量子金融预测系统以及采用该预测系统的量子金融系统技术方案

一种量子金融预测系统以及采用该预测系统的量子金融系统，该量子金融预测系统包括：用于存储金融数据的数据库；用于从所述数据库读取相应金融数据的数据提取装置；用于将提取的金融数据转换为高维度数据的神经振荡器；以及用于对所述高维度数据进行处理获取量子高低位的前馈反向传播神经网络。该量子金融系统包括智能交易系统以及策略生成系统，所述策略生成系统采用上述的量子金融预测系统。上述金融预测系统利用量子力学理论，并结合智能网络技术，统计计算过往众多个交易日的价格数据来得到金融指标，其整个预测由计算机完成，能够为操作提供客观科学的操作建议。

Quantum financial forecasting system and the quantum financial system using the prediction system

A financial prediction system and the quantum system of the quantum financial prediction system, the quantum financial prediction system includes a database for storing the financial data; read the corresponding financial data from the database data extraction device for a number of financial; extraction according to convert neural oscillator of high dimensional data; and for the the high dimension data processing to obtain a feed-forward back-propagation neural network quantum high low. The quantum financial system includes the intelligent trading system and the strategy generation system, and the strategy generation system uses the above quantum financial forecasting system. The above financial prediction system uses quantum mechanics theory and intelligent network technology to calculate and calculate the financial data of many trading days. The whole prediction is completed by computer, and it can provide objective and scientific operation suggestions for operation.

【技术实现步骤摘要】
量子金融预测系统以及采用该预测系统的量子金融系统
本专利技术涉及金融交易系统，尤其涉及一种量子金融预测系统，并涉及采用该预测系统的量子金融系统。
技术介绍
金融行情就像天气一样变化多端。既然天气可以预测，行情同样也可以。任何技术指标的本质都是价格数字的模型化，通过过往价格数据的处理得到一定的规律，按照这个规律推演之后一段时间的价格走势。因为是处理过往数据得到的，当下看到的每一个指标的方向与数值和当下的实时价格是没任何关系的，所以所有指标都是滞后的，因此根据传统技术分析方法得到的信号很难跟上随后价格的变化。量子金融的本质虽然同样是数理统计的方法，但其利用量子力学理论，并结合智能网络技术，统计计算了过往两千多个交易日的价格数据，得到日，每周及长期的价格运行的阻力和支撑，即价格高低点，最后给出操作的高低区间。
技术实现思路
本专利技术的目的是提供一种量子金融预测系统以及采用该预测系统的量子金融系统。为达上述目的，本专利技术采用的技术方案如下：一种量子金融预测系统，该量子金融预测系统包括：用于存储金融数据的数据库；用于从所述数据库读取相应金融数据的数据提取装置；用于将提取的金融数据转换为高维度数据的神经振荡器；以及用于对所述高维度数据进行处理获取量子高低位的前馈反向传播神经网络。在上述的量子金融预测系统中，优选地，所述神经振荡器包括：利用金融数据计算兴奋神经元的第一计算子装置；利用金融数据计算抑制神经元的第二计算子装置；利用金融数据计算输入神经元的第三计算子装置；利用金融数据计算输出神经元的第四计算子装置。在上述的量子金融预测系统中，优选地，所述金融数据包括开盘价、收盘价、整天最高位、整天最低位、整天布林指标数值、整天MACD指标数值、整天KDJ指标数值以及整天RSI指标数值，所述量子高低位包括整日量子高位和整日量子低位。在上述的量子金融预测系统中，优选地，所述金融数据还包括周开盘价、周收盘价、整周最高位、整周最低位、整周布林指标数值、整周MACD指标数值、整周KDJ指标数值以及整周RSI指标数值，所述量子高低位还包括整周量子高位和整周量子低位。在上述的量子金融预测系统中，优选地，所述前馈反向传播神经网络包括输入层、隐藏层和输出层，输入层的神经元采用所述神经振荡器产生的高维度数据。在上述的量子金融预测系统中，优选地，所述神经振荡器和所述前馈反向传播神经网络包括Sigmoid函数。在上述的量子金融预测系统中，优选地，所述量子金融预测系统还包括：利用过往金融数据结合量子力学方程计算未来一年全年的量子价位的量子价位预测装置。在上述的量子金融预测系统中，优选地，所述量子力学方程包括欧拉-拉格朗日方程。在上述的量子金融预测系统中，优选地，所述量子金融预测系统还包括：利用未来一年的量子价位获取量子纠缠现象发生时间的装置；以及利用量子纠缠现象发生时间预测重大金融行情发生时间的装置；所述量子纠缠现象是指不同量子价位纠缠在一起的现象。一种量子金融系统，其包括智能交易系统，以及与所述智能交易系统连接为其提供交易策略的策略生成系统，所述策略生成系统为上述任意一项所述的量子金融预测系统。与现有技术相比，本专利技术至少具有以下有益效果：利用量子力学理论，并结合智能网络技术，统计计算了过往众多个交易日的价格数据，得到金融指标，其整个预测由计算机完成，能够为操作提供客观科学的操作建议。附图说明图1为一些实施例量子金融预测系统的框图；图2为一些实施例中神经振荡器的框图；图3为一些实施例中前馈反向传播神经网络的结构图；图4为一些实施例量子金融系统的框图。具体实施方式下面结合附图和实施例对本专利技术做进一步说明。参照图1，一些实施例量子金融预测系统包括：用于存储金融数据的数据库1；用于从所述数据库1读取相应金融数据的数据提取装置2；用于将提取的金融数据转换为高维度数据的神经振荡器3；以及用于对所述高维度数据进行处理获取量子高低位的前馈反向传播神经网络4。数据库1存储的金融数据可以包括全球商品、外汇以及各种指数的实时数据。例如，对于股票，存储的数据至少包括开盘价、收盘价、日最高位（日最高价）和日最低位（日最低价）等。还可以在数据库1存储指标数值，如：布林指标数值、MACD指标数值、KDJ指标数值以及RSI指标数值等。数据提取装置2可以算定义设置时间区间、金融数据的类型等参数，从而提取相应的金融数据。作为另一些实施例，也可以不在数据库1存储指标数据，而是通过数据提取装置2或者独立的运算装置来计算指标数据。如：布林指标数值、MACD指标数值、KDJ指标数值以及RSI指标数值等。这里用到的指标均是通用指标，这些指标都有各自的计算公式，换言之，对于这些指标计算本身而言，均为现有技术，因此这里不再对相关指标的计算赘述。参照图2，神经振荡器3包括：利用金融数据计算兴奋神经元的第一计算子装置31；利用金融数据计算抑制神经元的第二计算子装置32；利用金融数据计算输入神经元的第三计算子装置33；利用金融数据计算输出神经元的第四计算子装置34。一种更具体的计算方法如下：其中u(t)、v(t)、w(t)和z(t)是兴奋、抑制、输入和输出神经元的状态变量。f()是sigmoid函数,具体定义为。a1,a2,b1和b2是这些神经元的参数。θu和θv是兴奋和抑制神经元的阈值。I(t)是外部输入刺激(即是开盘价、收盘价、整天最高位、最低位、布林指标数值、MACD指标数值、KDJ指标数值及RSI指标数值)。k是衰变常数,一般设为0.7。u(0)及v(0)为0与1之间的随机数。图3示意性表示了一些实施例中的前馈反向传播神经网络的结构。参照图3，前馈反向传播神经网络包括输入层41、隐藏层42和输出层43，其中，各参数意义如下：x1..xn:输入层中的n个神经元；y1..yt:隐藏层中的t个神经元；z1..zm:输出层中的m个神经元；wij:神经元xi与神经元yj之间的网络权重；uij:神经元yi与神经元zj之间的网络权重；输入层的神经元采用所述神经振荡器产生的高维度数据。对于活化函数,也使用上述的Sigmoid函数。一种更具体的前馈反向传播神经网络算法如下:步骤1:网络权重初始化将所有网络权重wij,ujk设置为到0和1之间的随机数。步骤2:向前传播对于每个训练对的神经元执行步骤2.1–3.3；2.1计算每个隐藏神经元的输入状态:其中x0是输入偏差(inputbias)。2.2计算隐藏神经元的激活值:其中f()是活化函数。2.3计算每个输出神经元的输入状态:其中y0是隐藏的偏差。2.4计算输出神经元的激活值:其中f()是活化函数。步骤3:反向传播3.1对于每个输出神经元:3.1.1用目标值计算误差其中f’()是dfz/dz。3.1.2计算校正误差其中是学习率,一般设为1.5-2.0之间。3.2对于每个隐藏神经元：3.2.1用目标值计算误差3.2.2计算校正误差其中f’()是dfy/dy3.2.3计算权重调整其中α是学习率,一般设为1.5-2.0之间3.3同时更新两个图层的所有权重:步骤4:检查停止条件用根均方法(RootMeanSquare,RMS)计算预测高/低位与实际结果的误差。若误差>1x10-5,返回步骤2继续用神经网络计算。若误差<=1x10-5,得出当本文档来自技高网...

