[发明专利]一种基于多尺度自注意力的期货模型训练及交易实现方法

权利要求书

1.一种基于多尺度自注意力的期货模型训练方法，其特征在于：包括对期货主力合约高频数据集的构建，基于多尺度自注意力的深度特征提取层的构建和训练，基于深度提取层得到的特征对交易模型的训练。

2.根据权利要求1所述的基于多尺度自注意力的期货模型训练方法，其特征在于：所述期货主力合约高频数据集的构建步骤如下：

步骤101，在获得的限价订单簿数据上去除非主力合约数据；主力合约为当前时段交易量最大的合约；

步骤102，计算未来K个时刻后的平均加权平均价变化百分比作为标签；

步骤103，对高频数据的每一个时刻各个档位的价量数据进行预处理，并且对所有价量数据进行标准化。

3.根据权利要求1所述的基于多尺度自注意力的期货模型训练方法，其特征在于：所述基于多尺度自注意力的深度特征提取层采用横向纵向交替卷积的卷积网络层堆叠而成，横向卷积层主要对同一时刻高频数据中不同档位买卖价量进行特征提取，纵向卷积层主要使用多尺度提取模块在时序维度上对多尺度时序特征进行学习提取；横向卷积层和纵向卷积层交替三层；在卷积层之后跟随两层多头自注意力层用于学习不同时序的相关性特征；最后用一层长短时记忆网络和一层全连接层用于学习时序特征以及输出未来价格的变化预测值。

4.根据权利要求1所述的基于多尺度自注意力的期货模型训练方法，其特征在于：基于多尺度自注意力的深度特征提取层中，通过多尺度提取模块将时序数据并行通过不同大小的一维卷积核之后进行拼接从而得到多尺度特征。

5.根据权利要求1所述的基于多尺度自注意力的期货模型训练方法，其特征在于：基于多尺度自注意力的深度特征提取层的训练步骤如下：

步骤201，初始化深度特征提取层的网络参数；

步骤202，输入预处理好的高频数据块及其对应标签；通过对每一天的高频数据进行分割，得到切成大小一样的连续高频数据块；并且根据时间先后划分训练集、验证集和测试集；

步骤203，根据输入预处理好的高频数据块及其对应标签对深度特征提取层进行训练；

步骤204，训练时从训练集中随机采样批大小为b的数据，损失函数使用平均绝对误差损失函数，反向传播计算网络参数梯度后使用梯度下降法进行更新；

步骤205，当训练轮数达到最大值时停止训练，取在验证集上指标R²最高的模型，之后去除网络中最后一层全连接层，保存剩余部分参数作为深度特征提取层用于后续步骤的使用；

步骤206，计算训练集上的所有高频数据块经过深度特征提取层后得到的深度特征其中M表示深度特征的维度；并且计算深度特征的均值和标准差e_σ供后续使用。