一种加密货币市场DGBI指标模型设计方法技术

本发明专利技术公开了一种加密货币市场DGBI指标模型设计方法，包括以下步骤：1)从各主流加密货币交易平台爬取实时加密货币交易数据，再根据爬取的实时加密货币交易数据基于加密货币之间的实际交易关系构建加密货币交易的复杂网络Network；2)对步骤1)构建的复杂网络Network进行社团结构划分，确定各社团内参与DGBI指标模型的样本币的最终权重；3)根据各社团内参与DGBI指标模型的样本币的最终权重及总成各社团的加密货币总数目，按比例相乘原理，确定最终参与DGBI指标模型的样本币信息；4)根据步骤3)确定的最终参与DGBI指标模型的样本币信息建立加密货币市场DGBI指标模型，该方法设计得到较为客观、真实反映加密货币交易态势的指标模型。

【技术实现步骤摘要】
一种加密货币市场DGBI指标模型设计方法
本专利技术属于加密货币区块链技术中的指标体系建模应用领域，涉及一种加密货币市场DGBI指标模型设计方法。
技术介绍
加密货币交易发展迅猛，与其相关的加密货币交易平台潮涌增加，加密货币交易关系的复杂程度和多源信息带来的熵增现象给参与加密货币交易的主体增加了前所未见的决策难度。当前对加密货币交易进行决策的指标模型大多基于经济、金融、以及加密货币币圈内经验丰富的专家进行样本币、基期日、基期时间等模型参数的选定，所选参数具有较大的人工经验依赖性、低普适性和弱鲁棒性，并且当前指标模型方法是对以互联网平台为媒介的加密货币交易信息的“长尾现象”进行直接截断舍弃，造成所选指标偏离真实、客观交易态势的失真现象。
技术实现思路
本专利技术的目的在于克服上述现有技术的缺点，提供了一种加密货币市场DGBI指标模型设计方法，该方法设计得到较为客观、真实反映加密货币交易态势的指标模型。为达到上述目的，本专利技术所述的加密货币市场DGBI指标模型设计方法包括以下步骤：1)从各主流加密货币交易平台爬取实时加密货币交易数据，根据爬取的实时加密货币交易数据基于加密货币之间的实际交易关系构建加密货币交易复杂网络Network；2)对步骤1)构建的复杂网络Network进行社团结构划分，并计算各社团内加密货币在基期时间内的日均交易额总和，以确定各社团日均交易额总和在整个复杂网络Network在基期时间内日均交易总额的占比，并根据该占比计算确定各社团内参与DGBI指标模型的样本币的最终权重；3)根据各社团内参与DGBI指标模型的样本币的最终权重及总成各社团的加密货币总数目，按比例相乘原理，确定最终参与DGBI指标模型的样本币信息；4)根据步骤3)确定的最终参与DGBI指标模型的样本币信息建立加密货币市场DGBI指标模型。步骤1)中通过分布式网络爬虫技术从各主流加密货币交易平台爬取实时加密货币交易数据。步骤1)中的复杂网络Network为时变动态复杂网络，其中，复杂网络Network中的节点数目及连接边数目具有时变特征。步骤2)中对步骤1)构建的复杂网络Network采用动态社团划分方法进行社团结构划分。步骤2)中，社团C内加密货币在基期时间内的日均交易额总和为：其中，N为社团C中含有的加密货币总数目，M为基期时间内的总天数，为加密货币j在基期内第i天的日均成交额，SumC为社团C在基期时间内的总成交额。社团C内参与DGBI指标模型的样本币的最终权重WC为：步骤4)中建立加密货币市场DGBI指标模型为：其中，为货币j在t时刻的交易信息，为货币j在t时刻的价格，为货币j在t时刻的流通总量，为货币j在基期日的调整系数。本专利技术具有以下有益效果：本专利技术所述的加密货币市场DGBI指标模型设计方法在具体操作时，先爬取实时加密货币交易数据，以此构建加密货币交易复杂网络Network，然后对加密货币交易复杂网络Network进行社团结构划分，并以此计算各社团内参与DGBI指标模型的样本币数目的最终权重，然后根据各社团内参与DGBI指标模型的样本币的最终权重及总成各社团的加密货币总数目，确定最终参与DGBI指标模型的样本币信息，并以此构建加密货币市场DGBI指标模型，以较为客观、真实反映的加密货币交易态势，有效解决当前加密货币交易决策指标模型人工经验依赖性、低普适性和弱鲁棒性的缺点。附图说明图1为本专利技术的流程图；图2为实施例一的流程图。具体实施方式下面结合附图对本专利技术做进一步详细描述：参考图1，本专利技术所述的加密货币市场DGBI指标模型设计方法包括以下步骤：1)通过分布式网络爬虫技术从各主流加密货币交易平台爬取实时加密货币交易数据，再根据爬取的实时加密货币交易数据基于加密货币之间的实际交易关系构建加密货币交易的复杂网络Network，由于加密货币之间的实际交易关系与时间的相关性，因此该复杂网络Network为时变动态复杂网络，即复杂网络Network中的节点数目及连接边数目具有时变特征，其中，时变特征体现在所建复杂网络的节点数目随时间变化，或者复杂网络中的连边数目或状态随时间变化，或者复杂网络中的节点数目及连接边数目同时随时间变化；其中，复杂网络Network的具体构建过程为：将从起始时间t0到截止时间t1所爬取的加密货币交易数据根据[t0,t1]时间段内的实际交易详情，建模为复杂网络复杂网络的节点为在[t0,t1]时间段内，参与加密货币交易的所有相互可实体区分的加密货币，复杂网络中的连接边对应于各加密货币交易关联双方之间的实时交易量/额。2)对步骤1)构建的复杂网络Network采用动态社团划分方法进行社团结构划分，并计算各社团内加密货币在基期时间内的日均交易额总和，以确定各社团日均交易额总和在整个复杂网络Network在基期时间内日均交易总额的占比，并根据该占比计算确定各社团内参与DGBI指标模型的样本币的最终权重；对步骤1)构建的加密货币交易复杂网络Network采用动态社团划分方法进行社团结构划分的具体过程为：对所要分析的时间区间[t0,tend]，根据动态时间间隔Δti(i＝0,1,2,....)进行时间间隔划分，将起始时刻t0之前的加密货币交易数据建立为复杂网络对于第一个动态时间间隔Δt0内，通过爬取新增各加密货币交易平台的实时交易数据，在Δt0时段内，新增交易加密货币为新增网络节点，交易关联关系为新增的连接边，对Δt0时段内，新增网络节点根据指标r进行二分类，划分为与内社团联系紧密的节点类集合和与内社团联系松散的节点类集合对节点类集合通过静态社团划分方法确定其与复杂网络内社团的隶属关系，对节点类集合通过静态社团划分方法确定新增社团，实现对t0+Δt0时间节点前的复杂网络的社团划分。此过程可以迭代进行，即在时刻t0+Δt0，对新时间间隔Δt1，通过爬取时间段[t0+Δt0,t0+Δt0+Δt1]内的新增加密货币交易平台的实时交易详情，在Δt1时段内，新增交易加密货币为新增网络节点，交易关联关系为新增连边，同样对Δt1时段内，新增网络节点根据指标r进行二分类，划分与复杂网络内社团联系紧密的节点类集合和与内社团联系松散的节点类集合对节点类集合通过静态社团划分方法确定其与内社团的隶属关系；对节点类集合通过静态社团划分方法确定新增社团，实现对t0+Δt0+Δt1时间节点前的网络的社团划分，并以此迭代，直到实现对tend目标时间点的网络的社团划分。基期日与基期的确定过程为：选定某一日T0作为基期日，通过对各时间间隔Δti内，所采用的静态社团发现方法下模块度增益最优的Δtopt作为固定的时间间隔，基期的确定采用基期日T0与固定时间间隔Δtopt的一定倍数之和进行确定，即T＝T0+kΔtopt；社团C内加密货币在基期时间内的日均交易额总和为：其中，N为社团C中含有的加密货币总数目，本文档来自技高网...

