CN106462794A - 用于产生及选择用于金融市场中的大数据交易的交易算法的系统及方法 - Google Patents

用于产生及选择用于金融市场中的大数据交易的交易算法的系统及方法 Download PDF

Info

Publication number
CN106462794A
CN106462794A CN201580012465.1A CN201580012465A CN106462794A CN 106462794 A CN106462794 A CN 106462794A CN 201580012465 A CN201580012465 A CN 201580012465A CN 106462794 A CN106462794 A CN 106462794A
Authority
CN
China
Prior art keywords
assessment
characteristic
hurdle
methods according
technical specification
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201580012465.1A
Other languages
English (en)
Other versions
CN106462794B (zh
Inventor
H·M·格特森
B·格特森
S·瓦利
R·埃希特纳希特
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Capitalogix LLC
Original Assignee
Technology Kapil LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Technology Kapil LLC filed Critical Technology Kapil LLC
Priority to CN202110646907.5A priority Critical patent/CN113268314A/zh
Publication of CN106462794A publication Critical patent/CN106462794A/zh
Application granted granted Critical
Publication of CN106462794B publication Critical patent/CN106462794B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Technology Law (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

各种示范性系统及方法产生及选择交易算法，其包含：随机选择技术指标，随机选择评估区间，随机选择第一可交易项目，以及随机选择第一评估栏特性。基于绩效对所述所产生的算法进行排名，且选择实现预定绩效阈值的算法。

