时间：2019-11-23 来源：作者：fg点击：3777
作者:姜辉
技术背景
由于期货交易市场有着一套错综复杂而又不为人所熟知的运行机制,在这样的运行机制中影响期货交易价格波动规律以及股票投资者的投资收益率的因素必定是种类繁多的,大量的影响因素在一起相互作用,使得整个交易系统变成了一个复杂的非线性学习系统。对于非线性学习系统的学习,AI与云计算技术往往都是可以取得较其他预测方法更加精确的预测精度。通过仔细分析期货的历史信息,选择恰当的人工智能算法,构建一个预测精度高的、实时性强的期货全周期管理模型,对金融市场的稳定与不断发展,以及提升广大投资者的投资收益率都有着非常重要理论与应用价值。
该技术成果将利用云计算和大数据技术,使用神经网络算法和深度学习算法,构建了基于AI与云计算技术的金融期货全周期管理系统,实现金融期货的全周期管理。
技术内容
该技术成果能够通过计算机编程建立有效的投资模型,实现对金融期货投资的全周期管理。具体内容包括投资策略、金融数据库、回测框架和交易系统。
该技术成果运用统计和计量方法,建立合适的策略,并通过计算机自动化交易手段获取投资利润,是统计、计算机和金融学科相结合的产物。该技术成果的决策系统利用统计模型,对特定的期货选择合适的时机买入和卖出获取收益。
进一步讲,该技术成果先在云端构建金融数据库,金融数据库是结合金融理论知识和计算机应用软件技术,把金融和其他相关数据进行运算、加工、处理而成的,它是能够提供数据和相关服务的“数据平台”,数据库主要用于原始数据的存储,原始数据清洗或变换后的数据存储,以及回测产生的交易和结果数据的存储。
该技术成果的回测框架主体有三个模块组成:策略模块是根据策略的参数和规则产生交易信号,交易模块根据信号决定各期的仓位、并记录交易过程中产生的费用以及资金情况,回测表现模块则是对策略进行评判、输出相关指标、图形以及测试报告。
该技术成果包括三个模型:阿尔法模型、风险控制模型和交易成本模型。投资组合构建模型是综合运用阿尔法模型、风险控制模型和交易成本模型,从而构成一个交易策略。投资组合构建模型最后通过执行模型完成任务。其中阿尔法模型用于预测准备交易的金融产品未来的走势。风险控制模型则包括止损和资金管理,用来减少损失和对资金进行管理。交易成本模型通过数学计算把一宗大型的交易,分解为许多小型交易,达到降低手续费的目的。
进一步讲,该技术成果主要通过数据模块、分析模块、算法生成模块、回测模块和交易模块实现期货主力合约量化择时决策的落地。
该技术成果的数据模块采用大数据技术,将所需的基础数据进行清洗、提取和特征统计,采集到数据库里,数据采集程序需要设置三个参数,获取行情的初始日期、终止日期和相关品种的交易数据。数据清洗首先要对原始期货合约做失真值的检测,并将相应的失真值用前1分钟的价格数据填补,如果前1分钟价格数据也失真,则再向前递延,以此类推,其他维度的数据(如:成交量)不做修改。
该技术成果的分析模块构造“商品期货价格指数”来作为某一个商品期货的交易信号,等权的方式计算商品期货指数。
该技术成果的算法生成模块主要应用人工智能深度学习算法和云计算技术,采用AI学习算法,通过云计算对算法参数进行参数交叉验证与算法调用。
最后是该技术成果的交易模块,根据算法和模型计算出来的值与真实价格比较,如果真实价格在值范围内,则根据交易模块在云端发送指令,进行交易;如果真实价格在值范围外,则根据交易模块在云端发送指令,对真实价格进行实时监控,直达达到值范围内,进行交易。
该技术成果通过金融数据库、回测框架和交易系统等部分的内容有效整合,实现了期货投资的超额收益。该技术成果的有益效果在:
1.算法上创新。 解决了AI算法的过拟合问题,在大多数的品种上样本外的效果不错,而且算法跨品种的效果也比较稳定;
2.开发应用上创新。也就是基于盘后数据的深度学习(层数最高达到数千层,而且层数不是预设的,是算法设计上决定的)在学习阶段一般在普通服务器上,两天可以将参数学习出来,在实盘上,执行一个算法只需要毫秒级计算成本,大大提高本算法的应用价值;
3.算法开发上的创新。一般算法很少可以对参数进行枚举,因为计算的成本太大,本算法通过对深度学习方式的优化,使的在整个参数空间的枚举成为可能,同时本算法的学习模式还保证了样本空间的外推性得以控制。
本文网址：http://spacj.com/jinrong/14417.html
声明：本站原创/投稿文章所有权归楚天财经网所有，转载务必注明来源；文章仅代表原作者观点，不代表楚天财经网立场；如有侵权、违规，可直接反馈本站，我们将会作删除处理。
