CN117372160A - 交易对象为国债期货的日内实时目标仓位生成方法及系统 - Google Patents
交易对象为国债期货的日内实时目标仓位生成方法及系统 Download PDFInfo
- Publication number
- CN117372160A CN117372160A CN202311658294.2A CN202311658294A CN117372160A CN 117372160 A CN117372160 A CN 117372160A CN 202311658294 A CN202311658294 A CN 202311658294A CN 117372160 A CN117372160 A CN 117372160A
- Authority
- CN
- China
- Prior art keywords
- signal
- time
- real
- value
- bin
- 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 38
- 238000012545 processing Methods 0.000 claims abstract description 35
- 230000004807 localization Effects 0.000 claims abstract description 33
- 238000004140 cleaning Methods 0.000 claims abstract description 12
- 238000005096 rolling process Methods 0.000 claims description 29
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims description 3
- 239000010931 gold Substances 0.000 claims description 3
- 229910052737 gold Inorganic materials 0.000 claims description 3
- 238000010606 normalization Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Computational Mathematics (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了交易对象为国债期货的日内实时目标仓位生成方法及系统,属于量化交易技术领域,包括以下步骤:获取全部的必需交易参数,确定交易参数;启动第一操作指令,对接国债期货日内实时行情源,接收实时行情数据推送,并逐序对行情数据进行排查、清洗、校对并进行本地化处理;计算信号组中各信号的原始值,然后对信号原始值进行本地化处理;获取信号原始值及相关指标,并根据获取的预测周期进行信号校准计算工作;对校准信号值进行进一步处理,并计算得到具体的目标仓位。本发明在给定选用信号(组)及目标预测周期的前提下,可以接入行情源并给出支持日内固定时间交易的目标仓位,规避了传统日内交易策略触发式、交易时间不定的特点。
Description
技术领域
本发明涉及量化交易技术领域,具体涉及交易对象为国债期货的日内实时目标仓位生成方法及系统。
背景技术
国债期货(Treasury futures)属于金融期货的一种,是指通过有组织的交易场所预先确定买卖价格并于未来特定时间内进行钱券交割的国债派生交易方式。其具有以下不同于现货交易主要特点:一般场景下的国债期货交易不牵涉到债券所有权的转移,只是转移与这种所有权有关的价格变化的风险;国债期货交易必须在指定的交易场所进行,期货交易市场以公开化和自由化为宗旨,禁止场外交易和私下对冲;国债期货交易实行无负债的每日结算制度;所有的国债期货合同都是标准化合同,国债期货交易实行保证金制度,是一种杠杆交易。
目前,以国债期货为交易对象的日内交易,主要表现出参与者少、流动性稀疏、波动率低的特征,以量化交易或自动化交易的形式进行国债期货日内交易的交易者数量则更少。如何帮助交易者确定日内实时的国债期货目标仓位,是一个亟待解决的问题,为此,提出交易对象为国债期货的日内实时目标仓位生成方法及系统。
发明内容
本发明所要解决的技术问题在于:如何在交易者自主确定一些交易策略相关参数的前提下,以国债期货为交易对象,自动帮助交易者确定日内实时的国债期货目标仓位,提供了交易对象为国债期货的日内实时目标仓位生成方法。