Description

用于产生及选择用于金融市场中的大数据交易的交易算法的 系统及方法
相关申请案的交叉参考
本申请案主张2014年3月7日申请的标题为“用于金融市场中的大数据交易的系统及方法(Systems and Methods for Big Data Trading in Financial Markets)”的序列号为61/949,938的美国临时申请案的权益及优先权，所述临时申请案特此以引用的方式并入本文中。
本申请案涉及与此同时申请的标题为“用于针对金融市场中的大数据交易将资本分配到交易策略的系统及方法("Systems and Methods for Allocating Capital toTrading Strategies for Big Data Trading in Financial Markets)”的序列号为__/__,__的美国非临时申请案，所述非临时申请案特此以引用的方式并入本文中。
技术领域
本文所揭示的实施例涉及用于使用大数据分析金融市场中的交易的系统及方法。
发明内容
本文提供的是用于产生及选择交易算法的各种示范性系统及方法，其包含：随机选择技术指标；随机选择评估区间；随机选择第一可交易项目；随机选择第一评估栏特性；利用所述第一评估栏特性乘以所述评估区间的乘积来计算所述可交易项目的所述技术指标的过去值；在所述第一评估栏特性出现之后旋即计算所述可交易项目的所述技术指标的现在值；基于在从目前开始的预定时间段内所述第一评估栏特性每次出现时过去值与现在值之间的关系而做出决策；确定预定历史时间段；利用所述第一评估栏特性乘以所述预定历史时间段的所述评估区间的乘积来计算所述可交易项目的所述技术指标的过去值；在所述预定历史时间段期间在所述第一评估栏特性出现之后旋即计算所述可交易项目的所述技术指标的现在值；基于在所述预定历史时间段内所述第一评估栏特性每次出现时过去值与现在值之间的关系而做出决策；确定第一绩效度量及相对于所述第一绩效度量的成功阈值准则；如果所述成功阈值准则得到满足，选择第二评估栏特性；利用所述第二评估栏特性乘以所述评估区间的乘积来计算所述可交易项目的所述技术指标的过去值；在所述第二评估栏特性出现之后旋即计算所述可交易项目的所述技术指标的现在值；基于在从目前开始的预定时间段内所述第二评估栏特性每次出现时过去值与现在值之间的关系而做出决策；确定预定历史时间段；利用所述第二评估栏特性乘以所述预定历史时间段的所述评估区间的乘积来计算所述可交易项目的所述技术指标的过去值；在所述预定历史时间段期间在所述第二评估栏特性出现之后旋即计算所述可交易项目的所述技术指标的现在值；选择第二可交易项目；选择第三评估栏特性；利用所述第三评估栏特性乘以所述评估区间的乘积来计算所述第二可交易项目的所述技术指标的过去值；在所述第三评估栏特性出现发生之后旋即计算所述第二可交易项目的所述技术指标的现在值；基于在从目前开始的预定时间段内所述第三评估栏特性每次出现时过去值与现在值之间的关系而做出决策；确定预定历史时间段；利用所述第三评估栏特性乘以所述预定历史时间段的所述评估区间的乘积来计算所述第二可交易项目的所述技术指标的过去值；在所述预定历史时间段期间在所述第三评估栏特性出现之后旋即计算所述可交易项目的所述技术指标的现在值；确定第二绩效度量；相对于其它类似排名算法对所述技术指标的绩效进行排名；以及选择实现相对于所述第二绩效度量的预定阈值的所述算法。
另外示范性系统及方法包含：随机选择多个技术指标；随机选择多个评估区间；随机选择多个可交易项目；随机选择多个评估栏特性；利用所述第一评估栏特性乘以所述评估区间的乘积来计算所述可交易项目的所述多个技术指标中的每一者的过去值；在所述第一评估栏特性出现之后旋即计算所述可交易项目的所述多个技术指标中的每一者的现在值；基于在从目前开始的预定时间段内所述第一评估栏特性每次出现时过去值与现在值之间的关系而做出决策；确定预定历史时间段；利用所述第一评估栏特性乘以所述预定历史时间段的所述评估区间的乘积来计算所述可交易项目的所述多个技术指标中的每一者的过去值；在所述预定历史时间段期间在所述第一评估栏特性出现之后旋即计算所述可交易项目的所述多个技术指标中的每一者的现在值；基于在所述预定历史时间段内所述第一评估栏特性每次出现时过去值与现在值之间的关系而做出决策；确定第一绩效度量及相对于所述第一绩效度量的成功阈值准则；确定所述成功阈值准则是否得到满足，且如果其得到满足，那么选择第二评估栏特性；利用所述第二评估栏特性乘以所述评估区间的乘积来计算所述可交易项目的所述多个技术指标中的每一者的过去值；在所述第二评估栏特性出现之后旋即计算所述可交易项目的所述多个技术指标中的每一者的现在值；基于在从现在开始的预定时间段内所述第二评估栏特性每次出现时过去值与现在值之间的关系而做出决策；确定预定历史时间段；利用所述第二评估栏特性乘以所述预定历史时间段的所述评估区间的乘积来计算所述可交易项目的所述多个技术指标中的每一者的过去值；在所述预定历史时间段期间在所述第二评估栏特性出现之后旋即计算所述可交易项目的所述多个技术指标中的每一者的现在值；选择第二可交易项目；选择第三评估栏特性；利用所述第三评估栏特性乘以所述评估区间的乘积来计算所述第二可交易项目的所述多个技术指标中的每一者的过去值；在所述第三评估栏特性出现之后旋即计算所述第二可交易项目的所述多个技术指标中的每一者的现在值；基于在从目前开始的预定时间段内所述第三评估栏特性每次出现时过去值与现在值之间的关系而做出决策；确定预定历史时间段；利用所述第三评估栏特性乘以所述预定历史时间段的所述评估区间的乘积来计算所述第二可交易项目的所述多个技术指标中的每一者的过去值；在所述预定历史时间段期间在所述第三评估栏特性出现之后旋即计算所述可交易项目的所述多个技术指标中的每一者的现在值；确定第二绩效度量；对所述多个技术指标中的每一者的绩效进行排名；以及选择实现相对于所述第二绩效度量的预定阈值的所述技术指标。
根据一些示范性系统及方法，所述技术指标基于活动指示是买入还是卖出所述可交易项目，所述活动是价格活动、成交量活动、时间活动、市场活动、经济活动或天气活动中的任何者，所述可交易项目是下列中的任何者：指数、股票、债券、商品、体育比分、房地产物品或另一资产，所述第一绩效度量是最小绩效准则，所述多个技术指标包括至少一百个技术指标，所述多个评估区间包括至少一百个评估区间，所述多个可交易项目包括至少一百个可交易项目，所述多个评估栏特性包括至少一百个评估栏特性，随机选择至少一百个技术指标，每一技术指标与进一步与随机选择的评估栏特性相关联的随机选择的评估区间相关联，且所述决策是买入、卖出、卖空及回购中的任何者。
附图说明
图1A到1D是用于产生及选择交易算法的示范性方法的流程图。
图2展示用于产生及选择交易算法的示范性系统架构。
图3是用于产生及选择交易算法的示范性方法的另一流程图。
图4展示用于指导主云服务器的操作的示范性交互式图形用户接口。
具体实施方式
图1A到1D是用于产生及选择交易算法的示范性方法100的流程图。
在步骤101处，选择技术指标、评估区间、第一可交易项目及第一评估栏特性。选择方法可从随机选择以上元素中的一或多者变化到使用其它模型来进行选择而不尽相同。选择方法可包含(但不限于)人性化设计、模糊逻辑、人工神经网络、进化算法、遗传算法、机器学习等等。在一些例子中，步骤101是完全自动化的过程。
栏由跨可交易项目的某一时间段的开盘价格、收盘价格、干预价格、成交量及交易活动组成。举例来说，黄金价格可在9:00AM在交易所以每盎司800美元开盘，且在5:00PM在同一交易所以每盎司900美元收盘。这可表示一个栏。
