CN107705205A - 一种交易策略提供方法、介质、装置和计算设备 - Google Patents
一种交易策略提供方法、介质、装置和计算设备 Download PDFInfo
- Publication number
- CN107705205A CN107705205A CN201710786695.4A CN201710786695A CN107705205A CN 107705205 A CN107705205 A CN 107705205A CN 201710786695 A CN201710786695 A CN 201710786695A CN 107705205 A CN107705205 A CN 107705205A
- Authority
- CN
- China
- Prior art keywords
- probability
- threshold value
- trading
- trading object
- probability threshold
- 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
- 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
- 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"
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明的实施方式提供了一种交易策略提供方法,该方法包括:根据交易对象对应的多个预测模型输出的预测概率,确定所述交易对象的综合预测概率;根据所述综合预测概率与第一类概率阈值的比较结果,确定针对所述交易对象的交易策略;将所述交易对象的交易策略提供给所述交易对象的用户。本发明的实施方式可降低用户的交易风险。此外,本发明的实施方式还提供了一种交易策略提供介质、装置和计算设备。
Description
技术领域
本发明的实施方式涉及计算机技术领域,更具体地,本发明的实施方式涉及一种交易策略提供方法、介质、装置和计算设备。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
目前,越来越多的人选择购买交易对象,以获得盈利,交易对象多种多样,主要包括期货、基金、股票、债券、外汇、贵金属等。
现阶段,用户主要依据自身的经验确定交易对象的交易策略,比如,用户依据经验确定对贵金属的交易策略为开多。因此,对于经验缺乏的用户来说,其根据自身经验所得出的交易策略的准确性比较差、交易风险较大。
发明内容
现有技术中,用户主要依据自身的经验确定交易对象的交易策略,因此,对于经验缺乏的用户来说,其根据自身经验所得出的交易策略的准确性比较差、交易风险较大。为此,非常需要一种交易策略提供方案,从而自动化为交易对象的用户提供交易策略,使得经验缺乏的用户能够获得较可靠的交易策略,降低交易风险。
在本上下文中,本发明的实施方式期望提供一种交易策略提供方法、介质、装置和计算设备。
在本发明实施方式的第一方面中,提供了一种交易策略提供方法,包括:
根据交易对象对应的多个预测模型输出的预测概率,确定所述交易对象的综合预测概率;
根据所述综合预测概率与第一类概率阈值的比较结果,确定针对所述交易对象的交易策略;
将所述交易对象的交易策略提供给所述交易对象的用户。
在本发明实施方式的第二方面中,提供了一种交易策略提供装置,包括:
概率确定模块,用于根据交易对象对应的多个预测模型输出的预测概率,确定所述交易对象的综合预测概率;
策略确定模块,用于根据所述综合预测概率与第一类概率阈值的比较结果,确定针对所述交易对象的交易策略;
策略提供模块,用于将所述交易对象的交易策略提供给所述交易对象的用户。
在本发明实施方式的第三方面中,本发明实施例提供一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行实现上述交易策略提供方法的步骤。
在本发明实施方式的第四方面中,本发明实施例提供一种计算设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述交易策略提供方法的步骤。
根据本发明实施方式提供的交易策略提供方法、介质、装置和计算设备,根据多个预测模型的预测概率确定交易对象的综合预测概率,并根据综合预测概率与第一类概率阈值的比较结果确定交易对象的交易策略,最后将确定的交易策略提供给交易对象的用户,以自动化的方式为交易对象的用户提供可参考的交易策略。尤其对于缺乏经验的用户来说,本发明实施例提供的交易策略相比于缺乏经验的用户根据自身经验得出的交易策略的准确性高,利用本发明实施例提供的交易策略对交易对象进行交易,可降低交易风险。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
图1示意性地示出了根据本发明实施方式的应用场景示意图;
图2示意性地示出了根据本发明实施方式的交易策略提供方法的流程示意图;
图3示意性地示出了根据本发明实施方式的向用户提供包括上涨概率轴的用户界面的方法流程示意图;
图4示意性地示出了根据本发明实施方式的一用户界面示意图;
图5示意性地示出了根据本发明实施方式的另一用户界面示意图;
图6示意性地示出了根据本发明实施方式的向用户提供包括下跌概率轴的用户界面的方法流程示意图;
图7示意性地示出了根据本发明实施方式的又一用户界面示意图;
图8示意性地示出了根据本发明实施方式的再一用户界面示意图;
图9示意性地示出了根据本发明实施方式的确定交易对象的综合预测概率的方法流程示意图;
图10示意性地示出了根据本发明实施方式的一具体实施过程流程示意图;
图11示意性地示出了根据本发明实施方式的另一具体实施过程流程示意图;
图12示意性地示出了根据本发明实施方式的交易策略提供装置的结构示意图;
图13示意性地示出了根据本发明实施方式的用于实现交易策略提供方法的程序产品示意图;
图14示意性地示出了根据本发明实施方式的用于实现交易策略提供方法的计算设备的硬件结构示意图。
在附图中,相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解,给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域技术人员知道,本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
根据本发明的实施方式,提出了一种交易策略提供方法、介质、装置和计算设备。
在本文中,附图中的任何元素数量均用于示例而非限制,以及任何命名都仅用于区分,而不具有任何限制含义。
下面参考本发明的若干代表性实施方式,详细阐释本发明的原理和精神。
