专利名称：金融衍生品量化交易方法和量化交易系统的制作方法
技术领域：
本发明涉及金融衍生品交易领域，特别是金融衍生品量化交易方法和量化交易系统。
背景技术：
外汇、证券、股指、期货之类金融衍生品的交易的潜在风险和隐含风险在实际交易中并没有被显现出来，投资者的非理性交易行为在交易中常常被随机强化，并对交易绩效造成不良影响。传统的交易分析方法只能基于通用的市场参数为投资者提供买入或卖出的信号或者估算一个涨跌区间，而无法针对投资者个性化分析而提供个性化的交易建议信息，因而投资者在交易过程中的非理性因素(例如，个人交易习惯、个人风险判断，等等)都会成为交易亏损的重要影响因素。传统的技术分析只能为投资者提示买入或卖出的信号或者估算一个涨跌区间，并不涉及买入或卖出后对行情涨跌过程的跟踪。
发明内容
本发明的实施例中提供金融衍生品量化交易方法和量化交易系统，能够为投资者实时提供交易辅助信息以供确定其交易策略。根据本发明的一个方面，提供一种金融衍生品量化交易方法，包括以下步骤基于风险价值VAR模型，并根据投资者的历史交易的风险标准差、置信值、风险持仓时间，计算在对应于所述置信值的预定概率范围内的交易风险值VARm, VARffl = W0Q σ kt， 其中，Wtl为初始资金，α为置信值对应的正态分布Z值，σ为风险标准差，kt为风险持仓时间参数；根据所述交易风险值VARm、投资者的历史交易的正确率、风险回报率、投资者可承受的单笔最大风险值，确定交易策略。较佳地，在本发明的各实施例中，所述的金融衍生品量化交易方法进一步包括根据所述交易风险值VARm和亏损持仓时间平均值，计算理性交易行为下的潜在风险值，并根据所述潜在风险值调整交易策略，修正交易行为；禾口/ 或根据所述交易风险值VARm、投资者可承受的最大风险比例值、根据历史数据预计的达到最大风险值时的亏损持仓时间，计算非理性交易行为下的累积隐含风险值，并根据所述累积隐含风险值调整交易策略，修正交易行为。较佳地，在本发明的各实施例中，所述的金融衍生品量化交易方法进一步包括根据投资者的历史交易中的夏普指数、风险回报率、收益率标准差、正确率、平均盈利、亏损持仓时间平均值中的至少一种参数，计算预定概率范围内的理性交易和非理性交易临界值，并基于所述理性交易和非理性交易临界值来确定理性和非理性交易行为。
较佳地，在本发明的各实施例中，所述的确定交易策略包括计算夏普指数=(平均回报率-无风险回报率)/资产净值标准差，根据所述夏普指数，并结合正确率、风险回报率、盈利和亏损持仓时间比，资产净值标准差来确定风险控制能力的好坏。较佳地，在本发明的各实施例中，所述的确定交易策略包括根据凯利公式计算单笔交易最大持仓比率F，F = ((R+1)*P_1)/R，其中，P是投资者的历史交易的正确率，R是风险回报率；优选地，根据所述单笔交易最大持仓比率和VAR模型计算的潜在风险值，计算当下仓位的动态追踪止损位。较佳地，在本发明的各实施例中，所述的金融衍生品量化交易方法进一步包括对投资者的历史交易数据进行统计分析，提供量化后的对表现变量的权重的边际贡献率，并根据表现变量的权重计算投资者的历史交易综合得分。较佳地，在本发明的各实施例中，所述的金融衍生品量化交易方法进一步包括基于资本资产定价CAMP模型、并根据投资者的历史交易的风险标准差和实际收益率，计算预期收益率E比)，E (ri) =Γ +β (E(rm)-rf)，其中，rf是无风险回报率，β是与风险标准差相关的系数，E (rm)是实际收益率。