[发明专利]一种股票交易策略仿生与进化算法的方法

说明书

本发明涉及一种方法，尤其涉及一种股票交易策略仿生与进化算法的方法。按以下步骤进行：策略创建及仿生化→策略自我学习→首先对每一项因子进行公式化的定义→策略群组的进化。结通过将交易者的各种思想、需求和意愿，进行参数化分类，然后通过一个策略向导界面，让交易者自行创建策略，再对策略进行大量数据的回测计算，得到一个满意的结果，然后将这一揽子参数、数据组合和计算结果保存成策略。

技术领域

本发明涉及一种方法，尤其涉及一种股票交易策略仿生与进化算法的方法。

背景技术

在今天互联网高度发达，信息爆炸的时代，股票交易人仍然面临如下几大痛点：

1、很多人主观随意性太强，消息灵通听风是雨，但最终的结果仍然是账面的亏损。根本原因是不能形成适合自己的策略。

2、有限策略的有效期已过而交易者无法感知，造成亏损。

3、苦觅交易策略的万能圣杯而不可得。

4、策略在有限历史数据的条件下，存在过度拟合，实盘交易不尽人意。

这些问题犹如一个常年养生健身，或者寻觅长生不老丹的人，最终结果仍然不能避免生老病死。传统的交易方式，不管是主观交易还是量化交易，都存在这样那样的局限性。交易界的明星和彗星众多，却鲜见寿星。

发明内容

本发明主要是解决现有技术中存在的不足，提供一种通过将交易者的各种思想、需求和意愿，进行参数化分类，然后通过一个策略向导界面，让交易者自行创建策略，再对策略进行大量数据的回测计算，得到一个满意的结果，然后将这一揽子参数、数据组合和计算结果保存成策略，对策略在每个时间区间进行综合评分的一种股票交易策略仿生与进化算法的方法。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种股票交易策略仿生与进化算法的方法，按以下步骤进行：

(一)、策略创建及仿生化：

A,创建品种个性化数据库：按照每个品种的特征创建个性化的数据库，这里的特征是指行业属性、波动率、财务；再使用通用化的算法，这里的算法是指趋势算法、通道算法、网格算法；这种个性化数据特征与通用化算法结合，从而大大提高市场预测的准确性。

B,创建策略群：按照不同算法和不同品种，组合成不同的策略从而形成一个策略群；

C,创建进化机制：根据市场的混沌变化，策略群会进行自我演化，把性能表现好的自动排在前面，并且剔除性能表现差的。从而实现优胜略汰和策略群的自我进化；

D,每个策略通过深度学习算法不断提高自我市场环境适应性；

通过如上几个因素，实现了策略系统的仿生化；

(二)、策略自我学习：

由于上市公司的各自属性(行业、财务)不同而反映到价格走势各不相同，但同时又具有个股和指数关联性的一面，另外，不同类别的品种其波动性形态各异，例如：蓝筹股波动相对平缓，而创业板巨幅震荡；

如何把握不同品种的无常变化，采用形态分类、财务分类；我们把每个策略所对应的所有品种，进行大量的训练，最后得出一个满意的结果，然后把这些训练结果进行打分并作为“DNA”保存下来；

实际交易中，再根据市场的实时变化来自动适应当先表现好的策略进行交易；这样便实现了策略自学习功能，大大减轻了人工进行筛选调整的工作量：

(三)、首先对每一项因子进行公式化的定义：

财务因子其中PE代表市盈率、PV代表市净率、PS代表市收率、PC代表实现率，对这些进行均权重的运算，得到财务因子值；