CN106650992A - 一种量化投资策略的生成方法及装置 - Google Patents
一种量化投资策略的生成方法及装置 Download PDFInfo
- Publication number
- CN106650992A CN106650992A CN201610885256.4A CN201610885256A CN106650992A CN 106650992 A CN106650992 A CN 106650992A CN 201610885256 A CN201610885256 A CN 201610885256A CN 106650992 A CN106650992 A CN 106650992A
- Authority
- CN
- China
- Prior art keywords
- quantization
- investment tactics
- tactics
- investment
- user
- 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.)
- Pending
Links
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种量化投资策略的生成方法及装置,涉及金融投资技术领域,主要目的在于解决无代码能力的或策略开发知识有限的用户,无法使用现有的量化投资策略平台的问题。本发明的主要技术方案为:获取多个信息集合数据;根据所述多个信息集合数据,确认与所述多个信息集合数据分别对应的多个量化投资策略的基准模型,及与所述多个量化投资策略的基准模型分别对应的多个评估结果,判断根据所述多个信息集合数据、所述多个量化投资策略的基准模型、所述多个评估结果及预设优化算法生成的量化投资策略是否为符合用户需求的量化投资策略,若是,则向用户输出所述符合用户需求的量化投资策略。本发明主要用于量化投资策略的生成。
Description
技术领域
本发明涉及金融投资技术领域,特别是涉及一种量化投资策略的生成方法及装置。
背景技术
量化投资是指以获取稳定收益为目的、通过数量化方法及计算机程序发出买卖指令的投资交易方法,其中,量化投资策略就是利用数量化的方法,进行金融市场的分析、判断和交易的策略、算法的总称。
目前,用户可以使用量化投资策略平台进行量化投资,用户通过向平台输入收入、年龄等个人信息,量化投资策略平台中金融领域的现代组合理论算法为用户推荐相应的投资策略,按照投资策略进行买入及长期持有,但是,这种方式使得投资方式的灵活度较低。另外,现有的量化投资策略平台的用户均是面向计算机专业背景的程序员而非金融分析师或一般投资者,例如,美国Quantopian公司量化投资策略开发环境是以python语言IDE的形态提交给用户使用,使得用户需要拥有一定的代码能力才可以使用量化投资策略平台,缩小了量化投资策略平台的使用范围;其次,量化投资策略平台中的策略开发形态受限于策略研究员的个人知识,策略开发形态无法由广大用户所开发,并且,策略开发者的知识水平不同,开发的策略亦不相同,使得策略开发形态的水平差异较大,导致量化投资策略平台的使用效率较低。
发明内容
有鉴于此,本发明提供一种量化投资策略的生成方法及装置,主要目的在于解决无代码能力的或策略开发知识有限的用户,无法使用现有的量化投资策略平台,导致量化投资策略的使用效率较低。
依据本发明一个方面,提供了一种量化投资策略的生成方法,包括:
获取多个信息集合数据,所述信息集合数据包括用户输入的多个策略构建关联数据;
根据所述多个信息集合数据,确认与所述多个信息集合数据分别对应的多个量化投资策略的基准模型,及与所述多个量化投资策略的基准模型分别对应的多个评估结果;
判断根据所述多个信息集合数据、所述多个量化投资策略的基准模型、多个评估结果及预设优化算法生成的量化投资策略是否为符合用户需求的量化投资策略;
若是,则向用户输出所述符合用户需求的量化投资策略。
依据本发明一个方面,提供了一种量化投资策略的生成装置,包括:
获取单元,用于获取多个信息集合数据,所述信息集合数据包括用户输入的多个策略关联数据;
确认单元,用于根据所述多个信息集合数据,确认与所述多个信息集合数据分别对应的多个量化投资策略的基准模型,及与所述多个量化投资策略的基准模型分别对应的多个评估结果;
判断单元,用于判断根据所述多个信息集合数据、所述多个量化投资策略的基准模型、多个评估结果及预设优化算法生成的量化投资策略是否为符合用户需求的量化投资策略;
输出单元,用于若判断根据所述多个信息集合数据、所述多个量化投资策略的基准模型、所述多个评估结果及预设优化算法生成的量化投资策略为符合用户需求的量化投资策略,则向用户输出所述符合用户需求的量化投资策略。
借由上述技术方案,本发明实施例提供的技术方案至少具有下列优点:
本发明实施例提供的一种量化投资策略的生成方法及装置,包括:首先获取多个信息集合数据,所述信息集合数据包括用户输入的多个策略关联数据,然后根据所述多个信息集合数据,确认与所述多个信息集合数据分别对应的多个量化投资策略的基准模型,及与所述多个量化投资策略的基准模型分别对应的多个评估结果,再判断根据所述多个信息集合数据、所述多个量化投资策略的基准模型、所述多个评估结果及预设优化算法生成的量化投资策略是否为符合用户需求的量化投资策略,若是,则向用户输出所述符合用户需求的量化投资策略。与现有无代码能力的或策略开发知识有限的用户,无法使用现有的量化投资策略平台相比,本发明实施例通过对用户输入的多个策略关联数据进行确定量化投资策略的基准模型,对基准模型进行模拟交易并进行评估,并通过预设优化算法得到所有基准模型中符合用户需求的的量化投资策略,实现无需用户拥有代码编程能力即可应用量化投资策略,并且,避免个人知识水平的高低影响量化投资策略的实行,提高量化投资策略的生成效率,从而提高使用量化投资策略的用户群体范围。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的一种量化投资策略的生成方法的流程图;
图2示出了本发明实施例提供的另一种量化投资策略的生成方法的流程图;
图3示出了本发明实施例提供的一种量化投资策略的生成装置的结构示意图;
图4示出了本发明实施例提供的另一种量化投资策略的生成装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供一种量化投资策略的生成方法,如图1所示,所述方法包括:
101、获取多个信息集合数据。
其中,所述信息集合数据包括用户输入的多个策略关联数据,所述策略关联数据为与投资策略相关的数据,例如,资金规模、股票数量、起止时间等,本发明实施例不做具体限定。所述多个信息集合数据可以为相同用户输入的不同的多个策略关联数据,每一个信息集合数据包含有一组策略构建关联数据。
需要说明的是,获取多个信息集合数据的方法可以为接收用户通过平台进行输入的策略关联数据,策略关联数据可以为进行了初等数学中覆盖全部常规数学算子(operator)运算后的结果,具体可以包括市场分析、基于时序数据所确认的各类技术分析指标、财务分析指标和新闻信息情感指数等量化数据源。本步骤在实际操作过程中实现于解空间搜索结果处理模块中,模块通过将信息集合数据及算子集合进行数值计算得到的结果作为下一步骤的输入。
102、根据所述多个信息集合数据,确认与所述多个信息集合数据分别对应的多个量化投资策略的基准模型,及与所述多个量化投资策略的基准模型分别对应的多个评估结果。
其中,所述确认与所述多个信息集合数据分别对应的多个量化投资策略的基准模型可以通过规则映射的方式得到,可以处理实数域数据搜索的复杂度不可控,由于实数域的表达式与量化策略的具体操作并无严格对应关系,前者的输出仍然为实数域,后者建立在整数域,本发明实施例中选择压缩映射方式,以便丢弃部分实数域中的信息。所述的评估结果为通过回测模块进行模拟交易后获取收益率的时序数据,将资产投资组合评估指标进行系统计算,进而对量化投资策略的基准模型全方位的评估,得到评估结果。
需要说明的是,一个基准模型可以生成一个模拟结果,还可以生成多个模拟结果,模拟结果即为对应的实例,每一个实例会确认出一个评估结果。
103、判断根据所述多个信息集合数据、所述多个量化投资策略的基准模型、所述多个评估结果及预设优化算法生成的量化投资策略是否为符合用户需求的量化投资策略。
其中,所述预设优化算法可以为将信息集合数据、基准模型、评估结果等作为算法的输入,优化训练后,淘汰不良个体,得到优化个体,判断量化投资策略是否为符合用户需求的量化投资策略,可以根据用户希望算法进行优化的方向对个体进行适应度计算比较的同时判断算法代数或其他停止标准是否达到,本发明实施例不做具体限定。
104、若判断根据所述多个信息集合数据、所述多个量化投资策略的基准模型、所述多个评估结果及预设优化算法生成的量化投资策略为符合用户需求的量化投资策略,则向用户输出所述符合用户需求的量化投资策略。
其中,所述用户输出的符合用户需求的量化投资策略则为用户选择的优化方向。
需要说明的是,若判断根据所述多个信息集合数据、所述多个量化投资策略的基准模型、所述多个评估结果及预设优化算法生成的量化投资策略不为符合用户需求的量化投资策略,则将多个信息集合数据返回步骤101,重新进行运算。
本发明实施例提供的一种量化投资策略的生成方法,包括:首先获取多个信息集合数据,所述信息集合数据包括用户输入的多个策略关联数据,然后根据所述多个信息集合数据,确认与所述多个信息集合数据分别对应的多个量化投资策略的基准模型,及与所述多个量化投资策略的基准模型分别对应的多个评估结果,再判断根据所述多个信息集合数据、所述多个量化投资策略的基准模型、所述多个评估结果及预设优化算法生成的量化投资策略是否为符合用户需求的量化投资策略,若是,则向用户输出所述符合用户需求的量化投资策略。与现有无代码能力的或策略开发知识有限的用户,无法使用现有的量化投资策略平台相比,本发明实施例通过对用户输入的多个策略关联数据进行确定量化投资策略的基准模型,对基准模型进行模拟交易并进行评估,并通过预设优化算法得到所有基准模型中符合用户需求的的量化投资策略,实现无需用户拥有代码编程能力即可应用量化投资策略,并且,避免个人知识水平的高低影响量化投资策略的实行,提高量化投资策略的生成效率,从而提高使用量化投资策略的用户群体范围。
本发明实施例提供另一种量化投资策略的生成方法,如图2所示,所述方法包括:
201、接收用户输入的多个策略关联数据。