较佳地，在本发明的各实施例中，所述的金融衍生品量化交易方法进一步包括根据所述交易风险值VARm和所述累积隐含风险值，并根据投资者的历史交易的正确率、风险回报率、投资者可承受的最大风险，提供实时的风险预警信号；所述风险预警信号优选地包括代表不同级别的所述潜在风险值由不同的颜色提示的风险预警信号；和/或，代表所述累积隐含风险的状态由预警信号的数值来提示的风险预警信号。根据本发明的另一方面，提供一种金融衍生品量化交易系统，包括动态追踪风险模块，用于基于风险价值VAR模型，并根据投资者的历史交易的风险标准差、置信值、风险持仓时间，计算在对应于所述置信值的预定概率范围内的交易风险值VARm, VARm = Wtl α σ kt，其中，Wtl为初始资金，α为置信值对应的正态分布Z值，σ为风险标准差，kt为风险持仓时间参数；交易行为辅助模块，用于根据所述交易风险值VARm、投资者的历史交易的正确率、 风险回报率、投资者可承受的最大风险，确定交易策略并修正交易行为。较佳地，在本发明的各实施例中，所述的金融衍生品量化交易系统进一步包括风险控制评估模块，用于根据所述交易风险值VARn^n凯利公式，计算当下的潜在风险值，并优选地根据不同置信值下的潜在风险值提供不同风险值下的交易策略；和/ 或预期收益率估算模块，用于基于资本资产定价CAMP模型、并根据投资者的历史交易的风险标准差和实际收益率，计算预期收益率E(ri)，E(ri) =Γ +β (E(rm)-rf)，其中， rf是无风险回报率，β是与风险标准差相关的系数，E (rm)是实际收益率。通过本发明的各实施例提供的金融衍生品量化交易方法和量化交易系统，能够为投资者提供个性化的交易辅助信息以供确定其交易策略。
为了更清楚地说明本发明实施例或现有技术中的技术方案，以下将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，以下描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图所示实施例得到其它的实施例及其附图。图1是根据本发明的实施例的金融衍生品量化交易方法的流程图。
具体实施例方式以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例， 本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。根据本发明的一个方面，提供一种金融衍生品的量化交易方法，包括以下步骤基于风险价值VAR模型，并根据投资者的历史交易的风险标准差、置信值、风险持仓时间，计算在对应于所述置信值的预定概率范围内的交易风险值VARm, VARffl = W0Q σ kt， 其中，Wtl为初始资金，α为置信值对应的正态分布Z值，σ为风险标准差，kt为风险持仓时间参数(如图1中的步骤100所示)；根据所述交易风险值VARm、投资者的历史交易的正确率、风险回报率、投资者可承受的单笔最大风险值，确定交易策略(如图1中的步骤200所示)。其中，所述的风险标准差，风险持仓时间参数均是基于投资者的历史交易数据而来的，投资者可承受的单笔最大风险值可以是单笔最大允许亏损金额，也就是平均每次允许亏损的最大金额。通过本发明的实施例提供的量化交易方法，可根据投资者的历史交易信息对投资者进行个性化的分析，由此得出符合投资者本身情况的交易风险值，并可据此确定交易策略。这样避免了传统方法中基于通用信息分析得出的非个性化结果所致的偏差。这样，通过本发明的实施例提供的量化交易方法，能够为投资者提供个性化的交易辅助信息，以减少或避免投资者由于其本身的非理性因素影响其交易的正确性和安全性。