[发明专利]自动生成量化交易因子及重要性评判的方法、装置

权利要求书

1.一种自动生成量化交易因子及重要性评判的方法，包括：

获取待预测时间点之前的量化交易数据；

对所述量化交易数据进行预处理；

将预处理后的量化交易数据输入至梯度提升决策树，得到分类结果，其中，梯度提升决策树是一种集成树模型；

根据所述分类结果对所述梯度提升决策树的叶子节点进行独热编码；

存储独热编码后的结果和叶子节点对应的路径，其中，所述叶子节点对应的路径是指从根节点到叶子节点之间的路径；

将独热编码后的结果输入至逻辑回归模型中，输出所述特征重要性信息，其中，所述逻辑回归模型是已进行正则化的模型；

根据所述特征重要性信息、独热编码后的结果和叶子节点对应的路径，得到所述第一高维量化交易因子，其中，所述第一高维量化交易因子是在特征重要性信息中与标注响应最高的因子；

将所述第一高维量化交易因子输入至单因子测试模块，输出第二高维量化交易因子，其中，所述单因子测试模块是确定所述第二高维量化交易因子组合是否合理的模块；

利用通信连接的绘图设备按照预设分辨率打印显示所述第二高维量化交易因子。

2.根据权利要求1所述的方法，其中，所述方法还包括：

将所述第二高维量化交易因子发送给专用的交易执行设备完成一系列预设操作和存储所述股票的收益率。

3.根据权利要求1所述的方法，其中，所述对所述量化交易数据进行预处理，包括：

对所述量化交易数据去极值；

对去极值后的量化交易数据进行缺失值处理；

对缺失值处理后的量化交易数据中的行业和市值的数据进行中性化；

对中性化后的量化交易数据进行标准化。

4.根据权利要求3所述的方法，其中，所述对缺失值处理后的量化交易数据中的行业和市值的数据进行中性化，包括：

对行业特征的数据进行标准化；

将所述量化交易因子作为因变量，市值或者所述市值的对数作为自变量，进行线性回归，获得残差数值。

5.根据权利要求1所述的方法，所述方法还包括：

使用不同的标注来对第二机器学习算法模型训练；

将预处理后的量化交易数据输入至预先训练的第二机器学习算法模型，得到不同的特征重要性信息和所述不同的特征重要性信息对应的高维量化交易因子；

利用通信连接的显示设备输出所述不同的特征重要性信息和对应的高维量化交易因子以供显示。

6.一种自动生成量化交易因子及重要性评判的系统，包括：

获取单元，被配置成获取待预测时间点之前的量化交易数据；

处理单元，被配置成对所述量化交易数据进行预处理；

第一输入输出单元，被配置成将预处理后的量化交易数据输入至梯度提升决策树，得到分类结果，其中，梯度提升决策树是一种集成树模型；根据所述分类结果对所述梯度提升决策树的叶子节点进行独热编码；存储独热编码后的结果和叶子节点对应的路径，其中，所述叶子节点对应的路径是指从根节点到叶子节点之间的路径；将独热编码后的结果输入至逻辑回归模型中，输出所述特征重要性信息，其中，所述逻辑回归模型是已进行正则化的模型；

确定单元，被配置成根据所述特征重要性信息、独热编码后的结果和叶子节点对应的路径，得到所述第一高维量化交易因子，其中，所述第一高维量化交易因子是在特征重要性信息中与标注响应最高的因子；

第二输入输出单元，被配置成将所述第一高维量化交易因子输入至单因子测试模块，输出第二高维量化交易因子，其中，所述单因子测试模块是确定所述第二高维量化交易因子组合是否合理的模块；

显示单元，被配置成利用通信连接的绘图设备按照预设分辨率打印显示所述第二高维量化交易因子。

7.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

8.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。