CN110033372A - 一种优化交易成本的方法、系统及设备 - Google Patents

一种优化交易成本的方法、系统及设备 Download PDF

Info

Publication number
CN110033372A
CN110033372A CN201910124441.5A CN201910124441A CN110033372A CN 110033372 A CN110033372 A CN 110033372A CN 201910124441 A CN201910124441 A CN 201910124441A CN 110033372 A CN110033372 A CN 110033372A
Authority
CN
China
Prior art keywords
transaction
exchange hand
exchange
forecasted
market
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
Application number
CN201910124441.5A
Other languages
English (en)
Inventor
李智
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.)
Advanced New Technologies Co Ltd
Advantageous New Technologies Co Ltd
Original Assignee
Alibaba Group Holding Ltd
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 Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201910124441.5A priority Critical patent/CN110033372A/zh
Publication of CN110033372A publication Critical patent/CN110033372A/zh
Priority to TW108132568A priority patent/TW202032478A/zh
Priority to PCT/CN2020/070503 priority patent/WO2020168845A1/zh
Pending legal-status Critical Current

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
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange

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

本申请公开了一种优化交易成本的方法、系统及设备。本说明书一实施例的方法流程包括：确定目标成交量对应的交易价格；拆分目标成交量对应的预期总交易时限，确定多个预期交易时间段；拆分目标成交量，确定多个阶段目标成交量，其中，阶段目标成交量与预期交易时间段对应；确定针对目标成交量进行实际交易所依据的多批次交易参数，多批次交易参数包括所有交易批次的成交价格、各个交易批次的交易时间以及各个交易批次的成交量，其中：以已确定的交易价格为成交价格；多批次交易参数对应的交易批次与预期交易时间段对应，根据预期交易时间段确定对应的交易批次的交易时间，根据与预期交易时间段对应的阶段目标成交量确定对应的交易批次的成交量。