最基本层次的技术指标是通过将公式应用到可交易项目的价格数据而导出的一系列数据点。技术指标提供了可交易项目的基本价格走势的强度及方向的独特视角。示范性技术指标包含(但不以限制的方式)相对强弱指数(“RSI”)、平均方向性指数、随机指标、资金流量指数、移动平均值背驰指标、Bollinger等等。
评估区间是用于评估条件是否为真的栏的数目。举例来说，相对于RSI，如果评估区间是五十五个栏，那么所述方法包含确定在最近五十五个栏期间RSI是否为真。
评估栏特性可包含用于评估条件是否为真的时间段。例如，31分钟的评估期可表示评估栏特性。相对于RSI实例(上文)，所述方法可包含评估在先前五十五个31分钟的评估栏中相对强弱指数是否为真。
评估栏特性可基于时间、成交笔数、成交量或市场活动。举例来说，时间(例如，秒、分钟、小时、日、月等等)及/或成交笔数(在交易所的交易，例如X次交易)及/或成交量(例如，一个、十个、两百个、一千个等等的合约)，及/或市场活动(例如0.5％、1％、1.5％、2％等等的市场波动)。
可交易项目可包含被交易的任何项目。举例来说，可选择黄金的期货市场来产生交易算法。可交易项目可包含任何电子交易市场，其包含：期货(例如，S&P、欧元、黄金、原油、棉花、大豆、10年期票据、瘦猪肉等等)、股票(例如，PG、GE、AAPL、GOOG、FB等等)、债券(例如，美国政府债券、欧洲美元等等)及外汇(例如，EURUSD欧元兑美元等等)。
相对于步骤101，作为实例，可选择相对强弱指数(“RSI”)作为技术指标。可选择55个评估区间。可选择黄金价格作为第一可交易项目。可选择每31分钟作为第一评估栏特性。
在步骤102处，利用第一评估栏特性乘以评估区间的乘积来计算可交易项目的技术指标的过去值。举例来说，应用来自步骤101的数据，针对过去五十五个31分钟评估区间每31分钟计算黄金的RSI的过去值(产生1705个RSI的过去值)。
在步骤103处，在第一评估栏特性出现之后旋即计算可交易项目的技术指标的现在值。举例来说，应用来自步骤101的数据，从目前开始每31分钟计算RSI的现在值。
在步骤104处，基于在从目前开始的预定时间段内第一评估栏特性每次出现时技术指标的过去值与现在值之间的关系而做出决策。举例来说，应用来自步骤101的数据，在从目前开始的下一个三天的预定时间段内，计算黄金的RSI的现在值。将比较这个值与在现在值计算之前的31分钟所计算的黄金的RSI的过去值。如果现在值相对于过去值的关系是更高、更低或未改变，那么做出对应交易决策，例如买入、卖出或持仓。
在步骤105处，确定预定历史时间段。举例来说，上一个五年可为预定历史时间段。
在步骤106处，利用第一评估栏特性乘以预定历史时间段的评估区间的乘积来计算可交易项目的技术指标的过去值。举例来说，应用来自步骤101及105的数据，针对过去五年的过去55个评估区间每31分钟计算黄金的RSI的过去值。
在步骤107处，在预定历史时间段期间在第一评估栏特性出现之后旋即计算可交易项目的技术指标的现在值。举例来说，应用来自步骤101及105的数据，往前追溯五年，以每一31分钟为间隔，计算RSI的现在值。
在步骤108处，基于在预定历史时间段内第一评估栏特性每次出现时过去值与现在值之间的关系而做出决策。举例来说，相对于来自步骤106及107的所计算的数据，往前追溯五年，以每一31分钟为间隔，计算RSI的现在值。将RSI的现在值与31分钟前所计算的RSI的过去值相比较。如果现在值与过去值的关系是更高、更低或未改变中的一者，那么做出对应交易决策，例如买入、卖出或持仓。
在步骤109处，确定第一绩效度量及相对于第一绩效度量的成功阈值准则。举例来说，第一绩效度量可为利润百分比，且相对于第一绩效度量的成功阈值准则可为至少10％的利润。
绩效度量包含(但不限于)：1年的总利润、一段时间的盈利交易的百分比、在每一交易中收益或亏损多少、在熊市或牛市中的盈利交易的％、利润因子(总收益>总亏损)、与其它指数的关联、弥补最大亏损的盈利交易的比率等等。
在各种实施例中，使用许多常规及非常规绩效度量。举例来说，常规绩效度量是在两个或两个以上交易算法之间比较同一市场上的同一时间评估栏区间。例如，比较具有15分钟时间评估栏特性的第一交易算法在S&P 500上的绩效与具有15分钟时间评估栏特性的第二交易算法在S&P 500上的绩效。
在步骤110处，如果步骤109处所确定的成功阈值准则相对于步骤108的绩效得到满足，那么选择第二评估栏特性。举例来说，如果步骤108的绩效导致大于10％的利润，那么可选择每50分钟的第二评估栏特性(采用本文所描述的选择方法)。
在步骤111处，利用第二评估栏特性乘以评估区间的乘积来计算可交易项目的技术指标的过去值。举例来说，应用来自步骤110的数据，针对过去55个50分钟的区间每50分钟计算黄金的RSI的过去值(产生黄金的RSI的2707个过去值)。
在步骤112处，在第二评估栏特性出现之后旋即计算可交易项目的技术指标的现在值。举例来说，应用来自步骤110的数据，从目前开始每50分钟计算黄金的RSI的现在值。
在步骤113处，基于在从目前开始的预定时间段内第二评估栏特性每次出现时技术指标的过去值与现在值之间的关系而做出决策。举例来说，应用来自步骤110的数据，在从目前开始的下一个月的预定时间段内，每50分钟计算黄金的RSI的现在值。将比较这个值与在现在值之前50分钟所计算的黄金的RSI的过去值。如果现在值在与过去值比较时的关系是更高、更低或未改变，那么做出对应交易决策，例如买入、卖出或持仓。
在步骤114处，确定预定历史时间段。举例来说，上一个十年可为预定历史时间段。
在步骤115处，利用第二评估栏特性乘以预定历史时间段的评估区间的乘积来计算可交易项目的技术指标的过去值。举例来说，应用来自步骤110及114的数据，针对过去10年的过去55个评估区间每50分钟计算黄金的RSI的过去值。
在步骤116处，在预定历史时间段期间在第二评估栏特性出现之后旋即计算可交易项目的技术指标的现在值。举例来说，应用来自步骤110及114的数据，往前追溯十年，以每一50分钟为间隔，计算RSI的现在值。
在步骤117处，选择第二可交易项目。举例来说，选择石油价格。
在步骤118处，选择第三评估栏特性。举例来说，可选择每分钟作为第三评估栏特性。
在步骤119处，利用第三评估栏特性乘以评估区间的乘积来计算第二可交易项目的技术指标的过去值。举例来说，应用来自步骤117及118的数据，针对过去55个一分钟区间每分钟计算石油的RSI的过去值(产生RSI的55个过去值)。
在步骤120处，在第三评估栏特性出现之后旋即计算第二可交易项目的技术指标的现在值。举例来说，应用来自步骤117及118的数据，从目前开始每分钟计算石油的RSI的现在值。
在步骤121处，基于在从目前开始的预定时间段内第三评估栏特性每次出现时技术指标的过去值与现在值之间的关系而做出决策。举例来说，应用来自步骤117及118的数据，在从目前开始的下一个六个月的预定时间段内，每分钟计算石油的RSI的现在值。将比较这个值与在现在值计算之前1分钟所计算的石油的RSI的过去值。如果现在值相对于过去值的关系是更高、更低或未改变，那么将做出对应交易决策，例如买入、卖出或持仓。
在步骤122处，确定预定历史时间段。举例来说，上一个二十年可为预定历史时间段。
在步骤123处，利用第三评估栏特性乘以预定历史时间段的评估区间的乘积来计算第二可交易项目的技术指标的过去值。举例来说，应用来自步骤117、118及122的数据，针对上一个二十年的过去55个评估区间每分钟计算石油的RSI的过去值。
