股票交易系统、方法以及股票交易操作平台系统与流程

1.本发明涉及一种股票交易方法和系统。


背景技术：

2.量化交易是一种利用数学模型及计算机程序将投资策略进行量化并交给计算机去执行的投资方式。采用量化交易使得投资的每一步都有据可依，决策相对客观，避免主观情绪的干扰，同时也便于对策略效果进行检验。量化交易系统则是通过软件的方式，为量化交易的实现提供了环境与工具，方便投资者创建、回测、改进、执行量化交易策略。
3.当前的量化交易系统使用者需要具备较强的编程能力与交易理论基础，进而通过编程语言来实现策略生成、回测、优化、执行的全流程，或者直接提供完整的量化交易策略，使用者直接购买，然后在该量化交易系统运行使用该策略，其自主化功能局限。


技术实现要素：

4.本发明针对现有技术中的缺点，提供了一种模块化的股票交易系统，实现用户的自主选择交易策略的功能。
5.为了解决上述技术问题，本发明通过下述技术方案得以解决：
6.一种股票交易系统，包括以下组件：
7.实盘交易模型组件以及若干交易模型，所述实盘交易模型组件，用于运行所述交易模型；
8.所述交易模型包括时间控制组件、选股范围组件、市场条件组件、仓位分配组件、若干买入模型组件和若干卖出模型组件；其中，
9.所述时间控制组件，包括交易时段变量；
10.所述选股范围组件，包括至少一组标签组，每一标签组对应一组以上股票信息；
11.所述市场条件组件，包括市场趋势变量；
12.所述仓位分配组件，包括仓位限制变量；
13.每一所述买入模型组件，包括一组以上买入策略变量配置组件；
14.每一所述卖出模型组件，包括一组以上卖出策略变量配置组件。
15.可选的，还包括交易模型回测组件，用于训练所述交易模型，以量化的交易模型参数、股票历史价格以及股票信息训练所述交易模型，优化量化的交易模型参数。
16.可选的，还包括模拟交易模型组件，用于获取实时行情数据，以实时行情数据训练所述交易模型，优化量化的交易模型参数。
17.可选的，所述实盘交易模型组件用于接收交易提醒信号，根据交易模型向交易所输出交易指令，接收交易所返回的数据信息，统计交易收益。
18.可选的，所述标签组包括若干一级分类标签，每个一级分类标签下包括若干二级分类标签。
19.可选的，若干所述买入策略变量配置组件根据逻辑信号进行连接；若干卖出策略
变量配置组件根据逻辑信号进行连接。
20.本发明还提供一种股票交易方法，在上述交易系统上执行，包括以下方法：
21.选择已存储的交易模型，或，
22.根据标签组选择所需购买的股票范围；
23.选择买入模型、卖出模型；配置买入模型中的买入策略变量，配置卖出模型中的卖出策略变量；
24.配置市场趋势变量、交易时段变量和仓位限制变量；
25.将选择和配置的参数关联并合成新的交易模型。
26.可选的，包括交易模型回测方法和交易模型模拟方法，
27.所述交易模型回测方法，以量化的交易模型参数、股票历史价格以及股票信息训练所述交易模型，优化量化的交易模型参数；
28.所述交易模型模拟方法以实时行情数据训练所述交易模型，优化量化的交易模型参数；
29.还包括步骤：
30.将选择的交易模型或者新的交易模型输入交易模型训练组件和模拟交易模型组件；
31.输出训练后的交易模型，将训练后的交易模型或选择的交易模型输入实盘交易模型组件执行。
32.本发明还提供一种股票交易操作平台系统，以上述股票交易系统为所述操作平台框架，包括：
33.交易信号接收单元，用于接收股票交易的买入和卖出提醒信息；
34.交易模型选择单元，用于选择需要的交易模型；
35.组件选择单元，用于选择不同组件，并组合形成新的交易模型；
36.变量修改单元，用于修改交易模型中的交易时段变量、标签组、市场趋势变量、仓位限制变量、买入策略变量和卖出策略变量。
37.本发明的有益效果：
38.本发明提出了一种将股票交易策略量分解为若干子模块，若干子模块可选择、可修改，根据学习训练或有经验的用户的自主设置实现了自动化交易模式。
39.用户可以通过对不同组件的搭配、变量修改构建交易策略，门槛更低，自由度更高。
附图说明
