一种交易策略生成方法及系统技术方案

本发明专利技术公开了一种交易策略生成方法及系统，所述方法包括：获取所述目标交易股票的历史交易数据，并根据所述历史交易数据及目标交易股票对应的目标成交量，确定所述目标交易股票对应的事前预测交易占比，根据所述事前预测交易占比从预设的若干个第一交易策略模型中匹配对应的目标交易策略模型，将所述目标交易股票的实时行情及目标交易数据输入到所述目标交易策略模型中，以使输出所述目标交易股票在所述交易时间区间内的交易策略，提高所述交易策略的灵活度及精准度

【技术实现步骤摘要】
一种交易策略生成方法及系统


[0001]本专利技术涉及金融交易
，尤其涉及一种交易策略生成方法及系统
。

技术介绍

[0002]随着算法交易技术的不断发展和应用推广，各种新型算法策略层出不穷，在模型的技术的层面有机器学习
、
深度学习
、
强化学习等等
。
[0003]在算法交易中，模型的应用方案对于投资结果的影响非常重要
。
通常情况下，有几种常见的模型应用方案：训练并使用一个通用模型
。
这种方案通常适用于市场趋势变化较为一致的场景，例如同一行业的股票
。
使用一个通用模型能够避免重复训练模型的时间和资源浪费，提高算法交易的效率
。
每支股票单独训练一个模型
。
这种方案通常适用于市场波动较大
、
个股价值差异较大的场景
。
这种方案的优势在于，每支股票都有其独特的市场表现和因素影响，单独训练一个模型能更好地捕捉股票价格变化的趋势，提高算法交易的准确率
。
[0004]但是现有技术中应用模型进行交易的方案大多数基于比较简单的方案，对成交量相关理解不足，没有考虑到不同个股在不同成交占比的情况下交易策略的灵活多变，导致交易策略执行的精准度和灵活度不高
。

