CN113159941A - 一种智能流式交易执行方法及装置 - Google Patents
一种智能流式交易执行方法及装置 Download PDFInfo
- Publication number
- CN113159941A CN113159941A CN202110143644.6A CN202110143644A CN113159941A CN 113159941 A CN113159941 A CN 113159941A CN 202110143644 A CN202110143644 A CN 202110143644A CN 113159941 A CN113159941 A CN 113159941A
- Authority
- CN
- China
- Prior art keywords
- module
- transaction
- market
- data
- quotation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 44
- 238000010801 machine learning Methods 0.000 claims abstract description 32
- 230000009471 action Effects 0.000 claims abstract description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 42
- 238000012360 testing method Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 241000109539 Conchita Species 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 239000003795 chemical substances by application Substances 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 230000002688 persistence Effects 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 11
- 241000251468 Actinopterygii Species 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000008451 emotion Effects 0.000 description 3
- 238000012954 risk control Methods 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical group [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
Images
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种智能流式交易执行方法及装置,涉及现货交易技术领域。本发明的装置包括行情总线、网页模块以及交易总线、策略模块、风控模块、机器学习建模单元、预测处理单元、交易执行模块、备份模块、柜台模块、结算模块;终端用户通过网页模块发送交易母单到达策略模块,根据行情和信号模块推送而来的行情涨跌信号,通过风险模块进行判断是否满足风控要求,进而完成一系列地交易动作。本发明能够保证行情流能够得到持续不断地实时更新,使策略系统模块能够高效地运用该信息进行分析、决策,通过监控母单回报窗口和进度监控窗口,对当前程序化交易的运行情况进行实时的掌控;能够获取最优和最低的买入成本,从而大大降低的股票购买的成本。
Description
技术领域
本发明属于现货交易技术领域,特别是涉及一种智能流式交易执行装置以及一种智能流式交易执行方法。
背景技术
算法交易是通过各种统计、数学分析,形成交易的各种策略,再利用这些策略在A股市场上进行买卖交易操,是满足客户的交易需求,提供的以成交为目的的自动化交易执行服务。主要目标是保证执行效率、降低冲击成本、减少人力成本、保护交易意图、捕捉交易机会和获取交易环节的Alpha收益。算法交易的特点是指在一段时间内,根据设定的策略或逻辑,利用各种指令来进行交易。算法策略会对市场变化产生立即反应从而捕捉更多流动性。客户通过算法可以实现更稳定的交易效果,减少对市场行情的影响。算法系统内嵌风控阈值检查令交易更安全,严格符合监管要求。算法作为有效的交易辅助工具提高交易员效率,减少手工误差。
现有的技术指标对非经济和计算机应用技术领域的人们来说,很难掌握市场动态和股票走势;现有的技术指标对股票走势的预测由于使用的人过多,以及具有一定的滞后性和加上人为的主观判断,因此不够准确和稳定;对于股票的买入和卖出以及交易执行来说,如何节省最低的成本获得最大的收益是需要解决的问题。
