要设定和用到一些常参数，例如，确定收敛终止的条件参数，也即，当寻优结果达到一定的条件，例如变化率达到一定数值的时候，可以认为已经寻到一定程度的优化结果，可以结束寻优过程，那么此时的条件参数也就是本专利技术所需要的常参数之一。此外，为了提升算法效率，也可以针对算法本身设定一些常参数，例如，针对不同的离散型参数，为了提升算法效率，可以设定是否开启平行计算等。在本专利技术中，有些常参数是必不可少的，例如作为优化基础以及终止条件的常参数，服务器必须要设定或调用这些参数，有些常参数则可以作为优选参数，例如算法参数。实际使用中，本专利技术可以根据实际需求选择使用或组合使用上述的常参数。
17、作为优选，在此基础上，本专利技术还提供一种计算机软件，所述软件能够实现上述的优化方法。
18、作为优选，在此基础上，本专利技术还提供一种计算机硬件，所述硬件能够运行上述的计算机软件，从而使服务器能够实现上述优化方法。
19、作为优选，在此基础上，本专利技术还提供一种计算机可读载体，所述载体包括上述的计算机软件。
20、相比较现有技术，本专利技术的有益效果是：
21、(1)本专利技术设计了一种针对金融市场中数据的寻优算法，能够有效解决数据量大而导致的寻优效率低的问题。
22、(2)本专利技术针对金融市场中数据的特殊性，例如局部连续性等问题，提出了新的参数组合优化方法，根据金融数据本身但特有属性，例如常参数，离散参数和连续参数等参数特性，以及参数之间但内在联系，有针对性地进行数据但整理和分析，有效提高服务器的计算效率和准确性，解决了现有技术中由于缺少对实际应用领域的了解而导致的寻优不准确等问题。
本文档来自技高网...【技术保护点】
1.基于多参数回测的量化投资策略优化方法，其特征是，包括以下步骤：
2.根据权利要求1所述的基于多参数回测的量化投资策略优化方法，其特征是，所述步骤S4的寻优过程具体包括：
3.根据权利要求2所述的基于多参数回测的量化投资策略优化方法，其特征是，如果当前寻优过程不是第一轮寻优，则加入上一轮被保留的参数点bi，bi＝Ci-x，相应地，所获的的目标函数值为T+bi个。
4.根据权利要求2所述的基于多参数回测的量化投资策略优化方法，其特征是，在所述步骤S44之后，服务器根据预设的变化率阈值和寻优结果进行比较，判断是否达到收敛条件，如果达到收敛条件，则终止寻优。
5.根据权利要求4所述的基于多参数回测的量化投资策略优化方法，其特征是，如未达到收敛条件，则进行下一轮寻优过程，下一轮寻优过程对参数选择要求是：选择本轮排序前1/2的参数空间，保留本轮后1/2的参数范围的部分点bi，作为下一轮寻优过程的参数选点。
6.根据权利要求4所述的基于多参数回测的量化投资策略优化方法，其特征是，所述常参数K包括但不限于已有历史数据，收敛终止条件，
7.一种计算机软件，其特征是，所述软件能够实现权利要求1-6中任一项所述的优化方法。
8.一种计算机硬件，其特征是，所述硬件能够运行权利要求7所述的计算机软件。
9.一种计算机可读载体，其特征是，所述载体包括权利要求7所述的计算机软件。
...【技术特征摘要】
1.基于多参数回测的量化投资策略优化方法，其特征是，包括以下步骤：
2.根据权利要求1所述的基于多参数回测的量化投资策略优化方法，其特征是，所述步骤s4的寻优过程具体包括：
3.根据权利要求2所述的基于多参数回测的量化投资策略优化方法，其特征是，如果当前寻优过程不是第一轮寻优，则加入上一轮被保留的参数点bi，bi＝ci-x，相应地，所获的的目标函数值为t+bi个。
4.根据权利要求2所述的基于多参数回测的量化投资策略优化方法，其特征是，在所述步骤s44之后，服务器根据预设的变化率阈值和寻优结果进行比较，判断是否达到收敛条件，如果达到收敛条件，则终止寻优。
5.根据权利要求4所述的基于多参数...
【专利技术属性】
技术研发人员：李一邨，滕远阳，
申请(专利权)人：杭州伊园科技有限公司，
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。