其中,所述用户输入的策略关联数据包括用户直接输入的多个策略关联数据,及根据所述多个信息集合数据、所述多个量化投资策略的基准模型、所述多个评估结果及预设优化算法生成的量化投资策略中不为符合用户需求的量化投资策略对应的用户输入的多个策略关联数据,所述策略关联数据为与投资策略相关的数据。
需要说明的是,接收动作可以由终端中的平台进行操作,用户通过平台将投资数据进行输入。通过接收用户输入的多个策略关联数据,实现用户只需要输入数据则可自动运行量化投资策略平台生成用户需要的量化投资策略的目的,无需专业人士进行操作,从而扩大使用量化投资策略开发平台的用户范围。
202、根据预设算子对所述多个策略关联数据进行运算,得到多个信息集合数据。
其中,所述预设算子为初等数学中基本运算法则,如加、减、乘、除等,所述一个信息集合数据可以包含一个策略关联数据,也可以包含多个策略关联数据,具体由用户输入的策略关联数据是否为一组来判断。
需要说明的是,若策略关联数据为根据所述多个信息集合数据、所述多个量化投资策略的基准模型、多个评估结果及预设优化算法生成的量化投资策略中不为符合用户需求的量化投资策略对应的用户输入的策略关联数据,则也需要进行运算。将数值计算后的结果作为下一步骤的输入。
203、从预置存储位置中提取出与所述多个信息集合数据分别对应的多个量化投资策略的基准模型。
其中,所述预置存储位置中保存有与所述多个信息集合数据分别对应的多个量化投资策略的基准模型。通过从预置存储位置中提取出与所述多个信息集合数据分别对应的多个量化投资策略的基准模型,提高信息集合数据与量化投资策略的基准模型的映射的准确性,从而提高量化投资策略的生成效率。
进一步地,步骤203之前可以包括:分别建立所述多个信息集合数据与预置策略的规则映射关系,得到多个量化投资策略的基准模型,存储至预置存储位置中。
其中,所述预置策略为技术人员存储在平台中的投资策略抽象,具体投资策略本发明实施例不做具体限定,所述预置存储位置可以为缓存存储,也可以为本地存储,本发明实施例不做具体限定,所述建立信息集合数据与预置策略的规则映射关系为将上一步骤的输出作为输入,然后与预置策略中的具体策略进行关联,使得数值与策略操作存在意义。
需要说明的是,建立规则映射关系由平台中的规则映射在规则映射模块中进行操作,量化投资策略的基准模型可以抽象为激发策略操作的条件与对应的标的操作。策略模型由激发策略操作的条件的可变部分和标的操作的不变部分构成。通过分别建立所述多个信息集合数据与预置策略的规则映射关系,得到多个量化投资策略的基准模型,存储至预置存储位置中,简化建立规则映射关系步骤,使得用户可以直接从预置存储位置中提取已经存在的基准模型,从而提高量化投资策略的生成效率。
204、根据所述多个量化投资策略的基准模型分别进行模拟交易,得到多个交易结果。
其中,所述模拟交易为根据用户的信息集合数据及对应的量化投资策略的基准模型按照历史数据实现完整的买卖操作,得到收益率序列,每一个量化投资策略的基准模型对应一个模拟交易结果。
需要说明的是,模拟交易在平台中的回测模块中进行操作,模拟交易可以通过与不同的标的、交易撮合、组合和账户等功能模块连接,模拟交易执行的同时对税费、滑点和收益数值等进行记录,得到完整的模拟交易结果。通过根据所述多个量化投资策略的基准模型分别进行模拟交易,得到多个交易结果,实现交易的可实现性,避免出现无法实现的量化投资策略的基准模型,提高生成量化投资策略的准确性。
205、对所述多个交易结果进行评估,得到与多个量化投资策略的基准模型分别对应的多个评估结果。
其中,所述评估可以为通过获取收益率序列,利用资产投资组合评估指标进行系统计算,得到对量化投资策略的基准模型的评估结果。
需要说明的是,评估在平台中的评估模块中进行操作,评估结果可以为数值,也可以为预先设置的不同等级的标识等,本发明实施例不做具体限定。通过对所述多个交易结果进行评估,得到与多个量化投资策略的基准模型分别对应的多个评估结果,便于根据评估结果淘汰不良策略。
206、根据所述多个信息集合数据、所述多个量化投资策略的基准模型、所述多个评估结果作为预设遗传算法的输入数据,生成量化投资策略。
其中,所述预设遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法。
需要说明的是,通过预设遗传算法生成量化投资策略在平台中的框架模块中进行操作,本发明实施例中预设遗传算法中的初始种群为多个信息集合数据,且个体数目确定,每个个体由适当的编码方式进行处理;然后根据对收益序列作出的评估结果,选择用户希望算法进行优化的方向,然后对所有个体进行适应度计算;最后对个体适应度进行比较的同时判断算法代数或其他停止标准是否达到。如果确认达到算法停止条件,则将优秀个体向最终结果模块进行推送,即得到量化投资策略,如果确认无法达到算法停止条件,则将进入遗传操作。遗传操作包含选择、交叉和变异三种扰动操作,为个体向更优方向演化提供支持,遗传操作中,基于问题编码的形式,采用基于片段和节点两种类型的遗传操作。通过根据所述多个信息集合数据、所述多个量化投资策略的基准模型、所述多个评估结果作为预设遗传算法的输入数据,生成量化投资策略,实现量化投资策略的自动生成。
207、根据预置投资策略条件,判断所述量化投资策略是否为符合用户需求的量化投资策略。
其中,所述预置投资策略条件可以为技术人员利用程序代码设定,也可以为用户在输入策略关联数据时进行设定。通过根据预置投资策略条件,判断所述量化投资策略是否为符合用户需求的量化投资策略,避免出现不符合用户需求的量化投资策略,从而提高量化投资策略的生成效率。
