本發(fā)明涉及金融投資技術(shù)領(lǐng)域，特別是涉及一種量化投資策略的生成方法及裝置。

背景技術(shù)：

量化投資是指以獲取穩(wěn)定收益為目的、通過(guò)數(shù)量化方法及計(jì)算機(jī)程序發(fā)出買(mǎi)賣(mài)指令的投資交易方法，其中，量化投資策略就是利用數(shù)量化的方法，進(jìn)行金融市場(chǎng)的分析、判斷和交易的策略、算法的總稱(chēng)。

目前，用戶(hù)可以使用量化投資策略平臺(tái)進(jìn)行量化投資，用戶(hù)通過(guò)向平臺(tái)輸入收入、年齡等個(gè)人信息，量化投資策略平臺(tái)中金融領(lǐng)域的現(xiàn)代組合理論算法為用戶(hù)推薦相應(yīng)的投資策略，按照投資策略進(jìn)行買(mǎi)入及長(zhǎng)期持有，但是，這種方式使得投資方式的靈活度較低。另外，現(xiàn)有的量化投資策略平臺(tái)的用戶(hù)均是面向計(jì)算機(jī)專(zhuān)業(yè)背景的程序員而非金融分析師或一般投資者，例如，美國(guó)Quantopian公司量化投資策略開(kāi)發(fā)環(huán)境是以python語(yǔ)言IDE的形態(tài)提交給用戶(hù)使用，使得用戶(hù)需要擁有一定的代碼能力才可以使用量化投資策略平臺(tái)，縮小了量化投資策略平臺(tái)的使用范圍；其次，量化投資策略平臺(tái)中的策略開(kāi)發(fā)形態(tài)受限于策略研究員的個(gè)人知識(shí)，策略開(kāi)發(fā)形態(tài)無(wú)法由廣大用戶(hù)所開(kāi)發(fā)，并且，策略開(kāi)發(fā)者的知識(shí)水平不同，開(kāi)發(fā)的策略亦不相同，使得策略開(kāi)發(fā)形態(tài)的水平差異較大，導(dǎo)致量化投資策略平臺(tái)的使用效率較低。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明提供一種量化投資策略的生成方法及裝置，主要目的在于解決無(wú)代碼能力的或策略開(kāi)發(fā)知識(shí)有限的用戶(hù)，無(wú)法使用現(xiàn)有的量化投資策略平臺(tái)，導(dǎo)致量化投資策略的使用效率較低。

依據(jù)本發(fā)明一個(gè)方面，提供了一種量化投資策略的生成方法，包括：

獲取多個(gè)信息集合數(shù)據(jù)，所述信息集合數(shù)據(jù)包括用戶(hù)輸入的多個(gè)策略構(gòu)建關(guān)聯(lián)數(shù)據(jù)；

根據(jù)所述多個(gè)信息集合數(shù)據(jù)，確認(rèn)與所述多個(gè)信息集合數(shù)據(jù)分別對(duì)應(yīng)的多個(gè)量化投資策略的基準(zhǔn)模型，及與所述多個(gè)量化投資策略的基準(zhǔn)模型分別對(duì)應(yīng)的多個(gè)評(píng)估結(jié)果；

判斷根據(jù)所述多個(gè)信息集合數(shù)據(jù)、所述多個(gè)量化投資策略的基準(zhǔn)模型、多個(gè)評(píng)估結(jié)果及預(yù)設(shè)優(yōu)化算法生成的量化投資策略是否為符合用戶(hù)需求的量化投資策略；

若是，則向用戶(hù)輸出所述符合用戶(hù)需求的量化投資策略。

依據(jù)本發(fā)明一個(gè)方面，提供了一種量化投資策略的生成裝置，包括：

獲取單元，用于獲取多個(gè)信息集合數(shù)據(jù)，所述信息集合數(shù)據(jù)包括用戶(hù)輸入的多個(gè)策略關(guān)聯(lián)數(shù)據(jù)；

確認(rèn)單元，用于根據(jù)所述多個(gè)信息集合數(shù)據(jù)，確認(rèn)與所述多個(gè)信息集合數(shù)據(jù)分別對(duì)應(yīng)的多個(gè)量化投資策略的基準(zhǔn)模型，及與所述多個(gè)量化投資策略的基準(zhǔn)模型分別對(duì)應(yīng)的多個(gè)評(píng)估結(jié)果；

判斷單元，用于判斷根據(jù)所述多個(gè)信息集合數(shù)據(jù)、所述多個(gè)量化投資策略的基準(zhǔn)模型、多個(gè)評(píng)估結(jié)果及預(yù)設(shè)優(yōu)化算法生成的量化投資策略是否為符合用戶(hù)需求的量化投資策略；

輸出單元，用于若判斷根據(jù)所述多個(gè)信息集合數(shù)據(jù)、所述多個(gè)量化投資策略的基準(zhǔn)模型、所述多個(gè)評(píng)估結(jié)果及預(yù)設(shè)優(yōu)化算法生成的量化投資策略為符合用戶(hù)需求的量化投資策略，則向用戶(hù)輸出所述符合用戶(hù)需求的量化投資策略。

借由上述技術(shù)方案，本發(fā)明實(shí)施例提供的技術(shù)方案至少具有下列優(yōu)點(diǎn)：

本發(fā)明實(shí)施例提供的一種量化投資策略的生成方法及裝置，包括：首先獲取多個(gè)信息集合數(shù)據(jù)，所述信息集合數(shù)據(jù)包括用戶(hù)輸入的多個(gè)策略關(guān)聯(lián)數(shù)據(jù)，然后根據(jù)所述多個(gè)信息集合數(shù)據(jù)，確認(rèn)與所述多個(gè)信息集合數(shù)據(jù)分別對(duì)應(yīng)的多個(gè)量化投資策略的基準(zhǔn)模型，及與所述多個(gè)量化投資策略的基準(zhǔn)模型分別對(duì)應(yīng)的多個(gè)評(píng)估結(jié)果，再判斷根據(jù)所述多個(gè)信息集合數(shù)據(jù)、所述多個(gè)量化投資策略的基準(zhǔn)模型、所述多個(gè)評(píng)估結(jié)果及預(yù)設(shè)優(yōu)化算法生成的量化投資策略是否為符合用戶(hù)需求的量化投資策略，若是，則向用戶(hù)輸出所述符合用戶(hù)需求的量化投資策略。與現(xiàn)有無(wú)代碼能力的或策略開(kāi)發(fā)知識(shí)有限的用戶(hù)，無(wú)法使用現(xiàn)有的量化投資策略平臺(tái)相比，本發(fā)明實(shí)施例通過(guò)對(duì)用戶(hù)輸入的多個(gè)策略關(guān)聯(lián)數(shù)據(jù)進(jìn)行確定量化投資策略的基準(zhǔn)模型，對(duì)基準(zhǔn)模型進(jìn)行模擬交易并進(jìn)行評(píng)估，并通過(guò)預(yù)設(shè)優(yōu)化算法得到所有基準(zhǔn)模型中符合用戶(hù)需求的的量化投資策略，實(shí)現(xiàn)無(wú)需用戶(hù)擁有代碼編程能力即可應(yīng)用量化投資策略，并且，避免個(gè)人知識(shí)水平的高低影響量化投資策略的實(shí)行，提高量化投資策略的生成效率，從而提高使用量化投資策略的用戶(hù)群體范圍。