在步骤124处，在预定历史时间段期间在第三评估栏特性出现之后旋即计算第二可交易项目的技术指标的现在值。举例来说，应用来自步骤117、118及122的数据，往前追溯二十年，以每一分钟为间隔，计算石油的RSI的现在值。
在步骤125处，确定第二绩效度量。举例来说，第二绩效度量可为亏损百分比。
在步骤126处，基于第二绩效度量相对于针对相同/不同评估栏特性的相同/不同可交易项目的其它技术指标对针对第三评估栏特性的第二可交易项目的技术指标的绩效进行排名。每一技术指标、相关联的可交易项目、评估栏特性及评估区间可称为交易算法。举例来说，可相对于55个评估区间每27分钟的牛肉价格的资金流量指数技术指标的交易算法基于亏损百分比而对具有55个评估区间每1分钟的第三评估栏特性的石油价格的RSI的交易算法进行排名。
在步骤127处，选择实现相对于第二绩效度量的预定阈值的交易算法。举例来说，选择具有小于百分之二的亏损的那些交易算法。
根据另外实施例，匹配选定准则的任何交易算法被自动保存。举例来说，对市场数据应用10,000,000个交易算法且比较结果确定具有最高％回报率、最低支取、最高利润因子等等的算法的排名。满足最低标准的交易算法存储于数据库及/或数据仓库中且为选定交易算法，且未满足最低标准的交易算法被筛除。举例来说，前述的10,000,000个交易算法中的1,000,000个交易算法具有大于50％的回报率，这1,000,000个交易算法是选定交易算法且存储于数据仓库中。
在一些实施例中，最低标准是指具有交易价值的任何东西。最低标准针对不同初步测试而不同。举例来说，如果策略是寻找安全交易算法，那么在不利的市场条件(例如动荡或熊市时期)下的筛选准则注重安全性(最小亏损)。如果策略是寻找高绩效交易算法，那么筛选准则注重高回报率，例如具有高年回报率(即，大于50％的回报率)的任何交易算法。
基于另外示范性系统及方法，可批量产生(有时随机地)经组合的技术指标、评估区间、可交易项目及评估栏特性的大规模集合，其中每一者具有不同组合。本文所描述的计算可跨众多计算装置快速执行。
技术指标可包含基于活动指示是否买入或卖出可交易项目的任何事物。所述活动可包含价格活动、成交量活动、时间活动、市场活动、经济活动或天气活动中的任何者。可交易项目可包含指数、股票、债券、商品、体育比分、房地产物品或另一资产中的任何者。由本文所描述的示范性系统及方法所支持及/或执行的决策可包含买入、卖出、卖空及/或回购中的任何者。
所属领域的一般技术人员将理解：由于存在大量变量，交易数据及/或原始交易数据是大数据，举例来说，每一个电子交易市场上的上百万或更多的交易算法乘以每算法的成千上万的交易以及众多评估度量是巨量数据。此巨量数据被实时跟踪且持续更新。因此，这种规模下的数据分析是“大数据交易”，这是因为数据过于多样、快速变化且巨大以至于常规技术无法有效处理。
根据另外示范性实施例，可跨多个计算装置执行本文所描述的方法以实现更快处理率。举例来说，前述1,000,000个选定交易算法跨多个不同机器缩放以用于数据处理。例如，云管理器可同时在多个计算机处理器上运行本文所描述的方法，由此提高处理量以在较少时间内实现更多记录。在一些例子中，处理的量取决于情境时间限制。举例来说，当需要快速执行本文所描述的方法时，从商业数据中心租用虚拟机以增加处理量，且所需工作被分成较小单元。例如，1,000,000个选定交易算法可被细分为五个单元的200,000个交易算法。每一较小单元的200,000个算法被指派到在需要时开启且在结束时关闭的虚拟机或虚拟机的群组。
图2展示用于产生及选择交易算法的示范性系统架构200。示范性架构200包含随机组合产生器201、主云服务器202及选定策略服务器203。
根据一些示范性实施例，随机组合产生器201是用于随机选择指标、评估区间、可交易项目、栏定义及/或其它参数的硬件。此硬件还负责此类参数的随机组合。
根据各种示范性实施例，主云服务器202包括主虚拟机服务器。根据各种示范性实施例，虚拟机可包括特定计算机系统的仿真。虚拟机基于真实或假想计算机的计算机架构及功能来操作，且其实施可涉及专门硬件、软件或两者的组合。
在某些示范性实施例中，主虚拟机服务器可包括负责产生所有或大多数虚拟机的单个服务器。
举例来说，云管理器可为管理交易策略或算法的定制应用程序。云管理器经配置到用于处理大量数据的云计算实例的集群。云管理器充当用户接口以处置虚拟计算实例的排序及取消。另外，云管理器可允许虚拟机的详细定制。举例来说，可针对每一虚拟机及/或所有虚拟机详述随机存取存储器(“RAM”)、处理器速度、处理器数目、网络细节、安全/加密及/或存储器。一旦云计算实例的集群经排序且运行，则云管理器“侦听”闲置机器且“指派”任一闲置机器交易策略以供分析。
基于云的计算环境是通常组合大处理器群组的计算能力及/或组合大计算机存储器或存储装置群组的存储容量的资源。举例来说，提供云资源的系统可由其拥有者专用；或此类系统可由外部用户访问，所述外部用户在计算基础结构内部署应用程序以获得大型计算或存储资源的益处。
举例来说，从第三方云服务提供商的角度，提交订单以基于具有所需规格的所存储的模板vm的图像创建虚拟机(vm)且将其命名为“VM1”。
根据一些示范性实施例的选定策略服务器203可包括满足如存储于数据库及/或数据仓库中的最低标准的交易算法、交易策略或“蠕虫(bots)”。
图3是用于产生及选择交易算法的示范性方法300的另一流程图。
根据一些示范性实施例，在圆圈301内，展示在用于随机选择指标、评估区间、可交易项目、栏定义及/或其它参数的随机组合产生器(例如随机组合产生器201(图2))的指导下的步骤。此产生器还负责此类参数的随机组合。
根据一些示范性实施例，在圆圈301外，展示在主云服务器(例如主云服务器202(图2))的指导下的步骤。
图4展示用于指导主云服务器(例如主云服务器202(图2))的操作的示范性交互式图形用户接口400。
根据一些示范性实施例，示范性交互式图形用户接口400负责产生及选择交易策略、算法及/或蠕虫。示范性交互式图形用户接口400经配置到用于处理大量数据的云计算实例的集群。示范性交互式图形用户接口400是处置虚拟计算实例的排序及取消的接口。另外，其可允许虚拟机的详细定制。举例来说，可针对每一虚拟机及/或所有虚拟机详述随机存取存储器(“RAM”)、处理器速度、处理器数目、网络细节、安全/加密及/或存储器。一旦云计算实例的集群经排序且运行，则示范性交互式图形用户接口400通过主云管理器“侦听”闲置机器且“指派”任一闲置机器交易策略以供分析。
本文所描述的示范性系统及方法可执行于包含防火墙及加密技术的使用的安全计算环境中。鉴于所产生的信息的潜在高价值，及所得投资决策的潜在规模，可采取措施来以安全方式执行本文中的一些或所有步骤，重点在于例如确定交易策略及执行的步骤。举例来说，除最优策略之外，可有目的地将非最优策略添加在最优策略的同一字符串或数字数据环境中以迷惑截获此信息的任何不受欢迎的黑客。作为另一实例，除了待被执行的所要交易之外，可将非所要交易有目的地添加到所要交易的同一字符串或数字数据环境中以迷惑截获此信息的任何不受欢迎的黑客。此外，所要交易可接收用于执行的资金，而非所要交易可能不接收用于执行的资金。
尽管上文已描述各种实施例，但应理解，其已仅以实例而非限制的形式呈现。不希望描述将技术范围限于本文所阐述的特定形式。因此，优选实施例的广度及范围不应受以上所描述的示范性实施例中的任何者限制。应理解，以上描述是说明性的且不是限制性的。与此相反，希望本描述涵盖如可包含于如由所附权利要求书且以其它方式由所属领域的一般技术人员了解的技术的精神及范围内的此类替代、修改及等效物。因此，不应参考上文描述来确定技术范围，而应参考所附权利要求书连同其全部范围的等效物来确定技术范围。