本发明是通过以下技术方案解决上述技术问题的,本发明包括以下步骤:
步骤S1:从交易者处获取全部的必需交易参数,确定交易参数;
步骤S2:交易参数确定后,启动报警提示模块;
步骤S3:启动第一操作指令,对接国债期货日内实时行情源,接收实时行情数据推送,并逐序对行情数据进行排查、清洗、校对;然后将完成排查、清洗、校对的实时行情数据本地化;
步骤S4:启动第二操作指令,计算信号组中各信号的原始值,然后对信号原始值进行本地化处理;
步骤S5:启动第三操作指令,从第二操作指令的执行结果中获取信号原始值及其滚动均值、滚动标准差,并根据获取的预测周期进行信号校准计算工作;
步骤S6:启动第四操作指令,对校准信号值进行进一步处理,并计算得到具体的目标仓位;
步骤S7:计算完成后,将目标持仓作为最终结果输出,并调用报警提示模块以对应的声音提示交易者。
更进一步地,在所述步骤S1中,交易参数包括信号组、交易频率、预测周期、信号权重、最大杠杆率,其中:
信号组为用于预测国债期货日内走势的一个或多个信号;
交易频率为每次仓位调整的时间间隔,为固定数值;
预测周期为所选用信号的有效预测时间长度,为固定数值;
信号权重为所选用信号其各自对应的权重系数;
最大杠杆率为账户整体所允许的最大杠杆倍率,其中,账户杠杆倍率=持仓中的国债期货名义市值/账户保证金。
更进一步地,在所述步骤S2中,报警提示模块用于使用对应频率的蜂鸣声发出单次或多次声音提示交易者当前实盘状态。
更进一步地,在所述步骤S3中,实时行情数据按照设定频率自动推送,每次接收到实时行情数据推送后,按顺序执行步骤S3至步骤S7,直到交易时间段结束。
更进一步地,在所述步骤S4中,具体处理过程如下:
步骤S41:根据获取的交易频率参数,确定每一次调仓的时间点;
步骤S42:当调仓时间点到达时,读取第一操作指令清洗完毕的实时行情数据,并根据获取的信号组计算各信号的信号原始值,并计算信号的滚动均值、滚动标准差、滚动相关性作为相关指标;
步骤S43:将信号原始值及上述相关指标本地化处理。
更进一步地,在所述步骤S5中,信号校准计算工的具体处理过程如下:
步骤S51:将信号进行标准化处理,标准化处理后的信号=(信号原始值-信号滚动均值)/信号滚动标准差;
步骤S52:对标准化处理后的信号进行截断并进行0-1化处理;其中,大于0.1则将值置为1,小于-0.1则将值置为-1,其余情况置为0;
步骤S53:对上述步骤S52中得到的信号值,进行本地化处理;
步骤S54:从本地读取当日全部由步骤S53保存的信号值,并以交易参数确定模块中记录的预测周期的一半为参数,应用信号衰减框架,在日内时间序列上进行指数移动加权平均处理,得到的最新值即为校准信号值。
更进一步地,在所述步骤S54中,校准信号值的获取过程如下:
步骤S541:从本地读取当日由步骤S53保存的信号值;
步骤S542:读取预测周期参数;
步骤S543:将步骤S541中获得的信号值应用信号衰减框架,在日内时间序列上对其进行指数移动加权平均处理,该指数移动加权平均处理的参数为S542中获得的预测周期除以2,得到的最新值即为校准信号值。
更进一步地,在所述步骤S6中,具体处理过程如下:
S61:获取账户最大杠杆率及信号权重参数;
S62:获取参数后,对步骤S5中计算得到的校准信号值,按照信号权重加权求和,得到仓位比例作为中间结果;
S63:按照计算公式计算实时的目标持仓数量,即得到具体的目标仓位,计算公式如下:
目标持仓数量=仓位比例*保证金*杠杆率/国债期货每手名义市值
其中,仓位比例的取值范围为[-1,1],与校准信号值取值相同。
本发明还提供了交易对象为国债期货的日内实时目标仓位生成系统,用于帮助交易者确定日内实时的国债期货目标仓位,包括:
交易参数确定模块,用于从交易者处获取全部的必需交易参数,确定交易参数;
行情模块,用于对接国债期货日内实时行情源,接收实时行情数据推送,并逐序对行情数据进行排查、清洗、校对;
行情本地化模块,用于将完成排查、清洗、校对的实时行情数据本地化;
原始计算模块,用于计算信号组中各信号的原始值;
信号本地化模块,用于对信号原始值进行本地化处理;
信号校准模块,用于获取信号原始值及其滚动均值、滚动标准差,并根据获取的预测周期进行信号校准计算工作;
仓位计算模块,用于对校准信号值进行进一步处理,并计算得到具体的目标仓位。
本发明相比现有技术具有以下优点:该交易对象为国债期货的日内实时目标仓位生成方法及系统,在给定选用信号(组)及目标预测周期的前提下,可以接入行情源并给出支持日内固定时间交易的目标仓位,规避了传统日内交易策略触发式、交易时间不定的特点。