较佳地，在本发明的各实施例中，所述的量化交易方法进一步包括根据所述交易风险值VARm和亏损持仓时间平均值，计算理性交易行为下的潜在风险值，并根据所述潜在风险值调整交易策略，修正交易行为；和/ 或根据所述交易风险值VARm、投资者可承受的最大风险比例值、根据历史数据预计的达到最大风险值时的亏损持仓时间，计算非理性交易行为下的累积隐含风险值，并根据所述累积隐含风险值调整交易策略，修正交易行为。其中，所述亏损持仓时间平均值是对于各次亏损交易的相应持仓时间进行算术平均计算出的平均时间(例如，平均小时数)；所述投资者可承受的最大风险比例值可以是预先设定的，例如为允许亏损金额占总金额的比例值(例如30% )。应理解，在理性交易行为下的潜在风险值是客观存在的；而在非理性交易行为下的累积隐含风险值则是由于投资者的主观因素导致的风险，是可以通过本发明的各实施例的方案避免的。较佳地，在本发明的各实施例中，所述的量化交易方法进一步包括根据投资者的历史交易中的夏普指数、风险回报率、收益率标准差、正确率、平均盈利、亏损持仓时间平均值中的至少一种参数，计算预定概率范围内的理性交易和非理性交易临界值，并基于所述理性交易和非理性交易临界值来确定理性和非理性交易行为。所述临界值例如可以是用于判定是理性交易还是非理性交易的临界时间。在确定交易是理性交易还是非理性交易之后，可向投资者提出警示或相应地调整交易策略。较佳地，在本发明的各实施例中，所述的确定交易策略包括计算夏普指数=(平均回报率-无风险回报率)/资产净值标准差，根据所述夏普指数，并结合正确率、风险回报率、盈利和亏损持仓时间比，资产净值标准差来确定风险控制能力的好坏。其中，夏普指数可通过风险评估模块对历史交易数据的计算而得出。较佳地，在本发明的各实施例中，所述的确定交易策略包括根据凯利公式计算单笔交易最大持仓比率F，F = ((R+1)*P_1)/R，其中，P是投资者的历史交易的正确率，R是风险回报率。由此，如果盈利交易持续扩大，则根据凯利公式，每次交易的仓位也会随着扩大， 从而使得投资者的交易绩效随着交易行为的改善而能扩大盈利；另一方面，如果亏损交易持续扩大，则根据凯利公式，每次交易的仓位也会随着缩小，从而使得投资者额交易绩效随着交易行为不良而能减小亏损。较佳地，在本发明的各实施例中，所述确定交易策略包括根据单笔交易最大持仓比率和VAR模型计算的潜在风险值，计算当下仓位的动态追踪止损位。较佳地，在本发明的各实施例中，所述的量化交易方法进一步包括对投资者的历史交易数据进行统计分析，提供量化后的对表现变量的权重的边际贡献率，并根据表现变量的权重计算投资者的历史交易综合得分。较佳地，在本发明的各实施例中，所述的量化交易方法进一步包括基于资本资产定价CAMP模型、并根据投资者的历史交易的风险标准差和实际收益率，计算预期收益率E比)，E (ri) =Γ +β (E(rm)-rf)，其中，rf是无风险回报率，β是与风险标准差相关的系数，E (rm)是实际收益率
较佳地，在本发明的各实施例中，所述的量化交易方法进一步包括根据所述交易风险值VARm和所述累积隐含风险值，并根据投资者的历史交易的正确率、风险回报率、投资者可承受的最大风险，提供实时的风险预警信号；所述风险预警信号优选地包括代表不同级别的所述潜在风险值由不同的颜色提示的风险预警信号；和/或，代表所述累积隐含风险的状态由预警信号的数值来提示的风险预警信号。例如，低风险级显示的是绿色、中级风险显示的是黄色、高风险显示的是红色。较佳地，在本发明的各实施例中，所述的计算累积交易隐含风险值包括根据所述交易风险值VARm和大众倾向性效应函数，并根据投资者可承受的最大风险、亏损持仓时间最大值，计算所述累积交易隐含风险值；和/或根据所述交易风险值VARm和亏损持仓时间平均值，并根据单周连续亏损次数最大
