CN111583042B - 期权实时数据的计算方法、系统、存储介质及电子设备 - Google Patents
期权实时数据的计算方法、系统、存储介质及电子设备 Download PDFInfo
- Publication number
- CN111583042B CN111583042B CN202010403338.7A CN202010403338A CN111583042B CN 111583042 B CN111583042 B CN 111583042B CN 202010403338 A CN202010403338 A CN 202010403338A CN 111583042 B CN111583042 B CN 111583042B
- Authority
- CN
- China
- Prior art keywords
- calculation
- quotation
- full
- mode
- result
- 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.)
- Active
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及计算机技术领域,尤其涉及一种期权实时数据的计算方法、系统、存储介质及电子设备,包括:依次接收行情快照,并将其中不重复资产的行情快照处理为行情增量切片;基于行情增量切片进行行情更新以得到行情更新结果;基于行情更新结果并根据条件设定选择相应的计算模式进行下一次计算以得到计算结果。本发明的有益效果:将不重复资产行情快照分组处理为行情增量切片,降低后续的计算压力,同时保证计算的实时性;通过全量计算和增量计算进行计算模式的切换优化计算性能,提高运算效率。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种期权实时数据的计算方法、系统、存储介质及电子设备。
背景技术
期权作为金融衍生品皇冠上的明珠,是一种组合风险管理的有效工具。与常见的权益性投资(如股票)或者债务性投资(如债券)不同,期权在进行期权投资策略建构时,需要根据合约信息、期权行情和标的行情进行实时计算,通过迭代计算得到相应的风险指标或者相关指数以辅助投资决策。
常用的处理方式为以定时器的方式进行数据计算,定时器根据不同的需要可以设置为1天,1分钟或者若干秒,但这种方式无法充分满足量化系统实时反馈的需要。
发明内容
为解决上述问题,本发明提出一种期权实时数据的计算方法,本发明还提出了相应的系统、存储介质及电子设备。
期权实时数据的计算方法,包括:
依次接收行情快照,并将其中不重复资产的行情快照处理为行情增量切片;
基于行情增量切片进行行情更新以得到行情更新结果;
基于行情更新结果并根据条件设定选择相应的计算模式进行下一次计算以得到计算结果。
优选的,所述计算模式包括全量计算模式和增量计算模式。
优选的,所述基于行情更新结果并根据条件设定选择相应的计算模式进行下一次计算以得到计算结果包括:
若当前两次全量计算的成交量变化率ΔV大于设定阈值f,则下一次计算采用全量计算模式;
若当前两次全量计算的成交量变化率ΔV小于或等于设定阈值f,则根据成交量变化率ΔV计算全量计算频率ΔF,并对下一次全量计算的频率进行调整。
优选的,所述根据成交量变化率ΔV计算全量计算频率ΔF:
优选的,所述基于行情更新结果并根据条件设定选择相应的计算模式进行下一次计算以得到计算结果包括:
计算前N天的标的历史成交量分布数据,在成交量大于设定阈值的时间段提高全量计算频率,在成交量小于或等于设定阈值的时间段降低全量计算频率。
优选的,还包括:
对行情更新结果以及计算结果进行监控,当出现行情异常或计算结果异常时选择全量计算模式进行下一次计算。
优选的,所述对行情更新结果以及计算结果进行监控,当出现行情异常或计算结果异常时选择全量计算模式进行下一次计算包括:
当标的价格变化率ΔS大于设定阈值时,将选择全量计算模式进行下一次计算。
期权实时数据的计算系统,包括:
切片处理模块,用于依次接收行情快照,并将其中不重复资产的行情快照处理为行情增量切片;
行情更新模块,用于基于行情增量切片进行行情更新以得到行情更新结果;
计算模式管理模块,用于基于行情更新结果并根据条件设定选择相应的计算模式;
计算模块,用于基于更新结果进行计算以得到计算结果。
优选的,所述计算模式包括全量计算模式和增量计算模式。
优选的,所述计算模式管理模块包括:
第一条件设定模块,用于设定若当前两次全量计算的成交量变化率ΔV大于设定阈值f,则下一次计算采用全量计算模式;若当前两次全量计算的成交量变化率ΔV小于或等于设定阈值f,则根据成交量变化率ΔV计算全量计算频率ΔF,并对下一次全量计算的频率进行调整。
优选的,所述根据成交量变化率ΔV计算全量计算频率ΔF:
优选的,所述计算模式管理模块包括:
第二条件设定模块,用于计算前N天的标的历史成交量分布数据,在成交量大于设定阈值的时间段提高全量计算频率,在成交量小于或等于设定阈值的时间段降低全量计算频率。
优选的,还包括:
异常监控模块,用于对行情更新结果以及计算结果进行监控,当出现行情异常或计算结果异常时,通过计算模式管理模块选择全量计算模式进行下一次计算。