【技术保护点】
一种量子金融预测系统，其特征在于，所述量子金融预测系统包括：用于存储金融数据的数据库；用于从所述数据库读取相应金融数据的数据提取装置；用于将提取的金融数据转换为高维度数据的神经振荡器；以及用于对所述高维度数据进行处理获取量子高低位的前馈反向传播神经网络。

【技术特征摘要】
1.一种量子金融预测系统，其特征在于，所述量子金融预测系统包括：用于存储金融数据的数据库；用于从所述数据库读取相应金融数据的数据提取装置；用于将提取的金融数据转换为高维度数据的神经振荡器；以及用于对所述高维度数据进行处理获取量子高低位的前馈反向传播神经网络。2.根据权利要求1所述的量子金融预测系统，其特征在于，所述神经振荡器包括：利用金融数据计算兴奋神经元的第一计算子装置；利用金融数据计算抑制神经元的第二计算子装置；利用金融数据计算输入神经元的第三计算子装置；利用金融数据计算输出神经元的第四计算子装置。3.根据权利要求1所述的量子金融预测系统，其特征在于，所述金融数据包括开盘价、收盘价、整天最高位、整天最低位、整天布林指标数值、整天MACD指标数值、整天KDJ指标数值以及整天RSI指标数值，所述量子高低位包括整日量子高位和整日量子低位。4.根据权利要求2所述的量子金融预测系统，其特征在于，所述金融数据还包括周开盘价、周收盘价、整周最高位、整周最低位、整周布林指标数值、整周MACD指标数值、整周KDJ指标数值以及整周RSI指标数值，所述量子高低位还包括整周量子...

【专利技术属性】
技术研发人员：李树德，
申请(专利权)人：李树德，
类型：发明
国别省市：中国香港,81