发明概述
本发明人发现,现有技术中,用户主要依据自身的经验确定交易对象的交易策略,因此,对于经验缺乏的用户来说,其根据自身经验所得出的交易策略的准确性比较差、交易风险较大。
为此,本发明实施例提供一种交易策略提供方法、介质、装置和计算设备,该方法可以包括:根据交易对象对应的多个预测模型输出的预测概率,确定所述交易对象的综合预测概率;根据所述综合预测概率与第一类概率阈值的比较结果,确定针对所述交易对象的交易策略;将所述交易对象的交易策略提供给所述交易对象的用户。
在介绍了本发明的基本原理之后,下面具体介绍本发明的各种非限制性实施方式。
应用场景总览
首先参考图1,如图1所示,为本发明实施例提供的交易策略提供方案的应用场景示意图,包括用户终端101和服务器102,服务器102根据交易对象对应的多个预测模型输出的预测概率,确定所述交易对象的综合预测概率;根据所述综合预测概率与第一类概率阈值的比较结果,确定针对所述交易对象的交易策略;将所述交易对象的交易策略发送给所述用户终端101,所述用户终端101对接收到的交易策略进行显示,以将所述交易对象的交易策略提供给该交易对象的用户10。其中,用户终端101和服务器102通过可以通过局域网、广域网或移动互联网等通信网络进行通信;用户终端设备101可以为便携设备(例如:手机、平板、笔记本电脑等),也可以为个人电脑(PC,Personal Computer),包括可对交易对象进行交易处理的应用程序。
示例性方法
下面结合图1的应用场景,参考图2~图11来描述根据本发明示例性实施方式的交易策略提供方法。需要注意的是,上述应用场景仅是为了便于理解本发明的精神和原理而示出,本发明的实施方式在此方面不受任何限制。相反,本发明的实施方式可以应用于适用的任何场景。
图2为本发明提供的一种交易策略提供方法的一实施例的流程示意图,主要包括向用户提供针对交易对象的交易策略的流程,执行主体可以为应用场景总览中的服务器102,也可以为用户终端101(更具体地,为用户终端101中安装的可对交易对象进行交易处理的应用程序),也可以部分由用户终端101执行,部分由服务器102执行,如图2所示,本发明实施例提供的一种交易策略提供方法,包括如下步骤:
步骤201,根据交易对象对应的多个预测模型输出的预测概率,确定所述交易对象的综合预测概率。
具体实施时,针对每个交易对象,预先确定该交易对象对应的各个预测模型,比如,该交易对象为贵金属,对应的四个预测模型,分别为相应的多因子预测模型、技术指标预测模型、商品联动预测模型以及趋势预测模型。在步骤201执行之前,将该交易对象对应的数据输入相应的预测模型中,以得到在该各个预测模型下的交易对象的预测概率,比如,将该交易对象对应的数据,输入多因子预测模型,从而得到多因子预测模型输出的预测概率。其中,输入各预测模型的数据均为设定时间段内采集到的针对该交易对象的数据,设定时间段可根据实际应用场景设定,这里不做限定。比如设定时间段的结束时间点为当前时间点且设定时间段对应的时长为设定时长。具体利用预测模型输出交易对象的预测概率的实施过程为现有技术,这里不做赘述。
本步骤中,综合考虑交易对象对应的各个预测模型输出的预测概率,确定该交易对象的综合预测概率。
需要说明的是,各预测模型的输出的预测概率为价格上涨概率或者为价格下跌概率,可以当各预测模型的输出的预测概率均为价格上涨概率时,确定的交易对象的综合预测概率为综合价格上涨概率,当各预测模型的输出的预测概率均为价格下跌概率时,确定的交易对象的综合预测概率为综合价格下跌概率。
步骤202,根据所述综合预测概率与第一类概率阈值的比较结果,确定针对所述交易对象的交易策略。
具体实施时,将交易对象的综合预测概率与第一类概率阈值中的各个概率阈值进行比较,并根据比较结果确定交易对象的交易策略,当综合预测概率为交易对象的综合价格上涨概率时,交易对象的交易策略可包括开多、平多等,当综合预测概率为交易对象的综合价格下跌概率时,交易对象的交易策略可包括开空、平空等。
步骤203,将所述交易对象的交易策略提供给所述交易对象的用户。
具体实施时,将确定出的交易对象的交易策略提供给交易对象的用户,以使交易对象的用户根据该交易策略进行风险控制。其中,交易对象的用户为已购买该交易对象或者预购买该交易对象的用户。
需要说明的是,本发明实施例可周期性的执行,当到达设定的交易策略提供周期时,执行步骤201-步骤203。或者,本发明实施例可实时地执行。
本发明实施例,根据多个预测模型的预测概率确定交易对象的综合预测概率,并根据综合预测概率与第一类概率阈值的比较结果确定交易对象的交易策略,最后将确定的交易策略提供给交易对象的用户,以自动化的方式为交易对象的用户提供可参考的交易策略。尤其对于缺乏经验的用户来说,本发明实施例提供的交易策略相比于缺乏经验的用户根据自身经验得出的交易策略的准确性高,利用本发明实施例提供的交易策略对交易对象进行交易,可降低交易风险。
可选地,在综合预测概率为综合价格上涨概率的情况下,所述第一类概率阈值包括第一概率阈值、第二概率阈值以及第三概率阈值,则按照以下方式,根据所述综合价格上涨概率与第一类概率阈值的比较结果,确定针对所述交易对象的交易策略:
若所述综合价格上涨概率不小于所述第一概率阈值且不大于所述第二概率阈值,则确定针对所述交易对象的交易策略为平多;若所述综合价格上涨概率大于所述第三概率阈值,则确定针对所述交易对象的交易策略为开多;其中,所述第一概率阈值小于所述第二概率阈值,所述第二概率阈值小于所述第三概率阈值。
具体实施时,在综合价格上涨概率大于或等于第一概率阈值,并且,综合价格上涨概率小于或等于第二概率阈值的情况下,向用户返回的交易策略为平多;在综合价格上涨概率大于第三概率阈值的情况下,向用户提供的交易策略为开多。若所述综合价格上涨概率大于第二概率阈值且不大于第三概率阈值,可确定交易对象的综合价格上涨概率当前处于震荡区间,此时可向交易对象的用户返回当前处于震荡区间,无法给出交易策略的提示信息,此时交易对象的用户可根据行情走势以及自身经验确定针对交易对象的交易决策。其中,平多为买入方向的了结点或者止盈止损点,开多为买入方向的入场参考点。
需要说明的是,第一概率阈值、第二概率阈值以及第三概率阈值的大小可根据实际应用场景设定,只要满足第一概率阈值小于第二概率阈值,并且,第二概率阈值小于第三概率阈值即可,比如,第一概率阈值为40%、第二概率阈值为45%、第三概率阈值为60%,当然也可以为其它数值,这里不做限定。
可选地,若所述综合价格上涨概率大于第二概率阈值且不大于第三概率阈值,则确定针对所述交易对象的交易策略为减仓或平仓。
具体实施时,可在综合价格上涨概率大于第二概率阈值,并且,小于或等于第三概率阈值的情况下,向交易对象的用户提供的交易策略可以为减仓或者平仓。用户可根据自身风险承受力以及交易对象的行情走势,结合本发明实施例提供的交易策略,做出最终决策。
