[发明专利]基于小波分析的对冲交易分析方法、设备及存储介质

说明书

本发明提供一种基于小波分析的对冲交易分析方法、设备及存储介质，所述方法包括：获取一组或者多组组合标的的历史行情数据；采用小波分析将所述行情数据进行预处理，基于所述预处理数据生成α趋势图和/或β震荡图；基于所述α趋势图和/或β震荡图进行交易。基于小波分析理论，将信号分解到不同的频率通道上，由于分解后的信号在频率成分上比原始信号单一，并且小波分解后对信号作平滑处理，然后重构分解信号，这样非平稳时间序列经过处理后，成为近似意义上的平稳时间序列来处理。基于平滑后重构的数据生成α趋势图和/或β震荡图，利用α趋势图和β震荡图对行情进行预测交易，使得行情预测更准确。

技术领域

本发明涉及数据处理领域，特别地，涉及基于小波分析的对冲交易分析方法、设备及存储介质。

背景技术

股市是经济发展的晴雨表和预警器,对股市的正确预测是国家进行宏观调控和管理的前提,同时也是股民正确投资的依据。股票市场是一个相当复杂的系统,股票价格的变化受到经济、有关行业、政治及投资者心理等多种因素的影响,各因素的影响程度、时间范围和方式也不尽相同；且股市各因素间相互关系错综复杂,主次关系变化不定,数量关系难以提取及定量分析，因此，我们需要寻找一种好的方法来避免或减弱这些因素的影响。现在常用的时间序列分析法主要是建立自回归模型(AR)、移动平均模型(MA)、自回归—移动平均模型(ARMA)和齐次非平稳模型(ARIMA),其中ARIMA模型是较成熟的模型,常被用来对股价(最高价、最低价、开盘价、收盘价)及综合指数进行预测,通过选择模型的参数和辩识模型的系数实现对时间序列的拟合,进而用拟合好的模型对未来进行预测。

另外，长期以来，傅立叶变换一直是信号处理领域中应用最广泛的一种手段，但它只是将信号分解成了系列不同频率的连续正弦波的叠加，或者说是将时域信号进行傅氏变换转换到了频域，并没有将时间域和频率域结合起来，这是因为信号的时域波形中不包含任何频域信息，所以它在频域的定位性是准确的，在时域没有任何定位性。但实际上，多数信号都含有大量的非稳定成分，要对信号进行分析，就要提取某一时间段的频域信息，或某一频率段对应的时间信息。

然而,以上这些方法,对于平稳时间序列均有较好的作用,对于非平稳时间序列则表现不够尽如人意。

小波分析理论是上个世纪80年代后期发展起来的一种新的信号处理方法,由于小波函数具有的“自适应性”和“变焦”特性,能有效的处理非平稳信号。由小波分析理论,可以将信号分解到不同的频率通道上,由于分解后的信号在频率成分上比原始信号单一,并且小波分解后对信号作平滑处理,然后重构分解信号,这样非平稳时间序列经过处理后，成为近似意义上的平稳时间序列来处理，这样就能用一些传统的预测方法对分解重构后的时间序列进行预测了。

发明内容

为了对非平稳的时间序列进行预测，本发明提出一种基于小波分析的对冲交易分析方法、设备及存储介质，利用小波分析方法对标的的历史行情进行去噪平滑处理并重构，基于重构数据生成α趋势图和/或β震荡图，以α趋势图和/或β震荡图进行买卖交易。

本发明一方面提出一种基于小波分析的对冲交易分析方法，该方法适于在计算设备中执行，包括以下方案：

(1)获取一个或者多个组合标的的历史行情数据；

(2)采用小波分析将所述行情数据进行预处理，基于所述预处理数据生成α趋势图和/或β震荡图；

(3)基于所述α趋势图和/或β震荡图进行交易。

所述行情数据包括最高价、最低价、开盘价、收盘价、均价中的任一组或多组；

所述行情数据的周期包括分钟线、小时线、日线、周线、月线、季线、年线。

进一步地，所述步骤(2)具体包括：

2a.小波分解：将所述行情数据进行分解；所述分解方法包括利用Sym小波、Daubechies小波中的任一种对所述数据分解成1-5层，优选为1层；