208、若判断所述量化投资策略为符合用户需求的量化投资策略,则向用户输出所述符合用户需求的量化投资策略。
其中,所述向用户输出的方式可以为对话框展示等,本发明实施例不做具体限定。
需要说明的是,本发明实施例的步骤整体架设于若干台高性能服务器之上,且通过Kubernetes云(Kubernetes是一个开源项目,它把集群管理工具引入到虚拟机和裸机场景中)对若干服务器进行统一的管理。在此基础之上,各个模块可以进行有效的扩展,能够弹性应对不同量级的任务需求。例如,存在多个操作节点,Kubernetes统筹管理行情数据、数据库(mongo、mysql、redis、kafka)、网站、微信、策略计算、数据复权等。
对于本发明实施例,若判断所述量化投资策略为符合用户需求的量化投资策略,则返回步骤201。
本发明实施例提供的另一种量化投资策略的生成方法,包括:首先获取多个信息集合数据,所述信息集合数据包括用户输入的多个策略关联数据,然后根据所述多个信息集合数据,确认与所述多个信息集合数据分别对应的多个量化投资策略的基准模型,及与所述多个量化投资策略的基准模型分别对应的多个评估结果,再判断根据所述多个信息集合数据、所述多个量化投资策略的基准模型、所述多个评估结果及预设优化算法生成的量化投资策略是否为符合用户需求的量化投资策略,若是,则向用户输出所述符合用户需求的量化投资策略。与现有无代码能力的或策略开发知识有限的用户,无法使用现有的量化投资策略平台相比,本发明实施例通过对用户输入的多个策略关联数据进行确定量化投资策略的基准模型,对基准模型进行模拟交易并进行评估,并通过预设优化算法得到所有基准模型中符合用户需求的的量化投资策略,实现无需用户拥有代码编程能力即可应用量化投资策略,并且,避免个人知识水平的高低影响量化投资策略的实行,提高量化投资策略的生成效率,从而提高使用量化投资策略的用户群体范围。
进一步地,作为图1所示方法的具体实现,本发明实施例提供一种量化投资策略的生成装置,如图3所示,所述装置可以包括:获取单元31、确认单元32、判断单元33、输出单元34。
获取单元31,用于获取多个信息集合数据,所述信息集合数据包括用户输入的多个策略关联数据。
其中,所述信息集合数据包括用户输入的多个策略关联数据,所述策略关联数据为与投资策略相关的数据,所述多个信息集合数据可以为相同用户输入的不同的多个策略关联数据,每一个信息集合数据包含有一组策略关联数据。
确认单元32,用于根据所述多个信息集合数据,确认与所述多个信息集合数据分别对应的多个量化投资策略的基准模型,及与所述多个量化投资策略的基准模型分别对应的多个评估结果。
其中,所述确认与所述多个信息集合数据分别对应的多个量化投资策略的基准模型可以通过规则映射的方式得到,可以处理实数域数据搜索的复杂度不可控,由于实数域的表达式与量化策略的具体操作并无严格对应关系,前者的输出仍然为实数域,后者建立在整数域,本发明实施例中选择压缩映射方式,以便丢弃部分实数域中的信息。所述的评估结果为通过回测模块进行模拟交易后获取收益率的时序数据,将资产投资组合评估指标进行系统计算,进而对量化投资策略的基准模型全方位的评估,得到评估结果。
判断单元33,用于判断根据所述多个信息集合数据、所述多个量化投资策略的基准模型、所述多个评估结果及预设优化算法生成的量化投资策略是否为符合用户需求的量化投资策略。
其中,所述预设优化算法可以为将信息集合数据、基准模型、评估结果等作为算法的输入,优化训练后,淘汰不良个体,得到优化个体,判断量化投资策略是否为符合用户需求的量化投资策略,可以根据预设投资策略进行对比,也可以根据用户的需求进行筛选,本发明实施例不做具体限定。
输出单元34,用于若判断单元33判断根据所述多个信息集合数据、所述多个量化投资策略的基准模型、所述多个评估结果及预设优化算法生成的量化投资策略为符合用户需求的量化投资策略,则向用户输出所述符合用户需求的量化投资策略。
其中,所述用户输出的符合用户需求的量化投资策略则为用户可以得到的最大化利益的策略。
本发明实施例提供的一种量化投资策略的生成装置,包括:首先获取多个信息集合数据,所述信息集合数据包括用户输入的多个策略关联数据,然后根据所述多个信息集合数据,确认与所述多个信息集合数据分别对应的多个量化投资策略的基准模型,及与所述多个量化投资策略的基准模型分别对应的多个评估结果,再判断根据所述多个信息集合数据、所述多个量化投资策略的基准模型、所述多个评估结果及预设优化算法生成的量化投资策略是否为符合用户需求的量化投资策略,若是,则向用户输出所述符合用户需求的量化投资策略。与现有无代码能力的或策略开发知识有限的用户,无法使用现有的量化投资策略平台相比,本发明实施例通过对用户输入的多个策略关联数据进行确定量化投资策略的基准模型,对基准模型进行模拟交易并进行评估,并通过预设优化算法得到所有基准模型中符合用户需求的的量化投资策略,实现无需用户拥有代码编程能力即可应用量化投资策略,并且,避免个人知识水平的高低影响量化投资策略的实行,提高量化投资策略的生成效率,从而提高使用量化投资策略的用户群体范围。
进一步地,作为图2所示方法的具体实现,本发明实施例提供另一种量化投资策略的生成装置,如图4所示,所述装置可以包括:获取单元41、确认单元42、判断单元43、输出单元44。