附图说明
图1是本发明实施例二中交易对象为国债期货的日内实时目标仓位生成方法的流程示意图;
图2是本发明实施例二中日内收到实时行情数据时的操作流程示意图;
图3是本发明实施例二中第一操作指令的执行流程示意图;
图4是本发明实施例二中第二操作指令的执行流程示意图;
图5是本发明实施例二中第三操作指令的执行流程示意图;
图6是本发明实施例二中第四操作指令的执行流程示意图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例一
本实施例提供一种技术方案:交易对象为国债期货的日内实时目标仓位生成方法,包括以下步骤:
步骤一、交易参数确定模块运行,从交易者处获取全部的必需交易参数。交易参数包括有:信号组、交易频率、预测周期、信号权重、最大杠杆率;
所述交易参数具体含义如下:
信号组:用于预测国债期货日内走势的一个或多个技术信号(系数简称为“信号”);此处的技术信号指在量化交易中用于预测标的物价格走势的工具,例如常见的均线、MACD等指标;
交易频率:每次仓位调整的时间间隔,为固定数值;
预测周期:所选用技术信号的有效预测时间长度,为固定数值,该周期的一半在第三操作指令中被视为技术信号的半衰期使用;
信号权重:所选用技术信号其各自对应的权重系数;
最大杠杆率:账户整体所允许的最大杠杆倍率,其中账户杠杆倍率=持仓中国债期货名义市值/账户保证金;
步骤二、交易参数确定后,报警提示模块启动。所述报警提示模块用于使用对应频率的蜂鸣声发出单次或多次声音提示交易者当前实盘状态。其中:200赫兹单次长蜂鸣声代表正常状态;200赫兹两次短蜂鸣声代表当前时间段为非交易时间;600赫兹三次短一次长蜂鸣声代表实时行情数据有无法排除的问题;
步骤三、启动第一操作指令。该指令将调用行情模块,同时行情本地化模块就绪。其中的模块定义如下:
行情模块:用于进行时间戳检查(此处的时间戳检查指的是,判断当前是否处于交易时间段内、系统所托管的服务器本地时间是否准确、以及行情源推送的实时行情是否为因为各类因素滞后);并对接国债期货实时行情源(所对接的行情源可以是市面上任意国债期货实时行情数据供应方),接收实时行情数据推送,并逐序对行情数据进行排查、清洗、校对。
行情模块启动后,行情数据会按照500毫秒的频率自动推送。每次行情模块收到实时行情数据推送,总是按顺序执行步骤三至步骤六,直到交易时间段结束。
行情本地化模块:用于将行情模块中完成排查、清洗、校对的实时行情数据本地化,本地化的形式以数据库及文件的形式同时完成。
行情模块要求行情数据的频率为tick级,并且需要包含的字段为:最新价、成交量、成交额、买卖五档价格及对应挂单量;
需要说明的是,tick级频率的行情数据,在国债期货的场景下,指的是以500毫秒为间隔,所记录下的价格和成交量的时间序列数据。
排查功能,用于检查实时行情数据是否完整,并判断原因,若数据缺失原因为实盘无交易,则启用清洗功能;否则调用报警提示模块发出对应警报,并暂停后续指令的执行;数据若完整,则调用行情本地化模块,对实时行情数据进行本地化;
清洗功能,用于填补实时行情数据的空缺。若缺失数据,其对应字段为价格类字段,则回溯已经本地化的行情数据,从中选用对应字段最新的数据,以填补实时行情数据的空缺;若其对应字段不为价格类字段,则以零值填补空缺。完成清洗后,调用行情本地化模块,对实时行情数据进行本地化;
校对功能,用于校对实时行情数据时间戳与真实时间戳是否一致,若不一致,则调用报警提示模块发出对应警报,并暂停后续指令的执行;
步骤四、启动第二操作指令。该指令将调用原始计算模块,同时信号本地化模块就绪。其中的模块定义如下:
原始计算模块,用于计算信号组中,各信号的原始值。根据交易参数确定模块中记录的交易频率参数,确定每一次调仓的时间点。当调仓时间点到达时,读取第一操作指令清洗完毕的实时行情数据,并根据交易参数确定模块中记录的信号组计算各信号的原始值,并计算信号的滚动均值、滚动标准差、滚动相关性作为相关指标。计算完成后,调用信号本地化模块将信号原始值及上述相关指标本地化处理。
信号本地化模块,用于对信号值进行本地化处理,本地化的形式以数据库及文件的形式同时完成。上述信号值可以是信号原始值,也可以是必要的中间计算结果。
步骤五、启动第三操作指令。该指令会调用信号校准模块,对原始信号值进行调整及校准。其中的模块定义如下:
信号校准模块:用于将从第二操作指令的执行结果中获取信号原始值及其滚动均值、滚动标准差,并从交易参数确定模块中获取预测周期。此时执行信号校准计算工作,其具体流程如下:
步骤1:将信号进行标准化处理,标准化处理后的信号=(信号原始值-信号滚动均值)/信号滚动标准差。
步骤2:对标准化处理后的信号进行截断并进行0-1化处理。大于0.1则将值置为1,小于-0.1则将值置为-1,其余情况置为0。
步骤3:本地化处理:对上述步骤2中得到的信号值,调用信号本地化模块,进行本地化处理。
步骤4:从本地读取当日全部由步骤3保存的信号值,并以交易参数确定模块中记录的预测周期的一半为参数,应用信号衰减框架,在日内时间序列上进行指数加权移动平均处理,得到的最新值即为校准信号值。具体操作如下:
1)从本地读取保存的当日信号值;
2)读取经由交易参数确定模块记录的预测周期参数;
3)将步骤3中获得的信号值应用信号衰减框架,在日内时间序列上对其进行指数移动加权平均处理,该指数移动加权平均的参数为2)中获得的预测周期除以2,得到的最新值即为校准信号值。
需要说明的是,在本实施例中,信号衰减框架具有一定的兼容性,向交易者提供了包括信号组、交易频率、预测周期、各信号权重、最大杠杆率在内的数个自定义内容。
步骤六、启动第四操作指令。该指令会调用仓位计算模块,对校准信号值进行进一步处理,并最终形成具体的目标仓位。其中的模块定义如下:
仓位计算模块:用于从交易参数确定模块中获取最大账户杠杆率及信号权重参数。获取参数后,首先对步骤五中计算得到的校准信号值,按照信号权重加权求和,得到仓位比例作为中间结果。因为校准信号值的范围为[-1,1],因此仓位比例的取值范围同样是[-1,1]。其中仓位为正代表做多国债期货,反之代表做空。进一步的,实时的目标持仓数量由下述公示计算:
目标持仓数量=仓位比例*保证金*杠杆率/国债期货每手名义市值。
步骤七、计算完成后,将该目标持仓作为最终结果输出,并调用报警提示模块以对应的声音提示交易者。
实施例二
在本实施例中,交易对象为国债期货的日内实时目标仓位生成方法,包括以下步骤:
步骤一、交易参数确定模块运行,从交易者处获取全部的必需交易参数。交易参数包括有:信号组、交易频率、预测周期、信号权重、最大杠杆率;
步骤二、交易参数确定后,报警提示模块启动。
所述报警提示模块的功能在于使用对应频率的蜂鸣声发出单次或多次声音提示交易者当前实盘状态。
其中:200赫兹单次长蜂鸣声代表正常状态;200赫兹两次短蜂鸣声代表当前时间段为非交易时间;600赫兹三次短一次长蜂鸣声代表实时行情数据有程序无法排除的问题;
步骤三、启动第一操作指令。该指令将调用行情模块,同时行情本地化模块就绪。
行情模块启动后,行情数据会按照500毫秒的频率自动推送。
每次行情模块收到数据推送,总是按顺序执行步骤三至步骤六,直到交易时间段结束。
在本实施例中,利用清洗功能填补实时行情数据的空缺,具体的,若缺失数据,其对应字段为价格类字段,则回溯已经本地化的行情数据,从中选用对应字段最新的数据,以填补实时行情数据的空缺;若其对应字段不为价格类字段,则以零值填补空缺。
完成清洗后,调用行情本地化模块,对实时行情数据进行本地化;
在本实施中,利用校对功能校对实时行情数据时间戳与真实时间戳是否一致,若不一致,则调用报警提示模块发出对应警报,并暂停后续指令的执行。
步骤四、启动第二操作指令。该指令将调用原始计算模块,同时信号本地化模块就绪。
步骤五、启动第三操作指令。该指令会调用信号校准模块,对信号原始值进行调整及校准。
从第二操作指令中获取信号原始值及其滚动均值、滚动标准差,并从交易参数确定模块中获取预测周期。此时执行信号校准计算工作,其具体流程如下:
步骤1:将信号进行标准化处理,标准化处理后的信号=(信号原始值-信号滚动均值)/信号滚动标准差。
步骤2:对标准化处理后信号进行截断并进行0-1化处理。具体的,大于0.1则将值置为1,小于-0.1则将值置为-1,其余情况置为0。
步骤3:本地化处理:对步骤2中得到的信号值,调用信号本地化模块,进行本地化处理。
步骤4:从本地读取当日全部由步骤3保存的信号值,并以交易参数确定模块中记录的预测周期的一半为参数,应用信号衰减框架,在日内时间序列上进行指数加权移动平均处理,得到的最新值即为校准信号值。
步骤六、启动第四操作指令。该指令会调用仓位计算模块,对校准信号值进行进一步加工处理,并最终形成具体的目标仓位,即目标持仓。
步骤七、计算完成后,将该目标持仓作为最终结果输出,并调用报警提示模块以对应的声音提示交易者。
