基于ctp金融数据的量子信息特征提取方法

基于ctp金融数据的量子信息特征提取方法
【专利摘要】本发明公开了一种基于CTP金融数据的量子信息特征提取方法。对交易所发布的数据采用量子信息算法模型的处理，首先采用叠加态量子信息表示方式，有效描述了交易数据的多样性，在此基础上便于采用量子算法描述和处理，在量子快算策略和量子高速模糊哈希方法基础上构造的量子信息算法模型，数据处理能力显著提高并且计算复杂度显著降低，有效降低了响应延迟，降低算法计算复杂度，减小响应延迟，在量子信息算法模型基础上实现CTP金融数据的特征提取与特征分类。
【专利说明】基于CTP金融数据的量子信息特征提取方法

【技术领域】
[0001] 本发明涉及量子信息算法模型的数据特征提取方法，属于计算机数据处理技术领 域。

【背景技术】
[0002] 量化投资方法在国际专业投资领域作为主流投资方法被广泛采用并且仍处于快 速发展期。高频交易技术的使用使得投资手段和策略变得更加丰富多彩。高频交易技术指 金融交易IT设施中的快速电子交易，交易现场产生当前价格信息为可用的连续电子数据 信息流。交易系统监测该些数据流，重构相关股票、期货、期权与货币市场价格与需求，W确 定何时何品种的交易，买/卖订单然后被尽可能快地发送到交易所。上述特点使高频交易 具有持仓时间短、交易次数多、每笔盈利小、总体盈利稳定的特点。
[0003] 算法交易是指通过计算机程序决定交易下单的时机、价格W及最终下单的数量与 笔数等的交易方法。算法交易可W被应用于任何投资策略，包括证券做市、套利交易和单边 投机交易等。面对有限的市场流动性，机构投资者为了控制交易成本，需要把交易指令按照 计算机算法拆分，从而让指令在更有利的平均价位上成交。
[0004] 在不同的执行目标下，算法交易有多种策略；为最小化冲击成本，算法交易策略有 Time Wei曲ted Average Price(TWAP)、Volume Wei曲ted Average Price (WAP)和Minimal Impact(MI)等等。为综合最小化冲击成本和时间风险，算法交易有Implementation Shoパ化lla巧和Market化Close(MOC)。为充分利用市场中出现的有利条件，算法交易 有 Price Inline(PI)和 Liquidit厂化iven 等策略。
[0005] CTP 是指综合交易平台（Comprehensive Transaction Platform)，是上海期货交 易所信息技术有限公司专口为期货公司开发的一套期货经纪业务管理系统，由交易、风险 控制和结算H大系统组成，交易系统主要负责订单处理、行情转发及银期账业务，结算系统 负责交易管理、帐户管理、经纪人管理、资金管理、费率设置、日终结算、信息查询W及报表 管理等，风控系统则主要在盘中进行高速的实时试算，W及时掲示并控制风险，是广大专业 机构投资者接入交易所的重要通道。
[0006] 由于高频交易是通过大量的低收益交易来获取总收益，该使得高频交易对执行成 本非常敏感，因此高频交易需要用到算法交易的方法来执行指令。目前大部分算法交易的 指令生成算法计算复杂度较高，响应延迟明显，对于数据的特征提取和分类分析非常不利。