优选的,所述异常监控模块包括:
价格变化率计算模块,用于计算标的价格变化率ΔS;
当标的价格变化率ΔS大于设定阈值时,计算模式管理模块选择全量计算模式进行下一次计算。
一种电子设备,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行所述的期权实时数据的计算方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行所述的期权实时数据的计算方法的步骤。
通过使用本发明,可以实现以下效果:
1.将不重复资产行情快照分组处理为行情增量切片,降低后续的计算压力,同时保证计算的实时性;
2.通过全量计算和增量计算进行计算模式的切换优化计算性能,提高运算效率;
3.当出现计算结果异常或异常行情时,将计算模式切换为全量计算模式以保证计算的准确性,避免了实时行情突变导致的风险。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1是本发明实施例一一种期权实时数据的计算方法步骤S1~S3的示意性流程图;
图2是本发明实施例一一种期权实时数据的计算方法步骤S4的示意性流程图;
图3是本发明实施例二一种期权实时数据的计算系统的示意性结构图;
图4是本发明实施例二一种期权实时数据的计算系统中计算模式管理模块的示意性结构图;
图5是本发明实施例二一种期权实时数据的计算系统中异常监控模块的示意性结构图;
图6是本发明实施例二一种期权实时数据的计算系统中价格变化率计算模块的示意性结构图;
图7是本发明实施例四一种电子设备的示意性结构图。
具体实施方式
以下结合附图,对本发明的技术方案作进一步的描述,但本发明并不限于这些实施例。
实施例一
现有技术中,根据合约信息、期权行情和标的行情进行实时计算是截取一个时间截面,对该截面的合约行情信息进行计算,但其忽略了在两个时间截面之间的若干行情快照,该方案只能满足盘后分析的需求。由于期权高杠杆、高风险的特性,该方案存在以下不足:无法保证相关风险指标计算的实时性;采用定时计算的方法所计算的风险指标,相对实时行情有一定的滞后性。
由于在进行隐含波动率和风险指标计算时,需要进行迭代计算,全量计算频率过高,可能导致计算压力过大,行情处理不及时,全量计算频率过低,可能导致计算准确性不够。
因此,本发明的基本思想是:第一,将一系列行情快照分组处理为行情增量切片,降低后续的计算压力,同时保证计算的实时性;第二,通过全量计算和增量计算进行计算模式的切换优化计算性能,提高运算效率。
本发明实施例一提出一种期权实时数据的计算方法,如图1所示,包括以下步骤:
S1:依次接收行情快照,并将其中不重复资产的行情快照处理为行情增量切片。
行情快照:表示某一刻某个资产(股票、期权、期货)的行情信息,包含代码、时间戳、价格、成交量等信息。
每一个行情增量切片中包括若干资产的行情快照,且同一个行情增量切片中不包括相同资产的行情快照。当接收到一个重复资产的行情快照时,则重新建立一个新的行情增量切片,行情增量切片是接下来进行数据处理的基本单位。
由于一个行情增量切片中包括若多个行情快照,相比于现有技术中依次对每个行情快照进行计算,本实施例在对行情增量切片进行计算时,一次性可以对多个行情快照进行计算,因此大大提高了计算效率,缓解了系统本身的计算压力,同时还保证计算的实时性。此外,由于每个行情增量切片中不包括重复资产的行情快照,因此不会进行重复计算,同样提高了计算效率。
S2:基于行情增量切片进行行情更新以得到行情更新结果。
在步骤S2中,根据步骤S1得到的行情增量切片,进行合约价量更新。
S3:基于行情更新结果并根据条件设定选择相应的计算模式进行下一次计算以得到计算结果。
计算模式包括全量计算模式和增量计算模式。全量计算模式计算准确度高,但是计算效率低;而增量计算模式是一种近似计算,可以有效降低计算复杂度,提高计算性能。
考虑到实时行情更新的速度变化快的可能性,若采用设定周期的全量计算往往不能及时的进行行情更新。因此通过设定触发模式切换的条件设定,保证全量计算模式与增量计算模式的智能选择,兼顾实时数据服务的性能与准确性。
在一实施例中,条件设定包括:
当当前两次全量计算的成交量变化率ΔV大于设定阈值f时,则说明当前行情波动较大,存在实时行情发生突变的可能性,在这种情况下下一次计算选择全量计算模式来保证计算的准确性。
当当前两次全量计算的成交量变化率ΔV小于或等于设定阈值f时,则根据成交量变化率ΔV计算全量计算频率ΔF,并对下一次全量计算的频率进行调整以适应成交量的变化,以兼顾实时数据服务的性能与准确性。
其中,根据成交量变化率ΔV计算全量计算频率ΔF:
在一实施例中,条件设定包括:
采用VWAP算法,统计前N天的标的成交量分布数据,分配计算模式切换频率:即在交易日模拟历史成交分布情况进行全量计算频率的调整,在成交活跃的时间段需要加快全量计算的频率以保证行情的实时更新,而在成交不活跃的时间段可以降低全量计算频率。
在一实施例中,条件设定包括:
设定全量计算模式的计算周期为T,在周期T内的计算采用增量计算模式。通过全量计算模式和增量计算模式相结合的计算方式,以兼顾实时数据服务的性能与准确性。
在一实施例中,条件设定包括:
监控系统CPU与内存占用,当占用过高时降低下一次全量计算频率,以避免全量计算频率过高而导致系统性能的降低甚至瘫痪。