综上所述,上述实施例的交易对象为国债期货的日内实时目标仓位生成方法,在给定选用信号(组)及目标预测周期的前提下,可以接入行情源并给出支持日内固定时间交易的目标仓位,规避了传统日内交易策略触发式、交易时间不定的特点。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (9)
1.交易对象为国债期货的日内实时目标仓位生成方法,其特征在于,包括以下步骤:
步骤S1:从交易者处获取全部的必需交易参数,确定交易参数;
步骤S2:交易参数确定后,启动报警提示模块;
步骤S3:启动第一操作指令,对接国债期货日内实时行情源,接收实时行情数据推送,并逐序对行情数据进行排查、清洗、校对;然后将完成排查、清洗、校对的实时行情数据本地化;
步骤S4:启动第二操作指令,计算信号组中各信号的原始值,然后对信号原始值进行本地化处理;
步骤S5:启动第三操作指令,从第二操作指令的执行结果中获取信号原始值及其滚动均值、滚动标准差,并根据获取的预测周期进行信号校准计算工作;
步骤S6:启动第四操作指令,对校准信号值进行进一步处理,并计算得到具体的目标仓位;
步骤S7:计算完成后,将目标持仓作为最终结果输出,并调用报警提示模块以对应的声音提示交易者。
2.根据权利要求1所述的交易对象为国债期货的日内实时目标仓位生成方法,其特征在于:在所述步骤S1中,交易参数包括信号组、交易频率、预测周期、信号权重、最大杠杆率,其中:
信号组为用于预测国债期货日内走势的一个或多个信号;
交易频率为每次仓位调整的时间间隔,为固定数值;
预测周期为所选用信号的有效预测时间长度,为固定数值;
信号权重为所选用信号其各自对应的权重系数;
最大杠杆率为账户整体所允许的最大杠杆倍率,其中,账户杠杆倍率=持仓中的国债期货名义市值/账户保证金。
3.根据权利要求1所述的交易对象为国债期货的日内实时目标仓位生成方法,其特征在于:在所述步骤S2中,报警提示模块用于使用对应频率的蜂鸣声发出单次或多次声音提示交易者当前实盘状态。
4.根据权利要求1所述的交易对象为国债期货的日内实时目标仓位生成方法,其特征在于:在所述步骤S3中,实时行情数据按照设定频率自动推送,每次接收到实时行情数据推送后,按顺序执行步骤S3至步骤S7,直到交易时间段结束。
5.根据权利要求2所述的交易对象为国债期货的日内实时目标仓位生成方法,其特征在于:在所述步骤S4中,具体处理过程如下:
步骤S41:根据获取的交易频率参数,确定每一次调仓的时间点;
步骤S42:当调仓时间点到达时,读取第一操作指令清洗完毕的实时行情数据,并根据获取的信号组计算各信号的信号原始值,并计算信号的滚动均值、滚动标准差、滚动相关性作为相关指标;
步骤S43:将信号原始值及上述相关指标本地化处理。
6.根据权利要求5所述的交易对象为国债期货的日内实时目标仓位生成方法,其特征在于:在所述步骤S5中,信号校准计算工的具体处理过程如下:
步骤S51:将信号进行标准化处理,标准化处理后的信号=(信号原始值-信号滚动均值)/信号滚动标准差;
步骤S52:对标准化处理后的信号进行截断并进行0-1化处理;其中,大于0.1则将值置为1,小于-0.1则将值置为-1,其余情况置为0;
步骤S53:对上述步骤S52中得到的信号值,进行本地化处理;
步骤S54:从本地读取当日全部由步骤S53保存的信号值,并以交易参数确定模块中记录的预测周期的一半为参数,应用信号衰减框架,在日内时间序列上进行指数移动加权平均处理,得到的最新值即为校准信号值。
7.根据权利要求6所述的交易对象为国债期货的日内实时目标仓位生成方法,其特征在于:在所述步骤S54中,校准信号值的获取过程如下:
步骤S541:从本地读取当日由步骤S53保存的信号值;
步骤S542:读取预测周期参数;
步骤S543:将步骤S541中获得的信号值应用信号衰减框架,在日内时间序列上对其进行指数移动加权平均处理,该指数移动加权平均处理的参数为S542中获得的预测周期除以2,得到的最新值即为校准信号值。
8.根据权利要求6所述的交易对象为国债期货的日内实时目标仓位生成方法,其特征在于:在所述步骤S6中,具体处理过程如下:
S61:获取账户最大杠杆率及信号权重参数;
S62:获取参数后,对步骤S5中计算得到的校准信号值,按照信号权重加权求和,得到仓位比例作为中间结果;
S63:按照计算公式计算实时的目标持仓数量,即得到具体的目标仓位,计算公式如下:
目标持仓数量=仓位比例*保证金*杠杆率/国债期货每手名义市值
其中,仓位比例的取值范围为[-1,1],与校准信号值取值相同。
9.交易对象为国债期货的日内实时目标仓位生成系统,其特征在于,利用如权利要求1~8任一项所述的方法帮助交易者确定日内实时的国债期货目标仓位,包括:
交易参数确定模块,用于从交易者处获取全部的必需交易参数,确定交易参数;
行情模块,用于对接国债期货日内实时行情源,接收实时行情数据推送,并逐序对行情数据进行排查、清洗、校对;
行情本地化模块,用于将完成排查、清洗、校对的实时行情数据本地化;
原始计算模块,用于计算信号组中各信号的原始值;
信号本地化模块,用于对信号原始值进行本地化处理;
信号校准模块,用于获取信号原始值及其滚动均值、滚动标准差,并根据获取的预测周期进行信号校准计算工作;
仓位计算模块,用于对校准信号值进行进一步处理,并计算得到具体的目标仓位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311658294.2A CN117372160A (zh) | 2023-12-06 | 2023-12-06 | 交易对象为国债期货的日内实时目标仓位生成方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311658294.2A CN117372160A (zh) | 2023-12-06 | 2023-12-06 | 交易对象为国债期货的日内实时目标仓位生成方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117372160A true CN117372160A (zh) | 2024-01-09 |
Family
ID=89404422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311658294.2A Pending CN117372160A (zh) | 2023-12-06 | 2023-12-06 | 交易对象为国债期货的日内实时目标仓位生成方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117372160A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107909480A (zh) * | 2017-12-26 | 2018-04-13 | 广发证券股份有限公司 | 一种生成定期投资执行策略的方法及装置 |
CN109285070A (zh) * | 2018-08-22 | 2019-01-29 | 平安科技(深圳)有限公司 | 基金的持仓调整方法及装置、存储介质、计算机设备 |
CN110060130A (zh) * | 2019-04-23 | 2019-07-26 | 杭州幻方科技有限公司 | 一种金融产品组合定制交易系统及方法 |
CN113112273A (zh) * | 2020-01-13 | 2021-07-13 | 天云融创数据科技(北京)有限公司 | 金融风险提示信息生成方法和装置 |
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 |
CN115099981A (zh) * | 2022-06-28 | 2022-09-23 | 平安银行股份有限公司 | 一种基金的赎回方法、装置、电子设备及可读存储介质 |
-
2023
- 2023-12-06 CN CN202311658294.2A patent/CN117372160A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107909480A (zh) * | 2017-12-26 | 2018-04-13 | 广发证券股份有限公司 | 一种生成定期投资执行策略的方法及装置 |
CN109285070A (zh) * | 2018-08-22 | 2019-01-29 | 平安科技(深圳)有限公司 | 基金的持仓调整方法及装置、存储介质、计算机设备 |
CN110060130A (zh) * | 2019-04-23 | 2019-07-26 | 杭州幻方科技有限公司 | 一种金融产品组合定制交易系统及方法 |
CN113112273A (zh) * | 2020-01-13 | 2021-07-13 | 天云融创数据科技(北京)有限公司 | 金融风险提示信息生成方法和装置 |
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 |
CN115099981A (zh) * | 2022-06-28 | 2022-09-23 | 平安银行股份有限公司 | 一种基金的赎回方法、装置、电子设备及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