综上所述,现有技术的主要缺点在于股票预测的方法缺乏准确性,对于非专业人员来说应用起来有较大困难,因此针对以上问题提供一种智能流式交易执行方法及装置具有重要意义。
发明内容
本发明提供了一种智能流式交易执行方法及装置,解决了以上问题。
为解决上述技术问题,本发明是通过以下技术方案实现的:
本发明的一种智能流式交易执行装置,包括搭载于前端行情服务器中的行情总线、网页模块以及搭载于前端核心算法服务器中的交易总线、策略模块、风控模块、机器学习建模单元、预测处理单元、交易执行模块、备份模块、柜台模块、结算模块;
所述服务器负责连接终端用户与后端服务,发送母单,其中,前端行情服务器主要用于采集第三方的行情然后转换成我们内部自己的格式存储向下游发送,这里信号模块也通过收到的行情获取信号然后向下游转发;所述前端核心算法服务器主要用于算法拆单、web端进度更新、cs前端接入、Adaptor、Mysql;
所述交易总线用于传输交易数据,提供可靠的持久化服务;
所述行情总线用于传输行情数据,提供快速的实时服务;
所述网页模块用于管理员进行信息管理以及交易员进行算法单和普通单委托;
所述策略模块用于对母单进行算法拆单,结合行情生成子单;
所述风控模块用于负责子单的风控处理,控制交易风险及合规,决定是否发送到柜台代理;
所述机器学习建模单元用于为股价预测处理中的复杂数学关系建立更加精准的数学模型;所述机器学习建模单元包括数据预处理模块、机器学习训练模块与模型测试模块;所述数据预处理模块将各股的价格波动、买卖压差、交易量等数据从预测系统数据库下载下来,在机器学习训练模块上进行训练与开发,并最终将训练成功的模型信息发送给模型测试模块;
所述预测处理单元基于机器学习建模单元提供的预测结果,建立预测交易结果模型;以及用于所述预测模型基于市场实时行情总线输入的市场实时行情数据,对预测表现优异的股票进行买卖结果预测,获取能够取得收益的模型结果;
所述交易执行模块用于基于时间加权平均算法对预测处理单元内的买卖预测结果进行选择执行;客户经理通过网页模块和交易总线获取预测处理单元的涨跌预测结果及其对应的时间点数据,并交由交易执行模块进行交易执行动作;
所述备份模块用于负责交易过程中交易数据的备份与保存;
所述柜台模块用于负责和证券公司柜台通信,屏蔽各个柜台的差异;
所述结算模块负责分析交易数据,生成绩效评估报表;
所述行情总线分别与策略模块和风控模块相连后与交易总线相连,所述网页模块、风控模块、风控模块、柜台模块、备份模块分别与交易总线进行数据交互;所述备份模块通过消息转储后分别于结算模块和SQL数据库相连,SQL数据库生成报表反馈至网页模块。
进一步地,所述交易执行模块内设置有交易执行算法,采用时间加权平均价格算法:具体地是将预测处理单元内的涨跌预测结果中的某一时间段内的新指标作为交易价格:
进一步地,所述预测处理单元内设置有行情数据处理模块和预测计算处理机;所述行情数据处理模块用于对获取到的市场行情数据进行整理并生成内部标准化的可识别应用的数据;所述预测计算处理机用于对数据基于机器学习建模单元内的模型为依据获得涨跌预测结果。
进一步地,所述数据预处理模块用于从数据库中读取用于数学建模的股价历史波动数据;所述机器学习训练模块用于对从数据库读取的行情数据进行数学建模,并利用深度学习的技术深入挖掘因子;模型测试模块用于对上一步机器学习训练得到的模型参数进行测试,判断模型是否正确挖掘到了新的因子;以及将正确的预测结果传递给执行模块辅助客户经理进行交易。
进一步地,所述备份模块还用于对RMQ消息队列上的所有消息进行监听并缓存至内存;当其它模块出现故障时,响应其它模块发送的resendRequest消息,重发之前缓存的消息的子集至该模块,所述备份模块还用于响应柜台模块发送的数据请求。
进一步地,所述行情模块包括获取行情、发布行情、重置行情、分类行情、行情丢弃以及收到行情数据后会对行情做精致加工与分析,从而产生有价值的行情买卖信号,以及涨跌预判等等,为策略模块报单提供帮助。
进一步地,所述结算模块具体用于存储交易过程中产生的各种数据,支持盘后结算当天数据,支持结算历史数据,具体数据包括:当日所有母单委托记录、当日所有子单委托记录、盘前持仓信息、盘后委托记录信息。
进一步地,所述柜台模块具体用于与柜台建立连接、登录资金账号、获取股东账号、委托、成交、仓位、资金等信息,以及订阅回报、保单、接收及报告回报状态到网页。
进一步地,所述前端行情服务器采用2台分别为Maser和Slave的服务器,基于centos操作系统,冷备模式;所述前端核心算法服务器采用2台分别为Maser和Slave的服务器,基于centos操作系统,冷备模式,mysql数据库设置主从同步。
一种智能流式交易执行方法,终端用户通过访问网页模块建立与服务端的连接,通过网页模块发送交易母单到达策略模块,策略模块会接收行情发布模块推送而来的行情和信号模块推送而来的行情涨跌信号,当产生下单信号时,会预发送子单到风险模块进行判断是否满足风控要求;如果通过,则会推送到柜台模块进行券商柜台正式报单,进而完成一系列地交易动作。
本发明相对于现有技术包括有以下有益效果:
1、本发明通过机器学习建模以及通过市场行情采集汇总预测交易涨跌结果,特别是通过对交易涨跌结果中的各个不同时间点与获取到的新指标的交易价格进行比对做差,挑选出负值较大的时刻,将购买的股票量按负值大小进行分配下单,获取最优和最低的买入成本,从而大大降低的股票购买的成本;一方面能通过排除交易员个人情绪因素导致的误差对股票交易价格的影响;另一方面能够通过用机器替代人工来解放更多的生产力。
2、本发明能够获取到的最新实时的行情信息,通过研发的高效内存处理技术,将所有行情信息保存在内存中,并提供了一整套较为成熟的存储和检索方案设计,从而保证了行情流能够得到持续不断地实时更新。
3、本发明在风险控制方面,会根据各项监管指标进行进行监控,触犯监管红线。同时也会控制单笔数量及一段时间内下单笔数和下单金额,及偏离当前价的幅度,以及特定股票禁止从而防止系统出错对账户产生大幅度影响。
4、本发明的行情系统模块会对包括包括股票的十档竞价盘口信息(委托价格和委托数量)、最新成交信息(成交时间和成交数量)、最新委托信息(逐笔委托的价格和数量)等信息进行清洗、去重、整理,并将这些信息以较低的延迟传送到策略系统模块,使得策略系统模块能够高效地运用该信息进行分析、决策。
5、本发明的策略模块充分利用行情系统模块提供的股票行情信息,并对统计建模构建出的策略进行实现,从而生成用于执行交易操作(买入或卖出委托、撤单等)的决策信息。
6、本发明的装置能够在后台运行,以交易员身份登录后,通过监控母单回报窗口和进度监控窗口,对当前程序化交易的运行情况进行实时的掌控,这两个窗口在交易功能部分已经说明,此外交易员还可以通过查看拒绝的订单及具体原因,来发现是否已触发风控规则,从而判断是否要进行人工干预。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种智能流式交易执行装置的整体架构图;
图2为本发明一种智能流式交易执行装置的系统部署架构图;
图3为本发明一种智能流式交易执行装置方法的具体实施例1的流程图;
图4为本发明一种智能流式交易执行装置的架构说明示意图;
图5为本发明技术特点的示意图;
图6为当日业务操作流程示意图;
图7为图1中预测处理单元的内部结构图;
图8为图1中及其学习建模单元的内部结构图;
图9为未使用本股票交易执行系统进行均匀机械执行的实例图;
图10为执行本股票交易执行系统及其相对应算法进行执行的实例图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1-2所示,本发明一种智能流式交易执行装置,包括搭载于前端行情服务器中的行情总线、网页模块以及搭载于前端核心算法服务器中的交易总线、策略模块、风控模块、机器学习建模单元、预测处理单元、交易执行模块、备份模块、柜台模块、结算模块;
服务器负责连接终端用户与后端服务,发送母单,其中,前端行情服务器主要用于采集第三方的行情然后转换成我们内部自己的格式存储向下游发送,这里信号模块也通过收到的行情获取信号然后向下游转发;前端核心算法服务器主要用于算法拆单、web端进度更新、cs前端接入、Adaptor、Mysql;
交易总线用于传输交易数据,提供可靠的持久化服务;
行情总线用于传输行情数据,提供快速的实时服务;
网页模块用于管理员进行信息管理以及交易员进行算法单和普通单委托;
策略模块用于对母单进行算法拆单,结合行情生成子单;
风控模块用于负责子单的风控处理,控制交易风险及合规,决定是否发送到柜台代理;
机器学习建模单元用于为股价预测处理中的复杂数学关系建立更加精准的数学模型;机器学习建模单元包括数据预处理模块、机器学习训练模块与模型测试模块;数据预处理模块将各股的价格波动、买卖压差、交易量等数据从预测系统数据库下载下来,在机器学习训练模块上进行训练与开发,并最终将训练成功的模型信息发送给模型测试模块;
预测处理单元基于机器学习建模单元提供的预测结果,建立预测交易结果模型;以及用于预测模型基于市场实时行情总线输入的市场实时行情数据,对预测表现优异的股票进行买卖结果预测,获取能够取得收益的模型结果;
交易执行模块用于基于时间加权平均算法对预测处理单元内的买卖预测结果进行选择执行;客户经理通过网页模块和交易总线获取预测处理单元的涨跌预测结果及其对应的时间点数据,并交由交易执行模块进行交易执行动作;
备份模块用于负责交易过程中交易数据的备份与保存;
柜台模块用于负责和证券公司柜台通信,屏蔽各个柜台的差异;
结算模块负责分析交易数据,生成绩效评估报表;
行情总线分别与策略模块和风控模块相连后与交易总线相连,网页模块、风控模块、风控模块、柜台模块、备份模块分别与交易总线进行数据交互;备份模块通过消息转储后分别于结算模块和SQL数据库相连,SQL数据库生成报表反馈至网页模块。
其中,交易执行模块内设置有交易执行算法,采用时间加权平均价格算法:具体地是将预测处理单元内的涨跌预测结果中的某一时间段内的新指标作为交易价格:
其中,预测处理单元内设置有行情数据处理模块和预测计算处理机;行情数据处理模块用于对获取到的市场行情数据进行整理并生成内部标准化的可识别应用的数据;预测计算处理机用于对数据基于机器学习建模单元内的模型为依据获得涨跌预测结果。
