基于大数据分析的风险控制方法及系统与流程
本发明涉及软件领域，尤其是基于大数据分析的风险控制方法及系统。
背景技术：
随着信息化的高速发展，大数据应运而生，大数据技术，指的是一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。数据多样化的形成主要有两方面的原因：一是数据来源多，有搜索引擎、社交网络、通话记录、传感器等等；二是数据格式多，有结构数据、半结构数据和非结构数据。
每个投资者进入股票、期货或者外汇市场都是希望进来盈利的，但统计结果显示，80％-90％的人都是亏损的。就概率而言，绝大多数人判断的正确率都接近于50％。因此，理论上应该有50％的人是赚钱的，而实际上只有10-20％的赚钱，中间的差距是巨大的。造成这样巨大差距的很大的原因是交易员的非理性行为。比如胡乱交易、不设止损、重仓交易、频繁交易等。
技术实现要素：
针对现有技术中的缺陷，本发明提供一种基于大数据分析的风险控制方法及系统，能够对金融产品的交易进行风险控制，降低了交易风险，提高了投资收益率。
为了实现上述目的，第一方面，本发明提供的基于大数据分析的风险控制方法，包括如下步骤：从不同数据源获取与投资相关的原始信息，根据所述原始信息对投资意向进行预测确定交易模式；将所述交易模式反馈给用户，以及获取在该交易模式下用户预计可投入的账户金额；根据所述账户金额以及该交易模式下的最大风险系数，验证最大可承受风险是否满足预设的风险控制控制要求；若所述最大可承受风险满足预设的风险控制控制要求，则为用户反馈可在交易时间段进入交易平台进行交易的提示。
第二方面，本发明提供的基于大数据分析的风险控制系统，包括风险控制服务器和用户端，所述风险控制服务器与所述用户端通信连接；所述风险控制服务器从不同数据源获取与投资相关的原始信息，根据所述原始信息对投资意向进行预测确定交易模式；所述风险控制服务器将所述交易模式反馈给用户端，以及获取在该交易模式下用户预计可投入的账户金额；所述风险控制服务器根据所述账户金额以及该交易模式下的最大风险系数，验证最大可承受风险是否满足预设的风险控制控制要求；若所述最大可承受风险满足预设的风险控制控制要求，则所述风险控制服务器为用户端反馈可在交易时间段进入交易平台进行交易的提示。
本发明的有益效果是：本发明采用大数据分析的方式确定最有利的交易模式并将其推送给用户，为用户提供可靠的参考，通过验证最大可承受风险是否满足预设的风险控制控制要求，避免了人为的非理性操作，能够对金融产品的交易进行风险控制，降低了交易风险，提高了投资收益率。
附图说明
图1为本发明第一实施例基于大数据分析的风险控制方法的流程图；
图2为本发明第二实施例基于大数据分析的风险控制系统的框图。
具体实施方式
下面将详细描述本发明的具体实施例，应当注意，这里描述的实施例只用于举例说明，并不用于限制本发明。在以下描述中，为了提供对本发明的透彻理解，阐述了大量特定细节。然而，对于本领域普通技术人员显而易见的是：不必采用这些特定细节来实行本发明。在其他实例中，为了避免混淆本发明，未具体描述公知的电路，软件或方法。
在整个说明书中，对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着：结合该实施例或示例描述的特定特征、结构或特性被包含在本发明至少一个实施例中。因此，在整个说明书的各个地方出现的短语“在一个实施例中”、“在实施例中”、“一个示例”或“示例”不一定都指同一实施例或示例。此外，可以以任何适当的组合和、或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外，本领域普通技术人员应当理解，在此提供的示图都是为了说明的目的，并且示图不一定是按比例绘制的。
如图1所示，本发明的第一实施例示出的基于大数据分析的风险控制方法，其特征在于，包括如下步骤：