可选地,如图3所示,本发明实施例提供的交易策略提供方法,还包括:
步骤301,生成所述交易对象的上涨概率轴,所述上涨概率轴的一端为上涨概率上限,另一端为上涨概率下限。
具体实施时,上涨概率上限为100%,上涨概率下限为0%,上涨概率轴用于展现交易对象的价格上涨区间。
步骤302,标识所述第三概率阈值以及所述综合价格上涨概率在所述上涨概率轴中的位置,得到位置标识后的上涨概率轴。
具体实施时,在上涨概率轴上标识出第三概率阈值的位置,可将该位置作为基线,在上涨概率轴上标识出确定的交易对象的综合价格上涨概率的位置,得到位置标识后的上涨概率轴。
可选地,还可标识第一概率阈值和第二概率阈值在所述上涨概率轴中的位置,其中,可将第一概率阈值在上涨概率轴中的位置作为另一基线。
步骤303,将包括所述位置标识后的上涨概率轴以及所述综合价格上涨概率的用户界面提供给所述交易对象的用户,其中,所述综合价格上涨概率显示于所述综合价格上涨概率在所述上涨概率轴中的位置处。
具体实施时,生成包括位置标识后的上涨概率轴以及确定出的综合价格上涨概率的用户界面,并将该用户界面提供给用户,以使用户清楚的得知交易对象的综合价格上涨概率与基线的位置关系。更具体的,将确定的针对交易对象的交易策略通过该用户界面提供给交易对象的用户。
如图4所示,为本发明实施例提供的一用户界面示意图,其中,基线所在的位置为第三概率阈值在上涨概率轴中的位置,假设57%为确定出的综合价格上涨概率,57%下方的箭头所指向的位置为确定出的综合价格上涨概率在上涨概率轴中的位置,其中,假设第三概率阈值大于57%。如图5所示,为本发明实施例提供的另一用户界面示意图,其中,第一基线所在的位置为第三概率阈值在上涨概率轴中的位置,第二基线所在的位置为第一概率阈值在上涨概率轴中的位置,位于第一基线和第二基线之间的虚线为第二概率阈值在上涨概率轴中的位置,57%下方的箭头所指向的位置为确定出的综合价格上涨概率在上涨概率轴中的位置,其中,假设第三概率阈值大于57%,第二概率阈值小于57%。由图4和图5可知,确定的综合价格上涨概率57%显示于该综合价格上涨概率57%在上涨概率轴的位置处,并通过箭头提示用户该综合价格上涨概率57%在上涨概率轴的位置。
可选地,在综合预测概率为综合价格下跌概率的情况下,所述第一类概率阈值包括第一概率阈值、第二概率阈值以及第三概率阈值,则按照以下方式,根据所述综合价格下跌概率与第一类概率阈值的比较结果,确定针对所述交易对象的交易策略:
若所述综合价格下跌概率不小于所述第一概率阈值且不大于所述第二概率阈值,则确定针对所述交易对象的交易策略为平空;若所述综合价格下跌概率大于所述第三概率阈值,则确定针对所述交易对象的交易策略为开空;其中,所述第一概率阈值小于所述第二概率阈值,所述第二概率阈值小于所述第三概率阈值。
具体实施时,在综合价格下跌概率大于或等于第一概率阈值,并且,综合价格下跌概率小于或等于第二概率阈值的情况下,向用户返回的交易策略为平空;在综合价格下跌概率大于第三概率阈值的情况下,向用户提供的交易策略为开空。若所述综合价格下跌概率大于第二概率阈值且不大于第三概率阈值,可确定交易对象的综合价格下跌概率当前处于震荡区间,此时可向交易对象的用户返回当前处于震荡区间,无法给出交易策略的提示信息,此时交易对象的用户可根据行情走势以及自身经验确定针对交易对象的交易决策。其中,平空为卖出方向的了结点或者止盈止损点,开空为卖出方向的入场参考点。
需要说明的是,第一概率阈值、第二概率阈值以及第三概率阈值的大小可根据实际应用场景设定,只要满足第一概率阈值小于第二概率阈值,并且,第二概率阈值小于第三概率阈值即可,比如,第一概率阈值为40%、第二概率阈值为45%、第三概率阈值为60%,当然也可以为其它数值,这里不做限定。
可选地,若所述综合价格下跌概率大于第二概率阈值且不大于第三概率阈值,则确定针对所述交易对象的交易策略为减仓或平仓。
具体实施时,可在综合价格下跌概率大于第二概率阈值,并且,小于或等于第三概率阈值的情况下,向交易对象的用户提供的交易策略可以为减仓或者平仓。用户可根据自身风险承受力以及交易对象的行情走势,结合本发明实施例提供的交易策略,做出最终决策。
可选地,如图6所示,本发明实施例提供的交易策略提供方法,还包括:
步骤601,生成所述交易对象的下跌概率轴,所述下跌概率轴的一端为下跌概率上限,另一端为下跌概率下限。
具体实施时,下跌概率上限为100%,下跌概率下限为0%,下跌概率轴用于展现交易对象的价格下跌区间。
需要说明的是,综合价格上涨概率等于100%减去综合价格下跌概率,即,综合价格上涨概率与综合价格下跌概率之和为100%,比如当综合价格上涨概率为48%时,综合价格下跌概率为52%。
步骤602,标识所述第三概率阈值以及所述综合价格下跌概率在所述下跌概率轴中的位置,得到位置标识后的下跌概率轴。
具体实施时,在下跌概率轴上标识出第三概率阈值的位置,可将该位置作为基线,在下跌概率轴上标识出确定的交易对象的综合价格下跌概率的位置,得到位置标识后的下跌概率轴。
可选地,还可标识第一概率阈值和第二概率阈值在所述下跌概率轴中的位置,其中,可将第一概率阈值在下跌概率轴中的位置作为另一基线。
步骤603,将包括所述位置标识后的下跌概率轴以及所述综合价格下跌概率的用户界面提供给所述交易对象的用户,其中,所述综合价格下跌概率显示于所述综合价格下跌概率在所述下跌概率轴中的位置处。
具体实施时,生成包括位置标识后的下跌概率轴以及确定出的综合价格下跌概率的用户界面,并将该用户界面提供给用户,以使用户清楚的得知交易对象的综合价格下跌概率与基线的位置关系。更具体的,将确定的针对交易对象的交易策略通过该用户界面提供给交易对象的用户。
如图7所示,为本发明实施例提供的又一用户界面示意图,其中,基线所在的位置为第三概率阈值在下跌概率轴中的位置,假设67%为确定出的综合价格下跌概率,67%下方的箭头所指向的位置为确定出的综合价格下跌概率在下跌概率轴中的位置,其中,假设第三概率阈值小于67%。如图8所示,为本发明实施例提供的再一用户界面示意图,其中,第三基线所在的位置为第三概率阈值在下跌概率轴中的位置,第四基线所在的位置为第一概率阈值在下跌概率轴中的位置,位于第三基线和第四基线之间的虚线为第二概率阈值在下跌概率轴中的位置,67%下方的箭头所指向的位置为确定出的综合价格下跌概率在下跌概率轴中的位置,其中,假设第三概率阈值小于。由图7和图8可知,确定的综合价格下跌概率67%显示于该综合价格下跌概率67%在下跌概率轴的位置处,并通过箭头提示用户该综合价格下跌概率67%在下跌概率轴的位置。
可选地,按照图9提供的内容,根据交易对象对应的多个预测模型输出的预测概率,确定所述交易对象的综合预测概率:
步骤901,根据各个预测模型对应的权值以及各个预测模型输出的预测概率,计算所述交易对象的初始综合预测概率。