7值，计算在所述预定概率范围内的所述交易潜在风险值；和/或根据投资者的正确率和风险回报率，计算凯利最大仓位F，F = ((R+1)*P_1)/R，其中，P是获利准确率的百分比，R是交易获利相对于交易亏损的比例，并根据所述凯利最大仓位确定最佳仓位。较佳地，在本发明的各实施例中，所述量化交易方法进一步包括根据投资者的历史交易中的夏普指数、风险回报率、收益率标准差、正确率、平均盈利、亏损持仓时间平均值中的至少一种参数，计算风险控制值，并在交易后确定该风险值的动态止损位。较佳地，在本发明的各实施例中，所述量化交易方法进一步包括如果盈利交易持续至预定次数，则可以根据凯利公式提高每次交易的允许额度 (凯利最大仓位)；和/ 或如果亏损交易持续至预定次数，则根据凯利公司可降低每次交易的允许额度。根据本发明的另一方面，提供一种金融衍生品的量化交易系统，包括动态追踪风险模块，用于基于风险价值VAR模型，并根据投资者的历史交易的风险标准差、置信值、风险持仓时间，计算在对应于所述置信值的预定概率范围内的交易风险值VARm, VARm = Wtl α σ kt，其中，Wtl为初始资金，α为置信值对应的正态分布Z值，σ为风险标准差，kt为风险持仓时间参数；交易行为辅助模块，用于根据所述交易风险值VARm、投资者的历史交易的正确率、 风险回报率、投资者可承受的最大风险，确定交易策略并修正交易行为。较佳地，在本发明的各实施例中，所述量化交易系统进一步包括风险控制评估模块，用于根据所述交易风险值VARn^n凯利公式，计算当下的潜在风险值，并优选地根据不同置信值下的潜在风险值提供不同(例如，两种、三种或更多种) 风险值下的交易策略；和/ 或预期收益率估算模块，用于基于资本资产定价CAMP模型、并根据投资者的历史交易的风险标准差和实际收益率，计算预期收益率E(ri)，E(ri) =Γ +β (E(rm)-rf)，其中， rf是无风险回报率，β是与风险标准差相关的系数，E (rm)是实际收益率。较佳地，在本发明的各实施例中，所述量化交易方法进一步包括如果当日出现亏损交易，则随后的交易的仓位根据凯利公式计算的仓位会有所减少、和/或在所述亏损交易连续出现超过预定亏损额度时停止当日交易；和/或如果在第一天发生交易亏损之后在第二天继续出现亏损交易，则所述第二天停止交易；和/或如果在一周内连续三天发生交易亏损，则在该周停止交易。这样，在出现亏损、特别是连续亏损的情况下，可及时减少交易量或停止交易，以减少或避免由于投资者的非理性操作导致更大的亏损，这在整个市场行情不佳的情况下对于投资者是特别有用的。在根据本发明的实施例中，量化交易系统采用VAR(Value at Risk，风险价值)模型和CAMP(资本资产定价)模型。
VAR模型计算公式如下VaR(mean) = -W0(R* -μ) = W^ao^KtVaR(zero) = -W0R* = W0 (ασ^Α - μΑ )CAPM模型计算公式如下E(Ri) = Rf+ β i [Ε (Rm) -Rf] R交易的绩效看的是收益率，而交易的能力则需要对投资者的进攻能力和防守能力分别作评估。投资者的进攻能力看的是预期收益率，而防守能力看的是风险价值。所谓预期收益率是根据CAPM模型计算某段时间内可以预计到的收益率。而风险价值(VAR)是在指定概率区间(比如)下的最大亏损金额。量化交易系统明确清晰地给出对投资者的进攻和防守能力的评估，投资者可根据评估结果调整自己的操作(例如操作风格或习惯)， 改进自身的交易能力，并提升自己的交易绩效。另外，量化交易系统的风险预警提示功能，能及时提醒投资当下所面临的风险。