s1，从不同数据源获取与投资相关的原始信息，根据所述原始信息对投资意向进行预测确定交易模式；
其中，所述交易模式股票、基金、债券、期货和外汇交易模式。本实施例可采用爬虫完成从不同数据源获取与投资相关的原始信息，爬虫按照主题内容有选择性的对投资交流网站的网页进行爬取，它主要是为了在保证页面信息采集覆盖率的前提下，同时有较高的信息准确率。本实施中所述爬虫主要在以下两个方面进行了改进：网页数量的急剧增加，与主题相关的网页所占的比例随之减少，为了保证页面信息采集的覆盖率和准确率，要在爬行过程中对页面进行筛选，保留与主题相关度较高的网页。爬虫的爬行需要带有针对性，利用某种算法计算链接的主题相关度。
进一步地，将与主题相关度较高的url加入待爬取url队列。建立与目标服务器之间的http链接；获得投资交流网站的网页，对网页进行解析，提取所述网页的内容文本；对所提取的内容文本进行中文分词，统计在内容文本中出现的带有独立语义的关键词；构建语义相似性的文本向量，通过计算关键词之间的语义相似度，将满足条件的关键词进行替换，得到语义相似概念替换后的文本。
在本实施例中，是通过基于距离的语义相似度计算模型通过量化关键词之间在本体层次网络中的路径长度来计算相似度的，它需要预先建立本体层次网络，并且网络的结构将直接影响语义相似度的计算结果，其具体的计算公式为：sim(w1，w2)＝2maxlen-minlen，其中maxlen为关键词w1和w2在本体树中的最大距离，minlen为关键词w1和w2在本体树中的最小距离。
在另外的一个或一些实施例中，由于本体结构树中两个关键词之间肯定会存在相同的父亲节点，例如根节点，并且会存在不止一条有联系的路径，其具体的计算公式为：
进一步地，本实施例中采用基于内容的语义相似度计算模型来计算关键词的语义相似度。由于在本层次网络中，如果两个关键词中含有越多相同的内容，则表示两者之间的语义相似度越大；如果两个关键词中含有越少相同的内容，则表示两者之间的语义相似度越小。关键词包含的内容可以通过计算它在文档中出现的频率来表示，如果出现的频率高，则表示内容丰富；如果出现的频率低，则表示内容匮乏，其具体的计算公式为：
根据所述语义相似概念替换后的文本对投资意向进行预测确定交易模式。利用所述语义相似概念替换后的文本，即可获取各个网页中有关于交易模式的所有关键词，计算代表不同交易模式的关键词在所有文本中所出现的概率，选取其中概率值最大的作为最终预测值，进而就可以直接确定为用户推送的交易模式。
s2，将所述交易模式反馈给用户，以及获取在该交易模式下用户预计可投入的账户金额；
通过将预测确定的交易模式反馈给用户，可为用户提供可靠的参考，有助于降低风险。
s3，根据所述账户金额以及该交易模式下的最大风险系数，验证最大可承受风险是否满足预设的风险控制控制要求；
其一，验证最大可承受风险是否满足预设的风险控制控制要求，具体为：将最大风险系数α与基准风险系数β进行比较，若最大风险系数α小于等于基准风险系数β，则满足风控要求，否则不满足风控要求；所述基准风险系数β的计算公式如下：β＝d×k(p×rw-q×rl)/(rw×rl)其中：d、k、p、q、rw和rl为根据以往交易数据的统计得到的参数。β为基准风险系数。d为策略有效系数，代表之前有效的策略在未来的行情中继续有效的概率，这是一个经验值，小于100％，本实施例中设置d＝85％来为未来行情的不确定性保留一定的空间。k为策略盈利能力有效系数，代表之前策略的盈利能力在未来行情中还能继续维持的概率，这也是一个经验值，小于100％，本实施例中设置k＝70％，来为未来行情的不确定性保留一定的空间。p为获胜率，是获胜交易占总交易的百分比，这是通过历史测试得出的统计值。q为落败率，是亏损交易占总交易的百分比，即1-p。rw为获胜后的净赢率，是获胜之后盈利金额占账户本金的百分比，这是通过历史测试得出的统计值。rl为亏损之后的净损失率，是亏损之后亏损金额占账户本金的百分比，这是通过历史测试得出的统计值。