【发明内容】

[0007] 本发明所要解决的技术问题是针对【背景技术】的缺陷，提出一种基于量子信息算法 模型的CTP量子信息特征提取方法，在量子信息算法模型基础上实现CTP量化信息特征提 取和分类，通过量子信息模型，降低算法计算复杂度，减小响应延迟。
[0008] 本发明为解决上述技术问题采用W下技术方案：
[0009] 基于CTP金融数据的量子信息特征提取方法，首先，构造量子快算策略；接着，基 于量子快算策略构建量子信息算法模型，实现金融数据处理与特征提取；
[0010] 其中，量子快算策略的实现步骤为：
[0011] 101、对实时金融数据进行量子信息状态转化，分别进行j-比特分段操作并且实 施化damard 口旋转变换，得到叠加态后分别对每个分段分配W十进制编号标记值；
[001引 102、根据标记值将分段映射到j重化damard 口运算器的输出端，得到标记映射函 数；
[0013] 103、根据标记映射函数构造交换电路函数，由交换电路函数得到量子快算策略的 结果并输出；
[0014] 构建量子信息算法模型实现金融数据处理与特征提取的具体步骤为：
[0015] 201、基于量子快算策略计算步骤101所述每个分段的哈希值，获得量子信息特征 分段的哈希集；
[0016] 202、根据哈希集匹配每个分段对应的特征模板元素，构成量子高速模糊哈希；
[0017] 203、利用量子高速模糊哈希构建量子信息算法模型，对CTP金融数据进行处理， 实现金融数据的特征提取与特征分类。
[0018] 进一步的，本发明的基于CTP金融数据的量子信息特征提取方法，所述步骤101具 体实现步骤为：
[0019] 步骤A、将实时金融数据的量子信息状态表示为n长量子比特序列：
[0020] I a〉n= I 客 1〉I S 2〉…I S n> = I S 1 S 2…客 n〉，
[0021] 其中第i位量子比特表示为I S 1〉，S i= 0, 1 ;i = 1，2,…，n ;
[0022] 步骤B、从该量子比特序列I a〉。的第一位开始，截取第一个j-量子比特串分段， 即为j-量子比特段，表示为|a父)，其中|却"二|各〉I备〉…杉〉二|祐...苗〉；右移一位量子比 特，截取第二个j-量子比特既表示为|a〉f二|奋〉I奋〉...|《州〉=|奋奋…苗4〉;依此类推直到 量子比特序列I a〉。的最末位；最终得到的j-量子比特段表示为
[0023]