Claims (41)

1.一种用于产生及选择交易算法的方法，所述方法包括：
随机选择技术指标；
随机选择评估区间；
随机选择第一可交易项目；
随机选择第一评估栏特性；
利用所述第一评估栏特性乘以所述评估区间的乘积来计算所述可交易项目的所述技术指标的过去值；
在所述第一评估栏特性出现之后旋即计算所述可交易项目的所述技术指标的现在值；
基于在从目前开始的预定时间段内所述第一评估栏特性每次出现时过去值与现在值之间的关系而做出决策；
确定预定历史时间段；
利用所述第一评估栏特性乘以所述预定历史时间段的所述评估区间的乘积来计算所述可交易项目的所述技术指标的过去值；
在所述预定历史时间段期间在所述第一评估栏特性出现之后旋即计算所述可交易项目的所述技术指标的现在值；
基于在所述预定历史时间段内所述第一评估栏特性每次出现时过去值与现在值之间的关系而做出决策；
确定第一绩效度量及相对于所述第一绩效度量的成功阈值准则；
如果所述成功阈值准则得到满足，
那么选择第二评估栏特性；
利用所述第二评估栏特性乘以所述评估区间的乘积来计算所述可交易项目的所述技术指标的过去值；
在所述第二评估栏特性出现之后旋即计算所述可交易项目的所述技术指标的现在值；
基于在从目前开始的预定时间段内所述第二评估栏特性每次出现时过去值与现在值之间的关系而做出决策；
确定预定历史时间段；
利用所述第二评估栏特性乘以所述预定历史时间段的所述评估区间的乘积来计算所述可交易项目的所述技术指标的过去值；
在所述预定历史时间段期间在所述第二评估栏特性出现之后旋即计算所述可交易项目的所述技术指标的现在值；
选择第二可交易项目；
选择第三评估栏特性；
利用所述第三评估栏特性乘以所述评估区间的乘积来计算所述第二可交易项目的所述技术指标的过去值；
在所述第三评估栏特性出现之后旋即计算所述第二可交易项目的所述技术指标的现在值；
基于在从目前开始的预定时间段内所述第三评估栏特性每次出现时过去值与现在值之间的关系而做出决策；
确定预定历史时间段；
利用所述第三评估栏特性乘以所述预定历史时间段的所述评估区间的乘积来计算所述第二可交易项目的所述技术指标的过去值；
在所述预定历史时间段期间在所述第三评估栏特性出现之后旋即计算所述可交易项目的所述技术指标的现在值；
确定第二绩效度量；
相对于其它类似排名算法对所述技术指标的绩效进行排名；以及
选择实现相对于所述第二绩效度量的预定阈值的所述算法。
2.根据权利要求1所述的方法，其进一步包括随机选择多个技术指标。
3.根据权利要求1所述的方法，其进一步包括随机选择多个评估区间。
4.根据权利要求1所述的方法，其进一步包括随机选择多个可交易项目。
5.根据权利要求1所述的方法，其进一步包括随机选择多个评估栏特性。
6.根据权利要求2所述的方法，其进一步包括利用所述第一评估栏特性乘以所述评估区间的乘积来计算所述可交易项目的所述多个技术指标中的每一者的过去值。
7.根据权利要求6所述的方法，其进一步包括在所述第一评估栏特性出现之后旋即计算所述可交易项目的所述多个技术指标中的每一者的现在值。
8.根据权利要求7所述的方法，其进一步包括基于在从目前开始的预定时间段内所述第一评估栏特性每次出现时过去值与现在值之间的关系而做出决策。
9.根据权利要求8所述的方法，其进一步包括确定预定历史时间段。
10.根据权利要求9所述的方法，其进一步包括利用所述第一评估栏特性乘以所述预定历史时间段的所述评估区间的乘积来计算所述可交易项目的所述多个技术指标中的每一者的过去值。
11.根据权利要求10所述的方法，其进一步包括在所述预定历史时间段期间在所述第一评估栏特性出现之后旋即计算所述可交易项目的所述多个技术指标中的每一者的现在值。
12.根据权利要求11所述的方法，其进一步包括基于在所述预定历史时间段内所述第一评估栏特性每次出现时过去值与现在值之间的关系而做出决策。
13.根据权利要求12所述的方法，其进一步包括确定第一绩效度量及相对于所述第一绩效度量的成功阈值准则。
14.根据权利要求13所述的方法，其进一步包括确定所述成功阈值准则是否得到满足，且如果其得到满足，那么选择第二评估栏特性。
15.根据权利要求14所述的方法，其进一步包括利用所述第二评估栏特性乘以所述评估区间的乘积来计算所述可交易项目的所述多个技术指标中的每一者的过去值。
16.根据权利要求15所述的方法，其进一步包括在所述第二评估栏特性出现之后旋即计算所述可交易项目的所述多个技术指标中的每一者的现在值。
17.根据权利要求16所述的方法，其进一步包括基于在从现在开始的预定时间段内所述第二评估栏特性每次出现时过去值与现在值之间的关系而做出决策。
18.根据权利要求17所述的方法，其进一步包括确定预定历史时间段。
19.根据权利要求18所述的方法，其进一步包括利用所述第二评估栏特性乘以所述预定历史时间段的所述评估区间的乘积来计算所述可交易项目的所述多个技术指标中的每一者的过去值。
20.根据权利要求19所述的方法，其进一步包括在所述预定历史时间段期间在所述第二评估栏特性出现之后旋即计算所述可交易项目的所述多个技术指标中的每一者的现在值。
21.根据权利要求20所述的方法，其进一步包括选择第二可交易项目。
22.根据权利要求21所述的方法，其进一步包括选择第三评估栏特性。
23.根据权利要求22所述的方法，其进一步包括利用所述第三评估栏特性乘以所述评估区间的乘积来计算所述第二可交易项目的所述多个技术指标中的每一者的过去值。
24.根据权利要求23所述的方法，其进一步包括在所述第三评估栏特性出现之后旋即计算所述第二可交易项目的所述多个技术指标中的每一者的现在值。
25.根据权利要求24所述的方法，其进一步包括基于在从目前开始的预定时间段内所述第三评估栏特性每次出现时过去值与现在值之间的关系而做出决策。
26.根据权利要求25所述的方法，其进一步包括确定预定历史时间段。
27.根据权利要求26所述的方法，其进一步包括利用所述第三评估栏特性乘以所述预定历史时间段的所述评估区间的乘积来计算所述第二可交易项目的所述多个技术指标中的每一者的过去值。
28.根据权利要求27所述的方法，其进一步包括在所述预定历史时间段期间在所述第三评估栏特性出现之后旋即计算所述可交易项目的所述多个技术指标中的每一者的现在值。
29.根据权利要求28所述的方法，其进一步包括确定第二绩效度量。
30.根据权利要求29所述的方法，其进一步包括对所述多个技术指标中的每一者的绩效进行排名。
31.根据权利要求30所述的方法，其进一步包括选择实现相对于所述第二绩效度量的预定阈值的所述技术指标。
32.根据权利要求1所述的方法，其中所述技术指标基于活动指示是买入还是卖出所述可交易项目。
33.根据权利要求32所述的方法，其中所述活动是价格活动、成交量活动、时间活动、市场活动、经济活动或天气活动中的任何者。
34.根据权利要求1所述的方法，其中所述可交易项目是下列中的任何者：指数、股票、债券、商品、体育比分、房地产物品或另一资产。
35.根据权利要求1所述的方法，其中所述第一绩效度量是最小绩效准则。
36.根据权利要求2所述的方法，其中所述多个技术指标包括至少一百个技术指标。
37.根据权利要求3所述的方法，其中所述多个评估区间包括至少一百个评估区间。
38.根据权利要求4所述的方法，其中所述多个可交易项目包括至少一百个可交易项目。
39.根据权利要求5所述的方法，其中所述多个评估栏特性包括至少一百个评估栏特性。
40.根据权利要求1所述的方法，其进一步包括随机选择至少一百个技术指标，每一技术指标与进一步与随机选择的评估栏特性相关联的随机选择的评估区间相关联。
41.根据权利要求1所述的方法，其中所述决策是买入、卖出、卖空及回购中的任何者。
CN201580012465.1A 2014-03-07 2015-03-09 安全智能网络系统 Active CN106462794B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110646907.5A CN113268314A (zh) 2014-03-07 2015-03-09 安全智能网络系统