其二，所述账户本金是否满足风控要求的判断，具体为：根据最大风险系数反算仓位和交易金额，若账户本金大于等于交易金额，则满足风控要求，否则不满足风控要求；
设置账户本金为m，最大风险系数为α，最大运行幅度为k点，每点的点值为t，最大亏损加仓单数为n，i为小于等于n的正整数；最大风险金额：maxrisk＝m×α；加仓间距：g＝k/(n-1)；第i单的最大亏损点数：d(i)＝k-(i-1)×g；第i单的风险额度：r(i)＝d(i)×t×lot；则n单的总风险额度为：
本实施例的交易金额和仓位计算时风险控制的重要手段，是根据账户风险反算的，已经考虑了加仓和不利行情运行的幅度。例如账户本金为100000元，最大风险系数为20％，最大运行幅度为1000点，每点的点值为10，最大亏损加仓单数为5。通过以上公式进行计算得到仓位为0.8手，交易金额＝100000/0.8＝125000元。因为账户金额小于交易金额，因此不满足风控要求，系统会提醒交易员加大最大风险系数或增加账户金额，以此来满足风控要求。重仓操作是导致账户风险的最主要的原因，本实施例不允许交易员自己选择仓位，而是自动计算仓位，而计算的仓位已经覆盖了最恶劣的情况，这就保证不会有重仓交易的情况发生。
s5，在交易过程中实时分析行情变化，并根据行情变化进行加仓或减仓或离场。
本实施例中，在交易过程中，从基本面重大新闻事件、技术面运行趋势等方面来分析当前行情，根据当前行情进行加仓或减仓或离场。
其一，基本面重大新闻事件，通过预先采集的有固定时间点的新闻事件做出入场、加仓、减仓和离场的操作。系统通过新闻接口，自动读取新闻事件列表，在固定时间点的前3-5小时对新闻进行判断后进行操作，这些新闻如：央行利率决议、gbp数据、商品库存变化、领导人讲话，公司年报等。如为有利新闻，在入场或加仓，如为不利新闻，弹出告警窗口，禁止交易员下单或者提醒交易员谨慎交易或减仓或离场。对于突发事件，因为其公布时间不确定无法事先加入新闻事件列表，并且等到新闻事件发生的时候，行情往往已经展开一大波了，因此无法事先规避，但可以使用趋势系统进行过滤，比如新闻时间发生之后，行情下跌幅度比较大，这时候一般都已经跌破了ma20均线，并且距离ma20比较远，我们可以根据这个特征设定：价格距离ma20均线超3倍的atr的时候不允许反向做多，这种做法可能会把一部分正常行情误判为异常行情，但对于这一类型的新闻事件不失为一种行之有效的方法。
其二，技术面运行趋势，通过对技术面的技术指标的判断，决定接受或者拒绝交易员的指令，如行情处于重要的支撑阻力位附近，布林指标的突破，距离均线太远，乖离过大等。
例如短线交易模式的加仓纠错模式：
因为在首单使用的非常轻的仓位，为日后加仓预留了足够的空间，因此，短线交易模式会使用有计划地加仓，通过加仓来摊薄成本，实现整体盈利，整个加仓过程是基于概率优势计算的，相比交易员主观随性加仓更有章法，能够达成一个平均的绩效水平，系统会禁止交易员的干预行为。
每次加仓的时候需要计算继续加仓的概率优势，只有在概率优势超过65％的时候才能够继续加仓，否则继续等待是一个更好的选择。
概率优势的计算结合了下面三个因素：
a、日均平均波动幅度：加仓单的加仓间隔都需要设定在日平均波动幅度的50％以上，这样对于不同的交易品种可以避免加仓过于紧密的问题。
b、加仓单再次出错之后的补救机会：使用货币一个波段的平均波动幅度85百分位来度量，在日图级别使用zigzag指标度量每一个波段的波动幅度并排序，之后选取85百分位所对应的波动幅度值。
c、当前行情对于短期、中期和长期趋势的配合程度，短期趋势配合在每一次加仓过程中都必须配合，中期和长期趋势配合的情况下，加仓间距相对较小，以求快速盈利离场，中期和长期趋势不配合的情况下，加仓间距需要放大到超过前一次加仓的间隔。
如果交易员第一单做多之后行情立刻下跌，那么短线交易模式就没有离场机会，这时候系统会处于等待中，等到行情再次转为上涨之后，系统自动加一单，仓位和第一单相同，如果两个单子综合盈利满足离场条件就可以离场了，短线交易模式最多加5仓，总的仓位仍然处于较低的水平。