【权利要求】
1. 基于CTP金融数据的量子信息特征提取方法，其特征在于，首先，构造量子快算策 略；接着，基于量子快算策略构建量子信息算法模型，实现金融数据处理与特征提取； 其中，量子快算策略的实现步骤为： 101、 对实时金融数据进行量子信息状态转化，分别进行j-比特分段操作并且实施 Hadamard门旋转变换，得到叠加态后分别对每个分段分配以十进制编号标记值； 102、 根据标记值将分段映射到j重Hadamard门运算器的输出端，得到标记映射函数； 103、 根据标记映射函数构造交换电路函数，由交换电路函数得到量子快算策略的结果 并输出； 构建量子信息算法模型实现金融数据处理与特征提取的具体步骤为： 201、 基于量子快算策略计算步骤101所述每个分段的哈希值，获得量子信息特征分段 的哈希集； 202、 根据哈希集匹配每个分段对应的特征模板元素，构成量子高速模糊哈希； 203、 利用量子高速模糊哈希构建量子信息算法模型，对CTP金融数据进行处理，实现 金融数据的特征提取与特征分类。
2. 根据权利要求1所述的基于CTP金融数据的量子信息特征提取方法，其特征在于，所 述步骤101具体实现步骤为： 步骤A、将实时金融数据的量子信息状态表示为n长量子比特序列： a>n=U々ID...Q=IU2...Q， 其中第i位量子比特表示为Ui>，€i= 〇,I;i= 1，2,…，n; 步骤B、从该量子比特序列Ia>n的第一位开始，截取第一个j-量子比特串分段，即为 j-量子比特段，表示为jaf，其中Iaf=|<^>|《2卜gj=;右移一位量子比特,截 取第二个j-量子比特段，表示为…。〉;依此类推直到量子比 特序列Ia>n的最末位；最终得到的j-量子比特段表示为 将所有的分段依次排列为la〉，和〉丨2>,…扣〉<；-i+1); 步骤C、将并行Hadamard门作用于j-量子比特段，实现旋转 变换，得到叠加态，根据j-量子比特段Iaf中的二进制序列€T €n，其中T= 1，2,…，n-j+1，将该二进制序列HT+1?€T+j_i相应的十进制数表 示为礼，队e{u,3,._.,21 ;量子比特序列Ia>n中的 1以〉丄1扣》4。，…，且存在,其中u#v且u,vG ^
3. 根据权利要求2所述的基于CTP金融数据的量子信息特征提取方法，其特征在于，所 述步骤102具体实现步骤为：令：
根据卜的标记值，将la&i连接到N的相应组元，将 卜&1和&1，…，la〉;K二1映射到j重Hadamard门运算器的输出端，得到标记映射函数M( ?)。
4. 根据权利要求3所述的基于CTP金融数据的量子信息特征提取方法，其特征在于，所 述步骤103具体实现步骤为： 根据标记映射函数M( ?)的映射关系设计交换电路函数S( ?)的结构，使得交换电路
5. 根据权利要求1所述的基于CTP金融数据的量子信息特征提取方法，其特征在于，所 述步骤201具体实现步骤为： 步骤1、构造特征量子信息集F1，集合F1的元素包含m个特性信息量子比特序列分段 |i^/(，其中上标{n}代表分段的序数，n= 1，2, 下标j表示每个分段包含j个量 子比特，特征量子信息集表示为5二{|p〉f，|p〉f，…扣广; 步骤2、基于量子快算策略? (O，分别计算>〉f和〉f，…扣〉)"1的量子哈希值， 每个分段|户〉丨"丨被表示为，这些分段|尸〉，，|尸〉f，…，I尸〉广 被从上到下布置为矩阵PmxP表示如下：
获得这些特征量子信息分段的哈希集? (F1) = {? (Pl)，? (p2)，…，? (pm)}。
6. 根据权利要求5所述的基于CTP金融数据的量子信息特征提取方法，其特征在于，所 述步骤202具体实现步骤为： 步骤1、给定目标文件IQ>x =Iq，I%>--?Iqx >的长序列，IQ> x的分段被依次检索以匹 配特性量子信息集F1中的特征模板元素，x>>j; 步骤2、在长量子序列|Q>X*，从第一个量子比特|qi>开始到|q，，截取第一个包 含j个量子比特的j_量子比特分段，其中仏，上标 (1)代表分段的标签序数；右移一个量子比特位，截取得到的第二个j_量子比特分段， 将其表示为M3…，直到序列|Q>XW末端；最后的j-量 子比特分段表示为;+1)=|^+1〉|1_,+2〉..伙〉+"^..1〉，所有分段被按照 ktWt…，W1T+11依次排列表示成矩阵，DQ中每个元素 应用量子快算策略? (?)如下：
长序列IQ>x的量子快算策略集表示如下： 0(&) = {e(l4'!)，0(lC)，、0(Wr1 步骤3、根据这些特征量子信息分段的哈希值集合Q(F1) = {? (P1), ?(巧)，… ，?(pJ}，检索集 = {? (Pl)，? (p2)，…，? (Pm)}中的元素相匹配的元素，即： Q(K!) =Q(A)，《=1，2，".，Z-_/ + 1，v= 1，2，".，w; 进一步比较kf与队是否相等，如果KH)二凡，则存储;如果 ,则丢弃；最终留下的元素从?）满足)=八，并且?(|g〉*；g) = ?(A)， 其中{?g}e{l，2,...，z-_/ + 1}且1彡g〈〈x-j+l，元素 |必）构成子集 MWiC，."#〉"， 步骤4、根据子集免的元素Idf，确定这些元素在长序列|Q>X中的定位点，基于这些定 位点，把长序列|9\分割为如下若干Sg:
【文档编号】G06Q40/04GK104504601SQ201510020833
【公开日】2015年4月8日 申请日期:2015年1月15日 优先权日:2015年1月15日
【发明者】曹东 申请人:曹东