Description

一种优化交易成本的方法、系统及设备
技术领域
本说明书涉及计算机技术领域，尤其涉及一种优化交易成本的方法、系统及设备。
背景技术
在金融领域，外汇敞口简单来说就是对于银行而言的外汇收支不平衡。外汇敞口主要来源于资产、负债及资本金的货币错配，以及外币利润和外币报表折算等方面。当在某一时段内，在存在外汇敞口的情况下，汇率变动可能会给银行的当期收益或经济价值带来损失，从而形成汇率风险。
在现有技术中，在存在大量多国货币间的兑换的应用场景中，为了减少外汇敞口风险，外汇交易客户需要提前和银行机构进行锁汇业务。锁汇就是锁定汇率，在银行中这个业务叫远期结售汇。在汇率波动频繁的情况下，银行为企业办理锁定汇率的操作。在结汇当天不是按照当天的外汇牌价，而是按照之前确定的汇率进行结汇。例如，在一个应用场景中，外汇交易客户为了对冲国际业务的风险，需要提前一天和银行以一定的价格(锁汇)购买一定量的外汇，防止第二天外汇波动带来损失。
然而，虽然锁汇可以在一定程度上减少外汇敞口风险；但是，在锁汇场景下，如果外汇交易客户的短期交易量过大，巨大的交易量会对市场价格产生冲击，从而就会大大提高外汇交易客户的交易成本。
发明内容
有鉴于此，本说明书实施例提供了一种优化交易成本的方法、系统、设备及计算机可读介质，用于解决现有技术中在交易价格预先锁定的应用场景下，由于短期交易量过大而导致市场价格被冲击，从而提升交易成本的问题。
本说明书实施例采用下述技术方案：
本说明书实施例提供一种优化交易成本的方法，包括：
确定目标成交量对应的交易价格；
拆分所述目标成交量对应的预期总交易时限，确定多个预期交易时间段；
拆分所述目标成交量，确定多个阶段目标成交量，其中，所述阶段目标成交量与所述预期交易时间段对应；
确定针对所述目标成交量进行实际交易所依据的多批次交易参数，所述多批次交易参数包括所有交易批次的成交价格、各个交易批次的交易时间以及各个交易批次的成交量，其中：
以已确定的所述交易价格为所述成交价格；
所述多批次交易参数对应的交易批次与所述预期交易时间段对应，根据所述预期交易时间段确定对应的交易批次的交易时间，根据与所述预期交易时间段对应的阶段目标成交量确定对应的交易批次的成交量。
优选地，在一实施例中，拆分所述目标成交量对应的预期总交易时限，确定多个预期交易时间段，包括：
预测当前交易场景下，在所述预期总交易时限范围内的交易频次变化；
根据所述交易频次变化拆分所述预期总交易时限，确定多个所述预期交易时间段。
优选地，在一实施例中，拆分所述目标成交量对应的预期总交易时限，确定多个预期交易时间段，其中：
按照预设的固定时间间隔拆分所述目标成交量对应的预期总交易时限，确定多个所述预期交易时间段。
优选地，在一实施例中，拆分所述目标成交量，确定多个阶段目标成交量，包括：
预测当前交易场景下，在所述预期总交易时限范围内的市场成交量变化；
根据所述市场成交量变化拆分所述目标成交量，确定多个阶段目标成交量。
优选地，在一实施例中：
预测当前交易场景下，在所述预期总交易时限范围内的市场成交量变化，其中，所述成交量变化包括每个所述预期交易时间段对应的市场阶段成交量占所述预期总交易时限对应的市场总成交量的比例；
根据所述市场成交量变化拆分所述目标成交量，确定多个阶段目标成交量，其中，所述阶段目标成交量占所述目标成交量的比例与对应的预期交易时间段所对应的市场阶段成交量占所述预期总交易时限对应的市场总成交量的比例一致。
优选地，在一实施例中，预测当前交易场景下，在所述预期总交易时限范围内的市场成交量变化，其中，利用机器学习模型进行预测。
优选地，在一实施例中，利用机器学习模型进行预测，其中，利用时序预测模型进行预测。
优选地，在一实施例中，利用机器学习模型进行预测，其中，基于弹性网络进行预测。
优选地，在一实施例中，基于弹性网络进行预测，其中，求解目标函数
min||y-xβ||2+λ2||β||2+λ1||β||1
得到β的最优解，根据β的最优解计算要预测的时间段内交易量y的值，上式中：
y为要预测的时间段内交易量；
β为要求解的最优参数；
λ1为L1范数的惩罚系数；
λ2为L2范数的惩罚系数；
X为交易特征项。
优选地，在一实施例中：
确定目标成交量对应的交易价格，其中，执行锁汇业务，锁定购买汇率。
本申请还提出了一种优化交易成本的系统，包括：
交易价格确定模块，其配置为确定目标成交量对应的交易价格；
交易时段设置模块，其配置为拆分所述目标成交量对应的预期总交易时限，确定多个预期交易时间段；
成交量设置模块，其配置为拆分所述目标成交量，确定多个阶段目标成交量，其中，所述阶段目标成交量与所述预期交易时间段对应；
交易参数设置模块，其配置为确定针对所述目标成交量进行实际交易所依据的多批次交易参数，所述多批次交易参数包括所有交易批次的成交价格、各个交易批次的交易时间以及各个交易批次的成交量，其中：