具体实施时,预先设置各个预测模型对应的权值,其中,各预测模型设置权值大小可根据实际应用场景以及经验设定,这里不对预测模型对应的权值的大小进行限定。例如,在预测模型为多因子预测模型、技术指标预测模型、商品联动预测模型以及趋势预测模型,它们的对应权值可以分别为2.0,1.0,2.0,1.5。
其中,可计算各预测模型的加权求和结果,将该加权求和结果作为初始综合预测概率,举例说明,假设预测模型包括第一预测模型,第二预测模型以及第三预测模型,其中,第一预测模型对应的权值为x,第二预测模型对应的权值为y,第三预测模型对应的权值为z,则初始综合预测概率P=xP1+yP2+zP3,其中,P1为第一预测模型输出的预测概率,P2为第二预测模型输出的预测概率,P3为第三预测模型输出的预测概率。也可采取其它方式具体实施步骤902,这里不做限定。
可选地,采用如下公式,计算所述交易对象的初始综合预测概率:
其中,P为所述交易对象的初始综合预测概率,a、b、c分别为正常数,n为预测模型的总个数,Pi为预测模型i输出的预测概率,ωi为预测模型i对应的权值。
步骤902,根据所述初始综合预测概率与第二类概率阈值的比较结果,确定所述交易对象的综合预测概率。
具体实施时,将初始综合预测概率与第二类概率阈值中的各个概率阈值进行比较,并根据比较结果,确定是否对初始综合预测概率进行修正,进而确定交易对象的综合预测概率。
可选地,所述第二类概率阈值包括第四概率阈值,第五概率阈值,则按照以下方式,根据所述初始综合预测概率与第二类概率阈值的比较结果,确定所述交易对象的综合预测概率:
若所述初始综合预测概率小于或等于所述第四概率阈值,或者,若所述初始综合预测概率大于或等于第五概率阈值,对所述初始综合预测概率进行修正得到修正后概率,并将所述修正后概率作为所述交易对象的综合预测概率;
若所述初始综合预测概率大于所述第四概率阈值且小于所述第五概率阈值,则将所述初始综合预测概率作为所述交易对象的综合预测概率;其中,第四概率阈值小于所述第五概率阈值。
具体实施时,在初始综合预测概率小于或等于第四概率阈值的情况下,可认为交易对象对应的预测模型中,有至少一个预测模型输出的预测概率偏小,此时需要对该初始综合预测概率进行修正并得到修正后概率,此时修正后概率大于初始综合预测概率;在初始综合预测概率大于或等于第五概率阈值的情况下,可认为交易对象对应的预测模型中,有至少一个预测模型输出的预测概率偏大,此时需要对该初始综合预测概率进行修正并得到修正后概率,此时,修正后概率小于初始综合预测概率。将修正后得到的修正后概率作为综合预测概率,从而获得相对准确的综合预测概率。
在初始综合预测概率大于第四概率阈值且小于第五概率阈值的情况下,则不对初始综合预测概率进行修正,直接将初始综合预测概率作为交易对象的综合预测概率。第四概率阈值和第五概率阈值的大小可根据实际应用场景设定,只要满足第四概率阈值小于第五概率阈值即可,比如第四概率阈值等于25%,第五概率阈值等于75%。
可选地,在所述初始综合预测概率小于或等于所述第四概率阈值的情况下,采用如下公式对所述初始综合预测概率进行修正:
P1=dP+e
其中,P1为对所述初始综合预测概率进行修正后得到的修正后概率,P为所述交易对象的初始综合预测概率,d和e分别为正常数。
可选地,在所述初始综合预测概率大于或等于第五概率阈值的情况下,采用如下公式对所述初始综合预测概率进行修正:
P2=dP+f
其中,P2为对所述初始综合预测概率进行修正后得到的修正后概率,P为所述交易对象的初始综合预测概率,d和f分别为正常数。
下面对本发明实施例中,交易策略提供方法的详细实施过程进行介绍:
如图10所示,为本发明实施例提供的交易策略提供方法的一具体实施过程流程示意图,包括:
步骤1001,根据交易对象对应的多个预测模型输出的价格上涨概率,计算交易对象的初始综合价格上涨概率。
具体实施时,可按照以下公式计算初始综合价格上涨概率:
其中,P为所述交易对象的初始综合价格上涨概率,a、b、c分别为正常数,n为预测模型的总个数,Pi为预测模型i输出的价格上涨概率,ωi为预测模型i对应的权值。
步骤1002,判断初始综合价格上涨概率是否大于第四概率阈值,若是,执行步骤1004,否则,执行步骤1003。
步骤1003,对初始综合预测概率进行修正得到修正后概率,并将修正后概率作为所交易对象的综合价格上涨概率。
具体的,若初始综合价格上涨概率小于或等于所述第四概率阈值,或者,若初始综合价格上涨概率大于或等于第五概率阈值,对初始综合价格上涨概率进行修正得到修正后概率,具体的修正方式详见上文,这里不做赘述。
在初始综合价格上涨概率小于或等于第四概率阈值的情况下,或者,在初始综合价格上涨概率大于或等于第五概率阈值的情况下,执行步骤1003,步骤1003之后,继续执行步骤1006。
步骤1004,判断初始综合价格上涨概率是否小于第五阈值,若是,执行步骤1005,否则,执行步骤1003。
步骤1005,将初始综合价格上涨概率作为交易对象的综合价格上涨概率。
具体的,若初始综合价格上涨概率大于所述第四概率阈值且小于第五概率阈值,则执行步骤1005。
步骤1006,判断综合价格上涨概率是否大于第三概率阈值,若是,执行步骤1007,否则,执行步骤1008。
步骤1007,确定针对交易对象的交易策略为开多。
步骤1008,判断综合价格上涨概率是否大于第二概率阈值,若是,执行步骤1009,否则,执行步骤1010。
步骤1009,确定针对交易对象的交易策略为减仓或平仓。
具体的,在综合价格上涨概率小于或等于第三概率阈值,并且,大于第二概率阈值的情况下,执行步骤1009。
步骤1010,判断综合价格上涨概率是否小于第一概率阈值,若是,执行步骤1011,否则,执行步骤1012。
步骤1011,向用户提供交易风险较大的提示信息。
步骤1012,确定针对交易对象的交易策略为平多。
具体的,在综合价格上涨概率小于或等于第二概率阈值,并且,大于或等于第一概率阈值的情况下,执行步骤1012。
如图11所示,为本发明实施例提供的交易策略提供方法的另一具体实施过程流程示意图,包括:
步骤1101,根据交易对象对应的多个预测模型输出的价格下跌概率,计算交易对象的初始综合价格下跌概率。
具体实施时,可按照以下公式计算初始综合价格下跌概率:
其中,P为所述交易对象的初始综合价格下跌概率,a、b、c分别为正常数,n为预测模型的总个数,Pi为预测模型i输出的价格下跌概率,ωi为预测模型i对应的权值。
步骤1102,判断初始综合价格下跌概率是否大于第四概率阈值,若是,执行步骤1104,否则,执行步骤1103。
步骤1103,对初始综合预测概率进行修正得到修正后概率,并将修正后概率作为所交易对象的综合价格下跌概率。
具体的,若初始综合价格下跌概率小于或等于所述第四概率阈值,或者,若初始综合价格下跌概率大于或等于第五概率阈值,对初始综合价格下跌概率进行修正得到修正后概率,具体的修正方式详见上文,这里不做赘述。