【技术保护点】
1.一种加密货币市场DGBI指标模型设计方法，其特征在于，包括以下步骤：/n1)从各主流加密货币交易平台爬取实时加密货币交易数据，再根据爬取的实时加密货币交易数据基于加密货币之间的实际交易关系构建加密货币交易的复杂网络Network；/n2)对步骤1)构建的复杂网络Network进行社团结构划分，并计算各社团内加密货币在基期时间内的日均交易额总和，以确定各社团日均交易额总和在整个复杂网络Network在基期时间内日均交易总额的占比，并根据该占比计算确定各社团内参与DGBI指标模型的样本币的最终权重；/n3)根据各社团内参与DGBI指标模型的样本币的最终权重及总成各社团的加密货币总数目，按比例相乘原理，确定最终参与DGBI指标模型的样本币信息；/n4)根据步骤3)确定的最终参与DGBI指标模型的样本币信息建立加密货币市场DGBI指标模型。/n

【技术特征摘要】
1.一种加密货币市场DGBI指标模型设计方法，其特征在于，包括以下步骤：
1)从各主流加密货币交易平台爬取实时加密货币交易数据，再根据爬取的实时加密货币交易数据基于加密货币之间的实际交易关系构建加密货币交易的复杂网络Network；
2)对步骤1)构建的复杂网络Network进行社团结构划分，并计算各社团内加密货币在基期时间内的日均交易额总和，以确定各社团日均交易额总和在整个复杂网络Network在基期时间内日均交易总额的占比，并根据该占比计算确定各社团内参与DGBI指标模型的样本币的最终权重；
3)根据各社团内参与DGBI指标模型的样本币的最终权重及总成各社团的加密货币总数目，按比例相乘原理，确定最终参与DGBI指标模型的样本币信息；
4)根据步骤3)确定的最终参与DGBI指标模型的样本币信息建立加密货币市场DGBI指标模型。


2.根据权利要求1所述的加密货币市场DGBI指标模型设计方法，其特征在于，步骤1)中通过分布式网络爬虫技术从各主流加密货币交易平台爬取实时加密货币交易数据。


3.根据权利要求1所述的加密货币市场DGBI指标模型设计方法，其特征在于，步骤1)中的复杂网络Networ...

【专利技术属性】
技术研发人员：徐小艳，李玉森，吕伟，张贝贝，
申请(专利权)人：西安石油大学，
类型：发明
国别省市：陕西;61