以已确定的所述交易价格为所述成交价格；
所述多批次交易参数对应的交易批次与所述预期交易时间段对应，根据所述预期交易时间段确定对应的交易批次的交易时间，根据与所述预期交易时间段对应的阶段目标成交量确定对应的交易批次的成交量。
优选地，在一实施例中：
所述系统还包括成交量预测模块，所述成交量预测模块配置为预测当前交易场景下，在所述预期总交易时限范围内的市场成交量变化；
所述成交量设置模块配置为根据所述市场成交量变化拆分所述目标成交量。
优选地，在一实施例中：
所述成交量预测模块配置为预测所述市场成交量变化，其中，所述成交量变化包括每个所述预期交易时间段对应的市场阶段成交量占所述预期总交易时限对应的市场总成交量的比例；
所述成交量设置模块配置为根据所述市场成交量变化拆分所述目标成交量，其中，所述阶段目标成交量占所述目标成交量的比例与对应的预期交易时间段所对应的市场阶段成交量占所述预期总交易时限对应的市场总成交量的比例一致。
本说明书实施例还提出了一种用于在用户设备端进行信息处理的设备，该设备包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该设备执行本说明书实施例所述的方法。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：相较于现有技术中，根据本发明的方法可以在交易价格预先锁定的前提下，避免短期大量交易对市场价格带来的冲击，从而有效控制交易成本。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1以及图3为本说明书实施例中应用程序的运行方法的流程图；
图2为本说明书一实施例中应用程序的运行方法的部分流程图；
图4以及图5为本说明书实施例中系统的结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在现有的应用场景中，外汇交易客户为了对冲国际业务的风险，需要提前一天和银行以一定的价格(锁汇)购买一定量的外汇，防止第二天外汇波动带来损失。但是，在锁汇场景下，如果外汇交易客户的短期交易量过大，巨大的交易量会对市场价格产生冲击，从而就会大大提高外汇交易客户的交易成本。
针对上述问题，本说明书实施例提出了用于优化交易成本的技术方案。为了提出本说明书实施例的技术方案，发明人首先对现有技术的外汇交易应用场景做详细分析。
在实际应用场景中，锁汇业务的实质是预先锁定外汇交易价格。在锁汇的前提下，在进行外汇交易时无论市场价格如何波动，实际的交易价格仍然是以之前锁定的外汇交易价格进行的。而为了控制交易成本，在进行锁汇业务时，预先锁定的价格通常是根据对之后交易时间范围内的市场平均价格的预测结果所确定的。在锁汇的前提下，如果短期内的大量交易，那么该交易本身就会冲击市场价格，所而导致市场价格偏离之前进行锁汇时的预测价格。也就是说，当市场价格被冲击后，锁汇业务所锁定的外汇交易价格已经无法实现锁汇时所预计的交易成本控制效果。
针对上述问题，为了控制交易成本，最直接的可行办法之一是随时令交易价格随市场价格波动而波动，但这就相当于无法进行锁汇。因此，在本说明书实施例中，从另一个角度考虑，尽量避免交易行为本身对市场价格产生冲击，令市场价格尽量贴近之前进行锁汇时的预测价格，从而最大程度的优化交易成本。
具体的，在锁汇前提下，外汇交易本身对市场价格产生冲击的根本原因是该外汇交易的交易量过大，即，相对于当前市场交易总量来说，锁汇交易的交易量已经到了一个无法忽视的地步。因此，为了避免对当前市场价格产生冲击，在本说明书实施例中，采用了降低交易量的做法。但是，锁汇的交易量是由交易客户的需求所决定的，不可能为了控制交易成本而直接降低交易量。因此，在本说明书实施例中，并不是降低交易客户所需要交易的交易量，而是将交易客户所需要交易的交易量拆分为多个相对较小的交易量，分别在不同的交易时间节点进行交易。这样，针对每个交易时间节点来说，其并没有进行交易客户所需要交易的交易量的交易，就相当于该交易时间节点的交易量被降低了。这样，在该交易时间节点上，锁汇交易对市场价格就无法产生冲击。最终，当所有的交易时间节点完成交易后，总体上实现了交易客户所需要交易的交易量的交易，并且每个交易时间节点上的锁汇交易也没有对市场价格产生冲击，这就有效的优化了交易成本。
进一步的，在上述方法流程中，针对锁汇前提下的外汇交易成本进行了有效的优化。但是，在实际应用场景中，预先锁定交易价格的交易场景并不限于外汇交易。而在其他交易场景中也存在锁定交易价格的交易本身冲击市场价格的情况。因此，在本说明书实施例中，根据外汇交易应用场景对其他交易场景进行扩展，在预先锁定交易价格的前提下，对锁定交易价格的总交易量进行拆分，在不同的交易时间节点进行较小交易量(相对于总交易量)的交易，从而在实现总交易量的前提下，避免对市场价格产生冲击，最终实现对交易成本的优化。