上述說(shuō)明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說(shuō)明書(shū)的內(nèi)容予以實(shí)施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能夠更明顯易懂，以下特舉本發(fā)明的具體實(shí)施方式。

附圖說(shuō)明

通過(guò)閱讀下文優(yōu)選實(shí)施方式的詳細(xì)描述，各種其他的優(yōu)點(diǎn)和益處對(duì)于本領(lǐng)域普通技術(shù)人員將變得清楚明了。附圖僅用于示出優(yōu)選實(shí)施方式的目的，而并不認(rèn)為是對(duì)本發(fā)明的限制。而且在整個(gè)附圖中，用相同的參考符號(hào)表示相同的部件。在附圖中：

圖1示出了本發(fā)明實(shí)施例提供的一種量化投資策略的生成方法的流程圖；

圖2示出了本發(fā)明實(shí)施例提供的另一種量化投資策略的生成方法的流程圖；

圖3示出了本發(fā)明實(shí)施例提供的一種量化投資策略的生成裝置的結(jié)構(gòu)示意圖；

圖4示出了本發(fā)明實(shí)施例提供的另一種量化投資策略的生成裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將參照附圖更詳細(xì)地描述本公開(kāi)的示例性實(shí)施例。雖然附圖中顯示了本公開(kāi)的示例性實(shí)施例，然而應(yīng)當(dāng)理解，可以以各種形式實(shí)現(xiàn)本公開(kāi)而不應(yīng)被這里闡述的實(shí)施例所限制。相反，提供這些實(shí)施例是為了能夠更透徹地理解本公開(kāi)，并且能夠?qū)⒈竟_(kāi)的范圍完整的傳達(dá)給本領(lǐng)域的技術(shù)人員。

本發(fā)明實(shí)施例提供一種量化投資策略的生成方法，如圖1所示，所述方法包括：

101、獲取多個(gè)信息集合數(shù)據(jù)。

其中，所述信息集合數(shù)據(jù)包括用戶(hù)輸入的多個(gè)策略關(guān)聯(lián)數(shù)據(jù)，所述策略關(guān)聯(lián)數(shù)據(jù)為與投資策略相關(guān)的數(shù)據(jù)，例如，資金規(guī)模、股票數(shù)量、起止時(shí)間等，本發(fā)明實(shí)施例不做具體限定。所述多個(gè)信息集合數(shù)據(jù)可以為相同用戶(hù)輸入的不同的多個(gè)策略關(guān)聯(lián)數(shù)據(jù)，每一個(gè)信息集合數(shù)據(jù)包含有一組策略構(gòu)建關(guān)聯(lián)數(shù)據(jù)。

需要說(shuō)明的是，獲取多個(gè)信息集合數(shù)據(jù)的方法可以為接收用戶(hù)通過(guò)平臺(tái)進(jìn)行輸入的策略關(guān)聯(lián)數(shù)據(jù)，策略關(guān)聯(lián)數(shù)據(jù)可以為進(jìn)行了初等數(shù)學(xué)中覆蓋全部常規(guī)數(shù)學(xué)算子(operator)運(yùn)算后的結(jié)果，具體可以包括市場(chǎng)分析、基于時(shí)序數(shù)據(jù)所確認(rèn)的各類(lèi)技術(shù)分析指標(biāo)、財(cái)務(wù)分析指標(biāo)和新聞信息情感指數(shù)等量化數(shù)據(jù)源。本步驟在實(shí)際操作過(guò)程中實(shí)現(xiàn)于解空間搜索結(jié)果處理模塊中，模塊通過(guò)將信息集合數(shù)據(jù)及算子集合進(jìn)行數(shù)值計(jì)算得到的結(jié)果作為下一步驟的輸入。

102、根據(jù)所述多個(gè)信息集合數(shù)據(jù)，確認(rèn)與所述多個(gè)信息集合數(shù)據(jù)分別對(duì)應(yīng)的多個(gè)量化投資策略的基準(zhǔn)模型，及與所述多個(gè)量化投資策略的基準(zhǔn)模型分別對(duì)應(yīng)的多個(gè)評(píng)估結(jié)果。

其中，所述確認(rèn)與所述多個(gè)信息集合數(shù)據(jù)分別對(duì)應(yīng)的多個(gè)量化投資策略的基準(zhǔn)模型可以通過(guò)規(guī)則映射的方式得到，可以處理實(shí)數(shù)域數(shù)據(jù)搜索的復(fù)雜度不可控，由于實(shí)數(shù)域的表達(dá)式與量化策略的具體操作并無(wú)嚴(yán)格對(duì)應(yīng)關(guān)系，前者的輸出仍然為實(shí)數(shù)域，后者建立在整數(shù)域，本發(fā)明實(shí)施例中選擇壓縮映射方式，以便丟棄部分實(shí)數(shù)域中的信息。所述的評(píng)估結(jié)果為通過(guò)回測(cè)模塊進(jìn)行模擬交易后獲取收益率的時(shí)序數(shù)據(jù)，將資產(chǎn)投資組合評(píng)估指標(biāo)進(jìn)行系統(tǒng)計(jì)算，進(jìn)而對(duì)量化投資策略的基準(zhǔn)模型全方位的評(píng)估，得到評(píng)估結(jié)果。

需要說(shuō)明的是，一個(gè)基準(zhǔn)模型可以生成一個(gè)模擬結(jié)果，還可以生成多個(gè)模擬結(jié)果，模擬結(jié)果即為對(duì)應(yīng)的實(shí)例，每一個(gè)實(shí)例會(huì)確認(rèn)出一個(gè)評(píng)估結(jié)果。

103、判斷根據(jù)所述多個(gè)信息集合數(shù)據(jù)、所述多個(gè)量化投資策略的基準(zhǔn)模型、所述多個(gè)評(píng)估結(jié)果及預(yù)設(shè)優(yōu)化算法生成的量化投資策略是否為符合用戶(hù)需求的量化投資策略。