其中,数据预处理模块用于从数据库中读取用于数学建模的股价历史波动数据;机器学习训练模块用于对从数据库读取的行情数据进行数学建模,并利用深度学习的技术深入挖掘因子;模型测试模块用于对上一步机器学习训练得到的模型参数进行测试,判断模型是否正确挖掘到了新的因子;以及将正确的预测结果传递给执行模块辅助客户经理进行交易。
其中,行情发布模块能够进行行情的备份切换,支持2种切换模式,一种是图表整个Master到Slave的切换,这种相当于所有的Master,然后开启所有的Slave,整个链路的全体切换;还有一种方式是关闭行情Master,启用Slave行情,然后修改下核心交易中的行情地址配置,启动核心交易中的行情转发。
其中,前端核心算法服务器能够进行核心算法备份切换:且服务器一旦要切换都是整体性的切换,不支持只切换其中部分的方式,如果确实碰到了比如核心算法Master挂了,且行情的Slave挂了,那这个时候就需要整体性的修改配置重新定位服务器指向后再重启各个模块。
其中,网页模块根据客户端系统分为交易员和管理员两种角色,对于管理员所对应的管理端,负责添加机构信息、用户信息、账户信息;对于交易端,用于负责算法单委托或普通单委托。
其中,备份模块还用于对RMQ消息队列上的所有消息进行监听并缓存至内存;当其它模块出现故障时,响应其它模块发送的resendRequest消息,重发之前缓存的消息的子集至该模块,备份模块还用于响应柜台模块发送的数据请求。
其中,行情模块包括获取行情、发布行情、重置行情、分类行情、行情丢弃以及收到行情数据后会对行情做精致加工与分析,从而产生有价值的行情买卖信号,以及涨跌预判等等,为策略模块报单提供帮助。
其中,结算模块具体用于存储交易过程中产生的各种数据,支持盘后结算当天数据,支持结算历史数据,具体数据包括:当日所有母单委托记录、当日所有子单委托记录、盘前持仓信息、盘后委托记录信息。
其中,柜台模块具体用于与柜台建立连接、登录资金账号、获取股东账号、委托、成交、仓位、资金等信息,以及订阅回报、保单、接收及报告回报状态到网页。
其中,前端行情服务器采用2台分别为Maser和Slave的服务器,基于centos操作系统,冷备模式;前端核心算法服务器采用2台分别为Maser和Slave的服务器,基于centos操作系统,冷备模式,mysql数据库设置主从同步。
一种智能流式交易执行方法,终端用户通过访问网页模块建立与服务端的连接,通过网页模块发送交易母单到达策略模块,策略模块会接收行情发布模块推送而来的行情和信号模块推送而来的行情涨跌信号,当产生下单信号时,会预发送子单到风险模块进行判断是否满足风控要求;如果通过,则会推送到柜台模块进行券商柜台正式报单,进而完成一系列地交易动作。
如图3所示,具体实施例1:
如图3所示的数据流向图及其说明,行情各个模块的说明:
1、market-tdf和market-ctp:第三方的对接行情源采集器,前者是第三方lv2源头(这里以万得的为例子),后者是中金所期货源头,行情采集完毕后会整理成自己的格式。
2、market-broker:行情中心处理,接收行情源头采集器的信息,然后分类保存和处理,一旦检测到有下游需要sub订阅某种类型的数据就进行pub下发处理。
3、market-leve2Toleve1:这个是一个独立加工模块,因为lv2数据量很大,实际上核心交易层其实只需要leve1的字段就足够并不需要leve2的那么多字段,因此这里做了一个转换器,他通过向market-broker订阅leve2的盘口数据转换成leve1精简盘口回给market-broker。
4、market-leve1tofix:这个由于历史原因,我们核心交易只支持fix格式数据,而行情broker数据都是protobuf格式的,因此这里做了一个转发,转换成fix格式给交易用。
5、signalGather:信号模块,他负责从market-broker行情中心订阅level2和ctp期货数据产生预测信号,然后下发,目前信号模块下游接收者就是策略拆单模块AtgoStrategyApp。
补充说明:如果不走券商内部行情从卡方获取的话,那需要配置好行情转发器和信号转发器,这个就和核心交易服务器放一起。
核心交易各个模块介绍(暂时把通道adaptor也加到这里说明):
1、iiCreater:行情码表生成模块,他通过收到的lv1行情数据产生码表发送给交易层各个模块,发送方式是通过卡方的RMQ总线传输的。
2、jatgo-backup模块:备份模块,他负责定期写入相关数据到数据库并且负责提供恢复数据,比如核心交易曾哪个模块出问题重启了,他原来的数据会通过本模块获取然后回滚状态。
3、jatgo-risk模块:风控模块,这个不多说了,卡方内部的风控管理,有相关的风控条目配置。
4、jatgo-restful模块:web模块,他是衔接客户端和核心交易层用的,用于接收客户端的各种消息发送给RMQ总线,也负责接收母单消息保存好给外围展示用。