40.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，下面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，下面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来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
41.图1是实施例1披露的股票交易系统的结构框图。
具体实施方式
42.下面结合实施例对本发明做进一步的详细说明，以下实施例是对本发明的解释，本发明并不局限于以下实施例。
43.实施例1
44.一种股票交易系统，包括以下组件：
45.实盘交易模型组件以及若干交易模型，所述实盘交易模型组件，用于运行所述交易模型；
46.所述交易模型包括时间控制组件、选股范围组件、市场条件组件、仓位分配组件、若干买入模型组件和若干卖出模型组件；其中，
47.所述时间控制组件，包括交易时段变量；
48.所述选股范围组件，包括至少一组标签组，每一标签组对应一组以上股票信息；
49.所述市场条件组件，包括市场趋势变量；
50.所述仓位分配组件，包括仓位限制变量；
51.每一所述买入模型组件，包括一组以上买入策略变量配置组件；
52.每一所述卖出模型组件，包括一组以上卖出策略变量配置组件。
53.所述实盘交易模型组件用于接收交易提醒信号，根据交易模型向交易所输出交易指令，接收交易所返回的数据信息，统计交易收益。
54.若干所述买入策略变量配置组件逻辑连接组成买入模型组件；若干卖出策略变量配置组件逻辑连接组成卖出模型组件。所述的逻辑连接包括任意两项以上的买入策略变量配置组件的与逻辑连接，或逻辑连接或者与或逻辑组合连接；任意两项以上的卖出策略变量配置组件的与逻辑连接，或逻辑连接或者与或逻辑组合连接。
55.根据逻辑连接，组成了若干的买入模型组件和卖出模型组件，用户以个人偏好信息组合。
56.在本实施例中，时间控制组件、选股范围组件、市场条件组件、仓位分配组件、一个买入模型组件和一个卖出模型组件为与逻辑连接，组成一交易模型。
57.其中，时间控制组件提供交易时段变量选择参数和时间控制逻辑，以时间控制逻辑和选择的交易时段变量，控制交易时间范围。
58.选股范围组件，股票信息包括股票所属的行业、概念等板块概念或者市值、市盈率、资产负债率等基本面指标。
59.所述标签组包括若干一级分类标签，每个一级分类标签下包括若干二级分类标签。在本实施例中采用所述的行业或概念作为以及分类标签，基本面指标作为二级分类标签。
60.市场条件组件，包括市场趋势变量，市场趋势用于评估当前市场行情是否适合开仓，用户可以根据自己的风险偏好选择市场趋势变量参数决定是否开仓。例如，以大盘上涨股票超过50％作为市场趋势变量，则选择交易模型，输入50％作为市场趋势变量参数。
61.仓位分配组件，提供资金分配分数和单日买入份数参数选择，用以控制单只股票最多买入金额以及单日最多买入金额。则选择交易模型，输入n作为仓位限制变量参数。
62.还包括交易模型回测组件，用于验证策略的有效性，训练所述交易模型，以量化的交易模型参数、股票历史价格以及股票信息训练所述交易模型，优化量化的交易模型参数。
63.还包括模拟交易模型组件，用于获取实时行情数据，以实时行情数据训练所述交易模型，优化量化的交易模型参数。
64.实施例2
65.一种股票交易方法，在实施例1所述股票交易系统上执行，包括以下方法：
66.1)根据标签组选择所需购买的股票范围；
67.选择买入模型、卖出模型；配置买入模型中的买入策略变量，配置卖出模型中的卖出策略变量；
68.配置市场趋势变量、交易时段变量和仓位限制变量；
69.将选择和配置的参数关联并合成新的交易模型。
70.2)选择已存储的交易模型，直接输入实盘交易模型组件，
71.或者，选择已存储的交易模型，选择需要修改的变量进行修改，确认后保存原交易模型和新修改的交易模型；
72.或者，选择已存储的交易模型，修改买入策略变量配置组件的数量和组合逻辑，修改卖出策略变量配置组件的数量和组合逻辑。
73.将修改变量、修改数量和组合逻辑的交易模型分别进行对应的标记，将交易模型以模型组的形式进行优化训练。
74.还包括，交易模型回测方法和交易模型模拟方法，
75.所述交易模型回测方法，以量化的交易模型参数、股票历史价格以及股票信息训练所述交易模型，优化量化的交易模型参数；