在本说明书的描述中，本说明书实施例中所提出的技术方案主要针对外汇交易场景。但是，并不等于本说明书实施例中的技术方案只能应用于外汇交易场景。针对不同的应用场景，本说明书实施例中的技术方案不仅可以用于优化外汇交易成本，也可以用来优化其他资产标的如股票，期货，债券等的交易成本。
以下结合附图，详细说明本说明书各实施例提供的技术方案。如图1所示，在一实施例中，方法包括以下步骤：
S110，确定目标成交量对应的交易价格；
S120，拆分目标成交量对应的预期总交易时限，确定多个预期交易时间段；
S130，拆分目标成交量，确定多个阶段目标成交量，其中，阶段目标成交量与步骤S120中确定的预期交易时间段对应；
S140，确定针对目标成交量的多批次交易参数，多批次交易参数包括所有交易批次的成交价格、各个交易批次的交易时间以及各个交易批次的成交量，其中：
以已确定的交易价格为多批次交易参数中的成交价格；
多批次交易参数对应的交易批次与预期交易时间段对应，根据预期交易时间段确定对应的交易批次的交易时间，根据与预期交易时间段对应的阶段目标成交量确定对应的交易批次的成交量。
经过上述过程确定多批次交易参数后，就可以在实际交易场景中进行交易了。具体的，分别在多批次交易参数所包含的各个交易时间对应的实际时间节点上进行单个交易批次的交易，成交量为多批次交易参数中的该交易批次的成交量。这样，在经过了所有交易时间对应的时间节点后，就实现了针对目标交易量的多批次交易(多交易时间节点的分时、分量交易)。由于单个交易时间节点所实现的交易量远远小于总的目标交易量，因此，每个交易时间节点所实现的交易量对市场价格的冲击就被有效控制。从而最终实现了对交易成本的优化。
进一步的，在本说明书一实施例中，目标成交量可以是单个交易客户的预期成交量。在本说明书另一实施例中，目标成交量也可以是多个不同交易客户的总的预期成交量，根据本说明书一实施例的方法，可以将多个不同交易客户的总的预期成交量作为一个整体进行拆分分配，从而优化多个不同交易客户的总的交易成本。
进一步的，针对外汇交易的应用场景，在本说明书一实施例中：在步骤S110中，确定目标成交量对应的交易价格，其中，执行锁汇业务，锁定购买汇率；在步骤S140中，以锁定的购买汇率作为多批次交易参数中的成交价格。这样，在实际外汇交易场景中，以锁定的购买汇率分时、多批次的进行外汇购买操作，就可以最大限度的控制外汇购买交易本身对市场外汇汇率的冲击，从而最终优化外汇交易成本。
进一步的，在本说明书一实施例中，在步骤S120中，按照预设的固定时间间隔拆分目标成交量对应的预期总交易时限，确定多个预期交易时间段。
例如，在一应用场景中，以当前日期的下一日全天为预期总交易时限(预期交易日，零点到晚十二点)，以1小时为间隔，将预期总交易时限划分为24个预期交易时间段。
进一步的，在本说明书其他实施例中，在步骤S120中，也可以按照其他划分规则划分预期总交易时限获取预期交易时间段。
具体的，本说明书一实施例中，在步骤S120中，根据历史交易记录和/或对预期总交易时限对应的实际市场交易情况的预测，划分预期总交易时限。例如，将根据历史交易记录中的交易频次记录与预期总交易时限对应，对于交易频次相对较高的时间段，在划分时采用相对较小的时间间隔。
具体的，在本说明书一实施例中，在步骤S120中：预测当前交易场景下，在预期总交易时限范围内的交易频次变化；根据预测出的交易频次变化拆分预期总交易时限，确定多个预期交易时间段。例如，对于预测结果中交易频次相对较高的时间段，在划分时采用相对较小的时间间隔。
例如，在一应用场景中，以当前日期的下一日全天为预期总交易时限(预期交易日，零点到晚十二点)。针对预期总交易时限进行交易频率预测，预测结果为工作时间(早九点到晚五点)的交易频率为休息时间(零点到早九点以及晚五点到晚十二点)的2倍。因此，在早九点到晚五点的时间范围内，以0.5小时为间隔，将预期总交易时限划分为18个预期交易时间段。在零点到早九点以及晚五点到晚十二点的时间范围内，以1小时为间隔，将预期总交易时限划分为15个预期交易时间段。总计将预期总交易时限划分为33个预期交易时间段。
进一步的，在本说明书实施例中，在设置多批次交易参数时，交易时间可以选用多种不同的类型。具体的，在本说明书一实施例中，交易时间为一个确定的时间范围，例如，上午10点到10点5分的5分钟内。在本说明书一实施例中，交易时间为一个确定的时间节点，例如，上午10点。
进一步的，在本说明书实施例中，在根据预期交易时间段对应的时间范围确定各个交易批次的交易时间的过程中，也可以选用多种不同的确定策略。
