專利名稱：智能交易中矩陣量化分析方法及其系統(tǒng)的制作方法
技術領域：
本發(fā)明涉及智能交易的數(shù)據(jù)分析領域，尤其涉及矩陣量化數(shù)據(jù)分析方法及系統(tǒng)。
背景技術：
形態(tài)分析是技術分析領域中運用比較多的方法，通常被分為兩大類反轉形態(tài)和整理形態(tài)，比如頭肩型、三重頂或底、雙重頂或底，圓頂和圓底都屬于反轉心態(tài)，而三角形，菱形，旗形，矩形則屬于整理形態(tài)。但是，無論哪種形態(tài)，哪類形態(tài)都有一個問題，就是形態(tài)在沒有走出來之前誰也不能斷定會走一個什么樣的形態(tài)出來。所以，基于形態(tài)進行的分析往往需要等到形態(tài)走出來之后才能確定交易策略。那么有沒有一種辦法可以在形態(tài)未走出來之前就知道他上漲或下跌的概率和波幅呢？本發(fā)明正是基于此而設計了矩陣統(tǒng)計分析指標。對于人工智能交易來說，他主要是研究如何利用計算機技術模擬人的思維來解決問題的方式，所以，人工智能交易是按照某個人或某些人的思維模式來設計并預先設定在程序中的，其他人是無法知道設計者的思想，也無法改進該交易系統(tǒng)。本專利要解決的技術問題是，通過矩陣統(tǒng)計分析指標，使得人工智能交易在一定的規(guī)則內可以按照任何人的思維 模式來設定交易系統(tǒng)并改進該交易系統(tǒng)。而規(guī)則的參數(shù)設計正是本發(fā)明使得該功能能得以實現(xiàn)的關鍵.可以說矩陣量化智能交易系統(tǒng)是生產EA的EA。(EA即Expert Advisors的英文縮寫，中文意思專家顧問，俗稱智能交易系統(tǒng))現(xiàn)有技術的缺陷為I、對于傳統(tǒng)技術分析，在對歷史數(shù)據(jù)進行分析時，尤其形態(tài)分析沒有量化到具體的數(shù)據(jù)量，更多的還是靠人的經(jīng)驗來判斷，所以準確性不高，屬于模糊判斷，而非量化分析。2、對于傳統(tǒng)技術分析，對于數(shù)據(jù)的選取沒有確定的時間段范圍，這對于預測未來行情的發(fā)展也不能給出明確的時間范圍，只能根據(jù)人的經(jīng)驗來判斷，所以準確性不高。3、對于違約距離的計算，KMV模型在運用到金融衍生品交易上時是無法量化違約點的。4、。每一個智能交易的數(shù)據(jù)分析部分都是黑匣子，旁人是無法知道里面到底是什么的。這非常不利于改進黑匣子的數(shù)據(jù)分析部分。

發(fā)明內容
為解決上述問題，本發(fā)明提供了一種矩陣量化數(shù)據(jù)分析方法及其系統(tǒng)，為彌補以上技術分析缺陷并實現(xiàn)風險的實時管理與預測，提供了有效的解決方案。本發(fā)明公開了一種智能交易中矩陣量化分析方法，包括一種智能交易中矩陣量化分析方法，其特征在于，包括步驟1，建立用于矩陣量化分析的數(shù)據(jù)庫，從數(shù)據(jù)庫中確定時間周期，時間周期的長短可通過矩陣的參數(shù)進行設定；步驟2，對于歷史數(shù)據(jù)的分析，首先是分別統(tǒng)計前一時間周期和當前時間周期對應矩陣在歷史數(shù)據(jù)中具有相同排列順序的矩陣在下一時間周期出現(xiàn)漲跌的平均概率和平均波幅，然后分別計算前一時間周期和當前時間周期的市場風險回報率。用戶可自選矩陣參數(shù)來決定需要統(tǒng)計的時間周期，不同的時間周期對應的市場風險回報率會有所不同；步驟3，對統(tǒng)計出來的上一時間周期和當前時間周期具有相同排列順序的矩陣提供一種以0、1組合的形式表示出來的算法，以便用戶根據(jù)這種組合調用智能自動交易程序.驗證該矩陣量化分析系統(tǒng)的有效性。所述的智能交易中矩陣量化數(shù)據(jù)分析方法，所述步驟I還包括步驟4，對于確定時間周期，上一時間周期和當前時間周期具有相同排列順序的每η個數(shù)據(jù)集的下一個數(shù)據(jù)集出現(xiàn)漲或者跌的概率和波幅；步驟5，計算在不同時間段的具有相同排列順序的每η個數(shù)據(jù)集的下一個數(shù)據(jù)集出現(xiàn)漲或者跌的概率和波幅，所述不同時間段為I分鐘，5分鐘，15分鐘，30分鐘I小時、4小時、I天、I周或I月的任意時間段，所述η為正整數(shù)。