短线交易模式使用加仓来获得额外的胜算，盘中积极承担了风险的，它的好处非常明显，它可以使交易的总体胜算得以大幅度提高，把部分亏损单变成了盈利单。加仓的关键内容是，短线交易模式的加仓是有计划的加仓，整个加仓是就是交易计划的一部分，加仓位置都是经过量化统计，保证了加仓策略在85％的情况下仍然是有效的，因此具备一定的概率优势。初始仓位的下单量和加仓单的单量是综合计算的，保证加仓之后的最大风险仍然在约定的范围之内。
例如短线交易模式的离场：
短线交易模式使用固定金额离场，每1万元盈利5元立刻离场，如果经过了加仓，所有单子加起来盈利5元离场。
这种离场方式是众多离场方式的一种，每一种模式都各有优势和劣势，没有哪一种离场方式具有压倒性的优势，短线交易模式的离场也是一样的，它会失去捕捉一大波趋势的机会，但好处也非常明显，它极大地改善了系统的胜算，比较贴合人性。
这里面的关键点是：短线交易模式使用了某一种统一规范的离场方式，接受了这种交易模式的平均概率优势，这样，交易员就不需要在不同的离场方式中摇摆，从而可以大幅度降低了交易的难度。
本实施例的风险控制交易方法，在进行交易之前，还包括通过连续交易测试法或蒙特卡落模拟法为每个交易品种选择适宜的交易模式，并设置每个交易品种的多种交易模式。每一个交易品种都有自己的特性，并不适用于所有的交易模式，因此需要评估每一个交易品种对于每种交易模式的适用性，从而根据历史数据为每个交易品种选择适合的交易模式，并设置每个交易品种的交易模式。
其一，连续交易测试法。在系统历史测试的时候让程序连续交易，一局结束之后立刻开始下一局的交易，这种做法在模拟测试时的交易频率一般都是实际交易的5-10倍，按照某种模式的交易原理，这样的做法可以覆盖最恶劣的情形，使用这样的方法评估交易的胜算和收益率一般都会比实际情况差很多，但以此作为风控的参考是有意义的。
其二，蒙特卡落模拟法。根据实际交易频率(如在20个交易品种上平均每天3笔交易)，随机模拟下单的时间和方向，让系统自动运行，最终可以获得较接近于真实情况的胜算和收益率，因为交易的随机性，这样的做法极有可能无法覆盖最恶劣的情况，因此也可采用连续交易测试法。
短线交易模式举例：
适用市场：外汇；最低杠杆比例：8倍；
合规性检查：
-交易品种限制为：eurusd,gbpusd,audusd,usdjpy,usdchf,usdcad,eurgbp,audcad,audnzd,eurjpy,euraud,gbpcad共12个品种
-最大风险范围为10％-20％。
-账户本金最少2000美金。
-与货币相关的利率决议，央行行长讲话公布前5小时禁止交易。
-在日图和四小时级别重大支撑阻力位置的时候禁止顺势交易。
-在h1图表上，价格超过ema48三倍的atr幅度的时禁止顺势交易。
仓位：基准仓位为每1万美金0.06-0.1手不等，各个货币不完全一样。
入场(做多为例)：接到客户交易做多指令后立刻入场。
加仓：加仓条件满足时，按照仓位加一仓。
加仓条件：1)该货币整体处于亏损状态；2)还没有加满5仓；3)距离前一仓至少0.5倍的日图atr幅度；4)与前一仓至少已经过了10根线；5)价格在短期均线sma20上方达1个小时，期间从未触碰sma20均线；6)价格在中期趋势envelop(48,0.3)上方收线；7)最近的5小时内没有利率决议，央行行长讲话等重大新闻事件。
离场：整体盈利5美金离场。
波段交易模式举例：
适用市场：外汇，期货。账户杠杆比例大于7倍。
合规性检查：
-交易品种限制为：外汇的xauusd，gbpjpy，国内期货中交易活跃的前10％的品种(需每月动态调整)，股指期货，外盘期货，外盘股指，可使用杠杆交易的股票，杠杆比例必须超过3.5倍。
-最大风险范围为本金的0.4％-2.4％。
-外汇账户本金最少1500美金，期货账户视交易品种最低本金要求不同。