获取单元41,用于获取多个信息集合数据,所述信息集合数据包括用户输入的多个策略关联数据;
确认单元42,用于根据所述多个信息集合数据,确认与所述多个信息集合数据分别对应的多个量化投资策略的基准模型,及与所述多个量化投资策略的基准模型分别对应的多个评估结果;
判断单元43,用于判断根据所述多个信息集合数据、所述多个量化投资策略的基准模型、多个评估结果及预设优化算法生成的量化投资策略是否为符合用户需求的量化投资策略;
输出单元44,用于若判断单元判断根据所述多个信息集合数据、所述多个量化投资策略的基准模型、所述多个评估结果及预设优化算法生成的量化投资策略为符合用户需求的量化投资策略,则向用户输出所述符合用户需求的量化投资策略。
进一步地,所述确认单元42包括:
提取模块4201,用于从预置存储位置中提取出与所述多个信息集合数据分别对应的多个量化投资策略的基准模型。
其中,所述预置存储位置中保存有与所述多个信息集合数据分别对应的多个量化投资策略的基准模型。通过从预置存储位置中提取出与所述多个信息集合数据分别对应的多个量化投资策略的基准模型,提高信息集合数据与量化投资策略的基准模型的映射的准确性,从而提高量化投资策略的生成效率。
交易模块4202,用于根据所述多个量化投资策略的基准模型分别进行模拟交易,得到多个交易结果。
其中,所述模拟交易为根据用户的信息集合数据及对应的量化投资策略的基准模型按照历史数据实现完整的买卖操作,得到收益率序列,每一个量化投资策略的基准模型对应一个模拟交易结果。
评估模块4203,用于对所述多个交易结果进行评估,得到与多个量化投资策略的基准模型分别对应的多个评估结果。
其中,所述评估可以为通过获取收益率序列,利用资产投资组合评估指标进行系统计算,得到对量化投资策略的基准模型的评估结果。
进一步地,所述确认单元42还包括:
建立模块4204,用于分别建立所述多个信息集合数据与预置策略的规则映射关系,得到多个量化投资策略的基准模型,存储至预置存储位置中。
进一步地,所述获取单元41还包括:
接收模块4101,用于接收用户输入的多个策略关联数据,所述用户输入的策略关联数据包括用户直接输入的多个策略关联数据,及根据所述多个信息集合数据、所述多个量化投资策略的基准模型、所述多个评估结果及预设优化算法生成的量化投资策略中不为符合用户需求的量化投资策略对应的用户输入的多个策略关联数据;
运算模块4102,用于根据预设算子对所述多个策略关联数据进行运算,得到多个信息集合数据。
进一步地,所述判断单元43包括:
生成模块4301,用于根据所述多个信息集合数据、所述多个量化投资策略的基准模型、所述多个评估结果作为预设遗传算法的输入数据,生成量化投资策略。
其中,所述预设遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法。
判断模块4302,用于根据预置投资策略条件,判断所述量化投资策略是否为符合用户需求的量化投资策略。
本发明实施例提供的另一种量化投资策略的生成装置,包括:首先获取多个信息集合数据,所述信息集合数据包括用户输入的多个策略关联数据,然后根据所述多个信息集合数据,确认与所述多个信息集合数据分别对应的多个量化投资策略的基准模型,及与所述多个量化投资策略的基准模型分别对应的多个评估结果,再判断根据所述多个信息集合数据、所述多个量化投资策略的基准模型、所述多个评估结果及预设优化算法生成的量化投资策略是否为符合用户需求的量化投资策略,若是,则向用户输出所述符合用户需求的量化投资策略。与现有无代码能力的或策略开发知识有限的用户,无法使用现有的量化投资策略平台相比,本发明实施例通过对用户输入的多个策略关联数据进行确定量化投资策略的基准模型,对基准模型进行模拟交易并进行评估,并通过预设优化算法得到所有基准模型中符合用户需求的的量化投资策略,实现无需用户拥有代码编程能力即可应用量化投资策略,并且,避免个人知识水平的高低影响量化投资策略的实行,提高量化投资策略的生成效率,从而提高使用量化投资策略的用户群体范围。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
可以理解的是,上述方法及装置中的相关特征可以相互参考。另外,上述实施例中的“第一”、“第二”等是用于区分各实施例,而并不代表各实施例的优劣。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一种量化投资策略的生成方法及装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种量化投资策略的生成方法,其特征在于,包括:
获取多个信息集合数据,所述信息集合数据包括用户输入的多个策略关联数据;
根据所述多个信息集合数据,确认与所述多个信息集合数据分别对应的多个量化投资策略的基准模型,及与所述多个量化投资策略的基准模型分别对应的多个评估结果;
判断根据所述多个信息集合数据、所述多个量化投资策略的基准模型、所述多个评估结果及预设优化算法生成的量化投资策略是否为符合用户需求的量化投资策略;
若是,则向用户输出所述符合用户需求的量化投资策略。
