[发明专利]一种基于ARCH-GARCH-M模型的金融大数据分析与交易方法

说明书

技术领域

本发明涉及一种金融交易方法，尤其是一种基于ARCH-GARCH-M模型的金融大数据分析与交易方法。

背景技术

金融大数据分析和人工智能交易平台(后简称“算法平台”)是能够根据一定的金融算法模型，自动进行数据分析和证券交易的计算机平台系统。该产品是金融模型和计算机技术的综合体。现有技术的问题和缺点我们也将分为金融和计算机两个方面进行阐述。

金融方面，目前市场上广泛应用的资产定价分析的模型主要是线性同方差模型。其典型代表是：CAPM模型。CAPM模型是资本资产定价模型(CapitalAssetPricingModel，简称CAPM)，是在现代投资组合理论的基础上发展起来的，是现代金融市场价格理论的支柱，广泛应用于投资决策和公司理财领域。

模型公式：E(r_i)＝r_f+β_im[E(r_m-r_f]

其中，E(r_i)为资产i的期望收益率，r_f为无风险收益率，通常以短期国债的利率来近似替代，B_im为是资产i的系统性风险系数，E(r_m)为市场投资组合m的期望收益率。

模型说明：Var值(不因时间和证券价格变动而变动)和其他金融变量代入公式，将会得到不同的E（r_i)，即资产i的期望收益率。如果E（ri)值越高，代表应该买入。E(r_i)越低，代表应该卖出。

CAPM模型的先天不足在于：(1)该模型假设市场处于完善的竞争状态，但是，实际操作中完全竞争的市场是很难实现的，“做市”时有发生；(2)该模型中的Var值必须是同方差的而不可以使用异方差值，就是随着时间的变化，证券的波动幅度(Var值)是固定的，而在现实中，证券的波动性是会因为政策和市场等因素随着时间而变化的，这种固定的Var值必定无法对证券的收益进行实时有效的评定。

计算机方面，现有的计算机交易软件技术通过赋值和比较能进行模仿人类的分析和判断能力。但在人类最重要的学习能力上，一直难以实现。我们采用的新技术使得计算机在金融分析和交易上具有了分析，判断和学习的能力，从而真正意义上实现了计算机在金融方面的人工智能。

发明内容

发明目的：提供一种由计算机根据金融大数据的实时分析和学习来指导金融交易自动化运行的方法。

技术方案：本发明所述的基于ARCH-GARCH-M模型的金融大数据分析与交易方法，包括如下步骤：

步骤1，参数初始化，根据金融市场上的宏观金融数据、设定的金融数据统计分析模型以及实时收集的微观金融数据生成临时数据集；

步骤2，虚拟交易学习，周期性地根据临时数据集对各个金融产品采用蒙特卡洛自学习算法进行虚拟地买入卖出，并将每次虚拟买入卖出的操作结果数据均写入知识库中；

步骤3，启动自动交易，根据当前待交易的金融产品查询知识库，若知识库中存在当前待交易的金融产品的操作结果数据，则进入步骤4，若知识库中不存在当前待交易的金融产品的操作结果数据，则将不存在信息反馈给知识库，并进入步骤5；

步骤4，风险控制，将获得的操作结果数据与风险控制库中设定的风险控制规则进行比对，若该操作结果数据不满足风险控制规则，则将不满足信息反馈给知识库，并进入步骤5，若该操作结果数据满足风险控制规则，则将该操作结果数据作为最佳交易数据，再进入步骤6；

步骤5，调用公式组，从已设定的交易套利模型公式组中调用与当前待交易的金融产品相适应的可行套利公式，并将该可行套利公式应用于当前待交易的金融产品交易控制中；

步骤6，执行自动交易，根据最佳交易数据或可行套利公式向金融交易平台发送最终交易指令，从而进行自动交易。

采用蒙特卡洛自学习算法进行虚拟交易学习能够根据实时采集的临时数据集进行虚拟地买入卖出，实现了人工智能化，可以直观有效地反映各个操作结果数据，便于风险控制规则快速比对，提高自动交易效率，抢占市场先机；采用风险控制规则能够获得最佳交易数据，从而将交易亏损风险设定在可控的范围内，同时也可满足客户的自定义交易控制指令，具有较好的灵活性；采用调用交易套利模型公式组能够在不满足风险控制规则的条件下选择更加保险的可行套利公式进行交易，确保交易能够获取最基本的盈利或最低的亏损。