[发明专利]一种基于上证50ETF的期权涨跌预测方法及装置在审

专利信息
申请号: 201810864848.7 申请日: 2018-08-01
公开(公告)号: CN108985519A 公开(公告)日: 2018-12-11
发明(设计)人: 黄小红;伍呈呈;夏平;任强;雷帮军;熊霖霏 申请(专利权)人: 三峡大学
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q40/04
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 王莹;李相雨
地址: 443002*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 预测 预设 历史时间段 综合数据 主成分分析法 主成分分析 股价预测 预先获取 指标数据 时间段 替代
【说明书】:

发明提供一种基于上证50ETF的期权涨跌预测方法及装置,所述方法包括: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。本发明一方面,通过主成分分析方法提高了预测速度;另一方面,使用对上证50ETF整体的期权涨跌预测替代单纯的股价预测,具有良好的通用性,预测精度高。

技术领域

本发明属于金融量化投资技术领域,更具体地,涉及一种基于上证50ETF的期权涨跌预测方法及装置。

背景技术

股市、期货市场等是一个多空双方博弈、非线性、混沌而复杂多变的系统,对其进行严谨、科学的预测非常困难。近年来,人们试图通过量化分析来探索其规律性,挖掘市场中的隐含信息,已获得良好的收益。

现有技术中有利用SVM(Support Vector Machine,支持向量机)模型对韩国综合股价指数KOSPI进行了研究预测,有基于时间序列的SVM股票预测方法,有基于PCA(principal Component Analysis,主成分分析)和SVM模型对沪深300指数进行量化择时研究的方法等。这些方法一方面对个股进行预测研究,选择特定时间的个股,缺乏通用性;另一方面,由于个股的价格易受单边消息的影响,因此预测的精度较低。

发明内容

为克服上述现有的预测方法通用性低,且预测精度低的问题或者至少部分地解决上述问题,本发明提供一种基于上证50ETF的期权涨跌预测方法及装置。

根据本发明的第一方面,提供一种基于上证50ETF的期权涨跌预测方法,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。

根据本发明第二方面提供一种基于上证50ETF的期权涨跌预测装置,包括:

分析模块,用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;

预测模块,用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。

根据本发明的第三方面,提供一种电子设备,包括:

至少一个处理器、至少一个存储器和总线;其中,

所述处理器和存储器通过所述总线完成相互间的通信;

所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如前所述的方法。

根据本发明的第四方面,提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如前所述的方法。

本发明提供一种基于上证50ETF的期权涨跌预测方法及装置,该方法通过根据50ETF期权价格与50ETF满足平价公式的特性,进而预测50ETF的涨跌来判断对应期权的涨跌,通过使用主成分分析法对预设历史时间段内上证50ETF的指标数据进行降维,获取综合数据,根据综合数据,使用训练好的SVM算法对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,一方面,通过主成分分析方法提高了预测速度;另一方面,使用对上证50ETF整体的期权涨跌预测替代单纯的股价预测,具有良好的通用性,预测精度高。

附图说明

图1为本发明实施例提供的基于上证50ETF的期权涨跌预测方法整体流程示意图;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于三峡大学,未经三峡大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810864848.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code