[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

本發明屬于信息技術領域，具體為一種面向金融高頻交易數據的情景感知測定方法和系統。測定方法包括四個步驟：步驟1：建立金融高頻交易數據庫；步驟2：建立情景關聯規則庫；步驟3：情景感知計算；步驟4：結果反饋與更新。測定系統包括對應的4個模塊。本發明從情景感知角度計算宏觀經濟環境、自然環境和金融政策事件所產生的情景沖擊對高頻交易的影響，為用戶提供金融高頻交易操作決策參考，達到規避風險、更好獲利的目的。本發明優點：(1)綜合考慮到宏觀經濟環境、自然環境和金融政策事件對金融高頻交易所產生的動態效應，更好地利于用戶做出投資判斷；(2)具備反饋機制，能不斷完善情景關聯規則庫，使計算結果更準確。

技術領域

本發明屬于信息技術領域，具體涉及情景感知計算技術，特別地涉及一種面向金融高頻交易數據的情景感知測定方法和系統。

背景技術

在金融經濟市場，越來越多的學者開始關注高頻金融交易數據的研究，深層次挖掘金融高頻數據隱含的特征來發掘金融市場的微觀經濟規律，為投資者提供投資預判的決策參考。目前，眾多的研究者從統計計量分析的角度來研究高頻交易數據，從數據的外部表現探索其統計性特征與規律，進行建模與分析。然而，金融高頻數據在很大程度上受到微結構噪聲的干擾并具有情景依賴的動態變化特征，傳統的統計學分析建模方法在實際應用中存在著如下局限性：

1、金融高頻數據往往難以滿足較好的統計檢驗要求，計算結果誤差較大，預測準確性不高；

2、對不斷變化的情景沖擊和微結構噪聲的干擾難以作出很好的描述，沒有上述信息的反饋機制，無法對選用的模型進行自我修正與完善。

大量研究表明，在進行高頻交易操作時，操作者的行為決策與金融市場的特定情景對其所產生的心理刺激下的認知反應、情緒心理密切相關，具有典型的情景依賴特征，因此，采用情景感知技術對金融現象的研究正成為熱點。通過情景感知技術對實際場景的情景信息進行采集、篩選和分析，進而更好的把握金融交易的動態變化特征，使得預測結果更為精準。

發明內容

本發明的目的是針對現有統計計量分析技術的不足，提出了一種面向金融高頻交易數據的情景感知測定方法和系統，從情景感知角度計算宏觀環境、自然環境和金融政策事件變化所產生的情景沖擊對高頻交易的影響，為用戶更好地提供金融高頻交易的決策參考。

本發明提出面向金融高頻交易數據的情景感知測定方法，包括以下技術步驟：

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（Txt或Excel格式）、分筆金融高頻交易數據文件（Txt或Excel格式）導入到數據庫模塊；

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（如5分鐘分時交易數據、15分鐘分時交易數據和30分鐘分時交易數據）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；

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；