其中，所述預(yù)設(shè)優(yōu)化算法可以為將信息集合數(shù)據(jù)、基準(zhǔn)模型、評(píng)估結(jié)果等作為算法的輸入，優(yōu)化訓(xùn)練后，淘汰不良個(gè)體，得到優(yōu)化個(gè)體，判斷量化投資策略是否為符合用戶(hù)需求的量化投資策略，可以根據(jù)用戶(hù)希望算法進(jìn)行優(yōu)化的方向?qū)€(gè)體進(jìn)行適應(yīng)度計(jì)算比較的同時(shí)判斷算法代數(shù)或其他停止標(biāo)準(zhǔn)是否達(dá)到，本發(fā)明實(shí)施例不做具體限定。

104、若判斷根據(jù)所述多個(gè)信息集合數(shù)據(jù)、所述多個(gè)量化投資策略的基準(zhǔn)模型、所述多個(gè)評(píng)估結(jié)果及預(yù)設(shè)優(yōu)化算法生成的量化投資策略為符合用戶(hù)需求的量化投資策略，則向用戶(hù)輸出所述符合用戶(hù)需求的量化投資策略。

其中，所述用戶(hù)輸出的符合用戶(hù)需求的量化投資策略則為用戶(hù)選擇的優(yōu)化方向。

需要說(shuō)明的是，若判斷根據(jù)所述多個(gè)信息集合數(shù)據(jù)、所述多個(gè)量化投資策略的基準(zhǔn)模型、所述多個(gè)評(píng)估結(jié)果及預(yù)設(shè)優(yōu)化算法生成的量化投資策略不為符合用戶(hù)需求的量化投資策略，則將多個(gè)信息集合數(shù)據(jù)返回步驟101，重新進(jìn)行運(yùn)算。

本發(fā)明實(shí)施例提供的一種量化投資策略的生成方法，包括：首先獲取多個(gè)信息集合數(shù)據(jù)，所述信息集合數(shù)據(jù)包括用戶(hù)輸入的多個(gè)策略關(guān)聯(lián)數(shù)據(jù)，然后根據(jù)所述多個(gè)信息集合數(shù)據(jù)，確認(rèn)與所述多個(gè)信息集合數(shù)據(jù)分別對(duì)應(yīng)的多個(gè)量化投資策略的基準(zhǔn)模型，及與所述多個(gè)量化投資策略的基準(zhǔn)模型分別對(duì)應(yīng)的多個(gè)評(píng)估結(jié)果，再判斷根據(jù)所述多個(gè)信息集合數(shù)據(jù)、所述多個(gè)量化投資策略的基準(zhǔn)模型、所述多個(gè)評(píng)估結(jié)果及預(yù)設(shè)優(yōu)化算法生成的量化投資策略是否為符合用戶(hù)需求的量化投資策略，若是，則向用戶(hù)輸出所述符合用戶(hù)需求的量化投資策略。與現(xiàn)有無(wú)代碼能力的或策略開(kāi)發(fā)知識(shí)有限的用戶(hù)，無(wú)法使用現(xiàn)有的量化投資策略平臺(tái)相比，本發(fā)明實(shí)施例通過(guò)對(duì)用戶(hù)輸入的多個(gè)策略關(guān)聯(lián)數(shù)據(jù)進(jìn)行確定量化投資策略的基準(zhǔn)模型，對(duì)基準(zhǔn)模型進(jìn)行模擬交易并進(jìn)行評(píng)估，并通過(guò)預(yù)設(shè)優(yōu)化算法得到所有基準(zhǔn)模型中符合用戶(hù)需求的的量化投資策略，實(shí)現(xiàn)無(wú)需用戶(hù)擁有代碼編程能力即可應(yīng)用量化投資策略，并且，避免個(gè)人知識(shí)水平的高低影響量化投資策略的實(shí)行，提高量化投資策略的生成效率，從而提高使用量化投資策略的用戶(hù)群體范圍。

本發(fā)明實(shí)施例提供另一種量化投資策略的生成方法，如圖2所示，所述方法包括：

201、接收用戶(hù)輸入的多個(gè)策略關(guān)聯(lián)數(shù)據(jù)。

其中，所述用戶(hù)輸入的策略關(guān)聯(lián)數(shù)據(jù)包括用戶(hù)直接輸入的多個(gè)策略關(guān)聯(lián)數(shù)據(jù)，及根據(jù)所述多個(gè)信息集合數(shù)據(jù)、所述多個(gè)量化投資策略的基準(zhǔn)模型、所述多個(gè)評(píng)估結(jié)果及預(yù)設(shè)優(yōu)化算法生成的量化投資策略中不為符合用戶(hù)需求的量化投資策略對(duì)應(yīng)的用戶(hù)輸入的多個(gè)策略關(guān)聯(lián)數(shù)據(jù)，所述策略關(guān)聯(lián)數(shù)據(jù)為與投資策略相關(guān)的數(shù)據(jù)。

需要說(shuō)明的是，接收動(dòng)作可以由終端中的平臺(tái)進(jìn)行操作，用戶(hù)通過(guò)平臺(tái)將投資數(shù)據(jù)進(jìn)行輸入。通過(guò)接收用戶(hù)輸入的多個(gè)策略關(guān)聯(lián)數(shù)據(jù)，實(shí)現(xiàn)用戶(hù)只需要輸入數(shù)據(jù)則可自動(dòng)運(yùn)行量化投資策略平臺(tái)生成用戶(hù)需要的量化投資策略的目的，無(wú)需專(zhuān)業(yè)人士進(jìn)行操作，從而擴(kuò)大使用量化投資策略開(kāi)發(fā)平臺(tái)的用戶(hù)范圍。

202、根據(jù)預(yù)設(shè)算子對(duì)所述多個(gè)策略關(guān)聯(lián)數(shù)據(jù)進(jìn)行運(yùn)算，得到多個(gè)信息集合數(shù)據(jù)。

其中，所述預(yù)設(shè)算子為初等數(shù)學(xué)中基本運(yùn)算法則，如加、減、乘、除等，所述一個(gè)信息集合數(shù)據(jù)可以包含一個(gè)策略關(guān)聯(lián)數(shù)據(jù)，也可以包含多個(gè)策略關(guān)聯(lián)數(shù)據(jù)，具體由用戶(hù)輸入的策略關(guān)聯(lián)數(shù)據(jù)是否為一組來(lái)判斷。

需要說(shuō)明的是，若策略關(guān)聯(lián)數(shù)據(jù)為根據(jù)所述多個(gè)信息集合數(shù)據(jù)、所述多個(gè)量化投資策略的基準(zhǔn)模型、多個(gè)評(píng)估結(jié)果及預(yù)設(shè)優(yōu)化算法生成的量化投資策略中不為符合用戶(hù)需求的量化投資策略對(duì)應(yīng)的用戶(hù)輸入的策略關(guān)聯(lián)數(shù)據(jù)，則也需要進(jìn)行運(yùn)算。將數(shù)值計(jì)算后的結(jié)果作為下一步驟的輸入。