具体的，在本说明书一实施例中，选择每个预期交易时间段的起始时刻为交易时间，或者，选择每个预期交易时间段的起始时刻开始的一段固定时长为交易时间；例如，预期总交易时限为一个工作日(零点到晚12点)，以一小时为间隔划分预期总交易时限，将每个整点时刻作为交易时间，或者，将每个小时最开始的5分钟作为交易时间。
具体的，在本说明书一实施例中，选择每个预期交易时间段的中间时刻为交易时间，或者，选择每个预期交易时间段的中间时刻开始的一段固定时长为交易时间；例如，预期总交易时限为一个工作日(零点到晚12点)，以一小时为间隔划分预期总交易时限，将每小时的30分钟时刻作为交易时间，或者，将每小时的30分钟～35分钟的时间范围作为交易时间。
进一步的，在本说明书一实施例中，在步骤S130中，将目标成交量等量拆分，即，平均地将目标成交量分配到多个预期交易时间段中。但是，考虑到在实际交易场景中，单位时间的交易量是不断变化的，在某个特定时间范围内，市场交易量有可能极小(甚至为0)。这样，平均分配各预期交易时间段的交易量就有可能无法避免对市场价格的冲击。
因此，在本说明书一实施例中，根据实际交易场景中的市场交易量变化来拆分目标成交量，使得拆分出的阶段目标成交量与市场上交易量变化波动趋于一致，从而尽可能的避免阶段目标成交量对市场价格产生冲击。
具体的，如图2所示，在本说明书一实施例中，拆分目标成交量，确定多个阶段目标成交量，包括：
S210，预测当前交易场景下，在预期总交易时限范围内的市场成交量变化；
S220，根据市场成交量变化拆分目标成交量，确定多个阶段目标成交量。
进一步的，在实际交易场景中，按照交易量加权后的平均价格(VWAP)计算公式为：(1)
式1中：xi(i＝1、2、...n)表示第i次的交易量；pi(i＝1、2、...n)表示第i次的交易价格；wi＝xi/(x1+x2+...xn)表示第第i次的交易价格按照成交量加权的权重。
在本说明书一实施例中，优化交易成本的目标是使得最终交易均价尽量接近该时段整个市场成交均价。
即求解函数
min|w1 (s)p1+w2 (s)p2+…wn (s)pn-(w1 (m)p1+w2 (m)p2+…wn (m)pn)| (2)
令式2满足：
在式2～6中，上标(s)表示交易数据，上标(m)表示市场数据。V表示当天交易目标，即总共需要交易多少量。
可以得到，目标函数(2)的最小值是0。也就是说如果能够准确预测市场每个时间段的成交量占当日成交量的比例，那么按这个比例拆分委托单，分时成交，最后总的成交均价等于市场成交均价。
基于上述分析，在本说明书一实施例中，利用具体时间段内的市场成交量占总市场成交量的比例来描述市场成交量变化。具体的，在本说明书一实施例中：
预测当前交易场景下，在预期总交易时限范围内的市场成交量变化，其中，成交量变化包括每个预期交易时间段对应的市场阶段成交量占预期总交易时限对应的市场总成交量的比例；
根据市场成交量变化拆分目标成交量，确定多个阶段目标成交量，其中，阶段目标成交量占目标成交量的比例与对应的预期交易时间段所对应的市场阶段成交量占预期总交易时限对应的市场总成交量的比例一致。
例如，在一应用场景中，假设预测中：市场上当日总交易量为100；5个预期交易时间段对应的交易量分别为10、20、30、20、20。
如果当日目标成交量为10。那么最终将目标成交量拆分为5个单子，交易量分别为1、2、3、2、2。
进一步的，在本说明书一实施例中，根据历史交易量分布预测当前交易场景下，在预期总交易时限范围内的市场成交量变化。
具体的，如图3所示，在一应用场景中，期望在目标交易日进行目标成交量的交易，交易过程如下：
S310，在目标交易日开始前获取历史交易量分布；
S320，根据历史交易量分布预测目标交易日各时间段的成交量；
S330，在目标交易日，在第i个时间段对应的交易时间前/时，根据步骤S320的预测结果确定第i个时间段对应的预期阶段成交量(i为非0自然数，起始值为1)；
S340，在第i个时间段的多批次交易参数对应的交易时间进行交易，完成步骤S330确定的预期阶段成交量；
S350，判断当日交易是否结束；
S360，如果当日交易没有结束，令i＝i+1，返回步骤S330；
如果当日交易结束，则目标成交量已实现。
需要说明的是，在上述实施例中，相当于是在实际交易的过程中，一边设定多批次交易参数，一边进行对应的分批次分时交易。在本说明书其他实施例中，也可以在交易开始前一次性设置好所有的多批次交易参数。
进一步的，在本说明书一实施例中，利用机器学习模型进行市场成交量变化的预测。具体的，在本说明书一实施例中，利用时序预测模型进行预测。具体的，在本说明书另一实施例中，基于弹性网络(ElasticNet)进行预测。