所述的智能交易中矩陣量化數(shù)據(jù)分析方法，所述步驟2矩陣量化分析還包括步驟6，對統(tǒng)計出來的上一時間周期和當前時間周期具有相同排列順序的矩陣提供一種以O、I組合的形式表示出來的算法，以便用戶根據(jù)這種組合調用智能交易程序；設
權利要求
1.一種智能交易中矩陣量化分析方法，其特征在于，包括 步驟1，建立用于矩陣量化分析的數(shù)據(jù)庫，從數(shù)據(jù)庫中確定時間周期，時間周期的長短可通過矩陣的參數(shù)進行設定； 步驟2，對于歷史數(shù)據(jù)的分析，首先是分別統(tǒng)計前一時間周期和當前時間周期對應矩陣在歷史數(shù)據(jù)中具有相同排列順序的矩陣在下一時間周期出現(xiàn)漲跌的平均概率和平均波幅，然后分別計算前一時間周期和當前時間周期的市場風險回報率。用戶可自選矩陣參數(shù)來決定需要統(tǒng)計的時間周期，不同的時間周期對應的市場風險回報率會有所不同； 步驟3，對統(tǒng)計出來的上一時間周期和當前時間周期具有相同排列順序的矩陣提供一種以0、1組合的形式表示出來的算法，以便用戶根據(jù)這種組合調用智能自動交易程序.驗證該矩陣量化分析系統(tǒng)的有效性。
2.如權利要求I所述的智能交易中矩陣量化數(shù)據(jù)分析方法，其特征在于，所述步驟I還包括 步驟4，對于確定時間周期，統(tǒng)計上一時間周期和當前時間周期具有相同排列順序的每η個數(shù)據(jù)集的下一個數(shù)據(jù)集出現(xiàn)漲或者跌的概率和波幅； 步驟5，并且統(tǒng)計在不同時間段的具有相同排列順序的每η個數(shù)據(jù)集的下一個數(shù)據(jù)集出現(xiàn)漲或者跌的概率和波幅，所述不同時間段為I分鐘，5分鐘，15分鐘，30分鐘I小時、4小時、I天、I周或I月的任意時間段，所述η為正整數(shù)。
3.如權利要求I所述的智能交易中矩陣量化數(shù)據(jù)分析方法，其特征在于，所述步驟2矩陣量化分析還包括 步驟6，對統(tǒng)計出來的上一時間周期和當前時間周期具有相同排列順序的矩陣提供一種以O、I組合的形式表示出來的算法，以便用戶根據(jù)這種組合調用智能交易程序； 設
4.如權利要求I所述的智能交易中矩陣量化數(shù)據(jù)分析方法，其特征在于，所述步驟2還包括 步驟8，矩陣量化分析中可提供任何N個數(shù)據(jù)集的矩陣參數(shù)，此處可選4-9個數(shù)據(jù)集的矩陣，N可以是從I到正無窮的任何正整數(shù)。所述數(shù)據(jù)集由K線的最高價，最低價、收盤價通過步驟7計算出來的O、I組合而成。
5.如權利要求I所述的智能交易中矩陣量化數(shù)據(jù)分析方法，其特征在于，所述步驟3還包括 步驟9，根據(jù)具有相同排列順序的每η個數(shù)據(jù)集的下一個K線出現(xiàn)的漲的概率乘以波幅減去具有相同排列順序的每η個數(shù)據(jù)集的下一個K線出現(xiàn)的跌的概率乘以波幅得到的歷史數(shù)據(jù)遇到此相同排列順序的數(shù)據(jù)集的風險回報率，使用者可根據(jù)市場提供的風險回報率預測未來的走勢，從而決定投資的策略； 步驟10，對于策略的選擇可根據(jù)矩陣量化統(tǒng)計指標計算出來的市場風險回報率來決定，如果風險回報率為正值代表市場做多的成本比較小，也就是買入比較比較合算，該值越大，表示買入的預期回報就越大；如果風險回報率為負值，代表市場做空的成本比較小，也就是賣出比較比較合算，負值越大，表示賣出的預期回報就越大。