外汇交易的风险首先来自仓位，但大部分人都是凭感觉或固定资金仓位比来交易，但在外汇交易中胜率、风险报酬比都在影响每次的结果，当交易员每天连续不断的在交易时，凭感觉或固定资金仓位比来判断当下的交易往往会滞后于当下的情况，尤其交易员还要每天M 小时面对复杂的市场信息、经济数据及技术分析时，他们对仓位的把握往往无法做到精确掌握。而本发明实施例提供的量化交易系统能够提供潜在风险预警提示功能，能时时根据投资者的胜率、风险报酬波、账户可承受的最大风险、资金仓位比等数据随时计算账户当下的精确仓位，并提供给投资者，使投资者能留出更多的剩余时间来专注于市场、技术分析等方面。优选地，本发明的实施例的量化交易系统可基于CAPM模型和VAR模型设计，并运行于市场行情接收软件mt4之上。根据本发明的实施例的量化交易系统可包括三大功能1、预期收益率测算；2、风险控制能力评估；3、潜在风险预警。它们分别对投资者过去、现在和将来的表现做出客观的评估和预测，并且对投资者当下的交易风险进行量化管理。具体而言功能1 预期收益率测算是根据投资者历史交易的标准差和收益率来估算其一年后可能的收益率。功能2 风险控制能力评估是根据投资者历史交易的夏普指数、风险回报率、收益率标准差、正确率及平均盈利亏损持仓时间比等数据综合计算出风险控制能力评估值。功能3 潜在风险预警外汇交易的风险首先是来自仓位，但大部分人都是凭感觉或固定资金仓位比来交易，但在外汇交易中胜率，风险报酬比都在影响每次的结果，当交易员每天连续不断的在交易时，凭感觉或固定资金仓位比来判断当下的交易往往会滞后于当下的情况，尤其交易员还要每天M小时面对复杂的市场信息，经济数据及技术分析时，他们对仓位的把握往往无法做到精确掌握；而所述的潜在风险预警能时时根据投资者的胜率、风险报酬波、账户可承受的最大风险、资金仓位比等数据随时计算账户当下的精确仓位并提供给投资者，使投资者能留出更多剩余时间专注于市场，技术分析等方面。在一个实施例中，潜在风险预警可分为3级，绿色表示(低风险显示)表示当下没有风险或风险很小；黄色闪烁表示(中风险显示)相当于足球场上的黄牌警告，表示投资者过去的交易已经导致账户存在风险，如果不改变交易风格或习惯则可能有更大的风险， 但此时的账户可能仍然是盈利状态，只要操作得当还有可能再创佳绩；红色闪烁表示(高风险显示)相当于足球场上的红牌警告，表示投资者当下的交易已经超过账户可承受的风险，投资者需及时处理，并在可能的情况下停止交易。以下将对本发明提供的上述三个主要功能进行更详细说明。一、功能1 预期收益率计算在一个实施例中，预期收益率的值是折年率后的预期收益率。例如，某投资者交易3个月，实际收益率为10 %，风险标准差为0. 3，那么折年率后的预期收益率为0. 3*10 % /3*30/365 = 12%。预期收益率是根据资本资产定价(CAMP)模型公式计算得出的。夏普发现，单个股票或者股票组合的预期回报率(Expected Return)的公式如下Ε(Γ ) = rf+^im(E(rm)-rf)其中，1>是无风险回报率(Risk free rate)，属于货币时间价值；β 3是证券的Beta系数；E(Ri)是市场期望回报率(Expected Market Return)；(r-ril — 是股票市场溢价(Equity Market Premium)。CAPM公式中的右边第一个是无风险收益率，比较典型的无风险回报率是10年期的美国政府债券。如果股票投资者需要承受额外的风险，那么他将需要在无风险回报率的基础上多获得相应的溢价。那么股票市场溢价(equity market premium)就等于市场期望回报率减去无风险回报率。证券风险溢价就是股票市场溢价和一个β系数的乘积。