-无需规避新闻事件和技术面，宜在重大新闻事件之前提前下发交易指令。
-如果是有交割的交易品种，合约距离交割时间至少需要有30天。
仓位：初始止损设置为atr的0.5倍，仓位按照最大风险和止损位置反算。
入场(做多为例)：接到客户交易做多指令，系统不立刻入场，而是等待价格的突破，当价格突破日图的最后一个分型高点，并且价格短期波动率上升到1.5以上时立刻市价入场，入场之后把止损放在入场价位减0.5倍atr的位置。
第一次加仓：价格上涨距离达到0.5倍atr，按照仓位加一仓，两笔交易的止损位置同时修改到第一单的开仓位置。
之后的加仓：满足下列加仓条件即可加仓，加仓时，仓位设置为前面一仓仓位的50％，加仓仓位呈金字塔缩小模式，加仓后的止损位置放在sma20下方3倍atr的位置，并同时上移前面几笔单子的止损到相同的位置。
加仓条件：1)之前所有的交易单都处于盈利状态；2)距离前一仓至少3倍的日图atr幅度；3)价格并触碰sma20，之后再次收线到sma20上方。4)止损被触及时，账户仍然能够守住最大盈利的50％。5)加仓后的止损位置比之前的止损位置高。
离场：止损被触及离场，或者价格跌破20节k线的低点市价离场。
综上所述，本实施例在进行交易前，通过分析为没交易品种选择合适的交易模式，在交易过程中进行风险判断和行情分析，智能化交易，避免了人为的非理性操作，能够对金融产品的交易进行风险控制，降低了交易风险，提高了投资收益率。使用本实施例的技术方案的交易员可以超越市场上90％的交易者，在这个市场上生存下来。交易更加安心，不再需要为自己的某一笔交易提心吊胆，也更加省心，不需要整体待在电脑前面。
如图2所示，本发明的第二实施例所示出的基于大数据分析的风险控制系统，包括风险控制服务器和用户端，所述风险控制服务器与所述用户端通信连接。
所述风险控制服务器从不同数据源获取与投资相关的原始信息，根据所述原始信息对投资意向进行预测确定交易模式。其中，所述交易模式股票、基金、债券、期货和外汇交易模式。本实施例可采用爬虫完成从不同数据源获取与投资相关的原始信息，爬虫按照主题内容有选择性的对投资交流网站的网页进行爬取，它主要是为了在保证页面信息采集覆盖率的前提下，同时有较高的信息准确率。本实施中所述爬虫主要在以下两个方面进行了改进：网页数量的急剧增加，与主题相关的网页所占的比例随之减少，为了保证页面信息采集的覆盖率和准确率，要在爬行过程中对页面进行筛选，保留与主题相关度较高的网页。爬虫的爬行需要带有针对性，利用某种算法计算链接的主题相关度。
进一步地，将与主题相关度较高的url加入待爬取url队列。建立与目标服务器之间的http链接；获得投资交流网站的网页，对网页进行解析，提取所述网页的内容文本；对所提取的内容文本进行中文分词，统计在内容文本中出现的带有独立语义的关键词；构建语义相似性的文本向量，通过计算关键词之间的语义相似度，将满足条件的关键词进行替换，得到语义相似概念替换后的文本。
在本实施例中，是通过基于距离的语义相似度计算模型通过量化关键词之间在本体层次网络中的路径长度来计算相似度的，它需要预先建立本体层次网络，并且网络的结构将直接影响语义相似度的计算结果，其具体的计算公式为：sim(w1，w2)＝2maxlen-minlen，其中maxlen为关键词w1和w2在本体树中的最大距离，minlen为关键词w1和w2在本体树中的最小距离。
在另外的一个或一些实施例中，由于本体结构树中两个关键词之间肯定会存在相同的父亲节点，例如根节点，并且会存在不止一条有联系的路径，其具体的计算公式为：
进一步地，本实施例中采用基于内容的语义相似度计算模型来计算关键词的语义相似度。由于在本层次网络中，如果两个关键词中含有越多相同的内容，则表示两者之间的语义相似度越大；如果两个关键词中含有越少相同的内容，则表示两者之间的语义相似度越小。关键词包含的内容可以通过计算它在文档中出现的频率来表示，如果出现的频率高，则表示内容丰富；如果出现的频率低，则表示内容匮乏，其具体的计算公式为：