在初始综合价格下跌概率小于或等于第四概率阈值的情况下,或者,在初始综合价格下跌概率大于或等于第五概率阈值的情况下,执行步骤1003,步骤1103之后,继续执行步骤1106。
步骤1104,判断初始综合价格下跌概率是否小于第五阈值,若是,执行步骤1105,否则,执行步骤1103。
步骤1105,将初始综合价格下跌概率作为交易对象的综合价格下跌概率。
具体的,若初始综合价格上涨概率大于所述第四概率阈值且小于第五概率阈值,则执行步骤1105。
步骤1106,判断综合价格下跌概率是否大于第三概率阈值,若是,执行步骤1107,否则,执行步骤1108。
步骤1107,确定针对交易对象的交易策略为开空。
步骤1108,判断综合价格下跌概率是否大于第二概率阈值,若是,执行步骤1109,否则,执行步骤1110。
步骤1109,确定针对交易对象的交易策略为减仓或平仓。
具体的,在综合价格上涨概率小于或等于第三概率阈值,并且,大于第二概率阈值的情况下,执行步骤1109。
步骤1110,判断综合价格下跌概率是否小于第一概率阈值,若是,执行步骤1111,否则,执行步骤1112。
步骤1111,向用户提供交易风险较大的提示信息。
步骤1112,确定针对交易对象的交易策略为平空。
具体的,在综合价格下跌概率小于或等于第二概率阈值,并且,大于或等于第一概率阈值的情况下,执行步骤1112。
示例性装置
在介绍了本发明示例性实施方式的交易策略提供方法之后,接下来,参考图12描述本发明示例性实施方式的交易策略提供装置。
图12为本发明实施例提供的一种交易策略提供装置的结构示意图,如图12所示,可以包括如下模块:
概率确定模块1201,用于根据交易对象对应的多个预测模型输出的预测概率,确定所述交易对象的综合预测概率;
策略确定模块1202,用于根据所述综合预测概率与第一类概率阈值的比较结果,确定针对所述交易对象的交易策略;
策略提供模块1203,用于将所述交易对象的交易策略提供给所述交易对象的用户。
可选地,所述综合预测概率为综合价格上涨概率。
可选地,所述第一类概率阈值包括第一概率阈值、第二概率阈值以及第三概率阈值,则所述策略确定模块1202,包括:
第一确定单元12021,用于若所述综合价格上涨概率不小于所述第一概率阈值且不大于所述第二概率阈值,则确定针对所述交易对象的交易策略为平多;
第二确定单元12022,用于若所述综合价格上涨概率大于所述第三概率阈值,则确定针对所述交易对象的交易策略为开多;
其中,所述第一概率阈值小于所述第二概率阈值,所述第二概率阈值小于所述第三概率阈值。
可选地,所述策略确定模块,还包括:
第三确定单元12023,用于若所述综合价格上涨概率大于第二概率阈值且不大于第三概率阈值,则确定针对所述交易对象的交易策略为减仓或平仓。
可选地,本发明实施例提供的交易策略提供装置,还包括:
第一生成模块1204,用于生成所述交易对象的上涨概率轴,所述上涨概率轴的一端为上涨概率上限,另一端为上涨概率下限;
第一标识模块1205,用于标识所述第三概率阈值以及所述综合价格上涨概率在所述上涨概率轴中的位置,得到位置标识后的上涨概率轴;
第一界面提供模块1206,用于将包括所述位置标识后的上涨概率轴以及所述综合价格上涨概率的用户界面提供给所述交易对象的用户,其中,所述综合价格上涨概率显示于所述综合价格上涨概率在所述上涨概率轴中的位置处。
可选地,所述综合预测概率为综合价格下跌概率。
可选地,所述第一类概率阈值包括第一概率阈值、第二概率阈值以及第三概率阈值,则所述策略确定模块1202,包括:
第四确定单元12024,用于若所述综合价格下跌概率不小于所述第一概率阈值且不大于所述第二概率阈值,则确定针对所述交易对象的交易策略为平空;
第五确定单元12025,用于若所述综合价格下跌概率大于所述第三概率阈值,则确定针对所述交易对象的交易策略为开空;其中,所述第一概率阈值小于所述第二概率阈值,所述第二概率阈值小于所述第三概率阈值。
可选地,所述策略确定模块,还包括:
第六确定单元12026,用于若所述综合价格下跌概率大于第二概率阈值且不大于第三概率阈值,则确定针对所述交易对象的交易策略为减仓或平仓。
可选地,本发明实施例提供的交易策略提供装置,还包括:
第二生成模块1207,用于生成所述交易对象的下跌概率轴,所述下跌概率轴的一端为下跌概率上限,另一端为下跌概率下限;
第二标识模块1208,用于标识所述第三概率阈值以及所述综合价格下跌概率在所述下跌概率轴中的位置,得到位置标识后的下跌概率轴;
第二界面提供模块1209,用于将包括所述位置标识后的下跌概率轴以及所述综合价格下跌概率的用户界面提供给所述交易对象的用户,其中,所述综合价格下跌概率显示于所述综合价格下跌概率在所述下跌概率轴中的位置处。
可选地,所述概率确定模块1201,包括:
计算单元12011,用于根据各个预测模型对应的权值以及各个预测模型输出的预测概率,计算所述交易对象的初始综合预测概率;
概率确定单元12012,用于根据所述初始综合预测概率与第二类概率阈值的比较结果,确定所述交易对象的综合预测概率。
可选地,所述第二类概率阈值包括第四概率阈值,第五概率阈值,则概率确定单元12012具体用于:
若所述初始综合预测概率小于或等于所述第四概率阈值,或者,若所述初始综合预测概率大于或等于第五概率阈值,对所述初始综合预测概率进行修正得到修正后概率,并将所述修正后概率作为所述交易对象的综合预测概率;
若所述初始综合预测概率大于所述第四概率阈值且小于所述第五概率阈值,则将所述初始综合预测概率作为所述交易对象的综合预测概率;
其中,第四概率阈值小于所述第五概率阈值。
可选地,所述计算单元12011用于采用如下公式,计算所述交易对象的初始综合预测概率:
其中,P为所述交易对象的初始综合预测概率,a、b、c分别为正常数,n为预测模型的总个数,Pi为预测模型i输出的预测概率,ωi为预测模型i对应的权值。
可选地,若所述初始综合预测概率小于或等于所述第四概率阈值,则概率确定单元12012具体用于采用如下公式对所述初始综合预测概率进行修正:
P1=dP+e
其中,P1为对所述初始综合预测概率进行修正后得到的修正后概率,P为所述交易对象的初始综合预测概率,d和e分别为正常数。
可选地,若所述初始综合预测概率大于或等于第五概率阈值,则概率确定单元12012具体用于采用如下公式对所述初始综合预测概率进行修正:
P2=dP+f
其中,P2为对所述初始综合预测概率进行修正后得到的修正后概率,P为所述交易对象的初始综合预测概率,d和f分别为正常数。
示例性介质