在一实施例中,条件设定包括:用户定制化策略。用户人为设定相关的计算模式切换策略,当触发该策略时,则进行模式切换,以符合特定用户的个性化设定。
需要说明的是,本发明所采用的增量计算方法通过借助泰勒展开式,在极小的时间片内采用增量计算的方式,优化计算性能。
考虑一个连续并且对于x可导的函数G,如果x变化为Δx,相应的G变化为ΔG,我们运用泰勒展开式(Taylor's formula),有如下等式成立:
由于期权价格f是关于波动率σ、标的价格S、行权价K、剩余时间T,无风险利率r的函数,即有:
f=f(σ,S,K,T,r),
在实际交易中,期权的行权价K是由交易所设计的,因此不会发生变化。在极小的时间段内,剩余时间T与无风险利率r也不会发生变化。因此期权价格f会伴随着波动率σ、标的价格S的变化而变化,根据泰勒展开式有:
因此,根据需要可以选择根据泰勒展开式的一阶、二阶、三阶偏导数,或者更高阶的偏导数进行增量计算。如果选择一阶偏导数,则有:
Δf≈Vega*Δσ+Delta*ΔS,
从而可以推导出如下结论:
1、如果标的行情变化量为ΔS,期权价格未发生变化,则有
IV(new)=IV(old)+0.01*(-1)*ΔS*Delta/Vega,
其中,IV(new)为变化后的隐含波动率,IV(old)为旧的隐含波动率,Delta、Vega为期权相应的风险指标。
2、如果期权价格发生变化Δf,标的价格未发生变化,则有:
IV(new)=IV(old)+0.01*Δf/Vega,
其中,IV(new)为变化后的隐含波动率,IV(old)为旧的隐含波动率,Vega为期权相应的风险指标。
如果选择二阶偏导数,则有:
在期权价格Δf发生变化,标的价格ΔS不变时;或者在期权价格Δf不变化,标的价格ΔS发生变化时,求解对应的一元二次方程,即可以求解出对应的Δσ。
其中,
考虑到实时行情发送突变或者计算结果出现异常的可能性,作为优选,在一实施例中,如图2所示,一种期权实时数据的计算方法还包括:
S4:对行情更新结果以及计算结果进行监控,当出现行情异常或计算结果异常时选择全量计算模式进行下一次计算。
其中,异常计算结果包括隐含波动率异常值,风险指标异常值等。异常行情包括如下情况:成交量突然放大,例如:变化比例>5‰;标的行情价格突变,例如:变化比例的绝对值>5‰;利用期权平价公式计算出的价格突变,例如:变化比例的绝对值>5‰。
期权平价公式为:
C+K*e-rt=P+S,
其中,C与P分别为同一行权价K的看涨期权和看跌期权的价格,S为标的价格,由此标的价格可以表示为:
S=C+K*e-rt-P,
在具体计算价格突变时,考虑平值期权及其上下一档的期权,取推导出的标的价格最大的变化值为监控值,即利用期权平价公式计算出的价格突变ΔS可以表示为:
其中,Ci,0+Ki*e-rt+Pi,0为上一次全量计算后根据平价公式推导出的标的价格。k-1,k0,k1分别为平值下一档,平值和平值上一档的行权价,取三个行权价计算出的价格突变值的最大值为监控结果。
当出现计算结果异常或异常行情时,将计算模式切换为全量计算模式以保证计算的准确性,避免了实时行情突变导致的风险。
实施例二
下述为本公开系统实施例,可以用于执行本公开方法实施例一。对于本公开系统实施例中未披露的细节,请参照本公开方法实施例。
实施例二提出了一种期权实时数据的计算系统,如图3所示,包括:切片处理模块,用于依次接收行情快照,并将其中不重复资产的行情快照处理为行情增量切片;行情更新模块,用于基于行情增量切片进行行情更新以得到行情更新结果;计算模式管理模块,用于基于行情更新结果并根据条件设定选择相应的计算模式;计算模块,用于基于更新结果进行计算以得到计算结果。
本实施例中,切片处理模块所处理的一个行情增量切片中包括若多个行情快照,相比于现有技术中依次对每个行情快照进行计算,本实施例在对行情增量切片进行计算时,一次性可以对多个行情快照进行计算,因此大大提高了计算效率,缓解了系统本身的计算压力,同时还保证计算的实时性。此外,由于每个行情增量切片中不包括重复资产的行情快照,因此不会进行重复计算,同样提高了计算效率
本实施例中,计算模式包括全量计算模式和增量计算模式,考虑到实时行情更新的速度变化快的可能性,若采用设定周期的全量计算往往不能及时的进行行情更新。因此通过设定触发模式切换的条件设定,通过计算模式管理模块保证全量计算模式与增量计算模式的智能切换,兼顾实时数据服务的性能与准确性。
如图4所示,计算模式管理模块包括:第一条件设定模块,用于设定若当前两次全量计算的成交量变化率ΔV大于设定阈值f,则下一次计算采用全量计算模式;若当前两次全量计算的成交量变化率ΔV小于或等于设定阈值f,则根据成交量变化率ΔV计算全量计算频率ΔF,并对下一次全量计算的频率进行调整。
其中,根据成交量变化率ΔV计算全量计算频率ΔF:
计算模式管理模块包括:第二条件设定模块,用于采用VWAP算法,计算前N天的标的历史成交量分布数据,在成交量大于设定阈值的时间段提高全量计算频率,在成交量小于或等于设定阈值的时间段降低全量计算频率。
计算模式管理模块包括:第三条件设定模块,用于设定全量计算模式的计算周期为T,在周期T内的计算采用增量计算模式。