进一步具体的，在本说明书一实施例中，基于弹性网络进行预测，其中，求解目标函数
min||y-Xβ||2+λ2||β||2+λ1||β||1 (7)
得到β的最优解，根据β的最优解计算要预测的时间段内交易量y的值，式(7)中：
y为要预测的时间段内交易量；
β为要求解的最优参数；
λ1为L1范数的惩罚系数；
λ2为L2范数的惩罚系数；
X为交易特征项。
具体的，在本说明书一实施例中，交易特征项X包括过去M个交易日同一时段的交易量以及过去N个时段的交易量(类似同比和环比的概念)。交易特征项X通过对历史交易量分布的分析来获取。
这里需要说明的是，在本说明书实施例中，预期总交易时限拆分方式以及目标成交量拆分方式可以根据具体的应用场景需求任意组合。
具体的，在一实施例中，按照预设的固定时间间隔拆分预期总交易时限(例如，每小时为一个预期交易时间段)，采用平均分配的方式拆分目标成交量(例如，针对日目标成交量，均分为24份，分配到24个预期交易时间段)。
具体的，在一实施例中，按照交易频次预测结果拆分预期总交易时限(例如，在早九点到晚五点的时间范围内，以0.5小时为间隔，将预期总交易时限划分为18个预期交易时间段；在零点到早九点以及晚五点到晚十二点的时间范围内，以1小时为间隔，将预期总交易时限划分为15个预期交易时间段)。采用平均分配的方式拆分目标成交量(例如，针对日目标成交量，均分为33份，分配到33个预期交易时间段)。
具体的，在一实施例中，按照预设的固定时间间隔拆分预期总交易时限(例如，每小时为一个预期交易时间段)；根据每个预期交易时间段的市场交易量占总市场交易量的比例的预测结果拆分目标成交量。
具体的，在一实施例中，按照交易频次预测结果拆分预期总交易时限(例如，在早九点到晚五点的时间范围内，以0.5小时为间隔，将预期总交易时限划分为18个预期交易时间段。在零点到早九点以及晚五点到晚十二点的时间范围内，以1小时为间隔，将预期总交易时限划分为15个预期交易时间段)；根据每个预期交易时间段的市场交易量占总市场交易量的比例的预测结果拆分目标成交量。
进一步的，在本说明书一实施例中，方法的流程还包括，确定目标成交量是否会对市场产生冲击。当确定目标成交量会对市场产生冲击时，才执行后续的拆分目标成交量的操作。具体的，在一应用场景中，根据历史交易量记录和/或交易量预测结果确定市场承受能力阈值，当目标成交量超过市场承受能力阈值时判断目标成交量会对市场产生冲击。具体的，在一应用场景中，瞬时交易量占到当时市场总挂单量的3％会对市场价格产生冲击。拆单前通过比较目标交易量和预测的市场交易量来判断是否需要拆单。
进一步的，在本说明书一实施例中，方法的流程还包括，当对目标交易量拆分完毕后，确定拆分出的阶段目标成交量是否会对市场产生冲击。当确定阶段目标成交量会对市场产生冲击时，对阶段目标成交量做进一步拆分。
基于本说明书实施例的方法，本说明书实施例还提出了一种优化交易成本的系统。具体的，如图4所示，在本说明书一实施例中，系统包括：
交易价格确定模块410，其配置为确定目标成交量对应的交易价格；
交易时段设置模块420，其配置为拆分目标成交量对应的预期总交易时限，确定多个预期交易时间段；
成交量设置模块430，其配置为拆分目标成交量，确定多个阶段目标成交量，其中，阶段目标成交量与预期交易时间段对应；
交易参数设置模块440，其配置为确定在针对目标成交量进行多批次交易时的多批次交易参数，多批次交易参数包括成交价格、各个批次的交易时间以及各个批次的成交量，其中，以交易价格锁定模块锁定的交易价格为成交价格，根据预期交易时间段对应的时间范围确定各个批次的交易时间，根据与预期交易时间段对应的阶段目标成交量确定各个批次的成交量。
进一步的，如图5所示，在本说明书一实施例中，系统还包括成交量预测模块550，成交量预测模块550配置为预测当前交易场景下，在预期总交易时限范围内的市场成交量变化；成交量设置模块530配置为根据市场成交量变化拆分目标成交量。
进一步的，在本说明书一实施例中，成交量预测模块550配置为预测市场成交量变化，其中，成交量变化包括每个预期交易时间段对应的市场阶段成交量占预期总交易时限对应的市场总成交量的比例；成交量设置模块530配置为根据市场成交量变化拆分目标成交量，其中，阶段目标成交量占目标成交量的比例与对应的预期交易时间段所对应的市场阶段成交量占预期总交易时限对应的市场总成交量的比例一致。
进一步的，基于本发明的方法，本发明还提出了一种用于在用户设备端信息处理的设备，该设备包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该设备执行本发明所述的方法。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (14)

