连续博弈数据流中非随机信息概率的实时计算方法及系统的制作方法
【技术领域】
[0001 ]本发明属于计算机技术领域，尤其设及一种数据分析方法及系统。
【背景技术】
[0002] 连续博弈，如拍卖、竞价系统、实时交易等，所形成的数据流，由于参与博弈的主体 存在信息不对称、非理性决策等因素，数据流中夹杂着大量主体的随机性决策信息。对该特 征数据流中的随机决策概率进行计算，或者对该特征数据流中非随机信息概率进行计算， 能够更好地利用博弈数据时间序列中的有效信息，从而帮助解决许多实际问题，如预测市 场的波动性、预防市场风险等。
[0003] 然而，当前常用的非随机信息概率估算方法是基于对一些不可观测的参数进行极 大似然法的统计方法来进行的，不可避免地需要对参数估计进行人为的假设，而参数估计 的结果不方便及时更新，从而不能反映出该特征数据流中非随机信息概率的即时状况。因 此，寻找一种在线数据分析方法和系统，对于连续博弈所形成的实时的数据流实施一系列 客观的技术处理，从而获得该特征数据流中非随机信息概率的计算数值，是当前迫切需要 解决的技术问题。
【发明内容】
[0004] 有鉴于此，本发明的目的在于提供一种连续博弈数据流中非随机信息概率的实时 计算方法及系统，能够在线滚动实时计算不同时间粒度的连续博弈时间序列数据中非随机 信息概率，及时预测市场的波动性。
[0005] -种连续博弈数据流中非随机信息概率的实时计算方法，包括W下步骤：
[0006] (1)对连续博弈所形成的数据流按等时间间隔进行采样，得到采样时间间隔为To 的时间序列数据流，记为：{1'川1，￥1}、{12，？2，￥2^，化，？1，￥小。，其中，1'1为第1个采样时 亥lJ，Pi为第i个采样时刻的最终成交价格，Vi为在第i个采样时刻与第i-1个采样时刻之间的 To时间间隔内的总成交量；
[0007] (2)从所述时间序列数据流中提取出成交量数据流，记为：IVi，V2，…，Vi，…}，其 中，在第i个采样时刻与第i-1个采样时刻之间的To时间间隔内的总成交量Vi被视作为能够 拆分的Vi份单位成交量；
[000引（3)将所述成交量数据流按照等成交量间隔进行聚合和拆分，并依次填充到n个数 据桶中，每个数据桶所容纳的最大成交量总和均为V;
[0009] (4)实时检测所述数据桶是否已满，即，所述数据桶中成交量数据的总和是否已经 达到V，如果是，则进行步骤(5);如果否，则回到步骤(1);
[0010] (5)分别按照下式（I)和（II)计算每个所述数据桶中买的成交量VtB和卖的成交量 VtS的值，并将(VtB，VtS)作为一个成对采样值填充到采样缓存区；
[0011]
(I)
[0012]
[OOK]其中，tw为第T个所述数据桶中最后采样时刻，V功在第i个采样时刻与第i-1个采样 时刻之间飢财间间隔内的总成交量;Pi、Pi-汾别为第i个采样时亥师第i-i个采样时刻的最终 成交价格，ATR为所述时间序列数据流的平均真实波幅(Average True Range),V为每个所述数 据桶中所容纳的最大成交量总和;S为Sigmoid函数，其定义如下：
b为控制函 数平滑程度的参数；
[0014] (6)实时检测所述采样缓存区是否已满，即检测所述采样缓存区中的成对采样值 的个数m的值，若m<n，回到步骤(1)或(5);若m = n，则进行步骤(7);
[0015] (7)按照下式（III)计算当前所述连续博弈所形成的数据流中非随机信息概率P并 实时输出： 闺
cm,.
[0017]本发明中，所述连续博弈所形成的数据流通过应用程序编程接口（Application Programming Interface,API)从数据提供商处获得。
[001引本发明中，所述时间间隔To的取值优选为1分钟、10秒或30秒。
[0019] 本发明中，所述数据桶的个数n的取值优选为50。
[0020] 本发明中，ATR为真实波幅（True Range,TR)的移动平均，而TR = MaxKH-L)，化-PC) ,(PC-L)K其中，H和L分别为当前采样时间段的最高价格和最低价格，PC为前一个采样 时间段的最终成交价格。在计算时，所述数据桶的个数n可视为滑动窗口个数，那么，在n个 所述数据桶中成交量数据所对应的时间序列数据中存在Y个取值To的采样时间间隔，则ATR 可取值为Y个真实波幅(True Range，TR)的移动平均。
[0021] 同时，本发明还提供了一种连续博弈数据流中非随机信息概率的实时计算系统， 包括：
[0022] (1)采样模块:用于对连续博弈所形成的数据流按等时间间隔进行采样，得到采样 时间间隔为To的时间序列数据流，记为：{1川1八1}、化，口2，￥2}-化，口1，￥小。，其中，1'1为第 i个采样时刻，Pi为第i个采样时刻的最终成交价格，Vi为在第i个采样时刻与第i-1个采样时 刻之间的To时间间隔内的总成交量；
[0023] (2)数据提取模块：用于从由所述采样模块输出的所述时间序列数据流中提取出 成交量数据流，记为：{Vi，V2,…，Vi,…}，其中，在第i个采样时刻与第i-1个采样时刻之间的 To时间间隔内的总成交量Vi被视作为能够拆分的Vi份单位成交量；
[0024] (3)数据聚集模块：用于将由所述数据提取模块输出的所述成交量数据流按照等 成交量间隔进行聚合和拆分，并依次填充到n个数据桶中，每个数据桶所容纳的最大成交量 总和均为V;同时用于实时检测所述数据桶是否已满，即，所述数据桶中成交量数据的总和 是否已经达到V，如果是，则转入成交量类型分类计算模块;如果否，则回到所述采样模块；
[0025] (4)成交量分类计算模块：用于计算由所述数据聚集模块输出的每个所述数据桶 中买的成交量VtB和卖的成交量VtS的值，其中，买的成交量VtB和卖的成交量VtS的值分别按照 下式(I)和(II)进行计算：
[0026] 他
[0027] (n)
[002引其中，t(T)为第T个所述数据桶中最后采样时刻，Vi为在第i个采样时刻与第i-1个采样 时亥化间的To时间间隔内的总成交量;Pi、Pi-汾别为第i个采样时亥师第i-1个采样时刻的最终 成交价格，ATR为所述时间序列数据流的平均真实波幅(Average True Range)，V为每个所述数 据桶中所容纳的最大成交量总和;S为Si卵Oid函数，其定义如下:*sXx) = 1十心，6为控制函 数平滑程度的参数；
[0029] (5)采样缓存模块：用于将由所述成交量分类计算模块输出的每个所述数据桶中 买的成交量VtB和卖的成交量VtS的值作为一个成对采样值填充到采样缓存区，并用于实时 检测所述采样缓存区是否已满，即检测所述采样缓存区中的成对采样值的个数m的值，若m <n，回到所述采样模块或所述成交量分类计算模块;若m = n，则转入非随机信息概率估计 模块；
[0030] (6)非随机信息概率估计模块：用于根据所述采样缓存模块输出的数据计算当前 所述连续博弈所形成的数据流中非随机信息概率P，所述非随机信息概率P按照下式（III) 进行计算： 卿]
(III).
[0032