203、從預(yù)置存儲(chǔ)位置中提取出與所述多個(gè)信息集合數(shù)據(jù)分別對(duì)應(yīng)的多個(gè)量化投資策略的基準(zhǔn)模型。

其中，所述預(yù)置存儲(chǔ)位置中保存有與所述多個(gè)信息集合數(shù)據(jù)分別對(duì)應(yīng)的多個(gè)量化投資策略的基準(zhǔn)模型。通過(guò)從預(yù)置存儲(chǔ)位置中提取出與所述多個(gè)信息集合數(shù)據(jù)分別對(duì)應(yīng)的多個(gè)量化投資策略的基準(zhǔn)模型，提高信息集合數(shù)據(jù)與量化投資策略的基準(zhǔn)模型的映射的準(zhǔn)確性，從而提高量化投資策略的生成效率。

進(jìn)一步地，步驟203之前可以包括：分別建立所述多個(gè)信息集合數(shù)據(jù)與預(yù)置策略的規(guī)則映射關(guān)系，得到多個(gè)量化投資策略的基準(zhǔn)模型，存儲(chǔ)至預(yù)置存儲(chǔ)位置中。

其中，所述預(yù)置策略為技術(shù)人員存儲(chǔ)在平臺(tái)中的投資策略抽象，具體投資策略本發(fā)明實(shí)施例不做具體限定，所述預(yù)置存儲(chǔ)位置可以為緩存存儲(chǔ)，也可以為本地存儲(chǔ)，本發(fā)明實(shí)施例不做具體限定，所述建立信息集合數(shù)據(jù)與預(yù)置策略的規(guī)則映射關(guān)系為將上一步驟的輸出作為輸入，然后與預(yù)置策略中的具體策略進(jìn)行關(guān)聯(lián)，使得數(shù)值與策略操作存在意義。

需要說(shuō)明的是，建立規(guī)則映射關(guān)系由平臺(tái)中的規(guī)則映射在規(guī)則映射模塊中進(jìn)行操作，量化投資策略的基準(zhǔn)模型可以抽象為激發(fā)策略操作的條件與對(duì)應(yīng)的標(biāo)的操作。策略模型由激發(fā)策略操作的條件的可變部分和標(biāo)的操作的不變部分構(gòu)成。通過(guò)分別建立所述多個(gè)信息集合數(shù)據(jù)與預(yù)置策略的規(guī)則映射關(guān)系，得到多個(gè)量化投資策略的基準(zhǔn)模型，存儲(chǔ)至預(yù)置存儲(chǔ)位置中，簡(jiǎn)化建立規(guī)則映射關(guān)系步驟，使得用戶(hù)可以直接從預(yù)置存儲(chǔ)位置中提取已經(jīng)存在的基準(zhǔn)模型，從而提高量化投資策略的生成效率。

204、根據(jù)所述多個(gè)量化投資策略的基準(zhǔn)模型分別進(jìn)行模擬交易，得到多個(gè)交易結(jié)果。

其中，所述模擬交易為根據(jù)用戶(hù)的信息集合數(shù)據(jù)及對(duì)應(yīng)的量化投資策略的基準(zhǔn)模型按照歷史數(shù)據(jù)實(shí)現(xiàn)完整的買(mǎi)賣(mài)操作，得到收益率序列，每一個(gè)量化投資策略的基準(zhǔn)模型對(duì)應(yīng)一個(gè)模擬交易結(jié)果。

需要說(shuō)明的是，模擬交易在平臺(tái)中的回測(cè)模塊中進(jìn)行操作，模擬交易可以通過(guò)與不同的標(biāo)的、交易撮合、組合和賬戶(hù)等功能模塊連接，模擬交易執(zhí)行的同時(shí)對(duì)稅費(fèi)、滑點(diǎn)和收益數(shù)值等進(jìn)行記錄，得到完整的模擬交易結(jié)果。通過(guò)根據(jù)所述多個(gè)量化投資策略的基準(zhǔn)模型分別進(jìn)行模擬交易，得到多個(gè)交易結(jié)果，實(shí)現(xiàn)交易的可實(shí)現(xiàn)性，避免出現(xiàn)無(wú)法實(shí)現(xiàn)的量化投資策略的基準(zhǔn)模型，提高生成量化投資策略的準(zhǔn)確性。

205、對(duì)所述多個(gè)交易結(jié)果進(jìn)行評(píng)估，得到與多個(gè)量化投資策略的基準(zhǔn)模型分別對(duì)應(yīng)的多個(gè)評(píng)估結(jié)果。

其中，所述評(píng)估可以為通過(guò)獲取收益率序列，利用資產(chǎn)投資組合評(píng)估指標(biāo)進(jìn)行系統(tǒng)計(jì)算，得到對(duì)量化投資策略的基準(zhǔn)模型的評(píng)估結(jié)果。

需要說(shuō)明的是，評(píng)估在平臺(tái)中的評(píng)估模塊中進(jìn)行操作，評(píng)估結(jié)果可以為數(shù)值，也可以為預(yù)先設(shè)置的不同等級(jí)的標(biāo)識(shí)等，本發(fā)明實(shí)施例不做具體限定。通過(guò)對(duì)所述多個(gè)交易結(jié)果進(jìn)行評(píng)估，得到與多個(gè)量化投資策略的基準(zhǔn)模型分別對(duì)應(yīng)的多個(gè)評(píng)估結(jié)果，便于根據(jù)評(píng)估結(jié)果淘汰不良策略。

206、根據(jù)所述多個(gè)信息集合數(shù)據(jù)、所述多個(gè)量化投資策略的基準(zhǔn)模型、所述多個(gè)評(píng)估結(jié)果作為預(yù)設(shè)遺傳算法的輸入數(shù)據(jù)，生成量化投資策略。

其中，所述預(yù)設(shè)遺傳算法是模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī)理的生物進(jìn)化過(guò)程的計(jì)算模型，是一種通過(guò)模擬自然進(jìn)化過(guò)程搜索最優(yōu)解的方法。

