通过应用程序编程接口（Application Programming Interface,API)从 数据提供商处获得连续博弈所形成的数据流，时间间隔To取值I分钟;步骤S2中的成交量数 据流|Vi，V2,…，Vi,…}，假设为{5,2,4，1，7，13,5-'};步骤53中的等成交量间隔￥为10，由于 每个成交量为Vi的数据视作拆分成Vi个成交量为1的数据，那么当某个成交量数据填充到当 前数据桶中使得该数据桶成交量达到10时，需要将运个数据根据成交量拆分成两个部分， 一部分填满当前的数据桶，另一部分则等待加入下一个数据桶，因此，聚合和拆分后的成交 量数据流为{(5,2,3)，a，l，7，l)，（10)，（2,5…），…};将（5,2,3)、a，l，7，l)、a0)、（2， 5…）、…依次填充至Ijn个数据桶中，步骤S5中分别计算每个数据桶如(5,2,3)，再如（1，1，7， 1)共10个单位成交量的数据中买的成交量和卖的成交量的占比。对于时间序列数据，数据 的粒度是可W进行拆分的，比如按天间隔的数据可W拆分为按小时计，或者聚合为按月计。 W最常见的按照分钟计的证券交易数据为例，（5,2,3)为3分钟的数据，共10个单位成交量， 对于每一个数据即每分钟，存在开、高、低、收四个价格，Pi、Pi-i分别为第i个采样时刻和第 i-1个采样时刻的"收"价格，ATR为真实波幅(True Range，TR)的移动平均，例如，取值为250 个分钟真实波幅TR的平均，符合Si卵Oid函数毎(片= ,
[0074] 相应地，本发明的一具体实施例中，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：
[0075] (1)采样模块：用于对连续博弈所形成的数据流(可通过应用程序编程接口 API从 数据提供商处获得)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'功第1个采样时刻，？功第1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；
[0076] (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；
[0077] (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；
[0078] (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：
W巧] CT)
[0080] …）
[0081 ]其中，
[0082] t (T)为第T个所述数据桶中最后采样时刻，
[0083] 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；
[0084] Pi、Pi-i分别为第i个采样时刻和第i-1个采样时刻的最终成交价格；
[0085] ATR为所述时间序列数据流的平均真实波幅(Average True Range)，取值为真实 波幅（True Range，TR)的移动平均，而TR=Max K H-L)，化-PC)，（ PC-L )}，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；
[0086] V为每个所述数据桶中所容纳的最大成交量总和；
[0087] S为Sigmoid函数，其定义如下：>$'(-句=i + ，其中，b为控制函数平滑程度的 参数，b可设为1;
[0088] (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；
[0089] (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： 関 J
(III),
[0091] (7)数据输出模块：用于将所述非随机信息概率估计模块计算得到的所述非随机 信息概率的值输出。数据输出模块可W为数字输出模块，W数值的形式输出结果;也可W是 数字输出模块与图形输出模块的组合，W图形的形式输出结果。数据输出模块可W与其他 系统对接，从而使得其他系统可W调用该系统数据输出模块输出的数据处理结果。
[0092] 在实施的过程中，通过非随机信息概率的实时计算系统对于输入的在线连续博弈 数据流中时间序列数据进行实时处理，当当前成交量数据桶满的时候，根据当前成交量数 据桶中所有的成交量和成交价差计算VtB和VtS,然后更新计算P的成交量数据桶队列；当当 前成交量数据桶队列已经填满采样缓冲区时，立即根据当前的队列计算非随机信息概率P 值。由于P值产生的时间是不固定的，所W需要加入时间戳在数据整合的过程中方便作为索 引进行显示。
[0093] 利用上述实时计算系统，通过上述实时计算方法可获得当前时间下非随机信息概 率的值，并进一步采取W下方法来计算其与价格波动的相关性：
[0094] (1)计算自当前时间起始的一定时间区间内成交价格的极差或标准差，记为价格 波动性化巧rice;
[00M] (2)计算该时间区间内非随机信息概率的值与价格波动性的协方差Cov(P， 化巧rice),即为在该时间区间内非随机信息概率与价格波动性的相关性。
[0096] 上述时间区间设定在1.巧Ij2.5个小时内，非随机信息概率的值与相应时间区间的 价格波动性的相关性最显著。
[0097] 图3、图4、图5分别为本发明的一具体实施例中采样时间间隔为1分钟的时间序列 数据流、对于该时间序列数据流中非随机信息概率进行实时计算的结果、在120分钟的时间 区间内该非随机信息概率与价格波动性的相关性。由图4和图5可W看出来，非随机信息概 率与价格波动性显著相关。由此可见，上述方法计算的非随机信息概率的值可W用于判断 连续博弈市场波动的方法。
[0098] 此外，设定填满采样缓冲区的成交量数据桶的个数n即滑动窗口大小取值均为50， 设定每个数据桶中成交量数据的总和的最大值V为Vd/200,并分别设定获得时间序列数据 流的采样时间间隔To为1分钟、10秒、30秒，利用上述实时计算系统通过上述实时计算方法 获得同一日的非随机信息概率的值，结果显示:非随机信息概率的值表现是相似的，且都表 现出与价格波动性的强相关性。
[0099] 此外，设定填满采样缓冲区的成交量数据桶的个数n即滑动窗口大小取值均为50， 设定获得时间