但在外汇市场中投资者的交易持仓时间不是固定的，且可以做空，所以，在计算预期收益率的时候我们不能用投资者的收益率与美元指数的波动率来计算β系数。但可以用风险标准差的值来代替β系数，那么预期收益率就是风险标准差*实际收益率。注意如果预期收益率为负数，表示该投资者的进攻能力较弱，相反，该值越大表示投资者的可预期收益就越多。单笔报酬率收益率除以净值标准差。该值越小，表示风险程度也较小。风险回报率是平均收益除以平均亏损的绝对值。该值越大，表示风险小而收益大。同时也在一定程度反应了该投资者的交易能力。二、功能2 风险控制能力评估夏普指数GharpRatio):是经过风险调整后的绩效指标，代表投资者每多承担一分风险可以拿到几分超额报酬；若为正值，则代表基金报酬率高过波动风险；若为负值，则代表基金操作风险大过报酬率。夏普指数越高，代表承担每一分风险越值得。夏普指数=〔平均报酬率-无风险报酬率〕/资产净值标准差。标准差是一组数值自平均值分散开来的程度的一种测量观念。一个较大的标准差，代表大部分的数值和其平均值之间差异较大；一个较小的标准差，代表这些数值较接近平均值。一般而言，标准差愈大，表示净值的涨跌较剧烈，风险程度也较大。标准差愈小，表示风险程度也较小。单笔平均盈亏总收益除以总交易次数。
风险控制能力评估是根据投资者历史交易的夏普指数，风险回报率，收益率标准差，正确率及平均盈利亏损持仓时间比等数据综合计算出来的风控能力评估值。例如，风险控制能力评估可分为5个评级极度危险风险控制能力评估值在0-20 ；危险风险控制能力评估值在20-40 ；警告风险控制能力评估值在40-60 ；较好风险控制能力评估值在60-80 ；很好风险控制能力评估值在80-100。三、功能3 潜在风险预警凯利最大仓位根据投资者的正确率和风险回报率计算当下投资者可动用的最大仓位，根据凯利公式计算得出F = ((R+1)*P_1)/R其中，P是系统获利准确率的百分比，R是交易获利相对于交易亏损的比例。若以一个65%准确率及赢家为输家1.3倍的系统范例做计算，则F= ((1. 3+l)*0. 65-1)/1. 3 = 38%用于交易之资金凯利最大仓位跟投资者可动用的实际资金有很大的相关性，所谓可动用的实际资金指的是如果该账户是投资者自己的账户，并且投资者认可账户可以出现全部亏损，则投资者可承受的最大金额就是其入金额。但是，如果某交易员操作的账户是客户的账户，而且客户要求该账户可承受最大亏损为总资金的40%。假设该账户为1万美金，那么交易员可动用的实际资金就是4000美元。投资者可动用的实际资金也就是投资者可承受的最大亏损额，投资者需要根据自己的实际情况设定参数。另外，此时的凯利最大仓位是包括了当下账户的持仓情况。比如， 某账户现有1手欧元和2手英镑，根据凯利公式计算的最大仓位为4. 3手，那么你现在看到到屏幕显示的手数是1.3手。允许最大亏损金额指的是在不影响你的交易绩效的情况下，当下可以亏损的最大金额。潜在最大亏损概率指VAR模型下的置信值。该值表示在某段时间内投资者会出现最大亏损的概率。置信值及对应概率下的正态分布Z值表。
置信值0.010.0250.050.10.20.30.4对应的概率1%3%5%10%20%30%40%置信值对应的正态分布Z值2.331.961.6451.290.850.530.26