根据所述语义相似概念替换后的文本对投资意向进行预测确定交易模式。利用所述语义相似概念替换后的文本，即可获取各个网页中有关于交易模式的所有关键词，计算代表不同交易模式的关键词在所有文本中所出现的概率，选取其中概率值最大的作为最终预测值，进而就可以直接确定为用户推送的交易模式。
所述风险控制服务器将所述交易模式反馈给用户端，以及获取在该交易模式下用户预计可投入的账户金额；通过将预测确定的交易模式反馈给用户，可为用户提供可靠的参考，有助于降低风险。
所述风险控制服务器根据所述账户金额以及该交易模式下的最大风险系数，验证最大可承受风险是否满足预设的风险控制控制要求；若所述最大可承受风险满足预设的风险控制控制要求，则所述风险控制服务器为用户端反馈可在交易时间段进入交易平台进行交易的提示
其一，验证最大可承受风险是否满足预设的风险控制控制要求，具体为：将最大风险系数α与基准风险系数β进行比较，若最大风险系数α小于等于基准风险系数β，则满足风控要求，否则不满足风控要求；所述基准风险系数β的计算公式如下：β＝d×k(p×rw-q×rl)/(rw×rl)其中：d、k、p、q、rw和rl为根据以往交易数据的统计得到的参数。β为基准风险系数。d为策略有效系数，代表之前有效的策略在未来的行情中继续有效的概率，这是一个经验值，小于100％，本实施例中设置d＝85％来为未来行情的不确定性保留一定的空间。k为策略盈利能力有效系数，代表之前策略的盈利能力在未来行情中还能继续维持的概率，这也是一个经验值，小于100％，本实施例中设置k＝70％，来为未来行情的不确定性保留一定的空间。p为获胜率，是获胜交易占总交易的百分比，这是通过历史测试得出的统计值。q为落败率，是亏损交易占总交易的百分比，即1-p。rw为获胜后的净赢率，是获胜之后盈利金额占账户本金的百分比，这是通过历史测试得出的统计值。rl为亏损之后的净损失率，是亏损之后亏损金额占账户本金的百分比，这是通过历史测试得出的统计值。
其二，所述账户本金是否满足风控要求的判断，具体为：根据最大风险系数反算仓位和交易金额，若账户本金大于等于交易金额，则满足风控要求，否则不满足风控要求；
设置账户本金为m，最大风险系数为α，最大运行幅度为k点，每点的点值为t，最大亏损加仓单数为n，i为小于等于n的正整数；最大风险金额：maxrisk＝m×α；加仓间距：g＝k/(n-1)；第i单的最大亏损点数：d(i)＝k-(i-1)×g；第i单的风险额度：r(i)＝d(i)×t×lot；则n单的总风险额度为：
本实施例的交易金额和仓位计算时风险控制的重要手段，是根据账户风险反算的，已经考虑了加仓和不利行情运行的幅度。例如账户本金为100000元，最大风险系数为20％，最大运行幅度为1000点，每点的点值为10，最大亏损加仓单数为5。通过以上公式进行计算得到仓位为0.8手，交易金额＝100000/0.8＝125000元。因为账户金额小于交易金额，因此不满足风控要求，系统会提醒交易员加大最大风险系数或增加账户金额，以此来满足风控要求。重仓操作是导致账户风险的最主要的原因，本实施例不允许交易员自己选择仓位，而是自动计算仓位，而计算的仓位已经覆盖了最恶劣的情况，这就保证不会有重仓交易的情况发生。
所述风险控制服务器在交易过程中实时分析行情变化，并根据行情变化进行加仓或减仓或离场。本实施例中，在交易过程中，从基本面重大新闻事件、技术面运行趋势等方面来分析当前行情，根据当前行情进行加仓或减仓或离场。