需要說(shuō)明的是，通過(guò)預(yù)設(shè)遺傳算法生成量化投資策略在平臺(tái)中的框架模塊中進(jìn)行操作，本發(fā)明實(shí)施例中預(yù)設(shè)遺傳算法中的初始種群為多個(gè)信息集合數(shù)據(jù)，且個(gè)體數(shù)目確定，每個(gè)個(gè)體由適當(dāng)?shù)木幋a方式進(jìn)行處理；然后根據(jù)對(duì)收益序列作出的評(píng)估結(jié)果，選擇用戶(hù)希望算法進(jìn)行優(yōu)化的方向，然后對(duì)所有個(gè)體進(jìn)行適應(yīng)度計(jì)算；最后對(duì)個(gè)體適應(yīng)度進(jìn)行比較的同時(shí)判斷算法代數(shù)或其他停止標(biāo)準(zhǔn)是否達(dá)到。如果確認(rèn)達(dá)到算法停止條件，則將優(yōu)秀個(gè)體向最終結(jié)果模塊進(jìn)行推送，即得到量化投資策略，如果確認(rèn)無(wú)法達(dá)到算法停止條件，則將進(jìn)入遺傳操作。遺傳操作包含選擇、交叉和變異三種擾動(dòng)操作，為個(gè)體向更優(yōu)方向演化提供支持，遺傳操作中，基于問(wèn)題編碼的形式，采用基于片段和節(jié)點(diǎn)兩種類(lèi)型的遺傳操作。通過(guò)根據(jù)所述多個(gè)信息集合數(shù)據(jù)、所述多個(gè)量化投資策略的基準(zhǔn)模型、所述多個(gè)評(píng)估結(jié)果作為預(yù)設(shè)遺傳算法的輸入數(shù)據(jù)，生成量化投資策略，實(shí)現(xiàn)量化投資策略的自動(dòng)生成。

207、根據(jù)預(yù)置投資策略條件，判斷所述量化投資策略是否為符合用戶(hù)需求的量化投資策略。

其中，所述預(yù)置投資策略條件可以為技術(shù)人員利用程序代碼設(shè)定，也可以為用戶(hù)在輸入策略關(guān)聯(lián)數(shù)據(jù)時(shí)進(jìn)行設(shè)定。通過(guò)根據(jù)預(yù)置投資策略條件，判斷所述量化投資策略是否為符合用戶(hù)需求的量化投資策略，避免出現(xiàn)不符合用戶(hù)需求的量化投資策略，從而提高量化投資策略的生成效率。

208、若判斷所述量化投資策略為符合用戶(hù)需求的量化投資策略，則向用戶(hù)輸出所述符合用戶(hù)需求的量化投資策略。

其中，所述向用戶(hù)輸出的方式可以為對(duì)話框展示等，本發(fā)明實(shí)施例不做具體限定。

需要說(shuō)明的是，本發(fā)明實(shí)施例的步驟整體架設(shè)于若干臺(tái)高性能服務(wù)器之上，且通過(guò)Kubernetes云(Kubernetes是一個(gè)開(kāi)源項(xiàng)目，它把集群管理工具引入到虛擬機(jī)和裸機(jī)場(chǎng)景中)對(duì)若干服務(wù)器進(jìn)行統(tǒng)一的管理。在此基礎(chǔ)之上，各個(gè)模塊可以進(jìn)行有效的擴(kuò)展，能夠彈性應(yīng)對(duì)不同量級(jí)的任務(wù)需求。例如，存在多個(gè)操作節(jié)點(diǎn)，Kubernetes統(tǒng)籌管理行情數(shù)據(jù)、數(shù)據(jù)庫(kù)(mongo、mysql、redis、kafka)、網(wǎng)站、微信、策略計(jì)算、數(shù)據(jù)復(fù)權(quán)等。

對(duì)于本發(fā)明實(shí)施例，若判斷所述量化投資策略為符合用戶(hù)需求的量化投資策略，則返回步驟201。

本發(fā)明實(shí)施例提供的另一種量化投資策略的生成方法，包括：首先獲取多個(gè)信息集合數(shù)據(jù)，所述信息集合數(shù)據(jù)包括用戶(hù)輸入的多個(gè)策略關(guān)聯(lián)數(shù)據(jù)，然后根據(jù)所述多個(gè)信息集合數(shù)據(jù)，確認(rèn)與所述多個(gè)信息集合數(shù)據(jù)分別對(duì)應(yīng)的多個(gè)量化投資策略的基準(zhǔn)模型，及與所述多個(gè)量化投資策略的基準(zhǔn)模型分別對(duì)應(yīng)的多個(gè)評(píng)估結(jié)果，再判斷根據(jù)所述多個(gè)信息集合數(shù)據(jù)、所述多個(gè)量化投資策略的基準(zhǔn)模型、所述多個(gè)評(píng)估結(jié)果及預(yù)設(shè)優(yōu)化算法生成的量化投資策略是否為符合用戶(hù)需求的量化投資策略，若是，則向用戶(hù)輸出所述符合用戶(hù)需求的量化投資策略。與現(xiàn)有無(wú)代碼能力的或策略開(kāi)發(fā)知識(shí)有限的用戶(hù)，無(wú)法使用現(xiàn)有的量化投資策略平臺(tái)相比，本發(fā)明實(shí)施例通過(guò)對(duì)用戶(hù)輸入的多個(gè)策略關(guān)聯(lián)數(shù)據(jù)進(jìn)行確定量化投資策略的基準(zhǔn)模型，對(duì)基準(zhǔn)模型進(jìn)行模擬交易并進(jìn)行評(píng)估，并通過(guò)預(yù)設(shè)優(yōu)化算法得到所有基準(zhǔn)模型中符合用戶(hù)需求的的量化投資策略，實(shí)現(xiàn)無(wú)需用戶(hù)擁有代碼編程能力即可應(yīng)用量化投資策略，并且，避免個(gè)人知識(shí)水平的高低影響量化投資策略的實(shí)行，提高量化投資策略的生成效率，從而提高使用量化投資策略的用戶(hù)群體范圍。

進(jìn)一步地，作為圖1所示方法的具體實(shí)現(xiàn)，本發(fā)明實(shí)施例提供一種量化投資策略的生成裝置，如圖3所示，所述裝置可以包括：獲取單元31、確認(rèn)單元32、判斷單元33、輸出單元34。

獲取單元31，用于獲取多個(gè)信息集合數(shù)據(jù)，所述信息集合數(shù)據(jù)包括用戶(hù)輸入的多個(gè)策略關(guān)聯(lián)數(shù)據(jù)。

其中，所述信息集合數(shù)據(jù)包括用戶(hù)輸入的多個(gè)策略關(guān)聯(lián)數(shù)據(jù)，所述策略關(guān)聯(lián)數(shù)據(jù)為與投資策略相關(guān)的數(shù)據(jù)，所述多個(gè)信息集合數(shù)據(jù)可以為相同用戶(hù)輸入的不同的多個(gè)策略關(guān)聯(lián)數(shù)據(jù)，每一個(gè)信息集合數(shù)據(jù)包含有一組策略關(guān)聯(lián)數(shù)據(jù)。

