[发明专利]一种基于上证50ETF的期权涨跌预测方法及装置

权利要求书

1.一种基于上证50ETF的期权涨跌预测方法，其特征在于，包括：

基于主成分分析法将预先获取的预设历史时间段内上证50ETF的指标数据结合成所述上证50ETF的综合数据；

根据所述综合数据，基于训练好的SVM算法对所述预设历史时间段之后预设未来时间段内上证50ETF的期权涨跌进行预测。

2.根据权利要求1所述的方法，其特征在于，基于主成分分析法将预先获取的预设历史时间段内上证50ETF的指标数据结合成所述上证50ETF的综合数据的步骤具体包括：

对所述指标数据进行标准化，获取标准化后的所述指标数据的矩阵；

根据所述矩阵的特征值获取各主成分的累积贡献率；

将所述特征值大于第一预设阈值且所述累积贡献率大于第二预设阈值的主成分的值作为所述综合数据。

3.根据权利要求1所述的方法，其特征在于，根据所述综合数据，基于训练好的SVM算法对所述预设历史时间段之后预设未来时间段内上证50ETF的期权涨跌进行预测的步骤之前还包括：

将训练集中各预设历史时间段内上证50ETF的指标数据作为对所述SVM算法进行训练的输入；

基于模糊信息粒化方法将各所述预设历史时间段之后的预设未来时间段内的收盘价作为一个信息粒进行粒化，将粒化后的收盘价的涨跌作为对所述SVM算法进行训练的标签；其中，各所述预设未来时间段与对应的预设历史时间段之间的时间间隔相等，各所述预设历史时间段所包含的天数相同，各所述预设未来时间段所包含的天数相同；

根据所述输入和所述输入对应的标签，对所述SVM算法进行训练，获取所述预设历史时间段所包含的天数。

4.根据权利要求1所述的方法，其特征在于，所述指标数据包括所述上证50ETF的开盘价、最高价、最低价、收盘价、成交量、成交额和成交次数中的一种或多种。

5.根据权利要求1-4任一所述的方法，其特征在于，根据所述综合数据，基于训练好的SVM算法对所述预设历史时间段之后预设未来时间段内上证50ETF的期权涨跌进行预测的步骤之前还包括：

基于改进的FOA算法对SVM算法中的惩罚系数和核函数参数进行优化；

其中，基于改进的FOA算法对SVM算法中的惩罚系数和核函数参数进行优化的步骤具体包括：

根据果蝇群体中各果蝇进行参数优化的三维坐标，计算各所述果蝇与原点之间的距离；

根据各所述距离计算味道浓度判定值，根据所述味道浓度判定值对SVM算法中的惩罚系数和核函数参数进行赋值；

基于5折交叉验证，将所述味道浓度判定值作为适应度函数的参数进行计算，获取各所述三维坐标处的味道浓度和最大的所述味道浓度对应的三维坐标；

将最大的所述味道浓度对应的三维坐标作为各所述果蝇下一次进行参数优化的三维坐标。

6.根据权利要求3所述的方法，其特征在于，所述模糊信息粒化方法中的模糊粒子为三角型模糊粒子，所述三角型模糊粒子的隶属函数的公式为：

其中，A为所述三角型模糊粒子，x为所述三角型模糊粒子所包含的任一收盘价，a为所述三角型模糊粒子的支撑下界，b为所述三角型模糊粒子的支撑上界，m₁和m₂为所述三角型模糊粒子的核。

7.根据权利要求6所述的方法，其特征在于，m₁和m₂通过以下步骤获取：

将所述三角型模糊粒子所包含的收盘价的个数减去预设常数后除以2的值作为第一位置，将所述三角型模糊粒子所包含的收盘价排序后所述第一位置处的收盘价作为m₁；

将所述三角型模糊粒子所包含的收盘价的个数加上所述预设常数后除以2的值作为第二位置，将所述三角型模糊粒子所包含的收盘价排序后所述第二位置处的收盘价作为m₂；

其中，当所述三角型模糊粒子所包含的收盘价的个数为偶数时，所述预设常数为偶数；

当所述三角型模糊粒子所包含的收盘价的个数为奇数时，所述预设常数为奇数。