[发明专利]一种股票订单交易方法和装置

说明书

本发明公开了股票订单交易方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：接收股票待交易的开始时间和结束时间，通过预设区间划分规则对待交易时间段进行划分；根据划分后的待交易时间段中区间对应的历史交易日相同区间成交量数据、历史交易日日成交量数据以及最近几个区间的成交量数据，通过预测模型计算区间的成交量比例的预测值，进而获得区间可提交的订单量；根据所述区间可提交的订单量，提交股票的待交易订单。该实施方式解决现有技术对当前交易日各区间成交量的预测不准确，股票订单交易成本过高的问题。

技术领域

本发明涉及计算机技术领域，尤其涉及一种股票订单交易方法和装置。

背景技术

算法交易是指在金融市场中，投资者通过计算机程序下达交易订单，并由计算机算法来确定交易订单的交易时机、价格、下单的数量等的交易方式。股票交易使用算法交易，可以提高整体交易市场的流动性，减少对市场的冲击，从而可以降低投资者的交易成本。对于需要提交大额订单的机构投资者，在提交大额订单时，交易往往不能一次性全部成交，会对市场产生较大的冲击，未成交的订单将承担这部分冲击成本，导致订单的交易成本较高。

通常大部分股票交易成交量预测方法采用的是基于简单的滚动平均的VWAP(Volume Weighted Average Price成交量加权平均价格)算法，可以将大订单拆分成小订单，一步一步提交订单，减少了市场冲击成本，使交易者降低了交易成本。但是，VWAP算法执行的效果依赖于成交量预测的准确性，并且在成交量预测过程中未使用当前区间的最近区间的成交量数据，即当市场行情产生变化时，预测的成交量比例并不能进行自动调整。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

现有的基于简单的滚动平均的VWAP算法，虽然有简单快速的优势，但是成交量分布预测的准确性较低，并且未使用当前区间最近区间的成交量数据，即未考虑市场行情变化的影响。例如，历史上相同区间成交量都比较高，滚动平均预测的成交量比例也会比较高，但是实际上市场在当日发生了变化，该区间实际成交量较小，当按预测的成交量比例提交订单时，会对市场造成较大的冲击，从而使用户付出较大的交易成本。

发明内容

有鉴于此，本发明实施例提供一种股票订单交易方法和装置，能够解决现有技术对当前交易日各区间成交量的预测不准确，股票订单交易成本过高的问题。

为实现上述目的，根据本发明实施例的一个方面，提供了一种股票订单交易方法，包括接收股票待交易的开始时间和结束时间，通过预设区间划分规则对待交易时间段进行划分；根据划分后的待交易时间段中区间对应的历史交易日相同区间成交量数据、历史交易日日成交量数据以及最近几个区间的成交量数据，通过预测模型计算区间的成交量比例的预测值，进而获得区间可提交的订单量；根据所述区间可提交的订单量，提交股票的待交易订单。

可选地，通过预测模型计算区间的成交量比例的预测值之前，包括：

获取预设数据长度的待交易股票的历史成交量数据并划分为训练集和测试集；

分别使用SVR模型、随机森林模型和XGBoost模型在训练集上进行训练，且在测试集上验证结果，以选取成交量比例预测准确度最高的预测模型作为确定的预测模型。

可选地，分别使用SVR模型、随机森林模型和XGBoost模型在训练集上进行训练，包括：

将历史成交量数据整理为SVR模型、随机森林模型和XGBoost模型的输入和输出(x_t，i，y_t，i)如下：