[发明专利]一种订单识别方法、装置以及相关设备

权利要求书

1.一种订单识别方法，其特征在于，包括：

根据采集的历史交易数据进行模拟交易，获得模拟策略参数；

利用基于反卷积神经网络的初始交易策略生成器模型生成随机策略参数；

利用基于卷积神经网络的初始监督者模型对所述模拟策略参数和所述随机策略参数进行训练，获得优化监督者模型和真实策略参数；

利用基于卷积神经网络的初始辨别器模型对所述模拟策略参数和所述真实策略参数进行训练，获得优化辨别器模型；

根据所述优化监督模型的误差损失和所述优化辨别器模型的误差损失进行反向传播，获得交易策略生成器模型和辨别器模型；

当接收到识别指令时，利用所述交易策略生成器模型对所述识别指令对应的交易数据进行处理，获得订单信息；

利用所述辨别器模型对所述订单信息进行识别，确定订单类别；

其中，所述根据采集的历史交易数据进行模拟交易，获得模拟策略参数，包括：

利用预设算法交易策略对所述历史交易数据进行模拟交易，获得初始模拟策略参数；

对所述历史交易数据和所述初始模拟策略参数进行序列还原处理，获得所述模拟策略参数。

2.如权利要求1所述的订单识别方法，其特征在于，所述预设算法交易策略为VWAP或TWAP或VP或冰山算法策略或隐藏策略。

3.如权利要求1所述的订单识别方法，其特征在于，所述利用基于反卷积神经网络的所述初始交易策略生成器模型生成所述随机策略参数之后，还包括：

对随机策略参数进行模拟交易，获得母单信息；

根据所述母单信息进行绩效指标计算，获得指标数据；

在所有所述指标数据中，将超出预设阈值的指标数据作为标准随机策略参数；

则所述利用初始监督者模型对所述模拟策略参数和所述随机策略参数进行训练，获得优化监督者模型和真实策略参数包括：

利用所述初始监督者模型对所述模拟策略参数和所述标准随机策略参数进行训练，获得所述优化监督者模型和所述真实策略参数。

4.如权利要求1所述的订单识别方法，其特征在于，还包括：

当所述订单类别为预设类别时，发出提示信息。

5.一种订单识别装置，其特征在于，包括：

第一参数生成模块，用于根据采集的历史交易数据进行模拟交易，获得模拟策略参数；

第二参数生成模块，用于利用基于反卷积神经网络的初始交易策略生成器模型生成随机策略参数；

第一模型优化模块，用于利用基于卷积神经网络的初始监督者模型对所述模拟策略参数和所述随机策略参数进行训练，获得优化监督者模型和真实策略参数；

第二模型优化模块，用于利用基于卷积神经网络的初始辨别器模型对所述模拟策略参数和所述真实策略参数进行训练，获得优化辨别器模型；

反向传播模块，用于根据所述优化监督模型的误差损失和所述优化辨别器模型的误差损失进行反向传播，获得交易策略生成器模型和辨别器模型；

订单生成模块，用于当接收到识别指令时，利用所述交易策略生成器模型对所述识别指令对应的交易数据进行处理，获得订单信息；

订单识别模块，用于利用所述辨别器模型对所述订单信息进行识别，确定订单类别；

其中，第一参数生成模块具体用于利用预设算法交易策略对所述历史交易数据进行模拟交易，获得初始模拟策略参数；对所述历史交易数据和所述初始模拟策略参数进行序列还原处理，获得所述模拟策略参数。

6.一种订单识别设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至4任意一项所述的订单识别方法的步骤。

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任意一项所述的订单识别方法的步骤。