[發明專利]一種基于時間序列的量化投資方法

在審

• 申請號: 201611135830.0
• 申請日: 2016-12-12
• 公開（公告）號: CN106600410A
• 公開（公告）日: 2017-04-26
• 發明（設計）人: 馬文興
• 申請（專利權）人: 天津偉瑞華科技有限公司
• 主分類號: G06Q40/06
• 分類號: G06Q40/06;G06F17/30
• 代理公司: 天津市三利專利商標代理有限公司12107
• 代理人: 張義

技術領域

本發明涉及數學理論、金融市場數據與信息技術技術領域，特別是涉及一種基于時間序列的量化投資方法。

背景技術

量化投資是對金融市場和產品信息進行量化分析，根據歷史交易和相關數據建立模型，由模型做出投資決定，再由算法自動下單完成交易。量化投資在美國等發達國家已逐漸成為證券投資中運用十分廣泛的一種技術，特別在近十年，信息化技術與金融交易結合更加緊密，這種以數學理論、金融市場數據與信息技術三者結合的方法，充分發揮出了量化投資的系統、準確、高效、客觀等特點，極大的提高了投資決策的效率和效果。近年來，國內許多機構投資者也越來越重視量化投資，其量化投資產品逐漸增多。

時間序列是按照時間順序取得的一系列觀測值。隨著數據庫技術的飛速發展，存儲數據越來越多，其中很多數據是以時間序列的形式出現的。時間序列數據是一類重要的復雜數據對象，在商業、經濟以及科學觀測等各個領域廣泛存在大量的時間的時間序列數據，進一步分析處理這些數據，對自然和社會科學領域的預測、決策、發展具有重大意義。時間序列分析是通過分析已知的歷史和現狀方面的數據資料，研究其演變規律，據此預測對象的未來發展趨勢。時間序列指按時間順序排列的觀測值集合。使用時間序列分析法基于一個假設，即事物在過去是如何隨時間變化的，那么在今后也會以同樣的方式繼續變化下去。時間序列分析著眼于數據時間前后的相關性。

本發明提供了一種基于時間序列的量化投資方法。

發明內容

本發明提供了一種基于時間序列的量化投資方法，以滿足客戶的使用需求。

為實現本發明的目的，本發明所采用的技術方案是：一種基于時間序列的量化投資方法，所述方法為下述方法之一：

(1)時間序列預測：是一種考慮變量隨時間發展變化規律，并用該變量以往的統計資料建立數學模型，進行類推或延伸，借以預測下一段時間的趨勢的方法；

(2)相似搜索：是通過測量時間序列數據之間的相似度，從歷史庫中尋找相似的時間序列數據，從而對系統的走勢做出預測

(3)周期分析：指對周期模式的挖掘，即在時序數據庫中找出重復出現的模式。

其中，所述方法使用下述時間序列模型：自回歸滑動平均模型，具體包括如下步驟：

1)列的預處理，判斷該序列是否為平穩非純隨機序列。若為非平穩序列，對該序列進行處理使其符合ARMA模型建模的條件即處理后的序列是平穩非白噪聲序列；

2)計算出觀察值序列的樣本自相關系數(ACF)和樣本偏自相關系數(PACF)

的值；

3)根據樣本自相關系數和偏自相關系數，選適當的ARMA模型進行擬合；

4)估計模型中的未知參數的；

5)檢驗模型的有效性。如果擬合模型通不過檢驗，轉向步驟3)，重新選擇模型再擬合；

6)模型優化。如果擬合模型通過檢驗，仍然轉向步驟2)，充分考慮各種可能，建立多個擬合模型，從所有通過檢驗的模型中選擇最優模型；

7)利用擬合的模型，預測序列的將來走勢。

與現有技術相比，本發明的有益效果是：本申請將時間序列與量化分析相結合，可以做出準確預測，滿足客戶的使用需求。

具體實施方式

以下對本發明作進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，并不用于限定本發明。

本發明所采用的技術方案是：一種基于時間序列的量化投資方法，所述方法為下述方法之一：

(1)時間序列預測：是一種考慮變量隨時間發展變化規律，并用該變量以往的統計資料建立數學模型，進行類推或延伸，借以預測下一段時間的趨勢的方法；

(2)相似搜索：是通過測量時間序列數據之間的相似度，從歷史庫中尋找相似的時間序列數據，從而對系統的走勢做出預測

(3)周期分析：指對周期模式的挖掘，即在時序數據庫中找出重復出現的模式。

其中，所述方法使用下述時間序列模型：自回歸滑動平均模型，具體包括如下步驟：

1)列的預處理，判斷該序列是否為平穩非純隨機序列。若為非平穩序列，對該序列進行處理使其符合ARMA模型建模的條件即處理后的序列是平穩非白噪聲序列；

2)計算出觀察值序列的樣本自相關系數(ACF)和樣本偏自相關系數(PACF)的值；

3)根據樣本自相關系數和偏自相關系數，選適當的ARMA模型進行擬合；

4)估計模型中的未知參數的；

5)檢驗模型的有效性。如果擬合模型通不過檢驗，轉向步驟3)，重新選擇模型再擬合；