其一，基本面重大新闻事件，通过预先采集的有固定时间点的新闻事件做出入场、加仓、减仓和离场的操作。系统通过新闻接口，自动读取新闻事件列表，在固定时间点的前3-5小时对新闻进行判断后进行操作，这些新闻如：央行利率决议、gbp数据、商品库存变化、领导人讲话，公司年报等。如为有利新闻，在入场或加仓，如为不利新闻，弹出告警窗口，禁止交易员下单或者提醒交易员谨慎交易或减仓或离场。对于突发事件，因为其公布时间不确定无法事先加入新闻事件列表，并且等到新闻事件发生的时候，行情往往已经展开一大波了，因此无法事先规避，但可以使用趋势系统进行过滤，比如新闻时间发生之后，行情下跌幅度比较大，这时候一般都已经跌破了ma20均线，并且距离ma20比较远，我们可以根据这个特征设定：价格距离ma20均线超3倍的atr的时候不允许反向做多，这种做法可能会把一部分正常行情误判为异常行情，但对于这一类型的新闻事件不失为一种行之有效的方法。
其二，技术面运行趋势，通过对技术面的技术指标的判断，决定接受或者拒绝交易员的指令，如行情处于重要的支撑阻力位附近，布林指标的突破，距离均线太远，乖离过大等。
例如短线交易模式的加仓纠错模式：
因为在首单使用的非常轻的仓位，为日后加仓预留了足够的空间，因此，短线交易模式会使用有计划地加仓，通过加仓来摊薄成本，实现整体盈利，整个加仓过程是基于概率优势计算的，相比交易员主观随性加仓更有章法，能够达成一个平均的绩效水平，系统会禁止交易员的干预行为。
每次加仓的时候需要计算继续加仓的概率优势，只有在概率优势超过65％的时候才能够继续加仓，否则继续等待是一个更好的选择。
概率优势的计算结合了下面三个因素：
a、日均平均波动幅度：加仓单的加仓间隔都需要设定在日平均波动幅度的50％以上，这样对于不同的交易品种可以避免加仓过于紧密的问题。
b、加仓单再次出错之后的补救机会：使用货币一个波段的平均波动幅度85百分位来度量，在日图级别使用zigzag指标度量每一个波段的波动幅度并排序，之后选取85百分位所对应的波动幅度值。
c、当前行情对于短期、中期和长期趋势的配合程度，短期趋势配合在每一次加仓过程中都必须配合，中期和长期趋势配合的情况下，加仓间距相对较小，以求快速盈利离场，中期和长期趋势不配合的情况下，加仓间距需要放大到超过前一次加仓的间隔。
如果交易员第一单做多之后行情立刻下跌，那么短线交易模式就没有离场机会，这时候系统会处于等待中，等到行情再次转为上涨之后，系统自动加一单，仓位和第一单相同，如果两个单子综合盈利满足离场条件就可以离场了，短线交易模式最多加5仓，总的仓位仍然处于较低的水平。
短线交易模式使用加仓来获得额外的胜算，盘中积极承担了风险的，它的好处非常明显，它可以使交易的总体胜算得以大幅度提高，把部分亏损单变成了盈利单。加仓的关键内容是，短线交易模式的加仓是有计划的加仓，整个加仓是就是交易计划的一部分，加仓位置都是经过量化统计，保证了加仓策略在85％的情况下仍然是有效的，因此具备一定的概率优势。初始仓位的下单量和加仓单的单量是综合计算的，保证加仓之后的最大风险仍然在约定的范围之内。
例如短线交易模式的离场：
短线交易模式使用固定金额离场，每1万元盈利5元立刻离场，如果经过了加仓，所有单子加起来盈利5元离场。
这种离场方式是众多离场方式的一种，每一种模式都各有优势和劣势，没有哪一种离场方式具有压倒性的优势，短线交易模式的离场也是一样的，它会失去捕捉一大波趋势的机会，但好处也非常明显，它极大地改善了系统的胜算，比较贴合人性。
这里面的关键点是：短线交易模式使用了某一种统一规范的离场方式，接受了这种交易模式的平均概率优势，这样，交易员就不需要在不同的离场方式中摇摆，从而可以大幅度降低了交易的难度。
本实施例的风险控制交易方法，在进行交易之前，还包括通过连续交易测试法或蒙特卡落模拟法为每个交易品种选择适宜的交易模式，并设置每个交易品种的多种交易模式。每一个交易品种都有自己的特性，并不适用于所有的交易模式，因此需要评估每一个交易品种对于每种交易模式的适用性，从而根据历史数据为每个交易品种选择适合的交易模式，并设置每个交易品种的交易模式。
其一，连续交易测试法。在系统历史测试的时候让程序连续交易，一局结束之后立刻开始下一局的交易，这种做法在模拟测试时的交易频率一般都是实际交易的5-10倍，按照某种模式的交易原理，这样的做法可以覆盖最恶劣的情形，使用这样的方法评估交易的胜算和收益率一般都会比实际情况差很多，但以此作为风控的参考是有意义的。