5、策略拆单模块AtgoStrategyApp:这个是最核心部分,他通过获取行情、信号、母单信息,形成任务,然后进行拆单、更新等操作,直到各个任务完成。最简单的说,他就是负责把母单很好的去完成。
6、trd_adaptor:这个是通道模块,他主要是配合策略拆单模块把拆出来的子单于柜台通讯完成该子单;并获取该单子的回报返回给上层。
外围客户端模块说明:
1、浏览器web端:这里其实也是核心算法中的jatgo-restful,安信目前内部用web端进行管理端的操作,比如添加账户、添加用户或者机构、设置白名单等操作都在这里。
2、atgo-tradeserver:cs架构的服务端,他负责衔接cs客户端和jatgo-restful,将cs消息传递给web端,也负责收取web端的信息传递给cs客户端。
3、cs客户端:展示终端,这个不多介绍了。
如图4所示,本发明的一种智能流式交易执行方法及装置由在服务器部署好的服务端和配套的客户端共同构成,管理员可以使用客户端对使用用户的账号和账号信息进行添加、修改以及删除,并且可以对用户的产品信息及产品账号信息进行增改,提交后用户账号信息和名下的产品信息就可以保存在服务器中,使用方可以通过客户端登陆,选择产品,以交易员和风控员的不同身份来完成交易操作或对交易的风控管理操作,服务器接收到客户端发来的一系列操作请求后,会进行对应操作的处理,并将处理结果反馈给客户端,用户可以在客户端得到实时的交易信息,对交易过程进程监控,根据变化及时做出针对性调整。
本发明装置的模块组成主要分为行情模块、策略模块、网页模块、备份模块、风控模块、结算模块和柜台模块,这七大模块紧密相连、互相协作,最终完成交易任务。本发明主要用于对特定账号进行程序化下单,通过获取任务及其指令,在根据最新行情计算后得出最终交易指令,并通过下单接口进行下单。程序根据下单后的回报进行及时调整,并发出新交易指令,直至任务完成。系统在指令执行之初会进行验资验券,并与指令进行匹配,若发现指令无法完成则不进行下单,并提示原因。在风险控制方面,系统会根据各项监管指标进行进行监控,触犯监管红线。同时也会控制单笔数量及一段时间内下单笔数和下单金额,及偏离当前价的幅度,以及特定股票禁止从而防止系统出错对账户产生大幅度影响。
行情对于交易来说是十分重要的,它是交易得以执行的根本,行情的速度也直接影响到下单的成功率,进而影响到交易结果的好坏,因此系统对于行情数据获取的速度和效率是非常严格的。本发明的一种智能流式交易执行方法及装置基于对获取行情信息的高速需求,自主研发了一套“水道守鱼”行情系统,该系统的逻辑结构图如图5所示:
一般的行情系统如图5中左图所示,即通过行情接口将从交易所获取到的最新行情信息先存储到硬盘中,然后再基于对特定数据的需求快速检索查询,所以形象地称为水库里“捞出”鱼的行情处理模式。而本发明的一种智能流式交易执行方法及装置设计的“水道守鱼”行情系统如图5中右图所示,对于获取到的最新实时的行情信息,通过研发的高效内存处理技术,将所有行情信息保存在内存中,并提供了一整套较为成熟的存储和检索方案设计,从而保证了行情流能够得到持续不断地实时更新,所以形象将该行情系统称为水道中“守候”鱼的行情处理模式。
算法交易是通过各种统计、数学分析,形成交易的各种策略,再利用这些策略在A股市场上进行买卖交易操作。本发明的一种智能流式交易执行方法及装置就是一套依托于算法交易的程序化交易系统,我们只需要每天给算法交易系统提供交易列表清单(需要交易的股票和需要交易的量),交易系统就会自动地按照它内部的策略模型在规定的时间内以相对最优的价格完成交易任务,这里的最优就是以较低价买入、以较高价卖出。在算法交易系统完成了当天需要交易的股票后,系统会在每天收盘后核算出每支股票的交易结果,具体包括交易的完成百分比、交易的撤单率(委撤比)、买入或者卖出的平均成交价格,再根据市场上该股票的平均成交价格,评估当日交易的好坏。业务操作流程如图6所示。
针对上述具体的应用场景:
如图8-9所示,在时间点10:00:00-10:03:00之间本智能算法依据信号模块的预测信息,指导交易执行。算法通过信号模块对未来4分钟的价格做预测,第1分钟为11元,第二分钟为9元,第三分钟为11元,第4分钟为9元;那么为了降低买入成本,不再4分钟按均匀的量100股进行下单,而是在价格比较低的第2、4分钟,分别下单200股。在预测准确的情况下,采用该方法改进后,成本由11*100+9*100+11*100+9*100=4000元,降低为9*200+9*200=3600元。
有益效果:
本发明通过提供一种由市场实时行情采集单元、预测处理单元、预测系统数据库、机器学习建模单元、交易总线、交易执行模块、柜台模块等构成的股票交易执行系统,通过机器学习建模以及通过市场行情采集汇总预测交易涨跌结果,特别是通过对交易涨跌结果中的各个不同时间点与获取到的新指标的交易价格进行比对做差,挑选出负值较大的时刻,将购买的股票量按负值大小进行分配下单,获取最优和最低的买入成本,从而大大降低的股票购买的成本;一方面能通过排除交易员个人情绪因素导致的误差对股票交易价格的影响;另一方面能够通过用机器替代人工来解放更多的生产力
有益效果:
1、本发明通过机器学习建模以及通过市场行情采集汇总预测交易涨跌结果,特别是通过对交易涨跌结果中的各个不同时间点与获取到的新指标的交易价格进行比对做差,挑选出负值较大的时刻,将购买的股票量按负值大小进行分配下单,获取最优和最低的买入成本,从而大大降低的股票购买的成本;一方面能通过排除交易员个人情绪因素导致的误差对股票交易价格的影响;另一方面能够通过用机器替代人工来解放更多的生产力。
2、本发明能够获取到的最新实时的行情信息,通过研发的高效内存处理技术,将所有行情信息保存在内存中,并提供了一整套较为成熟的存储和检索方案设计,从而保证了行情流能够得到持续不断地实时更新。
3、本发明在风险控制方面,会根据各项监管指标进行进行监控,触犯监管红线。同时也会控制单笔数量及一段时间内下单笔数和下单金额,及偏离当前价的幅度,以及特定股票禁止从而防止系统出错对账户产生大幅度影响。
4、本发明的行情系统模块会对包括包括股票的十档竞价盘口信息(委托价格和委托数量)、最新成交信息(成交时间和成交数量)、最新委托信息(逐笔委托的价格和数量)等信息进行清洗、去重、整理,并将这些信息以较低的延迟传送到策略系统模块,使得策略系统模块能够高效地运用该信息进行分析、决策。
5、本发明的策略模块充分利用行情系统模块提供的股票行情信息,并对统计建模构建出的策略进行实现,从而生成用于执行交易操作(买入或卖出委托、撤单等)的决策信息。
6、本发明的装置能够在后台运行,以交易员身份登录后,通过监控母单回报窗口和进度监控窗口,对当前程序化交易的运行情况进行实时的掌控,这两个窗口在交易功能部分已经说明,此外交易员还可以通过查看拒绝的订单及具体原因,来发现是否已触发风控规则,从而判断是否要进行人工干预。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (10)
1.一种智能流式交易执行装置,其特征在于,包括搭载于前端行情服务器中的行情总线、网页模块以及搭载于前端核心算法服务器中的交易总线、策略模块、风控模块、机器学习建模单元、预测处理单元、交易执行模块、备份模块、柜台模块、结算模块;
所述服务器负责连接终端用户与后端服务,发送母单,其中,前端行情服务器主要用于采集第三方的行情然后转换成我们内部自己的格式存储向下游发送,这里信号模块也通过收到的行情获取信号然后向下游转发;所述前端核心算法服务器主要用于算法拆单、web端进度更新、cs前端接入、Adaptor、Mysql;
所述交易总线用于传输交易数据,提供可靠的持久化服务;
所述行情总线用于传输行情数据,提供快速的实时服务;
所述网页模块用于管理员进行信息管理以及交易员进行算法单和普通单委托;
所述策略模块用于对母单进行算法拆单,结合行情生成子单;
所述风控模块用于负责子单的风控处理,控制交易风险及合规,决定是否发送到柜台代理;
所述机器学习建模单元用于为股价预测处理中的复杂数学关系建立更加精准的数学模型;所述机器学习建模单元包括数据预处理模块、机器学习训练模块与模型测试模块;所述数据预处理模块将各股的价格波动、买卖压差、交易量等数据从预测系统数据库下载下来,在机器学习训练模块上进行训练与开发,并最终将训练成功的模型信息发送给模型测试模块;
所述预测处理单元基于机器学习建模单元提供的预测结果,建立预测交易结果模型;以及用于所述预测模型基于市场实时行情总线输入的市场实时行情数据,对预测表现优异的股票进行买卖结果预测,获取能够取得收益的模型结果;
所述交易执行模块用于基于时间加权平均算法对预测处理单元内的买卖预测结果进行选择执行;客户经理通过网页模块和交易总线获取预测处理单元的涨跌预测结果及其对应的时间点数据,并交由交易执行模块进行交易执行动作;
所述备份模块用于负责交易过程中交易数据的备份与保存;
所述柜台模块用于负责和证券公司柜台通信,屏蔽各个柜台的差异;
所述结算模块负责分析交易数据,生成绩效评估报表;
所述行情总线分别与策略模块和风控模块相连后与交易总线相连,所述网页模块、风控模块、风控模块、柜台模块、备份模块分别与交易总线进行数据交互;所述备份模块通过消息转储后分别于结算模块和SQL数据库相连,SQL数据库生成报表反馈至网页模块。
3.根据权利要求1所述的一种智能流式交易执行装置,其特征在于:
所述预测处理单元内设置有行情数据处理模块和预测计算处理机;所述行情数据处理模块用于对获取到的市场行情数据进行整理并生成内部标准化的可识别应用的数据;所述预测计算处理机用于对数据基于机器学习建模单元内的模型为依据获得涨跌预测结果。
4.根据权利要求1所述的一种智能流式交易执行装置,其特征在于:
所述数据预处理模块用于从数据库中读取用于数学建模的股价历史波动数据;所述机器学习训练模块用于对从数据库读取的行情数据进行数学建模,并利用深度学习的技术深入挖掘因子;模型测试模块用于对上一步机器学习训练得到的模型参数进行测试,判断模型是否正确挖掘到了新的因子;以及将正确的预测结果传递给执行模块辅助客户经理进行交易。
5.根据权利要求1所述的一种智能流式交易执行装置,其特征在于,所述备份模块还用于对RMQ消息队列上的所有消息进行监听并缓存至内存;当其它模块出现故障时,响应其它模块发送的resendRequest消息,重发之前缓存的消息的子集至该模块,所述备份模块还用于响应柜台模块发送的数据请求。