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201461949938P 2014-03-07 2014-03-07
US61/949,938 2014-03-07
PCT/US2015/019509 WO2015134991A1 (en) 2014-03-07 2015-03-09 Systems and methods for generating and selecting trading algorithms for big data trading in financial markets

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202110646907.5A Division CN113268314A (zh) 2014-03-07 2015-03-09 安全智能网络系统

Publications (2)

Publication Number Publication Date
CN106462794A true CN106462794A (zh) 2017-02-22
CN106462794B CN106462794B (zh) 2021-06-29

Family

ID=54017686

Family Applications (4)

Application Number Title Priority Date Filing Date
CN202010307661.4A Active CN111488975B (zh) 2014-03-07 2015-03-09 用于针对金融市场中的大数据交易将资本分配到交易策略的系统及方法
CN201580012482.5A Active CN106462795B (zh) 2014-03-07 2015-03-09 用于针对金融市场中的大数据交易将资本分配到交易策略的系统及方法
CN202110646907.5A Pending CN113268314A (zh) 2014-03-07 2015-03-09 安全智能网络系统
CN201580012465.1A Active CN106462794B (zh) 2014-03-07 2015-03-09 安全智能网络系统

Family Applications Before (3)

Application Number Title Priority Date Filing Date
CN202010307661.4A Active CN111488975B (zh) 2014-03-07 2015-03-09 用于针对金融市场中的大数据交易将资本分配到交易策略的系统及方法
CN201580012482.5A Active CN106462795B (zh) 2014-03-07 2015-03-09 用于针对金融市场中的大数据交易将资本分配到交易策略的系统及方法
CN202110646907.5A Pending CN113268314A (zh) 2014-03-07 2015-03-09 安全智能网络系统

Country Status (4)

Country Link
US (5) US11366816B2 (zh)
CN (4) CN111488975B (zh)
SG (4) SG10201906293YA (zh)
WO (2) WO2015134992A2 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10387679B2 (en) 2017-01-06 2019-08-20 Capitalogix Ip Owner, Llc Secure intelligent networked architecture with dynamic feedback
US10423800B2 (en) 2016-07-01 2019-09-24 Capitalogix Ip Owner, Llc Secure intelligent networked architecture, processing and execution
US10795893B2 (en) 2014-03-07 2020-10-06 Capitalogix Ip Owner, Llc Systems and methods for allocating capital to trading strategies for big data trading in financial markets

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170140472A1 (en) * 2015-11-16 2017-05-18 Massachusetts Institute Of Technology Method and system for assessing auditing likelihood
CN107480857A (zh) * 2017-07-10 2017-12-15 武汉楚鼎信息技术有限公司 一种股票基因库诊断方法及系统
JP7068570B2 (ja) * 2017-12-11 2022-05-17 富士通株式会社 生成プログラム、情報処理装置及び生成方法
CN108197437A (zh) * 2017-12-19 2018-06-22 山东浪潮云服务信息科技有限公司 一种数据流通方法及装置
US20210027369A1 (en) * 2018-02-12 2021-01-28 Fazal Raheman Decentralized algo-sharing infrastructure for zero-loss algorithmic trading
CN108762245B (zh) 2018-03-20 2022-03-25 华为技术有限公司 数据融合方法以及相关设备
WO2020023960A1 (en) * 2018-07-27 2020-01-30 Rocky Mountain Innovation Insights Llc Cloud-based, data-driven artificial intelligence and machine learning financial planning and analysis visualization platform
US20200097808A1 (en) * 2018-09-21 2020-03-26 International Business Machines Corporation Pattern Identification in Reinforcement Learning
WO2020186380A1 (en) * 2019-03-15 2020-09-24 State Street Corporation Techniques to forecast future orders using deep learning
US11055783B2 (en) * 2019-08-28 2021-07-06 Ttc Holdings Inc. Trading platforms using market sentiment and dynamic risk assessment profiles
CN110795232B (zh) * 2019-09-16 2023-10-20 腾讯科技（深圳）有限公司 数据处理方法、装置、计算机可读存储介质和计算机设备
CN114092236A (zh) * 2020-08-24 2022-02-25 湖南福米信息科技有限责任公司 资产数据处理方法、装置、计算机设备及存储介质
CN113516447B (zh) * 2021-05-21 2024-04-23 陕西迅税通智能科技有限公司 基于计算机输出财税推理匹配结果的电子装置及方法
WO2023114637A1 (en) * 2021-12-13 2023-06-22 Prometics, Inc. Computer-implemented system and method of facilitating artificial intelligence based lending strategies and business revenue management
US20240112258A1 (en) * 2022-09-29 2024-04-04 Jpmorgan Chase Bank, N.A. System, method, and computer program to formulate and visualize insights for stock trading based on optimal histogram values and machine learning confidence scores

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102333126A (zh) * 2011-10-15 2012-01-25 西安交通大学 基于Hadoop 与虚拟流媒体服务器集群的流媒体点播方法
CN102393894A (zh) * 2011-09-30 2012-03-28 飞天诚信科技股份有限公司 一种提高用户信息输入安全性的方法和装置
CN102713849A (zh) * 2010-01-26 2012-10-03 国际商业机器公司 用于抽象对虚拟机的基于非功能需求的部署的方法和系统
US20130024395A1 (en) * 2011-07-22 2013-01-24 Thomson Reuters (Markets) Llc System and method for constructing outperforming portfolios relative to target benchmarks
CN103412792A (zh) * 2013-07-18 2013-11-27 成都国科海博计算机系统有限公司 一种云计算平台环境下的动态任务调度方法及装置