计算模式管理模块包括:第四条件设定模块,用于设定系统CPU与内存占用。当占用过高时降低下一次全量计算频率,以避免全量计算频率过高而导致系统性能的降低甚至瘫痪。
计算模式管理模块包括:第五条件设定模块,用于设定用户定制化策略。用户人为设定相关的计算模式切换策略,当触发该策略时,则进行模式切换,以符合特定用户的个性化设定。
作为优选,在一实施例中,如图5所示,本系统还包括:异常监控模块,用于对行情更新结果以及计算结果进行监控,当出现行情异常或计算结果异常时,通过计算模式管理模块选择全量计算模式进行下一次计算。
如图6所示,异常监控模块包括:价格变化率计算模块,用于计算标的价格变化率ΔS;当标的价格变化率ΔS大于设定阈值时,计算模式管理模块选择全量计算模式进行下一次计算。
异常监控模块对对计算结果以及异常行情进行监控,当出现计算结果异常或异常行情时,将计算模式切换为全量计算模式以保证计算的准确性,避免了实时行情突变导致的风险。
实施例三
本发明实施例三提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一实施例中所述期权实时数据的计算方法的步骤。资讯去重的方法的具体步骤可参考前述实施例中关于上述期权实时数据的计算各步骤的详细描述,此处不再赘述。所述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
实施例四
本发明实施例四提供一种电子设备,该电子设备可以包括处理器以及用于存储所述处理器的可执行指令的存储器。其中,所述处理器配置为经由执行所述可执行指令来执行上述任一实施例中期权实时数据的计算方法的步骤。该期权实时数据的计算方法的步骤可参考前述方法实施例中的详细描述,此处不再赘述。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本公开实施方式的方法。
图7示出根据本公开示例实施方式中一种电子设备的示意图。例如,电子设备可以被提供为一服务器或客户端。参照图7,电子设备包括处理组件,其进一步包括一个或多个处理器,以及由存储器所代表的存储器资源,用于存储可由处理组件执行的指令,例如应用程序。存储器中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件被配置为执行指令,以执行上述方法。
电子设备还可以包括一个电源组件被配置为执行电子设备的电源管理,一个有线或无线网络接口被配置为将电子设备连接到网络,和一个输入输出(I/O)接口。电子设备可以操作基于存储在存储器的操作系统,例如Windows Server,Mac OS X,Unix、Linux,FreeBSD或类似。
本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (8)
1.期权实时数据的计算方法,其特征在于,包括:
依次接收行情快照,并将其中不重复资产的行情快照处理为行情增量切片;
基于行情增量切片进行行情更新以得到行情更新结果;
基于行情更新结果并根据条件设定选择相应的计算模式进行下一次计算以得到计算结果;
所述计算模式包括全量计算模式和增量计算模式;
所述基于行情更新结果并根据条件设定选择相应的计算模式进行下一次计算以得到计算结果包括:
若当前两次全量计算的成交量变化率ΔV大于设定阈值f,则下一次计算采用全量计算模式;
若当前两次全量计算的成交量变化率ΔV小于或等于设定阈值f,则根据成交量变化率ΔV计算全量计算频率ΔF,并对下一次全量计算的频率进行调整。
2.根据权利要求1所述的期权实时数据的计算方法,其特征在于,所述根据成交量变化率ΔV计算全量计算频率ΔF:
3.根据权利要求1所述的期权实时数据的计算方法,其特征在于,所述基于行情更新结果并根据条件设定选择相应的计算模式进行下一次计算以得到计算结果包括:
计算前N天的标的历史成交量分布数据,在成交量大于设定阈值的时间段提高全量计算频率,在成交量小于或等于设定阈值的时间段降低全量计算频率。
4.根据权利要求1至3任一项所述的期权实时数据的计算方法,其特征在于,还包括:
对行情更新结果以及计算结果进行监控,当出现行情异常或计算结果异常时选择全量计算模式进行下一次计算。
5.根据权利要求4所述的期权实时数据的计算方法,其特征在于,所述对行情更新结果以及计算结果进行监控,当出现行情异常或计算结果异常时选择全量计算模式进行下一次计算包括:
当标的价格变化率ΔS大于设定阈值时,将选择全量计算模式进行下一次计算。
6.期权实时数据的计算系统,其特征在于,包括:
切片处理模块,用于依次接收行情快照,并将其中不重复资产的行情快照处理为行情增量切片;
行情更新模块,用于基于行情增量切片进行行情更新以得到行情更新结果;
计算模式管理模块,用于基于行情更新结果并根据条件设定选择相应的计算模式;
计算模块,用于基于更新结果进行计算以得到计算结果;
所述计算模式包括全量计算模式和增量计算模式;
所述计算模式管理模块包括:
第一条件设定模块,用于设定若当前两次全量计算的成交量变化率ΔV大于设定阈值f,则下一次计算采用全量计算模式;若当前两次全量计算的成交量变化率ΔV小于或等于设定阈值f,则根据成交量变化率ΔV计算全量计算频率ΔF,并对下一次全量计算的频率进行调整。
