[发明专利]一种由数据驱动的高维度交易员评估方法和系统

权利要求书

1.一种由数据驱动的高维度交易员评估方法，其特征在于，所述方法包括：

建立交易员分析基础特征库；

基于所述基础特征库，对所述基础特征库的特征进行组合，以得到一全面特征库；

基于一特定的评估维度目标，对交易员的交易记录进行处理，为每个交易员样本生成学习目标；

根据对所述交易处理得到的训练、目标数据集，采用非线性模型进行训练得到评价模型M；

获取该交易员的特征值，结合所述特征值和评价模型M，得到所述交易员的预测目标值。

2.根据权利要求1所述的方法，其特征在于，在所述步骤获取该交易员的特征值，结合所述特征值和评价模型M，得到所述交易员的预测目标值后，所述方法还包括：

对所述预测目标值进行排序；

并归一化所述排序结果至目标范围，从而得到交易员的评估结果。

3.根据权利要求1所述的方法，其特征在于，所述基于一特定的评估维度目标，对交易员的交易记录进行处理，为每个交易员样本生成学习目标的步骤具体为：

根据时间片切分训练集和目标集；

给定某一具体的交易员T，其中，第一笔交易时间点为A，最后一笔交易时间点为S，未来时间片为N；

截取(A，S～N)的时间段为训练数据段，而(S～N，S)为目标数据段，进行切分；

根据切割的训练集，对所述训练集进行特征抽取；

针对得到的目标集，根据不同的评估目标，分别得到不同的目标集。

4.根据权利要求1所述的方法，其特征在于，所述根据对所述交易处理得到的训练、目标数据集，采用非线性模型进行训练得到评价模型M的步骤包括：

根据对所述交易进行处理得到训练数据集、目标数据集；

采取梯度集成树模型进行训练得到模型M。

5.根据权利要求1所述的方法，其特征在于，所述基础特征库的特征包括：

表现特征，所述表现特征包括夏普比率和最大回撤；

行为特征，所述行为特征包括开平仓时间分布和仓位分布；

心理特征，所述心理特征包括错位效应和羊群效应。

6.一种由数据驱动的高维度交易员评估系统，其特征在于，所述系统包括：

建立模块，用于建立交易员分析基础特征库；

组合模块，基于所述基础特征库，对所述基础特征库的特征进行组合，以得到一全面特征库；

目标生成模块，基于一特定的评估维度目标，对交易员的交易记录进行处理，为每个交易员样本生成学习目标；

训练模块，用于根据对所述交易处理得到的训练、目标数据集，采用非线性模型进行训练得到评价模型M；

目标值获得模块，用于获取该交易员的特征值，结合所述特征值和评价模型M，得到所述交易员的预测目标值。

7.根据权利要求6所述的系统，其特征在于，所述系统还包括：

排序模块，用于对所述预测目标值进行排序；

归一化模块，用于归一化所述排序结果至目标范围，从而得到交易员的评估结果。

8.根据权利要求6所述的系统，其特征在于，所述目标生成模块包括：

切分单元，用于根据时间片切分训练集和目标集；

给定单元，用于给定某一具体的交易员T，其中，第一笔交易时间点为A，最后一笔交易时间点为S，未来时间片为N；

截取单元，用于截取(A，S～N)的时间段为训练数据段，而(S～N，S)为目标数据段，进行切分；

抽取单元，用于根据切割的训练集，对所述训练集进行特征抽取；

获取目标集单元，用于针对得到的目标集，根据不同的评估目标，分别得到不同的目标集。

9.根据权利要求6所述的系统，其特征在于，所述训练模块包括：

处理单元，用于根据对所述交易进行处理得到训练数据集、目标数据集；

训练单元，用于采取梯度集成树模型进行训练得到模型M。

10.根据权利要求6所述的系统，其特征在于，所述基础特征库的特征包括：

表现特征，所述表现特征包括夏普比率和最大回撤；

行为特征，所述行为特征包括开平仓时间分布和仓位分布；

心理特征，所述心理特征包括错位效应和羊群效应。