本发明涉及拆分方法,特别涉及一种智能下单拆分方法。
背景技术:
传统的vwap算法为了增加精确度造成速度慢,或者速度快了但精确度大大降低,这都会造成交易报价的不准确或反应速度非常慢,而引起交易成功率大大降低或损失。
1.传统的vwap算法随着数据源的增加,会给系统带来很大的压力,因为每个数据源代表了一个额外的队列的维度。
传统的计算方法大致为如此:在数据源中找出所有的符合量的组合。
如果报价图2所示,要计算一个8m的vwap价格,我们先要找出所有的适当的量的组合,加起来等于我们需要的量。
比如:1m_citi+3m_ubs+3m_db+1m_hsbc
比如:2m_citi+1m_ubs+2m_db+3m_hsbc
2.在每一个组合上找出平均价,然后再做个比较,看哪一个组合平均价是最好的。这个组合就是我们的vwap价格。
这套vwap方法的复杂性会随着数据的复杂性很快的上升,特别是第一步。
技术实现要素:
本发明是为了解决上述问题而进行的,目的在于提供方法简单,计算快速的智能下单拆分方法。
本发明提供的智能下单拆分方法,具有这样的特征,包括以下步骤:
步骤一,将价格按预定要求排序;
步骤二,一层一层的抽取,一直抽到量达到预定量;以及
步骤三,最终剩下的就是所要的vwap组合。
本发明提供的智能下单拆分方法,还具有这样的特征:其中,预定要求为从好到坏。
本发明提供的智能下单拆分方法,还具有这样的特征:其中,如果遇到有重复的报价商,则把量少的代替掉。
本发明提供的智能下单拆分方法,还具有这样的特征:其中,每个报价商的报价规则是遵守量越大价格越差的规则。
本发明提供的智能下单拆分方法,还具有这样的特征:其中,在外汇市场中规则应该是成立的。
发明例的作用与效果
根据本发明所涉及智能下单拆分方法,能够把市场数据结合成单个按量并且带向(不同的交易对手)的平均价格;(vwap算法又多种,我们这个用了自己独特的逻辑设计,专为treasurytrading设计的vwap算法)给予pats单元和pats总线的结合,创造了一套高性能,多功能的算法引擎,能够和主流的cep(matlab,r-project,wolframalpha)进行对接;支持各种算法定价模型,并为用户提供灵活的api,能够让用户对算法客制化。
附图说明
图1是本发明在实施例中的智能下单拆分方法的流程图;
图2是本发明在实施例中的各银行报价的报价图;
图3是本发明在实施例中的经过步骤一的排序图;
图4是本发明在实施例中的抽取第一层的示意图;
图5是本发明在实施例中的抽取第二层的示意图;
图6是本发明在实施例中的抽取第三层的示意图;
图7是本发明在实施例中的抽取第四层的示意图;
图8是本发明在实施例中的抽取第五层的示意图;
图9是本发明在实施例中的替换原第一层的示意图;
图10是本发明在实施例中的抽取第六层的示意图;
图11是本发明在实施例中的抽取第七层的示意图;
图12是本发明在实施例中的抽取第八层的示意图;以及
图13是本发明在实施例中的最终抽取结果的示意图。
具体实施方式
以下参照附图及实施例对本发明所涉及的智能下单拆分方法作详细的描述。
实施例
图1是本发明在实施例中的智能下单拆分方法的结构框图。
本实施例中需要计算一个8m的vwap价格。
如图1所示,智能下单拆分方法,具有以下步骤:
步骤一,将价格按预定要求由好到坏排序,进入步骤二。各个银行的报价如图2所示,并将各个银行的报价由好到坏排列成如图3所示。
步骤二,一层一层的抽取,一直抽到量达到预定量,进入步骤三。
如图4所示,抽取第一层,剩量=7m。
如图5所示,抽取第二层,剩量=6m。
如图6所示,抽取第三层,剩量=5m。
如图7所示,抽取第四层,剩量=4m。
如图8和图9所示,抽取第五层,如果遇到有重复的报价商,则把量少的代替掉。(因为单银行报价不允许)。因此,用第五层代替第一层,剩量=3m。
如图10所示,抽取第六层,代替掉第三层,剩量=2m。
如图11所示,抽取第七层,代替掉第二层,剩量=1m。
如图12所示,抽取第八层,代替掉第五层,剩量=0m。
步骤三,最终剩下的就是所要的vwap组合。如图13所示,最终剩下的就是所要的8m的vwap组合:vwap价格=1.2。
这样来算的话,效率和速度能很快的上升。
此vwap计算方法工作的前提是:每个报价商的报价规则是遵守量越大价格越差的规则。在外汇市场中所述规则应该是成立的。
实施例的作用与效果
根据本实施例所涉及智能下单拆分方法,能够把市场数据结合成单个按量并且带向(不同的交易对手)的平均价格;(vwap算法又多种,我们这个用了自己独特的逻辑设计,专为treasurytrading设计的vwap算法)给予pats单元和pats总线的结合,创造了一套高性能,多功能的算法引擎,能够和主流的cep(matlab,r-project,wolframalpha)进行对接;支持各种算法定价模型,并为用户提供灵活的api,能够让用户对算法客制化。
上述实施方式为本发明的优选案例,并不用来限制本发明的保护范围。