7.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1~5任一项所述的期权实时数据的计算方法的步骤。
8.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器执行根据权利要求1~5任一项所述的期权实时数据的计算方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010403338.7A CN111583042B (zh) | 2020-05-13 | 2020-05-13 | 期权实时数据的计算方法、系统、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010403338.7A CN111583042B (zh) | 2020-05-13 | 2020-05-13 | 期权实时数据的计算方法、系统、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111583042A CN111583042A (zh) | 2020-08-25 |
CN111583042B true CN111583042B (zh) | 2023-08-18 |
Family
ID=72110834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010403338.7A Active CN111583042B (zh) | 2020-05-13 | 2020-05-13 | 期权实时数据的计算方法、系统、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111583042B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112965860B (zh) * | 2021-03-11 | 2022-02-11 | 中科驭数(北京)科技有限公司 | 一种快照行情分发方法、装置、设备及存储介质 |
CN114187046A (zh) * | 2021-12-13 | 2022-03-15 | 上海金融期货信息技术有限公司 | 提高期权价格计算速度的程序化方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2035136A1 (de) * | 1969-07-15 | 1971-09-09 | Allen Bradley Co | Steuereinrichtung fur eine numerisch gesteuerte Werkzeugmaschine |
CN109145386A (zh) * | 2018-07-24 | 2019-01-04 | 张瑞杰 | 一种用于工程结构的地震碰撞反应分析方法 |
CN109871394A (zh) * | 2019-01-17 | 2019-06-11 | 苏宁易购集团股份有限公司 | 一种全量分布式高并发计算方法及装置 |
CN110378751A (zh) * | 2019-07-26 | 2019-10-25 | 上海金融期货信息技术有限公司 | 一种期权定价方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8510546B2 (en) * | 2011-03-29 | 2013-08-13 | International Business Machines Corporation | Run-ahead approximated computations |
-
2020
- 2020-05-13 CN CN202010403338.7A patent/CN111583042B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2035136A1 (de) * | 1969-07-15 | 1971-09-09 | Allen Bradley Co | Steuereinrichtung fur eine numerisch gesteuerte Werkzeugmaschine |
CN109145386A (zh) * | 2018-07-24 | 2019-01-04 | 张瑞杰 | 一种用于工程结构的地震碰撞反应分析方法 |
CN109871394A (zh) * | 2019-01-17 | 2019-06-11 | 苏宁易购集团股份有限公司 | 一种全量分布式高并发计算方法及装置 |
CN110378751A (zh) * | 2019-07-26 | 2019-10-25 | 上海金融期货信息技术有限公司 | 一种期权定价方法和系统 |
Non-Patent Citations (1)
Title |
---|
韩胜菊 ; 陶冶 ; 杨文莲 ; 皮国喜 ; .混合神经网络响应面调度法在渔船协同论证中的应用.大连水产学院学报.2010,(02),第164-165页. * |
Also Published As
Publication number | Publication date |
