[發明專利]一種面向金融高頻交易數據的情景感知測定方法和系統

有效

• 申請號: 201310338260.5
• 申請日: 2013-08-06
• 公開（公告）號: CN103412915B
• 公開（公告）日: 2019-01-15
• 發明（設計）人: 戴偉輝;戴永輝;趙碧榮;李宏飛;沈家;徐冬溶;萬熙瓊;胡虹智;胡璇
• 申請（專利權）人: 復旦大學
• 主分類號: G06F16/25
• 分類號: G06F16/25;G06Q40/04
• 代理公司: 上海正旦專利代理有限公司 31200
• 代理人: 陸飛;盛志范

1.一種面向金融高頻交易數據的情景感知測定方法，其特征在于，具體步驟為：

步驟1：建立金融高頻交易數據庫；依次包括數據導入、數據整理和數據分類共三個過程，其中：

數據導入：將分時金融高頻交易數據文件、分筆金融高頻交易數據文件導入到數據庫模塊；交易數據文件采用Txt或Excel格式；

數據整理：調用數據整理函數DataProcess，對已經導入的數據進行檢查與整理，去掉重復的數據；

數據分類：調用分類函數DataClassify，將數據依據分筆交易數據、分時交易數據插入到數據庫對應的表中；

步驟2：建立情景關聯規則庫；依次包括特征變量提取、數據挖掘和建立情景關聯規則共三個過程，其中：

特征變量提取：將影響高頻交易數據的宏觀經濟指標、自然環境因素和金融政策事件的特征提取出來，構成特征變量集；

數據挖掘：根據歷史高頻交易數據，結合特征變量，采用聚類方法、神經網絡技術、計量分析手段進行數據挖掘，得出規律；

在進行數據挖掘時，采用Matlab軟件編寫程序代碼來實現蟻群聚類尋找出價、量形態存在相似性的高頻交易時段；運用神經網絡技術對歷史高頻交易數據分析，進而預測證券波動走勢；通過假設檢驗及計量經濟分析來挖掘高頻交易數據的規律；其中，聚類尋找相似的高頻交易時段時需要計算數據對象的相似度，計算數據對象的相似度包括：計算對象的屬性概率和計算對象的相似度共兩個過程，具體如下：

計算對象的屬性概率：假設所取樣本數據集D中共有5000個數據對象，d₁，d₂，…,d₅₀₀₀；每個數據對象共有5個屬性：交易時刻、成交價、成交量、成交金額、成交筆數，依次記為A₁，A₂，…，A₅，在D中所有數據對象中A_j屬性共出現q_ij次，則對象d_i在屬性A_j上的屬性概率為：

；

計算對象的相似度：對象的相似度指的是待聚類對象和它周圍數據對象之間的相似程度，對象d_i的相似度是該對象的各個屬性的屬性概率的算術平均值，因此，對象的相似度通過以下的公式計算得出：

建立情景關聯規則：在數據庫中建立情景關聯規則表tableRule，tableRule的結構包括：規則編號、規則內容、規則類型、可信度共四個字段，其中：

規則編號：初始值是1，采用自動增1的方式；

規則內容：采用varchar(200)類型，將之前數據挖掘所得出的規律歸納成規則形式予以保存；

規則類型：采用varchar(10)類型，0代表負向相關，1代表正向相關；

可信度：采用numeric(9,4)類型，記錄當前規則內容的可信程度百分比；

步驟3：情景感知計算；包括情景識別和基于ACD 模型的計算，其中，

情景識別：根據步驟2所構建的特征變量集和情景關聯規則庫，對當前高頻交易數據情景進行識別，選出匹配程度最高的規則作為此時的情景；

基于ACD 模型的計算：通過調用ACD模型來計算此規則下的高頻交易股價波動狀況；ACD模型是指自回歸條件時間間隔模型；

步驟4：結果反饋與更新；給出情景感知計算結果，即當前規則下的高頻交易股價波動規則，再將所得結果反饋至情景關聯規則庫，并通過觸發器自動更新對應的規則。

2.根據權利要求1所述測定方法，其特征在于，所述宏觀經濟指標特征變量從國家統計局發布的統計數據中選取宏觀經濟相關的指標來實現；自然環境因素特征變量由不可抗拒天災因素、大氣、水、植物、動物、土壤環境變化構成；金融政策事件特征變量由國務院辦公廳、中國人民銀行、證監會發布的與金融交易市場有關的信息組成。

3.基于權利要求1所述測定方法的面向金融高頻交易數據的情景感知測定系統，其特征在于該測定系統包括：金融高頻交易數據庫模塊，情景關聯規則庫模塊，情景感知計算模塊，結果反饋與更新模塊；所述金融高頻交易數據庫模塊包括依次連接的數據導入、數據整理和數據分類3個子模塊，這3個子模塊分別執行權利要求1步驟1中3個過程的功能；所述情景關聯規則庫模塊包括依次連接的特征變量提取、數據挖掘和建立情景關聯規則3個子模塊，這3個子模塊分別執行權利要求1步驟2中3個過程的功能；所述情景感知計算模塊包括情景識別和基于ACD 模型的計算2個子模塊，這2個子模塊分別執行權利要求1步驟3中2個過程的功能。