[发明专利]一种量化交易预测方法、装置及设备

权利要求书

1.一种量化交易预测方法，其特征在于，所述方法包括：

获取当前时刻交易市场的当前市场指标和当前交易指标，其中，当前市场指标和当前交易指标均会随着时间的变化而不断变动；

将所述当前市场指标和所述当前交易指标代入量化交易预测模型，对所述量化交易预测模型中相对应的参数进行更新，进而保证所述量化交易预测模型进行量化预测的准确性，其中，所述量化交易预测模型是根据历史失败交易数据进行学习训练获得，所述量化交易预测模型中设有分别与当前市场指标和当前交易指标相对应的参数；

获取待测交易行为的待测交易数据，将所述待测交易数据输入更新后的量化交易预测模型进行预测，确定出所述待测交易数据属于失败交易数据的失败概率；

将所述失败概率与预定概率进行对比，当所述失败概率大于等于所述预定概率时，则所述待测交易数据属于失败交易数据，否则属于成功交易数据。

2.根据权利要求1所述的方法，其特征在于，在将所述当前市场指标和所述当前交易指标代入量化交易预测模型之前，所述方法还包括：

收集预定时间段内的历史交易行为，并获取各个历史交易行为的历史交易数据；

利用量化策略对所述历史交易数据进行回测，得到回测交易数据；

从所述回测交易数据中筛选出失败交易数据；

将各个所述失败交易数据输入随机森林模型或逻辑回归模型中进行学习训练，得到量化交易预测模型。

3.根据权利要求1或2所述的方法，其特征在于，所述历史失败交易数据存在M类，所述量化交易预测模型有M个，所述M类历史失败交易数据与所述M个量化交易预测模型一一对应，其中，M为正整数；

所述将所述当前市场指标和所述当前交易指标代入量化交易预测模型，对所述量化交易预测模型中相对应的参数进行更新，具体包括：

将所述当前市场指标和所述当前交易指标代入M个量化交易预测模型，对所述M个量化交易预测模型中相对应的参数进行更新；

所述获取待测交易行为的待测交易数据，将所述待测交易数据输入更新后的量化交易预测模型进行预测，确定出所述待测交易数据属于失败交易数据的失败概率，具体包括：

获取待测交易行为的待测交易数据，利用M个更新后的量化交易预测模型分别对所述待测交易数据进行预测；

确定出所述待测交易数据属于各个类型的失败交易数据的失败概率，每个更新后的量化交易模型对应一个失败概率，得到的失败概率的数量为M个；

将所述失败概率与预定概率进行对比，当所述失败概率大于等于所述预定概率时，则所述待测交易数据属于失败交易数据，对所述待测交易行为进行拦截，否则属于成功交易数据，对所述待测交易行为进行放行，具体包括：

将所述M个失败概率与预定概率进行一一对比，当所述M个失败概率中任一失败概率大于等于预定概率时，则所述待测交易数据属于失败交易数据，否则属于成功交易数据。

4.根据权利要求2所述的方法，其特征在于，将各个所述失败交易数据输入随机森林模型或逻辑回归模型中进行学习训练，得到量化交易预测模型，具体包括：

利用无监督分类算法对所述失败交易数据进行分类，得到M类失败交易数据；

将获取的预定时间段内各个时刻的市场指标和对应的交易指标代入随机森林模型或逻辑回归模型，生成量化交易初始模型，其中，所述量化交易初始模型中生成分别与市场指标和交易指标相对应的参数；

将所述M类失败交易数据按照类别对所述量化交易初始模型进行学习训练，得到对应的M个量化交易预测模型。

5.根据权利要求4所述的方法，其特征在于，所述利用无监督分类算法对所述失败交易数据进行分类，得到M类失败交易数据，具体包括：

为各个失败交易数据制定从买入到卖出时间段内的股票价格波动曲线；

计算各个股票价格波动曲线的股票价格数据特征；

基于所述股票价格数据特征，利用K-means无监督分类算法对为所述失败交易数据进行分类，得到M类失败交易数据。