6.根据权利要求1所述的一种智能流式交易执行装置,其特征在于,所述行情模块包括获取行情、发布行情、重置行情、分类行情、行情丢弃以及收到行情数据后会对行情做精致加工与分析,从而产生有价值的行情买卖信号,以及涨跌预判等等,为策略模块报单提供帮助。
7.根据权利要求1所述的一种智能流式交易执行装置,其特征在于,所述结算模块具体用于存储交易过程中产生的各种数据,支持盘后结算当天数据,支持结算历史数据,具体数据包括:当日所有母单委托记录、当日所有子单委托记录、盘前持仓信息、盘后委托记录信息。
8.根据权利要求1所述的一种智能流式交易执行装置,其特征在于,所述柜台模块具体用于与柜台建立连接、登录资金账号、获取股东账号、委托、成交、仓位、资金等信息,以及订阅回报、保单、接收及报告回报状态到网页。
9.根据权利要求1所述的一种智能流式交易执行装置,其特征在于,所述前端行情服务器采用2台分别为Maser和Slave的服务器,基于centos操作系统,冷备模式;所述前端核心算法服务器采用2台分别为Maser和Slave的服务器,基于centos操作系统,冷备模式,mysql数据库设置主从同步。
10.一种智能流式交易执行方法,其特征在于:终端用户通过访问网页模块建立与服务端的连接,通过网页模块发送交易母单到达策略模块,策略模块会接收行情发布模块推送而来的行情和信号模块推送而来的行情涨跌信号,当产生下单信号时,会预发送子单到风险模块进行判断是否满足风控要求;如果通过,则会推送到柜台模块进行券商柜台正式报单,进而完成一系列地交易动作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110143644.6A CN113159941A (zh) | 2021-02-02 | 2021-02-02 | 一种智能流式交易执行方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110143644.6A CN113159941A (zh) | 2021-02-02 | 2021-02-02 | 一种智能流式交易执行方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113159941A true CN113159941A (zh) | 2021-07-23 |
Family
ID=76879055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110143644.6A Pending CN113159941A (zh) | 2021-02-02 | 2021-02-02 | 一种智能流式交易执行方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113159941A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116777630A (zh) * | 2023-08-16 | 2023-09-19 | 杭州星锐网讯科技有限公司 | 一种基于联邦学习的交易拆单方法和系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106327333A (zh) * | 2016-08-25 | 2017-01-11 | 江苏大泰信息技术有限公司 | 一种自动化策略交易系统及其交易方法 |
CN106530082A (zh) * | 2016-10-25 | 2017-03-22 | 清华大学 | 基于多机器学习的股票预测方法及系统 |
CN107798604A (zh) * | 2017-09-28 | 2018-03-13 | 平安科技(深圳)有限公司 | 基于机器学习的择时入股方法及终端设备 |
CN110297915A (zh) * | 2019-06-20 | 2019-10-01 | 苏州点对点信息科技有限公司 | 一种基于投资者情绪的is量化交易系统及方法 |
CN111415255A (zh) * | 2020-03-11 | 2020-07-14 | 北京功夫源科技发展有限责任公司 | 金融量化交易系统 |
CN111489259A (zh) * | 2020-04-16 | 2020-08-04 | 江苏知诺智能科技有限公司 | 一种基于深度学习的股票市场风险预测智能实现方法 |
-
2021
- 2021-02-02 CN CN202110143644.6A patent/CN113159941A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106327333A (zh) * | 2016-08-25 | 2017-01-11 | 江苏大泰信息技术有限公司 | 一种自动化策略交易系统及其交易方法 |