Family Cites Families (63)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5761442A (en) 1994-08-31 1998-06-02 Advanced Investment Technology, Inc. Predictive neural network means and method for selecting a portfolio of securities wherein each network has been trained using data relating to a corresponding security
US6735580B1 (en) 1999-08-26 2004-05-11 Westport Financial Llc Artificial neural network based universal time series
US6578068B1 (en) 1999-08-31 2003-06-10 Accenture Llp Load balancer in environment services patterns
US20020095400A1 (en) 2000-03-03 2002-07-18 Johnson Scott C Systems and methods for managing differentiated service in information management environments
US7257546B2 (en) 2001-09-04 2007-08-14 Yahoo! Inc. System and method for correlating user data from a content provider and user data from an advertising provider that is stored on autonomous systems
US7644863B2 (en) 2001-11-14 2010-01-12 Sap Aktiengesellschaft Agent using detailed predictive model
US20030217129A1 (en) 2002-05-15 2003-11-20 Lucent Technologies Inc. Self-organizing intelligent network architecture and methodology
US7529752B2 (en) 2002-09-18 2009-05-05 Netezza Corporation Asymmetric streaming record data processor method and apparatus
WO2004027674A1 (en) * 2002-09-20 2004-04-01 Neurotech Research Pty Limited Condition analysis
US7103772B2 (en) * 2003-05-02 2006-09-05 Giritech A/S Pervasive, user-centric network security enabled by dynamic datagram switch and an on-demand authentication and encryption scheme through mobile intelligent data carriers
US20050203892A1 (en) 2004-03-02 2005-09-15 Jonathan Wesley Dynamically integrating disparate systems and providing secure data sharing
US7805344B2 (en) * 2004-03-12 2010-09-28 Sybase, Inc. System providing methodology for consolidation of financial information
US20110238555A1 (en) * 2004-07-12 2011-09-29 Rosenthal Collins Group, Llc Method and system for electronic trading from smart phones and tablet computers
US8051425B2 (en) 2004-10-29 2011-11-01 Emc Corporation Distributed system with asynchronous execution systems and methods
US7882014B2 (en) 2006-04-28 2011-02-01 Pipeline Financial Group, Inc. Display of market impact in algorithmic trading engine
US7908203B2 (en) * 2006-04-28 2011-03-15 Pipeline Financial Group, Inc. Coordination of algorithms in algorithmic trading engine
US20070288466A1 (en) 2006-05-02 2007-12-13 Mypoints.Com Inc. System and method for evenly distributing data across a distributed member architecture utilizing a home silo
US20080228549A1 (en) * 2007-03-14 2008-09-18 Harrison Michael J Performance evaluation systems and methods
US20090012760A1 (en) 2007-04-30 2009-01-08 Schunemann Alan J Method and system for activity monitoring and forecasting
US8285624B2 (en) 2007-06-05 2012-10-09 D12 Ventures, Llc System, method, and program product for managing a collective investment vehicle including a true-up operation
US20090089202A1 (en) * 2007-09-28 2009-04-02 Fidessa Corporation Algorithmic order management tool for trading financial instruments
WO2009062090A1 (en) 2007-11-08 2009-05-14 Genetic Finance Holdings Limited Distributed network for performing complex algorithms
CN101276454A (zh) 2007-12-05 2008-10-01 中原工学院 基于bp神经网络的股市建模、预测及决策的方法
US8442885B1 (en) * 2008-02-14 2013-05-14 Jpmorgan Chase Bank, N.A. Algorithmic trading management system and method
US8250102B2 (en) 2008-03-14 2012-08-21 Microsoft Corporation Remote storage and management of binary object data
US20100070431A1 (en) * 2008-09-17 2010-03-18 Scott Kaylie System and method for evaluating securities transactions
US20100241600A1 (en) * 2009-03-20 2010-09-23 Nokia Corporation Method, Apparatus and Computer Program Product for an Instruction Predictor for a Virtual Machine
US20140297495A1 (en) * 2010-03-18 2014-10-02 Pankaj B. Dalal Multidimensional risk analysis
CN101853480A (zh) * 2009-03-31 2010-10-06 北京邮电大学 一种基于神经网络预测模型的外汇交易方法
US20130159161A1 (en) * 2009-05-13 2013-06-20 Oculus Equities Inc. System and method for creating and supplying particular data constructs in evaluating whether to buy or sell a traded security
US8285658B1 (en) 2009-08-25 2012-10-09 Scout Analytics, Inc. Account sharing detection
TW201122898A (en) 2009-12-18 2011-07-01 Hannstar Display Corp Digital data management system and method.
US20110178890A1 (en) 2010-01-15 2011-07-21 Endurance International Group, Inc. Common services web hosting architecture with multiple branding
JP2011155710A (ja) * 2010-01-25 2011-08-11 Sony Corp 電力管理装置、電子機器及び電力管理方法
JP2011154410A (ja) 2010-01-25 2011-08-11 Sony Corp 解析サーバ及びデータ解析方法
US20110246298A1 (en) 2010-03-31 2011-10-06 Williams Gregory D Systems and Methods for Integration and Anomymization of Supplier Data
WO2012036633A1 (en) 2010-09-14 2012-03-22 Amitsur Preis System and method for water distribution modelling
US9069620B2 (en) * 2010-10-20 2015-06-30 Microsoft Technology Licensing, Llc Creating and deploying service-ready virtual hard disks
US20120257820A1 (en) * 2011-04-07 2012-10-11 Microsoft Corporation Image analysis tools
WO2012142109A1 (en) * 2011-04-11 2012-10-18 Equametrics Inc. Network-based systems, methods, and apparatuses for constructing and executing transactions
US20120271658A1 (en) * 2011-04-22 2012-10-25 Sloan Iii Hugh J Method for a cloud-based integrated risk placement platform
US20120324446A1 (en) 2011-06-17 2012-12-20 Microsoft Corporation Virtual machine image composition and signing
US8826277B2 (en) * 2011-11-29 2014-09-02 International Business Machines Corporation Cloud provisioning accelerator
US11257161B2 (en) 2011-11-30 2022-02-22 Refinitiv Us Organization Llc Methods and systems for predicting market behavior based on news and sentiment analysis
CN102523166B (zh) 2011-12-23 2014-10-01 中山大学 一种适用于未来互联网的结构化网络系统
US20130211990A1 (en) 2012-02-09 2013-08-15 Cinnober Financial Technology Ab Risk Assessment
CN102595589B (zh) * 2012-03-07 2014-11-19 黄东 一种网格系统的节点同步方法
WO2013157015A2 (en) 2012-04-16 2013-10-24 Chunilal Rathod Yogesh A method and system for display dynamic & accessible actions with unique identifiers and activities.
CN102663649B (zh) * 2012-05-18 2014-11-26 苏州工业园区凌志软件有限公司 金融衍生品交易系统
GB2502541A (en) 2012-05-30 2013-12-04 Ibm Balancing consumption of random data using multiple sources with different levels of entropy
US20170180272A1 (en) 2012-10-03 2017-06-22 Tracey Bernath System and method for accelerating network applications using an enhanced network interface and massively parallel distributed processing
US9619497B2 (en) * 2012-10-30 2017-04-11 Elwah LLC Methods and systems for managing one or more services and/or device data
US9626503B2 (en) * 2012-11-26 2017-04-18 Elwha Llc Methods and systems for managing services and device data
CN102984137A (zh) * 2012-11-14 2013-03-20 江苏南开之星软件技术有限公司 一种基于多目标遗传算法下的多目标服务器调度方法
CN109871259A (zh) * 2013-08-16 2019-06-11 运软网络科技(上海)有限公司 一种仿脑计算虚拟化的方法和系统
US9971979B2 (en) 2014-03-04 2018-05-15 Roseboard Inc. System and method for providing unified and intelligent business management applications
SG10201906293YA (en) 2014-03-07 2019-09-27 Capitalogix Ip Owner Llc Systems and methods for generating and selecting trading algorithms for big data trading in financial markets
WO2016011136A1 (en) 2014-07-15 2016-01-21 Maximum Media LLC Systems and methods for automated real-time internet streaming and broadcasting
US10460227B2 (en) 2015-05-15 2019-10-29 Apple Inc. Virtual assistant in a communication session
US10332215B2 (en) 2015-07-15 2019-06-25 Caseware International Inc. Method, software, and device for displaying a graph visualizing audit risk data
US9529634B1 (en) 2016-05-06 2016-12-27 Live Nation Entertainment, Inc. Triggered queue transformation
US10423800B2 (en) 2016-07-01 2019-09-24 Capitalogix Ip Owner, Llc Secure intelligent networked architecture, processing and execution
US10387679B2 (en) 2017-01-06 2019-08-20 Capitalogix Ip Owner, Llc Secure intelligent networked architecture with dynamic feedback