技术实现思路

[0005]为了解决上述存在的技术问题，本专利技术公开了一种交易策略生成方法及系统，提高交易策略生成的精准度及灵活度
。
[0006]为了实现上述目的，第一方面，本专利技术公开了一种交易策略生成方法，包括：
[0007]获取目标交易股票的历史交易数据，并根据所述历史交易数据及目标交易股票对应的目标成交量，确定所述目标交易股票对应的事前预测交易占比；
[0008]根据所述事前预测交易占比从预设的若干个第一交易策略模型中匹配对应的目标交易策略模型；
[0009]将所述目标交易股票的实时行情及目标交易数据输入到所述目标交易策略模型中，以使输出所述目标交易股票在交易时间区间内的交易策略
。
[0010]本专利技术公开了一种交易策略生成方法，在所述方法中首先获取目标交易股票的历史交易数据，并根据所述历史交易数据及目标成交量，提前预测目标交易股票对应的目标成交量在整个市场中的交易占比，进而获得所述事前预测交易占比，根据所述交易占比从预设的若干个交易策略模型中选择一个交易策略模型作为目标交易策略模型进行交易策略的生成，本专利技术通过设计若干个不同的模型考虑到了个股在不同成交占比的情况下交易策略的灵活多变性，更好的切合市场波动，提高了交易策略的灵活度，接着利用所述选择的交易策略模型，利用目标交易股票的实时行情及目标交易数据，生成所述目标股票的交易策略，利用所述实时行情贴合市场实际行情，同时根据所述目标交易数据确定待生成的交易策略的范围，以此作为约束，提高交易策略的精准度
。
[0011]作为优选例子，在所述确定所述目标交易股票对应的事前预测交易占比，包括：
[0012]获取所述目标交易股票在预设的历史时间段内对应的全市场成交量移动均值，将所述全市场成交量移动均值作为所述目标交易股票对应的历史交易数据；
[0013]计算所述目标交易股票对应的目标成交量占所述全市场成交量移动均值的占比，根据所述占比确定所述目标交易股票对应的事前预测交易占比
。
[0014]本专利技术根据目标交易股票的历史交易数据预测目标交易股票的成交量在全市场交易量中的占比，以使根据所述预测的交易占比作为前置条件在后续选择对应的模型进行交易策略的生成，进而考虑到个股在不同成交占比的情况下交易策略的灵活多变，提高生成的交易策略的灵活度
。
[0015]作为优选例子，在所述根据所述事前预测交易占比从预设的若干个第一交易策略模型中匹配对应的目标交易策略模型，包括：
[0016]计算所述事前预测交易占比对应的第一占比区间；
[0017]从预训练的若干个不同占比区间分别对应的第一交易策略模型中筛选获得所述第一占比区间对应的第一交易策略模型，作为所述目标交易策略模型
。
[0018]本专利技术考虑到目标交易股票对应的不同交易占比对市场的不同影响，因此预训练了若干个不同占比区间分别对应的交易策略模型，以使利用不同的模型预测不同占比区间对应的股票的交易策略，提高所述交易策略生成的精准度
。
[0019]作为优选例子，在所述将所述目标交易股票的实时行情及目标交易数据输入到所述目标交易策略模型中，以使输出所述目标交易股票在所述交易时间区间内的交易策略，包括：
[0020]获取所述目标交易股票的目标交易数据，解析出所述目标交易股票的目标成交量及交易时间段；
[0021]将所述实时行情及所述目标交易数据输入到所述目标交易策略模型中的第一阶段深度学习模块，以使得所述第一阶段深度学习模块预测所述目标交易股票的交易价格数据，并提取所述交易价格数据的特征以使将其转换为特征向量，记为公有特征向量；
[0022]提取所述目标交易数据的特征以使将其转换为特征向量，记为私有特征向量；
[0023]通过预设在所述目标交易策略模型中的第二阶段深度学习模块拼接所述公有特征向量及所述私有特征向量，输出所述目标交易股票的交易策略；所述交易策略包括交易时间点
、
交易量及交易价格
。
[0024]本专利技术利用基于深度学习的模型首先根据所述目标交易股票当前的实时行情预测股票可能的交易价格，接着将所述交易价格作为共有状态，将所述目标交易股票的目标成交数据作为私有状态，以此在所述模型中实时考虑到目标交易股票的成交对市场的影响，进而根据所述影响确定目标交易股票的交易策略，提高交易策略的灵活度及精准度
。
[0025]第二方面，本专利技术公开了一种交易策略生成系统，所述系统包括占比计算模块
、
模型匹配模块及策略生成模块；
[0026]所述占比计算模块用于获取目标交易股票的历史交易数据，并根据所述历史交易数据及目标交易股票对应的目标成交量，确定所述目标交易股票对应的事前预测交易占比；
[0027]所述模型匹配模块用于根据所述事前预测交易占比从预设的若干个第一交易策
略模型中匹配对应的目标交易策略模型；
[0028]所述策略生成模块用于将所述目标交易股票的实时行情及目标交易数据输入到所述目标交易策略模型中，以使输出所述目标交易股票在交易时间区间内的交易策略
。
[0029]本专利技术公开了一种交易策略生成系统，在所述系统中首先获取目标交易股票的历史交易数据，并根据所述历史交易数据及目标成交量，提前预测目标交易股票对应的目标成交量在整个市场中的交易占比，进而获得所述事前预测交易占比，根据所述交易占比从预设的若干个交易策略模型中选择一个交易策略模型作为目标交易策略模型进行交易策略的生成，本专利技术通过设计若干个不同的模型考虑到本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种交易策略生成方法，其特征在于，包括：获取目标交易股票的历史交易数据，并根据所述历史交易数据及目标交易股票对应的目标成交量，确定所述目标交易股票对应的事前预测交易占比；根据所述事前预测交易占比从预设的若干个第一交易策略模型中匹配对应的目标交易策略模型；将所述目标交易股票的实时行情及目标交易数据输入到所述目标交易策略模型中，以使输出所述目标交易股票在交易时间区间内的交易策略
。2.
如权利要求1所述的一种交易策略生成方法，其特征在于，所述确定所述目标交易股票对应的事前预测交易占比，包括：获取所述目标交易股票在预设的历史时间段内对应的全市场成交量移动均值，将所述全市场成交量移动均值作为所述目标交易股票对应的历史交易数据；计算所述目标交易股票对应的目标成交量占所述全市场成交量移动均值的占比，根据所述占比确定所述目标交易股票对应的事前预测交易占比
。3.
如权利要求1所述的一种交易策略生成方法，其特征在于，所述根据所述事前预测交易占比从预设的若干个第一交易策略模型中匹配对应的目标交易策略模型，包括：计算所述事前预测交易占比对应的第一占比区间；从预训练的若干个不同占比区间分别对应的第一交易策略模型中筛选获得所述第一占比区间对应的第一交易策略模型，作为所述目标交易策略模型
。4.
如权利要求1所述的一种交易策略生成方法，其特征在于，所述将所述目标交易股票的实时行情及目标交易数据输入到所述目标交易策略模型中，以使输出所述目标交易股票在所述交易时间区间内的交易策略，包括：获取所述目标交易股票的目标交易数据，解析出所述目标交易股票的目标成交量及交易时间段；将所述实时行情及所述目标交易数据输入到所述目标交易策略模型中的第一阶段深度学习模块，以使得所述第一阶段深度学习模块预测所述目标交易股票的交易价格数据，并提取所述交易价格数据的特征以使将其转换为特征向量，记为公有特征向量；提取所述目标交易数据的特征以使将其转换为特征向量，记为私有特征向量；通过预设在所述目标交易策略模型中的第二阶段深度学习模块拼接所述公有特征向量及所述私有特征向量，输出所述目标交易股票的交易策略；所述交易策略包括交易时间点
、
交易量及交易价格
。5.
一种交易策略生成系统，其特征在于，所述系统包括占比计算模块
、
模型匹配模块及策略生成模块；所述占比计算模块用于获取目标交易股票的历史交易数据，并根据所述历史交易数据及目标交易股票对应的目标成交量，确定所述目标交易股票对应的事前预测交易占比；所述模型匹配模块用于根据所述事前预测交易占比从预设的若干个...

【专利技术属性】
技术研发人员：戴竞超，张桐喆，韩雷，唐永鹏，刘硕凌，程宁，
申请(专利权)人：易方达基金管理有限公司，
类型：发明
国别省市：