在介绍了本发明示例性实施方式的交易策略提供方法和装置之后,接下来,对本发明示例性实施方式的用于交易策略提供的计算机可读介质进行介绍。本发明实施例提供一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的交易策略提供方法中的步骤,比如实现如图2中所示的步骤201,根据交易对象对应的多个预测模型输出的预测概率,确定所述交易对象的综合预测概率;步骤202,根据所述综合预测概率与第一类概率阈值的比较结果,确定针对所述交易对象的交易策略;步骤203,将所述交易对象的交易策略提供给所述交易对象的用户。
可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
如图13所示,描述了根据本发明的实施方式的用于交易策略提供的程序产品130,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户设备上执行、部分在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户设备,或者,可以连接到外部计算设备。
示例性计算设备
在介绍了本发明示例性实施方式的交易策略提供方法、装置、和介质之后,接下来,参考图14对本发明示例性实施方式的用于交易策略提供的计算设备进行介绍。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中,根据本发明的用于交易策略提供的计算设备可以至少包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的交易策略提供方法中的步骤。例如,所述处理器执行所述程序时实现如图2中所示的步骤201,根据交易对象对应的多个预测模型输出的预测概率,确定所述交易对象的综合预测概率;步骤202,根据所述综合预测概率与第一类概率阈值的比较结果,确定针对所述交易对象的交易策略;步骤203,将所述交易对象的交易策略提供给所述交易对象的用户。
下面参照图14来描述根据本发明的这种实施方式的计算设备140。图14显示的计算设备140仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图14所示,计算设备140以通用计算设备的形式表现。计算设备140的组件可以包括但不限于:上述至少处理器1401、上述存储器1402、连接不同系统组件(包括处理器1401和存储器1402)的总线1403。
总线1403包括地址总线、控制总线和数据总线。
存储器1402可以包括易失性存储器,例如随机存取存储器(RAM)14021和/或高速缓存存储器14022,还可以进一步包括只读存储器(ROM)14023。
存储器1402还可以包括具有一组(至少一个)程序模块14024的程序/实用工具14025,这样的程序模块14024包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
计算设备140也可以与一个或多个外部设备1404(例如键盘、指向设备等)通信,这种通信可以通过输入/输出(I/O)接口1405进行。并且,计算设备140还可以通过网络适配器1406与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图14所示,网络适配器1406通过总线1403与计算设备140的其它模块通信。应当理解,尽管图中未示出,可以结合计算设备140使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
根据本发明实施方式提供的交易策略提供方法、介质、装置和计算设备,根据多个预测模型的预测概率确定交易对象的综合预测概率,并根据综合预测概率与第一类概率阈值的比较结果确定交易对象的交易策略,最后将确定的交易策略提供给交易对象的用户,以自动化的方式为交易对象的用户提供可参考的交易策略。尤其对于缺乏经验的用户来说,本发明实施例提供的交易策略相比于缺乏经验的用户根据自身经验得出的交易策略的准确性高,利用本发明实施例提供的交易策略对交易对象进行交易,可降低交易风险。
应当注意,尽管在上文详细描述中提及了交易策略提供装置的若干模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之,上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。
此外,尽管在附图中以特定顺序描述了本发明方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
虽然已经参考若干具体实施方式描述了本发明的精神和原理,但是应该理解,本发明并不限于所公开的具体实施方式,对各方面的划分也不意味着这些方面中的特征不能组合以进行受益,这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。
Claims (17)
1.一种交易策略提供方法,包括:
根据交易对象对应的多个预测模型输出的预测概率,确定所述交易对象的综合预测概率;
根据所述综合预测概率与第一类概率阈值的比较结果,确定针对所述交易对象的交易策略;
将所述交易对象的交易策略提供给所述交易对象的用户。
2.根据权利要求1所述的方法,其中,所述综合预测概率为综合价格上涨概率。
3.根据权利要求2所述的方法,其中,所述第一类概率阈值包括第一概率阈值、第二概率阈值以及第三概率阈值,则根据所述综合价格上涨概率与第一类概率阈值的比较结果,确定针对所述交易对象的交易策略,包括:
若所述综合价格上涨概率不小于所述第一概率阈值且不大于所述第二概率阈值,则确定针对所述交易对象的交易策略为平多;
若所述综合价格上涨概率大于所述第三概率阈值,则确定针对所述交易对象的交易策略为开多;
其中,所述第一概率阈值小于所述第二概率阈值,所述第二概率阈值小于所述第三概率阈值。
4.根据权利要求3所述的方法,还包括:
若所述综合价格上涨概率大于第二概率阈值且不大于第三概率阈值,则确定针对所述交易对象的交易策略为减仓或平仓。
5.根据权利要求3或4所述的方法,还包括:
生成所述交易对象的上涨概率轴,所述上涨概率轴的一端为上涨概率上限,另一端为上涨概率下限;
标识所述第三概率阈值以及所述综合价格上涨概率在所述上涨概率轴中的位置,得到位置标识后的上涨概率轴;
将包括所述位置标识后的上涨概率轴以及所述综合价格上涨概率的用户界面提供给所述交易对象的用户,其中,所述综合价格上涨概率显示于所述综合价格上涨概率在所述上涨概率轴中的位置处。
6.根据权利要求1所述的方法,其中,所述综合预测概率为综合价格下跌概率。
7.根据权利要求6所述的方法,其中,所述第一类概率阈值包括第一概率阈值、第二概率阈值以及第三概率阈值,则根据所述综合价格下跌概率与所述第一类概率阈值的比较结果,确定针对所述交易对象的交易策略,包括:
若所述综合价格下跌概率不小于所述第一概率阈值且不大于所述第二概率阈值,则确定针对所述交易对象的交易策略为平空;