2.根据权利要求1所述的方法,其特征在于,所述根据所述多个信息集合数据,确认与所述多个信息集合数据分别对应的多个量化投资策略的基准模型,及与所述多个量化投资策略的基准模型分别对应的多个评估结果包括:
从预置存储位置中提取出与所述多个信息集合数据分别对应的多个量化投资策略的基准模型;
根据所述多个量化投资策略的基准模型分别进行模拟交易,得到多个交易结果;
对所述多个交易结果进行评估,得到与多个量化投资策略的基准模型分别对应的多个评估结果。
3.根据权利要求2所述的方法,其特征在于,所述从预置存储位置中提取出与所述多个信息集合数据分别对应的多个量化投资策略的基准模型之前,所述方法还包括:
分别建立所述多个信息集合数据与预置策略的规则映射关系,得到多个量化投资策略的基准模型,存储至预置存储位置中。
4.根据权利要求3所述的方法,其特征在于,所述获取多个信息集合数据包括:
接收用户输入的多个策略关联数据,所述用户输入的策略关联数据包括用户直接输入的多个策略关联数据,及根据所述多个信息集合数据、所述多个量化投资策略的基准模型、所述多个评估结果及预设优化算法生成的量化投资策略中不为符合用户需求的量化投资策略对应的用户输入的多个策略关联数据;
根据预设算子对所述多个策略关联数据进行运算,得到多个信息集合数据。
5.根据权利要求4所述的方法,其特征在于,所述判断根据所述多个信息集合数据、所述多个量化投资策略的基准模型、所述多个评估结果及预设优化算法生成的量化投资策略是否为符合用户需求的量化投资策略包括:
根据所述多个信息集合数据、所述多个量化投资策略的基准模型、所述多个评估结果作为预设遗传算法的输入数据,生成量化投资策略;
根据预置投资策略条件,判断所述量化投资策略是否为符合用户需求的量化投资策略。
6.一种量化投资策略的生成装置,其特征在于,包括:
获取单元,用于获取多个信息集合数据,所述信息集合数据包括用户输入的多个策略关联数据;
确认单元,用于根据所述多个信息集合数据,确认与所述多个信息集合数据分别对应的多个量化投资策略的基准模型,及与所述多个量化投资策略的基准模型分别对应的多个评估结果;
判断单元,用于判断根据所述多个信息集合数据、所述多个量化投资策略的基准模型、所述多个评估结果及预设优化算法生成的量化投资策略是否为符合用户需求的量化投资策略;
输出单元,用于若判断单元判断根据所述多个信息集合数据、所述多个量化投资策略的基准模型、多个评估结果及预设优化算法生成的量化投资策略为符合用户需求的量化投资策略,则向用户输出所述符合用户需求的量化投资策略。
7.根据权利要求6所述的装置,其特征在于,所述确认单元包括:
提取模块,用于从预置存储位置中提取出与所述多个信息集合数据分别对应的多个量化投资策略的基准模型;
交易模块,用于根据所述多个量化投资策略的基准模型分别进行模拟交易,得到多个交易结果;
评估模块,用于对所述多个交易结果进行评估,得到与多个量化投资策略的基准模型分别对应的多个评估结果。
8.根据权利要求7所述的装置,其特征在于,所述确认单元还包括:
建立模块,用于分别建立所述多个信息集合数据与预置策略的规则映射关系,得到多个量化投资策略的基准模型,存储至预置存储位置中。
9.根据权利要求8所述的装置,其特征在于,所述获取单元包括:
接收模块,用于接收用户输入的多个策略关联数据,所述用户输入的策略关联数据包括用户直接输入的多个策略关联数据,及根据所述多个信息集合数据、所述多个量化投资策略的基准模型、所述多个评估结果及预设优化算法生成的量化投资策略中不为符合用户需求的量化投资策略对应的用户输入的多个策略关联数据;
运算模块,用于根据预设算子对所述多个策略关联数据进行运算,得到多个信息集合数据。
10.根据权利要求9所述的装置,其特征在于,所述判断单元包括:
生成模块,用于根据所述多个信息集合数据、所述多个量化投资策略的基准模型、所述多个评估结果作为预设遗传算法的输入数据,生成量化投资策略;
判断模块,用于根据预置投资策略条件,判断所述量化投资策略是否为符合用户需求的量化投资策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610885256.4A CN106650992A (zh) | 2016-10-10 | 2016-10-10 | 一种量化投资策略的生成方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610885256.4A CN106650992A (zh) | 2016-10-10 | 2016-10-10 | 一种量化投资策略的生成方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106650992A true CN106650992A (zh) | 2017-05-10 |
Family
ID=58854794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610885256.4A Pending CN106650992A (zh) | 2016-10-10 | 2016-10-10 | 一种量化投资策略的生成方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106650992A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108460675A (zh) * | 2018-02-10 | 2018-08-28 | 张宇 | 投资方法、终端和计算机可读存储介质 |