其二，蒙特卡落模拟法。根据实际交易频率(如在20个交易品种上平均每天3笔交易)，随机模拟下单的时间和方向，让系统自动运行，最终可以获得较接近于真实情况的胜算和收益率，因为交易的随机性，这样的做法极有可能无法覆盖最恶劣的情况，因此也可采用连续交易测试法。
短线交易模式举例：
适用市场：外汇；最低杠杆比例：8倍；
合规性检查：
-交易品种限制为：eurusd,gbpusd,audusd,usdjpy,usdchf,usdcad,eurgbp,audcad,audnzd,eurjpy,euraud,gbpcad共12个品种
-最大风险范围为10％-20％。
-账户本金最少2000美金。
-与货币相关的利率决议，央行行长讲话公布前5小时禁止交易。
-在日图和四小时级别重大支撑阻力位置的时候禁止顺势交易。
-在h1图表上，价格超过ema48三倍的atr幅度的时禁止顺势交易。
仓位：基准仓位为每1万美金0.06-0.1手不等，各个货币不完全一样。
入场(做多为例)：接到客户交易做多指令后立刻入场。
加仓：加仓条件满足时，按照仓位加一仓。
加仓条件：1)该货币整体处于亏损状态；2)还没有加满5仓；3)距离前一仓至少0.5倍的日图atr幅度；4)与前一仓至少已经过了10根线；5)价格在短期均线sma20上方达1个小时，期间从未触碰sma20均线；6)价格在中期趋势envelop(48,0.3)上方收线；7)最近的5小时内没有利率决议，央行行长讲话等重大新闻事件。
离场：整体盈利5美金离场。
波段交易模式举例：
适用市场：外汇，期货。账户杠杆比例大于7倍。
合规性检查：
-交易品种限制为：外汇的xauusd，gbpjpy，国内期货中交易活跃的前10％的品种(需每月动态调整)，股指期货，外盘期货，外盘股指，可使用杠杆交易的股票，杠杆比例必须超过3.5倍。
-最大风险范围为本金的0.4％-2.4％。
-外汇账户本金最少1500美金，期货账户视交易品种最低本金要求不同。
-无需规避新闻事件和技术面，宜在重大新闻事件之前提前下发交易指令。
-如果是有交割的交易品种，合约距离交割时间至少需要有30天。
仓位：初始止损设置为atr的0.5倍，仓位按照最大风险和止损位置反算。
入场(做多为例)：接到客户交易做多指令，系统不立刻入场，而是等待价格的突破，当价格突破日图的最后一个分型高点，并且价格短期波动率上升到1.5以上时立刻市价入场，入场之后把止损放在入场价位减0.5倍atr的位置。
第一次加仓：价格上涨距离达到0.5倍atr，按照仓位加一仓，两笔交易的止损位置同时修改到第一单的开仓位置。
之后的加仓：满足下列加仓条件即可加仓，加仓时，仓位设置为前面一仓仓位的50％，加仓仓位呈金字塔缩小模式，加仓后的止损位置放在sma20下方3倍atr的位置，并同时上移前面几笔单子的止损到相同的位置。
加仓条件：1)之前所有的交易单都处于盈利状态；2)距离前一仓至少3倍的日图atr幅度；3)价格并触碰sma20，之后再次收线到sma20上方。4)止损被触及时，账户仍然能够守住最大盈利的50％。5)加仓后的止损位置比之前的止损位置高。
离场：止损被触及离场，或者价格跌破20节k线的低点市价离场。
综上所述，本实施例在进行交易前，通过分析为没交易品种选择合适的交易模式，在交易过程中进行风险判断和行情分析，智能化交易，避免了人为的非理性操作，能够对金融产品的交易进行风险控制，降低了交易风险，提高了投资收益率。使用本实施例的技术方案的交易员可以超越市场上90％的交易者，在这个市场上生存下来。交易更加安心，不再需要为自己的某一笔交易提心吊胆，也更加省心，不需要整体待在电脑前面。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。
- 还没有人留言评论。精彩留言会获得点赞！