確認(rèn)單元32，用于根據(jù)所述多個(gè)信息集合數(shù)據(jù)，確認(rèn)與所述多個(gè)信息集合數(shù)據(jù)分別對(duì)應(yīng)的多個(gè)量化投資策略的基準(zhǔn)模型，及與所述多個(gè)量化投資策略的基準(zhǔn)模型分別對(duì)應(yīng)的多個(gè)評(píng)估結(jié)果。

其中，所述確認(rèn)與所述多個(gè)信息集合數(shù)據(jù)分別對(duì)應(yīng)的多個(gè)量化投資策略的基準(zhǔn)模型可以通過(guò)規(guī)則映射的方式得到，可以處理實(shí)數(shù)域數(shù)據(jù)搜索的復(fù)雜度不可控，由于實(shí)數(shù)域的表達(dá)式與量化策略的具體操作并無(wú)嚴(yán)格對(duì)應(yīng)關(guān)系，前者的輸出仍然為實(shí)數(shù)域，后者建立在整數(shù)域，本發(fā)明實(shí)施例中選擇壓縮映射方式，以便丟棄部分實(shí)數(shù)域中的信息。所述的評(píng)估結(jié)果為通過(guò)回測(cè)模塊進(jìn)行模擬交易后獲取收益率的時(shí)序數(shù)據(jù)，將資產(chǎn)投資組合評(píng)估指標(biāo)進(jìn)行系統(tǒng)計(jì)算，進(jìn)而對(duì)量化投資策略的基準(zhǔn)模型全方位的評(píng)估，得到評(píng)估結(jié)果。

判斷單元33，用于判斷根據(jù)所述多個(gè)信息集合數(shù)據(jù)、所述多個(gè)量化投資策略的基準(zhǔn)模型、所述多個(gè)評(píng)估結(jié)果及預(yù)設(shè)優(yōu)化算法生成的量化投資策略是否為符合用戶(hù)需求的量化投資策略。

其中，所述預(yù)設(shè)優(yōu)化算法可以為將信息集合數(shù)據(jù)、基準(zhǔn)模型、評(píng)估結(jié)果等作為算法的輸入，優(yōu)化訓(xùn)練后，淘汰不良個(gè)體，得到優(yōu)化個(gè)體，判斷量化投資策略是否為符合用戶(hù)需求的量化投資策略，可以根據(jù)預(yù)設(shè)投資策略進(jìn)行對(duì)比，也可以根據(jù)用戶(hù)的需求進(jìn)行篩選，本發(fā)明實(shí)施例不做具體限定。

輸出單元34，用于若判斷單元33判斷根據(jù)所述多個(gè)信息集合數(shù)據(jù)、所述多個(gè)量化投資策略的基準(zhǔn)模型、所述多個(gè)評(píng)估結(jié)果及預(yù)設(shè)優(yōu)化算法生成的量化投資策略為符合用戶(hù)需求的量化投資策略，則向用戶(hù)輸出所述符合用戶(hù)需求的量化投資策略。

其中，所述用戶(hù)輸出的符合用戶(hù)需求的量化投資策略則為用戶(hù)可以得到的最大化利益的策略。

本發(fā)明實(shí)施例提供的一種量化投資策略的生成裝置，包括：首先獲取多個(gè)信息集合數(shù)據(jù)，所述信息集合數(shù)據(jù)包括用戶(hù)輸入的多個(gè)策略關(guān)聯(lián)數(shù)據(jù)，然后根據(jù)所述多個(gè)信息集合數(shù)據(jù)，確認(rèn)與所述多個(gè)信息集合數(shù)據(jù)分別對(duì)應(yīng)的多個(gè)量化投資策略的基準(zhǔn)模型，及與所述多個(gè)量化投資策略的基準(zhǔn)模型分別對(duì)應(yīng)的多個(gè)評(píng)估結(jié)果，再判斷根據(jù)所述多個(gè)信息集合數(shù)據(jù)、所述多個(gè)量化投資策略的基準(zhǔn)模型、所述多個(gè)評(píng)估結(jié)果及預(yù)設(shè)優(yōu)化算法生成的量化投資策略是否為符合用戶(hù)需求的量化投資策略，若是，則向用戶(hù)輸出所述符合用戶(hù)需求的量化投資策略。與現(xiàn)有無(wú)代碼能力的或策略開(kāi)發(fā)知識(shí)有限的用戶(hù)，無(wú)法使用現(xiàn)有的量化投資策略平臺(tái)相比，本發(fā)明實(shí)施例通過(guò)對(duì)用戶(hù)輸入的多個(gè)策略關(guān)聯(lián)數(shù)據(jù)進(jìn)行確定量化投資策略的基準(zhǔn)模型，對(duì)基準(zhǔn)模型進(jìn)行模擬交易并進(jìn)行評(píng)估，并通過(guò)預(yù)設(shè)優(yōu)化算法得到所有基準(zhǔn)模型中符合用戶(hù)需求的的量化投資策略，實(shí)現(xiàn)無(wú)需用戶(hù)擁有代碼編程能力即可應(yīng)用量化投資策略，并且，避免個(gè)人知識(shí)水平的高低影響量化投資策略的實(shí)行，提高量化投資策略的生成效率，從而提高使用量化投資策略的用戶(hù)群體范圍。

進(jìn)一步地，作為圖2所示方法的具體實(shí)現(xiàn)，本發(fā)明實(shí)施例提供另一種量化投資策略的生成裝置，如圖4所示，所述裝置可以包括：獲取單元41、確認(rèn)單元42、判斷單元43、輸出單元44。

獲取單元41，用于獲取多個(gè)信息集合數(shù)據(jù)，所述信息集合數(shù)據(jù)包括用戶(hù)輸入的多個(gè)策略關(guān)聯(lián)數(shù)據(jù)；

確認(rèn)單元42，用于根據(jù)所述多個(gè)信息集合數(shù)據(jù)，確認(rèn)與所述多個(gè)信息集合數(shù)據(jù)分別對(duì)應(yīng)的多個(gè)量化投資策略的基準(zhǔn)模型，及與所述多個(gè)量化投資策略的基準(zhǔn)模型分別對(duì)應(yīng)的多個(gè)評(píng)估結(jié)果；

判斷單元43，用于判斷根據(jù)所述多個(gè)信息集合數(shù)據(jù)、所述多個(gè)量化投資策略的基準(zhǔn)模型、多個(gè)評(píng)估結(jié)果及預(yù)設(shè)優(yōu)化算法生成的量化投資策略是否為符合用戶(hù)需求的量化投資策略；

輸出單元44，用于若判斷單元判斷根據(jù)所述多個(gè)信息集合數(shù)據(jù)、所述多個(gè)量化投資策略的基準(zhǔn)模型、所述多個(gè)評(píng)估結(jié)果及預(yù)設(shè)優(yōu)化算法生成的量化投資策略為符合用戶(hù)需求的量化投資策略，則向用戶(hù)輸出所述符合用戶(hù)需求的量化投資策略。