CN106530082A (zh) * | 2016-10-25 | 2017-03-22 | 清华大学 | 基于多机器学习的股票预测方法及系统 |
CN107798604A (zh) * | 2017-09-28 | 2018-03-13 | 平安科技(深圳)有限公司 | 基于机器学习的择时入股方法及终端设备 |
CN110297915A (zh) * | 2019-06-20 | 2019-10-01 | 苏州点对点信息科技有限公司 | 一种基于投资者情绪的is量化交易系统及方法 |
CN111415255A (zh) * | 2020-03-11 | 2020-07-14 | 北京功夫源科技发展有限责任公司 | 金融量化交易系统 |
CN111489259A (zh) * | 2020-04-16 | 2020-08-04 | 江苏知诺智能科技有限公司 | 一种基于深度学习的股票市场风险预测智能实现方法 |
Non-Patent Citations (1)
Title |
---|
朱莹: "基于在线理论的股票算法交易策略研究", 《中国优秀博硕士学位论文全文数据库(硕士)经济与管理科学辑》, 15 September 2014 (2014-09-15), pages 160 - 18 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116777630A (zh) * | 2023-08-16 | 2023-09-19 | 杭州星锐网讯科技有限公司 | 一种基于联邦学习的交易拆单方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109345377B (zh) | 一种数据实时处理系统及数据实时处理方法 | |
CN111882420B (zh) | 响应率的生成方法、营销方法、模型训练方法及装置 | |
CN112365355B (zh) | 实时计算基金估值和风险指标的方法、装置及可读介质 | |
US20230351401A1 (en) | Automated Rules Execution Testing And Release System | |
CN111144938A (zh) | 适用于汽车行业的销售线索评级的方法和系统 | |
US20220351207A1 (en) | System and method for optimization of fraud detection model | |
CN111145029A (zh) | 基于大数据的期货与股票的交易方法、系统及设备 | |
CN109948051A (zh) | 结合群体交易行为的内容推送方法、装置、服务器及系统 | |
CN109902747A (zh) | 一种身份识别方法、装置、设备及计算机可读存储介质 | |
Hirano et al. | Comparing actual and simulated HFT traders' behavior for agent design | |
CN115423578A (zh) | 基于微服务容器化云平台的招投标方法和系统 | |
CN113159941A (zh) | 一种智能流式交易执行方法及装置 | |
CN113220447B (zh) | 基于边缘计算的金融风控系统及方法 | |
CN111127213A (zh) | 信息处理方法与装置、存储介质、电子设备 | |
CN117172721B (zh) | 用于融资业务的数据流转监管预警方法及系统 | |
CN110597984A (zh) | 异常行为用户信息的确定方法及装置、存储介质、终端 | |
CN113420909A (zh) | 一种用户响应信息预测模型建立方法及信息预测方法 | |
CN112686446A (zh) | 一种面向机器学习可解释性的信贷违约预测方法及系统 | |
CN117196630A (zh) | 交易风险预测方法、装置、终端设备以及存储介质 | |
US20200193486A1 (en) | System and method for determining bid vector transformed predictive click-through rate | |
CN112036730B (zh) | 一种虚拟资产数据处理方法、装置及计算机可读存储介质 | |
CN114612127A (zh) | 一种基于大数据的erp信息化系统建设方法 | |
CN113449923A (zh) | 一种多模型标的物行情预测方法和装置 | |
CN113781201A (zh) | 电子金融活动的风险评估方法和装置 | |
CN113034041A (zh) | 一种挖掘潜在成长性企业并进行培育和智能奖补的方法和系统 |
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: 20210723 |
|
RJ01 | Rejection of invention patent application after publication |