---|---|
CN111583042A (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111583042B (zh) | 期权实时数据的计算方法、系统、存储介质及电子设备 | |
US20180374153A1 (en) | Automated trading exchange system having integrated quote risk monitoring and integrated quote modification services | |
EP1080438A1 (en) | Index rebalancing for a capitalization weighted stock index | |
US8666798B2 (en) | Method and system for rapidly projecting and forecasting pharmaceutical market information | |
US20180276757A1 (en) | Methods and Apparatus for Improving Factor Risk Model Responsiveness | |
US20100023460A1 (en) | Methods and apparatus for iterative conditional probability calculation methods for financial instruments with path-dependent payment structures | |
US20070294156A1 (en) | Methods and apparatus for iterative conditional probability calculation methods for financial instruments with path-dependent payment structures | |
TW201923684A (zh) | 用於優化交易執行的系統及方法 | |
EP1625542A4 (en) | METHOD AND SYSTEM FOR PREDICTING INCOME FROM A CLIENT | |
US20030172021A1 (en) | System and method using trading value for weighting instruments in an index | |
CN110619407B (zh) | 对象销量的预测方法及系统、电子设备和存储介质 | |
Forneron | A Sieve‐SMM Estimator for Dynamic Models | |
CN110336884B (zh) | 服务器集群更新方法和装置 | |
Burgess et al. | Modelling non-linear moving average processes using neural networks with error feedback: An application to implied volatility forecasting | |
US20200090273A1 (en) | Stock price forecast assist system and method | |
CN113626282B (zh) | 云计算物理节点负载监控方法、装置、终端及存储介质 | |
JP2019046467A (ja) | 電力取引支援装置及び電力取引支援方法 | |
US8255246B2 (en) | Method and apparatus for creating compound due-to reports | |
CN116755869B (zh) | 一种金融业务进件处理方法、系统和介质 | |
CN117394459A (zh) | 虚拟电厂可调节能力量化评估方法、装置、设备和介质 | |
Khuman et al. | Constant proportion portfolio insurance strategies under cumulative prospect theory with reference point adaptation | |
US20230410196A1 (en) | Midpoint computations at intervals with balanced groups | |
US20230038434A1 (en) | Systems and methods for reinforcement learning with supplemented state data | |
CN116645193A (zh) | 贷款业务处理方法、装置、电子设备及存储介质 | |
Kienitz et al. | Dynamically Controlled Kernel Estimation |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |