[发明专利]适用于金融行业的自适应高性能交易模拟方法及系统

说明书

本发明提供了适用于金融行业的自适应高性能交易模拟方法及系统，涉及交易模拟技术领域，该方法包括：对历史交易所报文信息进行验证、提取和准备，建立数据仓库；对数据仓库中的报文数据进行检查，根据报文特异性进行分类，建立基于决策树的报文模型；针对接收到的交易所报文，利用生成的报文模型，确定与所述交易所报文相应的交易所模拟系统；启动所述交易所模拟系统进行交易模拟。本发明中，利用决策树算法自适应的匹配不同的交易所，实现了对所有交易所的交易行为以及交易所各种业务行为的模拟，能高效的应用到性能测试中。

技术领域

本发明涉及交易模拟技术领域，特别是涉及适用于金融行业的自适应高性能交易模拟方法及系统。

背景技术

在金融领域的核心交易系统的性能测试中，需要全链路的性能测试，但是真正交易所的仿真测试环境无法为券商提供合适的性能测试时间，这时就需要模拟交易所。

现有的交易模拟系统只是根据报文消息针对一家交易所的交易系统进行模拟交易。然而，每家交易所涉及的交易行为是不同的，相应地交易系统也是不同的。

显然，现有交易模拟系统无法进行自适应的交易模拟，不能满足金融行业对交易模拟的实际需求。

发明内容

有鉴于此，本发明提供了一种适用于金融行业的自适应高性能交易模拟方法及系统，通过自适应的决策树算法实现交易模拟，以满足金融行业对交易模拟的实际需求。

为此，本发明提供了以下技术方案：

本发明提供了一种适用于金融行业的自适应高性能交易模拟方法，所述方法包括：

S1、对历史交易所报文信息进行验证、提取和准备，建立数据仓库；

S2、对数据仓库中的报文数据进行检查，根据报文特异性进行分类，建立基于决策树的报文模型；

S3、针对接收到的交易所报文，利用生成的报文模型，确定与所述交易所报文相应的交易所模拟系统；

S4、启动所述交易所模拟系统进行交易模拟。

2、根据权利要求1所述的一种适用于金融行业的自适应高性能交易模拟方法，其特征在于，S2具体包括：

S2.1、根据熵增益算法计算，把信息增益最大的报文看作一个起始节点；

其中，熵增益算法如下：

计算数据集D的经验熵H(D)；

计算特征A对数据集D的经验条件熵H(D|A)；

g(D,A)＝H(D)-H(D|A)；

其中，C_k是数据集D中的每个元素，C_i是特征A中每个元素的属性Y或N个数；

S2.2、遍历每个报文的每一种分割方式；

S2.3、分割成两个节点N1和N2；

S2.4、对N1和N2分别继续执行S2.2和S2.3，直到每个节点为最终的属性类别为止。

本发明还提供了一种适用于金融行业的自适应高性能交易模拟系统，述系统包括：

数据仓库模块，用于对历史交易所报文信息进行验证、提取和准备，建立数据仓库；

报文模型模块，用于对数据仓库中的报文数据进行检查，根据报文特异性进行分类，建立基于决策树的报文模型；

交易所确定模块，用于针对接收到的交易所报文，利用生成的报文模型，确定与所述交易所报文相应的交易所模拟系统；