若所述综合价格下跌概率大于所述第三概率阈值,则确定针对所述交易对象的交易策略为开空;其中,所述第一概率阈值小于所述第二概率阈值,所述第二概率阈值小于所述第三概率阈值。
8.根据权利要求7所述的方法,还包括:
若所述综合价格下跌概率大于第二概率阈值且不大于第三概率阈值,则确定针对所述交易对象的交易策略为减仓或平仓。
9.根据权利要求7或8所述的方法,还包括:
生成所述交易对象的下跌概率轴,所述下跌概率轴的一端为下跌概率上限,另一端为下跌概率下限;
标识所述第三概率阈值以及所述综合价格下跌概率在所述下跌概率轴中的位置,得到位置标识后的下跌概率轴;
将包括所述位置标识后的下跌概率轴以及所述综合价格下跌概率的用户界面提供给所述交易对象的用户,其中,所述综合价格下跌概率显示于所述综合价格下跌概率在所述下跌概率轴中的位置处。
10.根据权利要求1所述的方法,其中,根据交易对象对应的多个预测模型输出的预测概率,确定所述交易对象的综合预测概率,包括:
根据各个预测模型对应的权值以及各个预测模型输出的预测概率,计算所述交易对象的初始综合预测概率;
根据所述初始综合预测概率与第二类概率阈值的比较结果,确定所述交易对象的综合预测概率。
11.根据权利要求10所述的方法,其中,所述第二类概率阈值包括第四概率阈值,第五概率阈值,则根据所述初始综合预测概率与第二类概率阈值的比较结果,确定所述交易对象的综合预测概率,包括:
若所述初始综合预测概率小于或等于所述第四概率阈值,或者,若所述初始综合预测概率大于或等于第五概率阈值,对所述初始综合预测概率进行修正得到修正后概率,并将所述修正后概率作为所述交易对象的综合预测概率;
若所述初始综合预测概率大于所述第四概率阈值且小于所述第五概率阈值,则将所述初始综合预测概率作为所述交易对象的综合预测概率;
其中,第四概率阈值小于所述第五概率阈值。
12.根据权利要求10或11所述的方法,其中,采用如下公式,计算所述交易对象的初始综合预测概率:
<mrow>
<mi>P</mi>
<mo>=</mo>
<mi>a</mi>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<msub>
<mi>&omega;</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mi>b</mi>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>&omega;</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<mi>c</mi>
</mrow>
其中,P为所述交易对象的初始综合预测概率,a、b、c分别为正常数,n为预测模型的总个数,Pi为预测模型i输出的预测概率,ωi为预测模型i对应的权值。
13.根据权利要求11所述的方法,其中,若所述初始综合预测概率小于或等于所述第四概率阈值,则采用如下公式对所述初始综合预测概率进行修正:
P1=dP+e
其中,P1为对所述初始综合预测概率进行修正后得到的修正后概率,P为所述交易对象的初始综合预测概率,d和e分别为正常数。
14.根据权利要求11所述的方法,其中,若所述初始综合预测概率大于或等于第五概率阈值,则采用如下公式对所述初始综合预测概率进行修正:
P2=dP+f
其中,P2为对所述初始综合预测概率进行修正后得到的修正后概率,P为所述交易对象的初始综合预测概率,d和f分别为正常数。
15.一种交易策略提供装置,包括:
概率确定模块,用于根据交易对象对应的多个预测模型输出的预测概率,确定所述交易对象的综合预测概率;
策略确定模块,用于根据所述综合预测概率与第一类概率阈值的比较结果,确定针对所述交易对象的交易策略;
策略提供模块,用于将所述交易对象的交易策略提供给所述交易对象的用户。
16.一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行实现权利要求1-14任一所述方法的步骤。
17.一种计算设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现权利要求1-14任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710786695.4A CN107705205A (zh) | 2017-09-04 | 2017-09-04 | 一种交易策略提供方法、介质、装置和计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710786695.4A CN107705205A (zh) | 2017-09-04 | 2017-09-04 | 一种交易策略提供方法、介质、装置和计算设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107705205A true CN107705205A (zh) | 2018-02-16 |
Family
ID=61171962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710786695.4A Pending CN107705205A (zh) | 2017-09-04 | 2017-09-04 | 一种交易策略提供方法、介质、装置和计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107705205A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110555541A (zh) * | 2018-05-31 | 2019-12-10 | 国信优易数据有限公司 | 一种风险预测系统及方法 |
CN110781172A (zh) * | 2019-09-29 | 2020-02-11 | 上海银赛计算机科技有限公司 | 期权空头策略的平仓阈值的计算方法、系统及介质 |
CN111582646A (zh) * | 2020-04-09 | 2020-08-25 | 上海淇毓信息科技有限公司 | 用户策略风险预警方法、装置及电子设备 |
CN112055607A (zh) * | 2018-07-10 | 2020-12-08 | 乐线韩国股份有限公司 | 概率型项目提供系统的控制方法、装置和计算机程序 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778215A (zh) * | 2014-01-17 | 2014-05-07 | 北京理工大学 | 一种基于情感分析和隐马尔科夫模型融合的股市预测方法 |