CN108765149A (zh) * | 2018-05-11 | 2018-11-06 | 南京工程学院 | 一种基于集群的量化策略回测系统及其回测方法 |
CN108985860A (zh) * | 2018-08-18 | 2018-12-11 | 柳州市嘉乐投资有限公司 | 一种区域招商投资系统的预可研报告生成系统 |
CN109344174A (zh) * | 2018-09-13 | 2019-02-15 | 深圳易投云智能科技有限公司 | 金融分析方法和系统 |
CN109933512A (zh) * | 2017-12-15 | 2019-06-25 | 武汉楚鼎信息技术有限公司 | 一种基于远程连接运行策略的方法与系统装置 |
CN109934707A (zh) * | 2017-12-15 | 2019-06-25 | 武汉楚鼎信息技术有限公司 | 一种量化策略回测与模拟交易无缝迁移的方法及系统装置 |
CN110223105A (zh) * | 2019-05-17 | 2019-09-10 | 知量科技(深圳)有限公司 | 基于人工智能模型的交易策略生成方法和引擎 |
CN110266510A (zh) * | 2018-03-21 | 2019-09-20 | 腾讯科技(深圳)有限公司 | 网络控制策略生成方法及装置、网络控制方法、存储介质 |
CN110503557A (zh) * | 2019-08-28 | 2019-11-26 | 中国银行股份有限公司 | 策略信息的监控方法及装置 |
CN110517142A (zh) * | 2019-08-28 | 2019-11-29 | 中国银行股份有限公司 | 策略评估信息的输出方法及装置 |
CN110930256A (zh) * | 2019-09-30 | 2020-03-27 | 北京九章云极科技有限公司 | 一种量化分析方法及量化分析系统 |
CN112532596A (zh) * | 2020-11-18 | 2021-03-19 | 北京泰豪智能工程有限公司 | 一种网络安全方案和策略生成方法及装置 |
CN114723566A (zh) * | 2022-06-10 | 2022-07-08 | 高盈国际创新科技(深圳)有限公司 | 金融交易数据处理方法及系统 |
CN115829368A (zh) * | 2022-11-04 | 2023-03-21 | 杭州牛剑资产管理有限公司 | 基于多因子的交易策略评估方法 |
-
2016
- 2016-10-10 CN CN201610885256.4A patent/CN106650992A/zh active Pending
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109933512A (zh) * | 2017-12-15 | 2019-06-25 | 武汉楚鼎信息技术有限公司 | 一种基于远程连接运行策略的方法与系统装置 |
CN109934707A (zh) * | 2017-12-15 | 2019-06-25 | 武汉楚鼎信息技术有限公司 | 一种量化策略回测与模拟交易无缝迁移的方法及系统装置 |
CN108460675A (zh) * | 2018-02-10 | 2018-08-28 | 张宇 | 投资方法、终端和计算机可读存储介质 |
CN110266510A (zh) * | 2018-03-21 | 2019-09-20 | 腾讯科技(深圳)有限公司 | 网络控制策略生成方法及装置、网络控制方法、存储介质 |
CN108765149A (zh) * | 2018-05-11 | 2018-11-06 | 南京工程学院 | 一种基于集群的量化策略回测系统及其回测方法 |
CN108765149B (zh) * | 2018-05-11 | 2021-10-19 | 南京工程学院 | 一种基于集群的量化策略回测系统及其回测方法 |
CN108985860A (zh) * | 2018-08-18 | 2018-12-11 | 柳州市嘉乐投资有限公司 | 一种区域招商投资系统的预可研报告生成系统 |
CN109344174A (zh) * | 2018-09-13 | 2019-02-15 | 深圳易投云智能科技有限公司 | 金融分析方法和系统 |
CN110223105B (zh) * | 2019-05-17 | 2020-12-01 | 知量科技(深圳)有限公司 | 基于人工智能模型的交易策略生成方法和引擎 |
CN110223105A (zh) * | 2019-05-17 | 2019-09-10 | 知量科技(深圳)有限公司 | 基于人工智能模型的交易策略生成方法和引擎 |
CN110503557A (zh) * | 2019-08-28 | 2019-11-26 | 中国银行股份有限公司 | 策略信息的监控方法及装置 |
CN110517142A (zh) * | 2019-08-28 | 2019-11-29 | 中国银行股份有限公司 | 策略评估信息的输出方法及装置 |