76.所述交易模型模拟方法以实时行情数据训练所述交易模型，优化量化的交易模型参数；
77.还包括步骤：
78.将选择的交易模型或者新的交易模型输入交易模型训练组件和模拟交易模型组件；
79.输出训练后的交易模型，将训练后的交易模型或选择的交易模型输入实盘交易模型组件执行。
80.其中，训练优化过程包括变量参数的回测优化、模拟优化，其优化过程基于已存在的交易模型，冻结交易模型框架，根据回测交易结果和模拟交易结果反复训练优化配置的市场趋势变量、交易时段变量和仓位限制变量，以及买入策略变量、卖出策略变量。
81.举例来说：
82.交易时段变量：10:00-15:00；
83.市场趋势变量：对应标签组下的上涨数量大于等于50％；
84.仓位限制变量：10；
85.……
(省略)；
86.以股票历史价格和/或实时行情数据训练上述变量，根据分析比对参数，输出优化后的买入策略变量配置组件。
87.还包括对所述交易模型落库，以标签组所选的一级分类标签为分类标记对所述交易模型进行分类落库。
88.在另一种实施方式中，提供了一种新的思路，以标签组所选的一级分类标签为分
类标记对所述交易模型进行分类落库，其中，在本方案中，分类落库的交易模型为上述经过变量参数优化的交易模型，每一分类标记下的所有交易模型的所述交易时段变量、市场趋势变量、仓位限制变量、买入策略变量和卖出策略变量相似或相同。
89.以股票历史信息训练该分类标记下的交易模型，优化买入策略变量配置组件的组合模式和/或卖出策略变量配置组件的组合模式。
90.举例来说，交易模式a中的买入策略变量配置组件包括：(策略
①
or策略
④
)and策略
②
and策略
③
；
91.交易模式b的买入策略变量配置组件包括：(策略
①
or策略
⑤
)and策略
②
and策略
③
；
92.交易模式c的买入策略变量配置组件包括：策略
①
and策略
②
and策略
③
and策略
④
93.……
94.交易模式n的买入策略变量配置组件包括：(省略)
95.以股票历史价格和/或实时行情数据训练该分类标记下的交易模型a-n，输出优化后的买入策略变量配置组件。
96.其中交易模型的分析比对参数包括：近n年累计收益，平均年化收益率，夏普比率，最大回撤和同期指数。
97.实施例3
98.一种股票交易操作平台系统，以实施例1所述的股票交易系统为所述操作平台框架，包括：
99.交易信号接收单元，用于接收股票交易的买入和卖出提醒信息；当满足交易模型的策略时，会推送相关买入或卖出提醒信息。
100.交易模型选择单元，用于选择需要的交易模型，如实施例2中的方法选择已有的交易模型。
101.组件选择单元，用于选择不同组件，并组合形成新的交易模型，选择时间控制组件，选股范围组件，市场条件组件，仓位分配组件、买入模型组件以及买入模型中的买入策略变量配置组件，卖出模型组件以及卖出策略变量配置组件。
102.变量修改单元，用于修改交易模型中的交易时段变量、标签组、市场趋势变量、仓位限制变量、买入策略变量和卖出策略变量。如实施例2中描述的1)的方法配置变量。
103.在本技术所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
104.所述单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是一个物理单元或多个物理单元，即可以位于一个地方，或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
105.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
106.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用
时，可以存储在一个可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
107.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何在本发明揭露的技术范围内的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。