進(jìn)一步地，所述確認(rèn)單元42包括：

提取模塊4201，用于從預(yù)置存儲(chǔ)位置中提取出與所述多個(gè)信息集合數(shù)據(jù)分別對(duì)應(yīng)的多個(gè)量化投資策略的基準(zhǔn)模型。

其中，所述預(yù)置存儲(chǔ)位置中保存有與所述多個(gè)信息集合數(shù)據(jù)分別對(duì)應(yīng)的多個(gè)量化投資策略的基準(zhǔn)模型。通過(guò)從預(yù)置存儲(chǔ)位置中提取出與所述多個(gè)信息集合數(shù)據(jù)分別對(duì)應(yīng)的多個(gè)量化投資策略的基準(zhǔn)模型，提高信息集合數(shù)據(jù)與量化投資策略的基準(zhǔn)模型的映射的準(zhǔn)確性，從而提高量化投資策略的生成效率。

交易模塊4202，用于根據(jù)所述多個(gè)量化投資策略的基準(zhǔn)模型分別進(jìn)行模擬交易，得到多個(gè)交易結(jié)果。

其中，所述模擬交易為根據(jù)用戶(hù)的信息集合數(shù)據(jù)及對(duì)應(yīng)的量化投資策略的基準(zhǔn)模型按照歷史數(shù)據(jù)實(shí)現(xiàn)完整的買(mǎi)賣(mài)操作，得到收益率序列，每一個(gè)量化投資策略的基準(zhǔn)模型對(duì)應(yīng)一個(gè)模擬交易結(jié)果。

評(píng)估模塊4203，用于對(duì)所述多個(gè)交易結(jié)果進(jìn)行評(píng)估，得到與多個(gè)量化投資策略的基準(zhǔn)模型分別對(duì)應(yīng)的多個(gè)評(píng)估結(jié)果。

其中，所述評(píng)估可以為通過(guò)獲取收益率序列，利用資產(chǎn)投資組合評(píng)估指標(biāo)進(jìn)行系統(tǒng)計(jì)算，得到對(duì)量化投資策略的基準(zhǔn)模型的評(píng)估結(jié)果。

進(jìn)一步地，所述確認(rèn)單元42還包括：

建立模塊4204，用于分別建立所述多個(gè)信息集合數(shù)據(jù)與預(yù)置策略的規(guī)則映射關(guān)系，得到多個(gè)量化投資策略的基準(zhǔn)模型，存儲(chǔ)至預(yù)置存儲(chǔ)位置中。

進(jìn)一步地，所述獲取單元41還包括：

接收模塊4101，用于接收用戶(hù)輸入的多個(gè)策略關(guān)聯(lián)數(shù)據(jù)，所述用戶(hù)輸入的策略關(guān)聯(lián)數(shù)據(jù)包括用戶(hù)直接輸入的多個(gè)策略關(guān)聯(lián)數(shù)據(jù)，及根據(jù)所述多個(gè)信息集合數(shù)據(jù)、所述多個(gè)量化投資策略的基準(zhǔn)模型、所述多個(gè)評(píng)估結(jié)果及預(yù)設(shè)優(yōu)化算法生成的量化投資策略中不為符合用戶(hù)需求的量化投資策略對(duì)應(yīng)的用戶(hù)輸入的多個(gè)策略關(guān)聯(lián)數(shù)據(jù)；

運(yùn)算模塊4102，用于根據(jù)預(yù)設(shè)算子對(duì)所述多個(gè)策略關(guān)聯(lián)數(shù)據(jù)進(jìn)行運(yùn)算，得到多個(gè)信息集合數(shù)據(jù)。

進(jìn)一步地，所述判斷單元43包括：

生成模塊4301，用于根據(jù)所述多個(gè)信息集合數(shù)據(jù)、所述多個(gè)量化投資策略的基準(zhǔn)模型、所述多個(gè)評(píng)估結(jié)果作為預(yù)設(shè)遺傳算法的輸入數(shù)據(jù)，生成量化投資策略。

其中，所述預(yù)設(shè)遺傳算法是模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī)理的生物進(jìn)化過(guò)程的計(jì)算模型，是一種通過(guò)模擬自然進(jìn)化過(guò)程搜索最優(yōu)解的方法。

判斷模塊4302，用于根據(jù)預(yù)置投資策略條件，判斷所述量化投資策略是否為符合用戶(hù)需求的量化投資策略。

本發(fā)明實(shí)施例提供的另一種量化投資策略的生成裝置，包括：首先獲取多個(gè)信息集合數(shù)據(jù)，所述信息集合數(shù)據(jù)包括用戶(hù)輸入的多個(gè)策略關(guān)聯(lián)數(shù)據(jù)，然后根據(jù)所述多個(gè)信息集合數(shù)據(jù)，確認(rèn)與所述多個(gè)信息集合數(shù)據(jù)分別對(duì)應(yīng)的多個(gè)量化投資策略的基準(zhǔn)模型，及與所述多個(gè)量化投資策略的基準(zhǔn)模型分別對(duì)應(yīng)的多個(gè)評(píng)估結(jié)果，再判斷根據(jù)所述多個(gè)信息集合數(shù)據(jù)、所述多個(gè)量化投資策略的基準(zhǔn)模型、所述多個(gè)評(píng)估結(jié)果及預(yù)設(shè)優(yōu)化算法生成的量化投資策略是否為符合用戶(hù)需求的量化投資策略，若是，則向用戶(hù)輸出所述符合用戶(hù)需求的量化投資策略。與現(xiàn)有無(wú)代碼能力的或策略開(kāi)發(fā)知識(shí)有限的用戶(hù)，無(wú)法使用現(xiàn)有的量化投資策略平臺(tái)相比，本發(fā)明實(shí)施例通過(guò)對(duì)用戶(hù)輸入的多個(gè)策略關(guān)聯(lián)數(shù)據(jù)進(jìn)行確定量化投資策略的基準(zhǔn)模型，對(duì)基準(zhǔn)模型進(jìn)行模擬交易并進(jìn)行評(píng)估，并通過(guò)預(yù)設(shè)優(yōu)化算法得到所有基準(zhǔn)模型中符合用戶(hù)需求的的量化投資策略，實(shí)現(xiàn)無(wú)需用戶(hù)擁有代碼編程能力即可應(yīng)用量化投資策略，并且，避免個(gè)人知識(shí)水平的高低影響量化投資策略的實(shí)行，提高量化投資策略的生成效率，從而提高使用量化投資策略的用戶(hù)群體范圍。

在上述實(shí)施例中，對(duì)各個(gè)實(shí)施例的描述都各有側(cè)重，某個(gè)實(shí)施例中沒(méi)有詳述的部分，可以參見(jiàn)其他實(shí)施例的相關(guān)描述。