风险价值占比就是VAR的值*100%。表示投资者在设定的时间内，有多少概率会出现多大的亏损。设定的周期通常为一年的交易日总数252。风险价值的计算与投资者的策略相关。通常假设投资者每周出现连续亏损的次数为4次(投资者可视自己的情况自己设定该值)，另外也假设投资在一年中可交易的周数为 48周(剔除各种节假日及投资者不交易的天数，投资者也可以根据自己的实际情况设定该值)，不同的参数导致计算出来的风险价值不同，投资者必须根据实际的情况来设定参数。注意如果风险价值占比如果为负数，则表示出金的金额大于入金的金额。潜在风险评估及分级预警在实际交易中，会出现连续亏损的状况，假设出现极端情况就会超出客户可以承担亏损的额度。由此，可以对交易规则作出进一步改进如果当日亏损，则再交易仓位减半； 如果继续亏损，则停止交易，第二天如果亏损一次，则当日不交易；如果连续3天亏损，则当周不交易。依照这条交易规则，至少不会在短时间内出现连续6次亏损的状况，至多就是连续4次亏损，也不会出现每次亏损都到总资金的2%的状况。所以总体来看，即便出现极端情况，最大亏损也能控制在7 %以内，这符合客户可以承担10 %的亏损的要求。在一个实施例中，潜在风险预警可分为3级，绿色表示(低风险显示)表示当下没有风险或风险很小；黄色闪烁表示(中风险显示)相当于足球场上的黄牌警告，表示投资者过去的交易已经导致账户存在风险，如果不改变交易风格或习惯则可能有更大的风险， 但此时的账户可能仍然是盈利状态，只要操作得当还有可能再创佳绩；红色闪烁表示(高风险显示)相当于足球场上的红牌警告，表示投资者当下的交易已经超过账户可承受的风险，投资者需及时处理，并在可能的情况下停止交易。本发明的实施例的量化交易方法和系统具有以下优点1、每次交易前可动用的资金是根据投资者账户最大可承受的风险并结合投资者的正确率及风险回报率而计算得出，因而账户资金管理采用动态的量化仓位控制。2、能够估算投资者可能的年收益和潜在的最大风险及风险概率，投资者可根据自己的实际情况适时调整自己的交易策略，以便更精准把握预期和实际收益的差距。3、不仅量化了投资者在交易时的理性行为，而且更重要的是对投资者的非理性行为也进行量化跟踪，即超时交易累积隐含风险预警提示功能。本发明提供的各种实施例可根据需要以任意方式相互组合，通过这种组合得到的技术方案，也在本发明的范围内。显然，本领域技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若对本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也包含这些改动和变型在内。
权利要求
1.一种金融衍生品量化交易方法，其特征在于，包括以下步骤基于风险价值VAR模型，并根据投资者的历史交易的风险标准差、置信值、风险持仓时间，计算在对应于所述置信值的预定概率范围内的交易风险值VARm，VARffl = Wtl α σ kt，其中， Wtl为初始资金，α为置信值对应的正态分布Z值，σ为风险标准差，kt为风险持仓时间参数；根据所述交易风险值VARm、投资者的历史交易的正确率、风险回报率、投资者可承受的单笔最大风险值，确定交易策略。
2.如权利要求1所述的金融衍生品量化交易方法，其特征在于，进一步包括 根据所述交易风险值VARm和亏损持仓时间平均值，计算理性交易行为下的潜在风险值，并根据所述潜在风险值调整交易策略，修正交易行为； 和/或根据所述交易风险值VARm、投资者可承受的最大风险比例值、根据历史数据预计的达到最大风险值时的亏损持仓时间，计算非理性交易行为下的累积隐含风险值，并根据所述累积隐含风险值调整交易策略，修正交易行为。
3.如权利要求1或2所述的金融衍生品量化交易方法，其特征在于，进一步包括根据投资者的历史交易中的夏普指数、风险回报率、收益率标准差、正确率、平均盈利、 亏损持仓时间平均值中的至少一种参数，计算预定概率范围内的理性交易和非理性交易临界值，并基于所述理性交易和非理性交易临界值来确定理性和非理性交易行为。