投资家1973: "《金融交易学 一个专业投资者的至深感悟 第3卷 修订版》", 30 September 2022, pages: 214 - 215 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230098915A1 (en) | Products and processes for order distribution | |
US7418416B2 (en) | Gamma trading tool | |
EP1369805A1 (en) | Method and system for simulating implied volatility surfaces for basket option pricing | |
CA2421764A1 (en) | Communication network based system and method for auctioning shares on an investment product | |
JP2000353196A (ja) | 有価証券トレード支援システム | |
US7469225B1 (en) | Refinancing model | |
US20050267833A1 (en) | Method and a system for complex price calculations in automated financial trading | |
CN111047128A (zh) | 企业财务曝险管理系统 | |
CN111145029A (zh) | 基于大数据的期货与股票的交易方法、系统及设备 | |
US20110258100A1 (en) | Systems, methods, and media for placing orders to trade securities | |
US8595120B1 (en) | Market on close system, method and program product | |
US20160140658A1 (en) | Algorithmic model to allow for order completion at settlement or at close using exchange mandated rules for settlement determination | |
CN117372160A (zh) | 交易对象为国债期货的日内实时目标仓位生成方法及系统 | |
KR100919210B1 (ko) | 국내 선물 정규시간 외의 헤지 서비스를 제공하기 위한선물/옵션 거래 시스템 및 방법 | |
EP3783560A1 (en) | Automated objective generation of data for, and post validation of, estimation of term sofr benchmarks | |
CN113034183A (zh) | 定价处理方法、装置、电子设备和存储介质 | |
CN112884591A (zh) | 一种交易产品的投资建议方法、装置、设备及存储介质 | |
JP2010282594A (ja) | 外国為替証拠金取引システム | |
Karimov | Identifying Stock Market Bubbles | |
Sun et al. | Credit default prediction based on multivariate regression | |
CN114331724A (zh) | 期权估值方法、装置、设备、介质和产品 | |
AU2003203821B2 (en) | Valuation exchange | |
CN114092235A (zh) | 股本分布数据的测算和查询方法、装置、设备和介质 | |
CN116823479A (zh) | 债券交易的风险控制方法、装置、存储介质及电子设备 | |
Müller | Algorithm-Based Intraday Trading Strategies and their Market Impact |
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 |