可以理解的是，上述方法及裝置中的相關(guān)特征可以相互參考。另外，上述實(shí)施例中的“第一”、“第二”等是用于區(qū)分各實(shí)施例，而并不代表各實(shí)施例的優(yōu)劣。

所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡(jiǎn)潔，上述描述的系統(tǒng)，裝置和單元的具體工作過(guò)程，可以參考前述方法實(shí)施例中的對(duì)應(yīng)過(guò)程，在此不再贅述。

在此提供的算法和顯示不與任何特定計(jì)算機(jī)、虛擬系統(tǒng)或者其它設(shè)備固有相關(guān)。各種通用系統(tǒng)也可以與基于在此的示教一起使用。根據(jù)上面的描述，構(gòu)造這類(lèi)系統(tǒng)所要求的結(jié)構(gòu)是顯而易見(jiàn)的。此外，本發(fā)明也不針對(duì)任何特定編程語(yǔ)言。應(yīng)當(dāng)明白，可以利用各種編程語(yǔ)言實(shí)現(xiàn)在此描述的本發(fā)明的內(nèi)容，并且上面對(duì)特定語(yǔ)言所做的描述是為了披露本發(fā)明的最佳實(shí)施方式。

在此處所提供的說(shuō)明書(shū)中，說(shuō)明了大量具體細(xì)節(jié)。然而，能夠理解，本發(fā)明的實(shí)施例可以在沒(méi)有這些具體細(xì)節(jié)的情況下實(shí)踐。在一些實(shí)例中，并未詳細(xì)示出公知的方法、結(jié)構(gòu)和技術(shù)，以便不模糊對(duì)本說(shuō)明書(shū)的理解。

類(lèi)似地，應(yīng)當(dāng)理解，為了精簡(jiǎn)本公開(kāi)并幫助理解各個(gè)發(fā)明方面中的一個(gè)或多個(gè)，在上面對(duì)本發(fā)明的示例性實(shí)施例的描述中，本發(fā)明的各個(gè)特征有時(shí)被一起分組到單個(gè)實(shí)施例、圖、或者對(duì)其的描述中。然而，并不應(yīng)將該公開(kāi)的方法解釋成反映如下意圖：即所要求保護(hù)的本發(fā)明要求比在每個(gè)權(quán)利要求中所明確記載的特征更多的特征。更確切地說(shuō)，如下面的權(quán)利要求書(shū)所反映的那樣，發(fā)明方面在于少于前面公開(kāi)的單個(gè)實(shí)施例的所有特征。因此，遵循具體實(shí)施方式的權(quán)利要求書(shū)由此明確地并入該具體實(shí)施方式，其中每個(gè)權(quán)利要求本身都作為本發(fā)明的單獨(dú)實(shí)施例。

本領(lǐng)域那些技術(shù)人員可以理解，可以對(duì)實(shí)施例中的設(shè)備中的模塊進(jìn)行自適應(yīng)性地改變并且把它們?cè)O(shè)置在與該實(shí)施例不同的一個(gè)或多個(gè)設(shè)備中。可以把實(shí)施例中的模塊或單元或組件組合成一個(gè)模塊或單元或組件，以及此外可以把它們分成多個(gè)子模塊或子單元或子組件。除了這樣的特征和/或過(guò)程或者單元中的至少一些是相互排斥之外，可以采用任何組合對(duì)本說(shuō)明書(shū)(包括伴隨的權(quán)利要求、摘要和附圖)中公開(kāi)的所有特征以及如此公開(kāi)的任何方法或者設(shè)備的所有過(guò)程或單元進(jìn)行組合。除非另外明確陳述，本說(shuō)明書(shū)(包括伴隨的權(quán)利要求、摘要和附圖)中公開(kāi)的每個(gè)特征可以由提供相同、等同或相似目的的替代特征來(lái)代替。

此外，本領(lǐng)域的技術(shù)人員能夠理解，盡管在此所述的一些實(shí)施例包括其它實(shí)施例中所包括的某些特征而不是其它特征，但是不同實(shí)施例的特征的組合意味著處于本發(fā)明的范圍之內(nèi)并且形成不同的實(shí)施例。例如，在下面的權(quán)利要求書(shū)中，所要求保護(hù)的實(shí)施例的任意之一都可以以任意的組合方式來(lái)使用。

本發(fā)明的各個(gè)部件實(shí)施例可以以硬件實(shí)現(xiàn)，或者以在一個(gè)或者多個(gè)處理器上運(yùn)行的軟件模塊實(shí)現(xiàn)，或者以它們的組合實(shí)現(xiàn)。本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解，可以在實(shí)踐中使用微處理器或者數(shù)字信號(hào)處理器(DSP)來(lái)實(shí)現(xiàn)根據(jù)本發(fā)明實(shí)施例的一種量化投資策略的生成方法及裝置中的一些或者全部部件的一些或者全部功能。本發(fā)明還可以實(shí)現(xiàn)為用于執(zhí)行這里所描述的方法的一部分或者全部的設(shè)備或者裝置程序(例如，計(jì)算機(jī)程序和計(jì)算機(jī)程序產(chǎn)品)。這樣的實(shí)現(xiàn)本發(fā)明的程序可以存儲(chǔ)在計(jì)算機(jī)可讀介質(zhì)上，或者可以具有一個(gè)或者多個(gè)信號(hào)的形式。這樣的信號(hào)可以從因特網(wǎng)網(wǎng)站上下載得到，或者在載體信號(hào)上提供，或者以任何其他形式提供。

應(yīng)該注意的是上述實(shí)施例對(duì)本發(fā)明進(jìn)行說(shuō)明而不是對(duì)本發(fā)明進(jìn)行限制，并且本領(lǐng)域技術(shù)人員在不脫離所附權(quán)利要求的范圍的情況下可設(shè)計(jì)出替換實(shí)施例。在權(quán)利要求中，不應(yīng)將位于括號(hào)之間的任何參考符號(hào)構(gòu)造成對(duì)權(quán)利要求的限制。單詞“包含”不排除存在未列在權(quán)利要求中的元件或步驟。位于元件之前的單詞“一”或“一個(gè)”不排除存在多個(gè)這樣的元件。本發(fā)明可以借助于包括有若干不同元件的硬件以及借助于適當(dāng)編程的計(jì)算機(jī)來(lái)實(shí)現(xiàn)。在列舉了若干裝置的單元權(quán)利要求中，這些裝置中的若干個(gè)可以是通過(guò)同一個(gè)硬件項(xiàng)來(lái)具體體現(xiàn)。單詞第一、第二、以及第三等的使用不表示任何順序?？蓪⑦@些單詞解釋為名稱(chēng)。