CN103985055A (zh) * | 2014-05-30 | 2014-08-13 | 西安交通大学 | 一种基于网络分析和多模型融合的股市投资决策方法 |
CN106600404A (zh) * | 2016-11-08 | 2017-04-26 | 南京财经大学 | 一种预测方法及装置 |
-
2017
- 2017-09-04 CN CN201710786695.4A patent/CN107705205A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778215A (zh) * | 2014-01-17 | 2014-05-07 | 北京理工大学 | 一种基于情感分析和隐马尔科夫模型融合的股市预测方法 |
CN103985055A (zh) * | 2014-05-30 | 2014-08-13 | 西安交通大学 | 一种基于网络分析和多模型融合的股市投资决策方法 |
CN106600404A (zh) * | 2016-11-08 | 2017-04-26 | 南京财经大学 | 一种预测方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110555541A (zh) * | 2018-05-31 | 2019-12-10 | 国信优易数据有限公司 | 一种风险预测系统及方法 |
CN112055607A (zh) * | 2018-07-10 | 2020-12-08 | 乐线韩国股份有限公司 | 概率型项目提供系统的控制方法、装置和计算机程序 |
CN110781172A (zh) * | 2019-09-29 | 2020-02-11 | 上海银赛计算机科技有限公司 | 期权空头策略的平仓阈值的计算方法、系统及介质 |
CN111582646A (zh) * | 2020-04-09 | 2020-08-25 | 上海淇毓信息科技有限公司 | 用户策略风险预警方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Leimeister et al. | A review of reliability-based methods for risk analysis and their application in the offshore wind industry | |
US20200202219A1 (en) | Graphical structure model-based transaction risk control | |
CN107705205A (zh) | 一种交易策略提供方法、介质、装置和计算设备 | |
Nordhaus | Integrated economic and climate modeling | |
Gilli et al. | A data-driven optimization heuristic for downside risk minimization | |
Islam et al. | Modified fuzzy group decision-making approach to cost overrun risk assessment of power plant projects | |
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 | |
Ogundipe et al. | AI and product management: A theoretical overview from idea to market | |
CN110363417A (zh) | 金融风险策略生成方法、装置及电子设备 | |
CN110738405A (zh) | 电力市场有效性的评估方法、装置及存储介质 | |
CN108182502A (zh) | 企业成长性评价指标的生成方法、企业成长值的统计方法 | |
CN110084682A (zh) | 订单审核结算方法、系统、设备及存储介质 | |
Ahmadi et al. | Improvement of the simultaneous active and reactive power markets pricing and structure | |
CN110348897A (zh) | 金融服务产品营销方法、装置及电子设备 | |
CN107230004A (zh) | 一种可再生能源项目投资组合优化方法、装置及计算设备 | |
CN110473098A (zh) | 公司股权数据处理方法以及装置 | |
López et al. | A scenario-based modeling method for controlling ECM performance | |
CN110033123A (zh) | 用于业务评估的方法和装置 | |
US20110112889A1 (en) | Proactive demand shaping for a configurable product portfolio with uncertain demand | |
Zhao et al. | Revolutionizing finance with llms: An overview of applications and insights | |
Tamrakar et al. | Scientific study of technological chatbot adoption in customer service | |
CN113302644A (zh) | 交易计划管理系统 | |
Li et al. | A combination prediction model of stock composite index based on artificial intelligent methods and multi-agent simulation | |
CN112419025A (zh) | 用户数据处理方法和装置、存储介质、电子设备 | |
Johnston-Billings et al. | Social licence has changed. It is time to build trust with society using the tools of today |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180216 |
|
WD01 | Invention patent application deemed withdrawn after publication |