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102713849A (zh) * 2010-01-26 2012-10-03 国际商业机器公司 用于抽象对虚拟机的基于非功能需求的部署的方法和系统
US20130024395A1 (en) * 2011-07-22 2013-01-24 Thomson Reuters (Markets) Llc System and method for constructing outperforming portfolios relative to target benchmarks
CN102393894A (zh) * 2011-09-30 2012-03-28 飞天诚信科技股份有限公司 一种提高用户信息输入安全性的方法和装置
CN102333126A (zh) * 2011-10-15 2012-01-25 西安交通大学 基于Hadoop 与虚拟流媒体服务器集群的流媒体点播方法
CN103412792A (zh) * 2013-07-18 2013-11-27 成都国科海博计算机系统有限公司 一种云计算平台环境下的动态任务调度方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘纪原主编: "《自然灾害与空间信息体系》", 30 September 2013 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10795893B2 (en) 2014-03-07 2020-10-06 Capitalogix Ip Owner, Llc Systems and methods for allocating capital to trading strategies for big data trading in financial markets
US11366816B2 (en) 2014-03-07 2022-06-21 Capitalogix Ip Owner, Llc Secure intelligent networked systems
US11507587B2 (en) 2014-03-07 2022-11-22 Capitalogix Ip Owner, Llc Advanced systems and methods for allocating capital to trading strategies for big data trading in financial markets
US10423800B2 (en) 2016-07-01 2019-09-24 Capitalogix Ip Owner, Llc Secure intelligent networked architecture, processing and execution
US10824753B2 (en) 2016-07-01 2020-11-03 Capitalogix Ip Owner, Llc Secure intelligent networked architecture, processing and execution
US11403416B2 (en) 2016-07-01 2022-08-02 Capitalogix Ip Owner, Llc Secure intelligent networked architecture, processing and execution
US10387679B2 (en) 2017-01-06 2019-08-20 Capitalogix Ip Owner, Llc Secure intelligent networked architecture with dynamic feedback
US11144829B2 (en) 2017-01-06 2021-10-12 Capitalogix Ip Owner, Llc Secure intelligent networked architecture with dynamic feedback

Also Published As

Publication number Publication date
US20150254556A1 (en) 2015-09-10
CN111488975B (zh) 2024-07-19
CN111488975A (zh) 2020-08-04
WO2015134992A2 (en) 2015-09-11
CN113268314A (zh) 2021-08-17
SG11201607320TA (en) 2016-10-28
US11366816B2 (en) 2022-06-21
US11507587B2 (en) 2022-11-22
SG11201607309TA (en) 2016-10-28
US20220327135A1 (en) 2022-10-13
US20230047151A1 (en) 2023-02-16
CN106462795A (zh) 2017-02-22
WO2015134992A3 (en) 2015-11-26
US20200201871A1 (en) 2020-06-25
SG10201906433QA (en) 2019-08-27
US20150254765A1 (en) 2015-09-10
WO2015134991A1 (en) 2015-09-11
SG10201906293YA (en) 2019-09-27
US10795893B2 (en) 2020-10-06
CN106462794B (zh) 2021-06-29
CN106462795B (zh) 2020-05-12

Similar Documents

Publication Publication Date Title
CN106462794A (zh) 用于产生及选择用于金融市场中的大数据交易的交易算法的系统及方法
Omarova Technology v technocracy: Fintech as a regulatory challenge
Bigliardi et al. The digitalization of supply chain: a review
Mayer Digitalization and industrialization: friends or foes?
Karaivanov Financial constraints and occupational choice in Thai villages
CN105283889A (zh) 用于基于市场参与者的自动化决策的系统和方法
Usmanovich Burkhanov et al. The ways for improvement of investment strategy in the period of digital economy
Ansong et al. Firm reputation and financial performance of SMEs: the Ghanaian perspective
Freeman et al. An agent‐based simulation model of structural change in Canadian prairie agriculture, 1960–2000
Dzhaparov Application of blockchain and artificial intelligence in bank risk management
Aytekin et al. Critical success factors of lean six sigma to select the most ideal critical business process using q-ROF CRITIC-ARAS technique: Case study of food business
Vysochan et al. Selection of accounting software for small and medium enterprises using the fuzzy topsis method
Calderon et al. The impact of digital infrastructure on African development
Loi Identification of investment attraction strategies to increase the economic potential of a trading enterprise
Ivanovich Institutional aspects and risks in the digital economy: ways to reduce uncertainty for economic agents
Bychkova et al. Assessing the efficiency of a regional innovation system as one of the models for running an innovative business
Ashayeri et al. Supply chain downsizing under bankruptcy: A robust optimization approach
Martins et al. Workforce planning and financing on a production/capital discrete‐time model
Sulastri et al. Challenges in designing an inclusive Peer-to-peer (P2P) lending system
Chiriță et al. Measuring Adobe Company performance from the perspective of a Complex Adaptive System.
Zhao et al. FinTech and SupTech in China
CN114170025A (zh) 一种风险等级确定方法、装置、设备及存储介质
Rennie et al. Contribution systems: A new theory of value
Talavirya et al. Development of innovative activity in agricultural production of Ukraine
Badea et al. Fintech–financial innovation facilitators

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Texas, USA

Applicant after: Carpi Tarot IP LLC

Address before: Texas, USA

Applicant before: CAPITALOGIX LLC

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20180822

Address after: Texas, USA

Applicant after: CAPITALOGIX, LLC

Address before: Texas, USA

Applicant before: Carpi Tarot IP LLC

GR01 Patent grant
GR01 Patent grant