[发明专利]一种基于云计算和人工智能深度学习算法的期货主力合约量化择时决策系统在审

专利信息
申请号: 201910775950.4 申请日: 2019-08-22
公开(公告)号: CN112418575A 公开(公告)日: 2021-02-26
发明(设计)人: 刘畅;刘喆雄;潘龙佳 申请(专利权)人: 刘畅;刘喆雄;潘龙佳
主分类号: G06Q10/06 分类号: G06Q10/06;G06Q40/04;G06Q40/06
代理公司: 暂无信息 代理人: 暂无信息
地址: 610213 四川省成都市天*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 计算 人工智能 深度 学习 算法 期货 主力 合约 量化 决策 系统
【说明书】:

发明主要属于期货量化择时决策领域,具体涉及一种基于云计算和人工智能深度学习算法的期货主力合约量化择时决策系统。本发明运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,构建量化交易策略。本发明的量化投资策略能够通过计算机编程建立有效的投资模型,从而实现对投资的量化管理。发明内容包括量化投资策略、金融数据库、回测框架和交易系统。具体的实施方式包括数据模块、分析模块、算法生成模块、回测模块和交易模块。本发明解决了AI算法过度拟合问题,执行算法只需要毫秒级计算成本,大大提高了算法的应用价值,通过对深度学习方式的优化,使得整个参数空间的枚举成为可能。

技术领域

本发明主要属于期货量化择时决策领域,具体涉及一种基于云计算和人工智能深度学习算法的期货主力合约量化择时决策系统。

背景技术

量化交易是指借助现代统计学和数学的方法,利用计算机技术来进行交易的证券投资方式。量化交易从庞大的历史数据中海选能带来超额收益的多种大概率事件以制定策略,用数量模型验证及固化这些规律和策略,然后严格执行已固化的策略来指导投资,以求获得可以持续的、稳定且高于平均收益的超额回报。量化交易起源于上世纪七十年代的股票市场,之后迅速发展和普及,尤其是在期货交易市场,程序化逐渐成为主流。有数据显示,国外成熟市场期货程序化交易已占据总交易量的70%-80%,而国内则刚刚起步。手工交易中交易者的情绪波动等弊端越来越成为盈利的障碍,而程序化交易天然而成的精准性、100%执行率则为它的盈利带来了优势。

针对期货价格波动规律的各种可观测的明显特征,研究学者分别提出了大量的不同的理论分析研究方法,但由于股票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股票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,人工神经网络算法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(如:人工神经网络算法), 构建一个预测精度高的、实时性强的期货交易价格模型,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。

本发明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,对期货主力合约进行量化分析,构建一种基于云计算和人工智能深度学习算法的期货主力合约量化择时决策系统,实现期货投资的超额收益。

发明内容

本发明涉及量化投资策略,能够通过计算机编程建立有效的投资模型,从而实现对投资的量化管理。具体发明内容包括量化投资策略、金融数据库、回测框架和交易系统。

本发明的通过以下技术方案实现:

本发明的量化投资依赖统计和计量方法,建立合适的策略,并通过计算机自动化(半自动化)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。本发明的量化择时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,本发明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。

本发明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。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于刘畅;刘喆雄;潘龙佳,未经刘畅;刘喆雄;潘龙佳许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910775950.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top