1.一种优化交易成本的方法，其特征在于，包括：
确定目标成交量对应的交易价格；
拆分所述目标成交量对应的预期总交易时限，确定多个预期交易时间段；
拆分所述目标成交量，确定多个阶段目标成交量，其中，所述阶段目标成交量与所述预期交易时间段对应；
确定针对所述目标成交量进行实际交易所依据的多批次交易参数，所述多批次交易参数包括所有交易批次的成交价格、各个交易批次的交易时间以及各个交易批次的成交量，其中：
以已确定的所述交易价格为所述成交价格；
所述多批次交易参数对应的交易批次与所述预期交易时间段对应，根据所述预期交易时间段确定对应的交易批次的交易时间，根据与所述预期交易时间段对应的阶段目标成交量确定对应的交易批次的成交量。
2.根据权利要求1所述的方法，其特征在于，拆分所述目标成交量对应的预期总交易时限，确定多个预期交易时间段，包括：
预测当前交易场景下，在所述预期总交易时限范围内的交易频次变化；
根据所述交易频次变化拆分所述预期总交易时限，确定多个所述预期交易时间段。
3.根据权利要求1所述的方法，其特征在于，拆分所述目标成交量对应的预期总交易时限，确定多个预期交易时间段，其中：
按照预设的固定时间间隔拆分所述目标成交量对应的预期总交易时限，确定多个所述预期交易时间段。
4.根据权利要求1～3中任一项所述的方法，其特征在于，拆分所述目标成交量，确定多个阶段目标成交量，包括：
预测当前交易场景下，在所述预期总交易时限范围内的市场成交量变化；
根据所述市场成交量变化拆分所述目标成交量，确定多个阶段目标成交量。
5.根据权利要求4所述的方法，其特征在于：
预测当前交易场景下，在所述预期总交易时限范围内的市场成交量变化，其中，所述成交量变化包括每个所述预期交易时间段对应的市场阶段成交量占所述预期总交易时限对应的市场总成交量的比例；
根据所述市场成交量变化拆分所述目标成交量，确定多个阶段目标成交量，其中，所述阶段目标成交量占所述目标成交量的比例与对应的预期交易时间段所对应的市场阶段成交量占所述预期总交易时限对应的市场总成交量的比例一致。
6.根据权利要求4或5所述的方法，其特征在于，预测当前交易场景下，在所述预期总交易时限范围内的市场成交量变化，其中，利用机器学习模型进行预测。
7.根据权利要求6所述的方法，其特征在于，利用机器学习模型进行预测，其中，利用时序预测模型进行预测。
8.根据权利要求6所述的方法，其特征在于，利用机器学习模型进行预测，其中，基于弹性网络进行预测。
9.根据权利要求8所述的方法，其特征在于，基于弹性网络进行预测，其中，求解目标函数
min||y-Xβ||2+λ2||β||2+λ1||β||1
得到β的最优解，根据β的最优解计算要预测的时间段内交易量y的值，上式中：
y为要预测的时间段内交易量；
β为要求解的最优参数；
λ1为L1范数的惩罚系数；
λ2为L2范数的惩罚系数；
X为交易特征项。
10.根据权利要求1～9中任一项所述的方法，其特征在于：
确定目标成交量对应的交易价格，其中，执行锁汇业务，锁定购买汇率。
11.一种优化交易成本的系统，其特征在于，包括：
交易价格确定模块，其配置为确定目标成交量对应的交易价格；
交易时段设置模块，其配置为拆分所述目标成交量对应的预期总交易时限，确定多个预期交易时间段；
成交量设置模块，其配置为拆分所述目标成交量，确定多个阶段目标成交量，其中，所述阶段目标成交量与所述预期交易时间段对应；
交易参数设置模块，其配置为确定针对所述目标成交量进行实际交易所依据的多批次交易参数，所述多批次交易参数包括所有交易批次的成交价格、各个交易批次的交易时间以及各个交易批次的成交量，其中：
以已确定的所述交易价格为所述成交价格；
所述多批次交易参数对应的交易批次与所述预期交易时间段对应，根据所述预期交易时间段确定对应的交易批次的交易时间，根据与所述预期交易时间段对应的阶段目标成交量确定对应的交易批次的成交量。
12.根据权利要求8所述的系统，其特征在于：
所述系统还包括成交量预测模块，所述成交量预测模块配置为预测当前交易场景，在所述预期总交易时限范围内的市场成交量变化；
所述成交量设置模块配置为根据所述市场成交量变化拆分所述目标成交量。
13.根据权利要求8所述的系统，其特征在于：
所述成交量预测模块配置为预测所述市场成交量变化，其中，所述成交量变化包括每个所述预期交易时间段对应的市场阶段成交量占所述预期总交易时限对应的市场总成交量的比例；
所述成交量设置模块配置为根据所述市场成交量变化拆分所述目标成交量，其中，所述阶段目标成交量占所述目标成交量的比例与对应的预期交易时间段所对应的市场阶段成交量占所述预期总交易时限对应的市场总成交量的比例一致。
14.一种用于在用户设备端信息处理的设备，该设备包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该设备执行权利要求1至7中任一项所述的方法。
CN201910124441.5A 2019-02-19 2019-02-19 一种优化交易成本的方法、系统及设备 Pending CN110033372A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201910124441.5A CN110033372A (zh) 2019-02-19 2019-02-19 一种优化交易成本的方法、系统及设备
TW108132568A TW202032478A (zh) 2019-02-19 2019-09-10 優化交易成本的方法、系統及設備
PCT/CN2020/070503 WO2020168845A1 (zh) 2019-02-19 2020-01-06 一种优化交易成本的方法、系统及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910124441.5A CN110033372A (zh) 2019-02-19 2019-02-19 一种优化交易成本的方法、系统及设备