CN110930256A (zh) * | 2019-09-30 | 2020-03-27 | 北京九章云极科技有限公司 | 一种量化分析方法及量化分析系统 |
CN112532596A (zh) * | 2020-11-18 | 2021-03-19 | 北京泰豪智能工程有限公司 | 一种网络安全方案和策略生成方法及装置 |
CN114723566A (zh) * | 2022-06-10 | 2022-07-08 | 高盈国际创新科技(深圳)有限公司 | 金融交易数据处理方法及系统 |
CN114723566B (zh) * | 2022-06-10 | 2022-09-02 | 高盈国际创新科技(深圳)有限公司 | 金融交易数据处理方法及系统 |
CN115829368A (zh) * | 2022-11-04 | 2023-03-21 | 杭州牛剑资产管理有限公司 | 基于多因子的交易策略评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106650992A (zh) | 一种量化投资策略的生成方法及装置 | |
EFSA Panel on Plant Health (PLH) et al. | Guidance on quantitative pest risk assessment | |
CN109919684A (zh) | 用于生成信息预测模型的方法、电子设备和计算机可读存储介质 | |
Magel et al. | Applying software complexity metrics to program maintenance | |
CN112926699A (zh) | 异常对象识别方法、装置、设备及存储介质 | |
CN106875206A (zh) | 信息获取、评估、问卷调查方法、装置及服务器 | |
CN109859052A (zh) | 一种投资策略的智能推荐方法、装置、存储介质和服务器 | |
CN108734591A (zh) | 欺诈案件的评估方法、装置、存储介质及终端 | |
Di Fulvio et al. | Benchmarking technical and cost factors in forest felling and processing operations in different global regions during the period 2013–2014 | |
CN111199469A (zh) | 用户还款模型生成方法、装置及电子设备 | |
Hanslo et al. | Machine learning models to predict agile methodology adoption | |
CN110751589A (zh) | 一种ppp项目投资决策分析系统 | |
CN113191681A (zh) | 网点选址方法、装置、电子设备及可读存储介质 | |
CN116776006B (zh) | 用于企业融资的客户画像构建方法及系统 | |
KR102406375B1 (ko) | 원천 기술의 평가 방법을 포함하는 전자 장치 | |
CN112508692A (zh) | 基于卷积神经网络的资源回收风险预测方法、装置和电子设备 | |
CN116843483A (zh) | 一种车险理赔方法、装置、计算机设备及存储介质 | |
CN116362895A (zh) | 理财产品推荐方法、装置及存储介质 | |
CN116720600A (zh) | 落货量预测方法、装置、设备及存储介质 | |
CN112669093A (zh) | 海洋经济预测方法、系统、电子设备及存储介质 | |
Greberg et al. | Using Gradient Boosting to Identify Pricing Errors in GLM-Based Tariffs for Non-life Insurance | |
CN111881008A (zh) | 一种数据评测、模型训练方法、装置、设备及存储介质 | |
Lisle et al. | Information Based Diagnostic for Genetic Variance Parameter Estimation in Multi-Environment Trials | |
CN118071174A (zh) | 一种基于联合驱动建模的评估方法、系统、设备及介质 | |
Isaias et al. | Model to estimate monthly time horizons for application of DEA in selection of stock portfolio and for maintenance of the selected portfolio |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170510 |
|
RJ01 | Rejection of invention patent application after publication |