[发明专利]基于人工智能模型的交易策略生成方法和引擎

权利要求书

1.一种基于人工智能模型的交易策略生成方法，其特征在于，具体包括以下步骤：

S1，获取市场上交易策略相关的所有维度指标；

S2，建立多种人工智能模型；

训练步骤：

1)将数据随机分为训练集和测试集；

2)将训练集数据进行有放回抽样形成N个子样本，每个样本大小至少1/N数据，子样本加和要覆盖所有原始训练集数据；

3)对每个子样本进行以下操作：

进行主成分分析，将指标进一步降维为M个；

从M个指标里随机选择M/2个指标计算根据熵值进行节点分裂一直到产生决策树；

计算决策树的精度，如果高于80％则停止，如果不，则添加或减少一个指标，重复步骤3)；在添加指标后若得到的决策树精度比添加之前提高不到10％，则从下一轮训练的指标集中剔除此指标；

4)根据得到的P个决策树以多数投票原则决定结果，此即随机森林，计算其在整个训练集上的精度，如果高于97％则停止，如果不，则重复步骤2)-3)；

5)计算随机森林在测试集上的精度，如果高于90％则停止，如果不，则重复步骤2)-4)；

6)重复步骤1)-5)K次，如果得到的随机森林在K次测试中精度都高于90％，则停止，否则宣布模型训练失败，上述N、M、K、P均为正整数；

S3，人工智能模型从所有维度指标中挖掘出结构化的交易信号，交易信号加入出场信号、仓位管理和风险管理扩展为初始交易策略；

S4，根据策略赢率判断市场形态，并针对该市场形态切换合理正确的策略逻辑；

S5，从初始交易策略中筛选出符合上述策略逻辑的策略，逐一计算策略赢率并排序择优；

S6，生成单一标的或组合标的的交易策略，单一标的交易策略是策略赢率排序择优的交易策略，组合标的交易策略是在所有备用的标的上进行策略优化进而排序择优的交易策略；

S7，对生成的策略进行回测和优化；

回测和优化的步骤具体为

根据所有维度指标随机生成测试集，测试步骤S6中生成的交易策略在测试集上的精度是否达到阈值；

或者为

进行Walk-forward/Backward多轮测试，要求步骤S6中生成的交易策略在至少90％测试轮次中都可获得MAR1，Sharpe1；

或者为

采用蒙特卡洛测试来模拟不同的交易路径以确定在90％测试轮次的情况下获得MAR1，Sharpe1。

2.根据权利要求1所述的基于人工智能模型的交易策略生成方法，其特征在于，步骤S3中结构化的交易信号具体指的是所有维度指标的非线性的组合信号。

3.一种基于人工智能模型的交易策略生成引擎，其特征在于，具体包括

(1)交易指标层，负责引擎的输入，获取市场上交易策略相关的所有维度指标；

(2)AI模型层，负责引擎的逻辑驱动，包括多种人工智能模型；所述人工智能模型从所有维度指标中挖掘出结构化的交易信号，交易信号加入出场信号、仓位管理和风险管理扩展为交易策略，结构化的交易信号具体指的是所有维度指标的非线性的组合信号；

(3)交易逻辑层，负责引擎在单一标的上的策略逻辑和优化目标，模型优化目标为策略赢率；

(4)标的组合层，负责在资产组合策略生成时对资产组合内交易标的的选择，同时在所有备用的标的上进行策略优化进而排序择优；

(5)宏观过滤器层，负责交易的开关；

所述交易逻辑层，负责引擎在单一标的上的策略逻辑和优化目标，模型优化目标为策略赢率；具体指的是根据策略赢率判断市场形态，并针对该市场形态切换合理正确的策略逻辑；

所述交易逻辑层还用于对策略进行回测和优化；回测和优化的步骤具体为

根据所有维度指标随机生成测试集，测试策略在测试集上的精度是否达到阈值；

或者，进行Walk-forward/Backward多轮测试，要求上述策略在至少90％测试轮次中都可获得MAR1，Sharpe1；

或者，采用蒙特卡洛测试来模拟不同的交易路径以确定上述策略在90％测试轮次的情况下获得MAR1，Sharpe1。

4.根据权利要求3所述的基于人工智能模型的交易策略生成引擎，其特征在于，引擎在单一标的上的策略逻辑包括但不限于趋势跟踪、均值回归、事件驱动、统计套利。