4.如权利要求1至3中任一项所述的金融衍生品量化交易方法，其特征在于，所述的确定交易策略包括计算夏普指数=(平均回报率-无风险回报率)/资产净值标准差，根据所述夏普指数，并结合正确率、风险回报率、盈利和亏损持仓时间比、资产净值标准差来确定风险控制能力的好坏。
5.如权利要求1至4中任一项所述的金融衍生品量化交易方法，其特征在于，所述的确定交易策略包括根据凯利公式计算单笔交易最大持仓比率F，F = ((R+1)*P_1)/R，其中，P是投资者的历史交易的正确率，R是风险回报率；优选地，根据所述单笔交易最大持仓比率和VAR模型计算的潜在风险值，计算当下仓位的动态追踪止损位。
6.如权利要求1至5中任一项所述的金融衍生品量化交易方法，其特征在于，进一步包括对投资者的历史交易数据进行统计分析，提供量化后的对表现变量的权重的边际贡献率，并根据表现变量的权重计算投资者的历史交易综合得分。
7.如权利要求1至6中任一项所述的金融衍生品量化交易方法，其特征在于，进一步包括基于资本资产定价CAMP模型、并根据投资者的历史交易的风险标准差和实际收益率， 计算预期收益率E(ri)，E(ri) =Γ +β (E(rm)-rf)，其中，rf是无风险回报率，β是与风险标准差相关的系数，E(rm)是实际收益率。
8.如权利要求1至7中任一项所述的金融衍生品量化交易方法，其特征在于，进一步包括根据所述交易风险值VARm和所述累积隐含风险值，并根据投资者的历史交易的正确率、风险回报率、投资者可承受的最大风险，提供实时的风险预警信号；所述风险预警信号优选地包括代表不同级别的所述潜在风险值由不同的颜色提示的风险预警信号；和/或，代表所述累积隐含风险的状态由预警信号的数值来提示的风险预警信号。
9.一种金融衍生品量化交易系统，其特征在于，包括动态追踪风险模块，用于基于风险价值VAR模型，并根据投资者的历史交易的风险标准差、置信值、风险持仓时间，计算在对应于所述置信值的预定概率范围内的交易风险值 VARffl, VARffl = W0 α ο kt，其中，Wtl为初始资金，α为置信值对应的正态分布Z值，σ为风险标准差，kt为风险持仓时间参数；交易行为辅助模块，用于根据所述交易风险值VARm、投资者的历史交易的正确率、风险回报率、投资者可承受的最大风险，确定交易策略并修正交易行为。
10.如权利要求9所述的金融衍生品量化交易系统，其特征在于，进一步包括风险控制评估模块，用于根据所述交易风险值VARm和凯利公式，计算当下的潜在风险值，并优选地根据不同置信值下的潜在风险值提供不同风险值下的交易策略； 和/或预期收益率估算模块，用于基于资本资产定价CAMP模型、并根据投资者的历史交易的风险标准差和实际收益率，计算预期收益率E (ri)，E (ri) =Γ +β (E(rm)-rf)，其中，rf是无风险回报率，β是与风险标准差相关的系数，E (rm)是实际收益率。
全文摘要
本发明主要涉及金融衍生品交易领域，特别是金融衍生品量化交易方法和量化交易系统，能够为投资者实时提供交易辅助信息以供确定其交易策略。所述金融衍生品量化交易方法基于风险价值VAR模型，并根据投资者的历史交易的风险标准差、置信值、风险持仓时间，计算在预定概率范围内的交易风险值VARm，VARm＝W0ασkt，其中，W0为初始资金，α为置信值对应的正态分布Z值，σ为风险标准差，kt为风险持仓时间参数；根据所述交易风险值VARm、投资者的历史交易的正确率、风险回报率、投资者可承受的最大风险，确定交易策略。
文档编号G06Q40/00GK102339452SQ20111035339
公开日2012年2月1日 申请日期2011年11月9日 优先权日2011年11月9日
发明者曾祥洪 申请人:曾祥洪