Publications (1)

Publication Number Publication Date
CN110033372A true CN110033372A (zh) 2019-07-19

Family

ID=67235659

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910124441.5A Pending CN110033372A (zh) 2019-02-19 2019-02-19 一种优化交易成本的方法、系统及设备

Country Status (3)

Country Link
CN (1) CN110033372A (zh)
TW (1) TW202032478A (zh)
WO (1) WO2020168845A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111127018A (zh) * 2019-12-28 2020-05-08 浙江物产信息技术有限公司 一种自动计算锁定汇率损益的方法
WO2020168845A1 (zh) * 2019-02-19 2020-08-27 阿里巴巴集团控股有限公司 一种优化交易成本的方法、系统及设备
CN111798243A (zh) * 2020-06-30 2020-10-20 中国工商银行股份有限公司 一种可疑交易在线识别方法及装置
CN113450216A (zh) * 2021-06-25 2021-09-28 中国工商银行股份有限公司 用于量化交易的数据处理方法、系统、设备和存储介质
CN114549132A (zh) * 2022-02-23 2022-05-27 浙江同花顺智富软件有限公司 一种智能交易拆单方法、设备、系统和介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8458079B2 (en) * 2010-10-14 2013-06-04 Morgan Stanley Computer-implemented systems and methods for determining liquidity cycle for tradable financial products and for determining flow-weighted average pricing for same
CN108596493A (zh) * 2018-04-25 2018-09-28 上海金纳信息科技有限公司 拆单式交易方法及装置
CN109117991A (zh) * 2018-07-26 2019-01-01 北京京东金融科技控股有限公司 一种股票订单交易方法和装置
CN110033372A (zh) * 2019-02-19 2019-07-19 阿里巴巴集团控股有限公司 一种优化交易成本的方法、系统及设备

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020168845A1 (zh) * 2019-02-19 2020-08-27 阿里巴巴集团控股有限公司 一种优化交易成本的方法、系统及设备
CN111127018A (zh) * 2019-12-28 2020-05-08 浙江物产信息技术有限公司 一种自动计算锁定汇率损益的方法
CN111798243A (zh) * 2020-06-30 2020-10-20 中国工商银行股份有限公司 一种可疑交易在线识别方法及装置
CN113450216A (zh) * 2021-06-25 2021-09-28 中国工商银行股份有限公司 用于量化交易的数据处理方法、系统、设备和存储介质
CN114549132A (zh) * 2022-02-23 2022-05-27 浙江同花顺智富软件有限公司 一种智能交易拆单方法、设备、系统和介质

Also Published As

Publication number Publication date
WO2020168845A1 (zh) 2020-08-27
TW202032478A (zh) 2020-09-01

Similar Documents

Publication Publication Date Title
CN110033372A (zh) 一种优化交易成本的方法、系统及设备
Gilli et al. A data-driven optimization heuristic for downside risk minimization
Guo et al. Optimal placement in a limit order book: an analytical approach
JP2011503675A (ja) 通信ネットワークショッピングのための方法及び装置
Maringer et al. Regime-switching recurrent reinforcement learning for investment decision making
CN103748602A (zh) 支付非结算交易
Obeidat et al. Adaptive portfolio asset allocation optimization with deep learning
TW202008231A (zh) 外匯交易量預測方法和裝置
CN109376899A (zh) 一种经济波动数据确定方法及装置
Tripalupi et al. Optimization of financial technology as an opportunity for development of islamic microfinance institutions
CN114549132A (zh) 一种智能交易拆单方法、设备、系统和介质
CN108932615A (zh) 一种数字资产交易方法、系统及计算机可读存储介质
Matviychuk Fuzzy logic approach to identification and forecasting of financial time series using Elliott wave theory
JP2007048178A (ja) 購入比率決定装置及び方法
JP2022014349A (ja) 情報処理装置及びコンピュータプログラム
Abbas et al. Dynamics of Exchange Rate and Stock Prices: A Study on Emerging Asian Economies
JP2001338127A (ja) 資金繰り計画策定及びリスクアナリシスシステム
Znaczko Forecasting Foreign Exchange Rates
WO2019017032A1 (ja) 時間の経過につれて価値が変動するアセットを積み立てるためのコンピュータシステム、方法、および、プログラム
Shearer Modeling Trading Strategies in Financial Markets with Data, Simulation, and Deep Reinforcement Learning
Lyukevich et al. Cryptocurrency Market: Choice of Technical Indicators in Trading Strategies of Individual Investors
CN109544327A (zh) 一种购汇决策方法、装置及设备
US20230106398A1 (en) Systems and methods for a transaction processing system offering a service to a user system
Aasgård Coordinated hydropower bidding in the day-ahead and balancing market
Chen A Cash Flow Based Framework for Asset-Liability Management with Deep Reinforcement Learning

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

Effective date of registration: 20201016

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Innovative advanced technology Co.,Ltd.

Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant before: Advanced innovation technology Co.,Ltd.

Effective date of registration: 20201016

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Advanced innovation technology Co.,Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Applicant before: Alibaba Group Holding Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190719