6.如權利要求I所述的智能交易中矩陣量化數(shù)據(jù)分析方法，其特征在于，所述步驟3還包括 步驟11，區(qū)分度模型為非線性方程解，Wij=S-1 (μ其中S—1為協(xié)方差矩陣的逆，μ e為目標變量為I的均值向量；μ B為目標變量為O的均值向量，通過利用區(qū)分度模型計算出違約點； 步驟12，根據(jù)用戶積累所述的判斷結果的違約點、凈值波動率，計算違約距離DD=(Ea-DP)/Ea* μ a和違約概率EDF=N(-DD) =I-N(DD),其中，Ea凈值，DP是違約點，μ a是凈值波動率，其中DP違約點的計算利用了區(qū)分度模型，違約點的值是取決于虧損值標準差所在的范圍，不同的虧損值標準差所計算出來的違約點是不同的。
7.一種智能交易中矩陣量化數(shù)據(jù)分析系統(tǒng)，其特征在于，包括 建立數(shù)據(jù)庫模塊，建立用于矩陣分析組合的數(shù)據(jù)庫，從數(shù)據(jù)庫確定時間周期； 數(shù)值范圍模塊，用于對于時間周期，分析上一時間周期和當前時間周期具有相同排列順序的矩陣量化分析的數(shù)據(jù)組合，用戶可自選矩陣參數(shù)來決定需要統(tǒng)計的數(shù)據(jù)集范圍；統(tǒng)計模塊，用戶可輸入不同的值來決定選擇哪個矩陣的數(shù)值范圍會用作統(tǒng)計分析，從而對未來的市場風險回報率做預測； 矩陣組合命名模塊，提供兩種算法對統(tǒng)計出來的上一時間周期和當前時間周期具有相同排列順序的矩陣以0、1組合的形式來命名該矩陣，以便用戶根據(jù)這種組合的名稱調用智能交易程序來驗證矩陣量化分析系統(tǒng)的有效性； 智能自動交易驗證模塊，根據(jù)矩陣組合制定交易策略，然后調用智能交易程序開始自動交易，以便評估系統(tǒng)根據(jù)歷史交易記錄評估交易策略和策略風險； 區(qū)分度模型和KMV模型，用于對智能交易程序做的歷史交易記錄進行風險等級的違約概率的計算，首先通過風險評估系統(tǒng)對該交易賬戶的風險給出風險等級，然后通過區(qū)分度模型計算出違約點，再通過KMV模型計算違約距離。
8.如權利要求7所述的智能交易的矩陣量化數(shù)據(jù)分析系統(tǒng)，其特征在于，還包括根據(jù)矩陣量化數(shù)據(jù)分析系統(tǒng)提供的風險回報率對應的0、1組合，調用智能交易程序Change_mall可構筑出各種復雜交易系統(tǒng)。Change_mall里面的每一個買入或者賣出條件與平倉條件都可以做“與”、“或”組合，雖然買賣及平倉的參數(shù)每種只提供了 6個參數(shù)，但是他們之間可構筑的投資組合結合時間周期卻可以達到上萬種，其中Changejiiall是智能交易對應于矩陣量化分析指標的名字。
9.如權利要求7所述的智能交易的矩陣量化分析系統(tǒng)，其特征在于，還包括 風險評估系統(tǒng)，通過調用智能交易系統(tǒng)的歷史交易記錄，評估系統(tǒng)自動對歷史的交易記錄做評估，并對當下賬戶的風險等級進行評估，以便確認該風險等級的違約距離和違約概率。
10.一種智能交易的矩陣量化分析方法，其特征在于，所述智能交易系統(tǒng)由權利要求1-6所述的矩陣量化統(tǒng)計分析指標，智能自動交易程序和風險評估系統(tǒng)組成。
全文摘要
本發(fā)明公開一種智能交易的矩陣量化分析方法與系統(tǒng)，該方法包括步驟1，建立用于矩陣量化分析的數(shù)據(jù)庫，從數(shù)據(jù)庫中確定時間周期，周期的長短可通過矩陣的參數(shù)進行設定；步驟2，對于歷史數(shù)據(jù)的分析，首先是統(tǒng)計具有相同排列順序的矩陣在下一時間周期出現(xiàn)漲跌的平均概率和平均波幅，然后分別計算不同周期的市場風險回報率；步驟3，根據(jù)矩陣當前時間周期的市場風險回報率確定交易策略；步驟4，根據(jù)交易策略，調用智能交易程序，開始自動進行交易；步驟5，調用風險評估系統(tǒng)對智能交易程序做的歷史交易記錄進行評估，對該交易賬戶的風險給出風險等級，并利用區(qū)分度模型計算出違約點，然后通過KMV模型計算該賬戶風險等級的違約距離和違約概率。
文檔編號G06Q40/00GK102866984SQ20121013559
公開日2013年1月9日 申請日期2012年5月3日 優(yōu)先權日2012年5月3日
發(fā)明者曾祥洪, 鄭茂林 申請人:北京國政通科技有限公司