本發(fā)明涉及量化交易模型，具體為一種基于人工智能與算力組合的量化交易模型。
背景技術(shù)：
1、金融交易是指涉及機(jī)構(gòu)單位金融資產(chǎn)所有權(quán)變化的所有交易，包括金融債權(quán)和負(fù)債的產(chǎn)生和清償，金融交易中，一個機(jī)構(gòu)單位一方面會形成或處置金融資產(chǎn)，抵消以后體現(xiàn)金融資產(chǎn)的凈獲得，另一方面會發(fā)生和清償債務(wù)，抵消以后體現(xiàn)負(fù)債凈發(fā)生，隨著金融市場的發(fā)展，已有較大數(shù)量的個人用戶也投身到金融交易的行列中。
2、現(xiàn)有專利(公開號：cn111415255a)公開了“本發(fā)明涉及政務(wù)問詢技術(shù)領(lǐng)域，尤其涉及金融量化交易系統(tǒng)，包括與客戶端通過統(tǒng)一接口雙向連接的控制模塊、交易模塊和行情模塊，所述交易模塊與行情模塊通過ap?i接口分別雙向連接有柜臺交易模塊與柜臺行情模塊，所述柜臺交易模塊通過報盤接口連接交易所，所述柜臺行情模塊通過行情接口連接交易所，所述控制模塊與交易模塊雙向連接，所述柜臺交易模塊雙向連接有券商風(fēng)控模塊。本發(fā)明提供圖形化操作界面，簡化策略運維流程。而進(jìn)階用戶仍然具備通過底層ap?i以無界面形式使用系統(tǒng)的能力。跨平臺運行三大主流平臺wi?ndows、macosx、li?nux皆可編譯運行。靈活的擴(kuò)展接口-本系統(tǒng)提供幾種不同的數(shù)據(jù)交互接口sql?ite、nanomsg，支持用戶自行開發(fā)各種功能模塊”。
3、發(fā)明人在實現(xiàn)該發(fā)明的過程中發(fā)現(xiàn)，現(xiàn)有的交易系統(tǒng)或模型大多沒有對用戶個人交易行為習(xí)慣的采集分析過程，整體在進(jìn)行使用時，難以通過該系統(tǒng)或模型對用戶的交易習(xí)慣進(jìn)行量化推薦，整體進(jìn)行使用時實用性不佳。
技術(shù)實現(xiàn)思路
1、(一)解決的技術(shù)問題
2、針對現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于人工智能與算力組合的量化交易模型，解決了現(xiàn)有的量化交易模型進(jìn)行使用時難以根據(jù)使用者的使用習(xí)慣進(jìn)行交易行為的量化推薦，實用性不佳的問題。
3、(二)技術(shù)方案
4、為實現(xiàn)以上目的，本發(fā)明通過以下技術(shù)方案予以實現(xiàn)：一種基于人工智能與算力組合的量化交易模型，具體包括以下步驟：
5、s1.用戶歷史數(shù)據(jù)獲取
6、用戶通過數(shù)據(jù)輸入設(shè)備，將自身的各項歷史交易數(shù)據(jù)輸入到儲存有該模型的設(shè)備中，并通過數(shù)據(jù)輸入設(shè)備，輸入用戶的各項身份信息，通過圖像采集設(shè)備，輸入用戶的面部信息，通過指紋識別設(shè)備，輸入用戶的指紋信息；
7、s2.用戶檔案庫建立
8、通過神經(jīng)卷積網(wǎng)絡(luò)，遍歷用戶輸入的交易數(shù)據(jù)，對用戶的交易數(shù)據(jù)按交易類型進(jìn)行分類，并根據(jù)各交易類型，統(tǒng)計用戶交易行為的種類，計算各交易類型下用戶不同交易行為的權(quán)重，通過數(shù)據(jù)庫軟件進(jìn)行記錄，針對每種交易類型及之后的交易行為分別建立一級觸發(fā)器和二級觸發(fā)器，將單個用戶的交易數(shù)據(jù)單獨儲存，并結(jié)合用戶的身份信息、面部信息及指紋信息建立用戶檔案，將對應(yīng)用戶的檔案同對應(yīng)用戶交易數(shù)據(jù)的觸發(fā)器進(jìn)行關(guān)聯(lián)；
9、s3.用戶交易行為獲取
10、用戶進(jìn)行交易時，通過圖像采集設(shè)備，采集用戶的面部圖像，通過面部圖像匹配網(wǎng)絡(luò)對數(shù)據(jù)庫中用戶檔案的面部信息比對，或通過指紋采集設(shè)備，采集用戶的指紋，通過指紋匹配網(wǎng)絡(luò)對數(shù)據(jù)庫中用戶檔案的指紋信息比對，比對通過后，用戶可通過輸入設(shè)備輸入此次需要執(zhí)行的交易行為；
11、s4.交易行為匹配
12、獲取到用戶的交易行為后，通過神經(jīng)卷積網(wǎng)絡(luò)，對數(shù)據(jù)庫中用戶過往的交易類型進(jìn)行遍歷，找到匹配部分，根據(jù)對應(yīng)交易類型下交易行為的權(quán)重，按從高到低的順序排列；
13、s5.交易執(zhí)行
14、將排列好的交易行為通過顯示設(shè)備進(jìn)行展示，為用戶推薦權(quán)重最高的前三項，將其交易類型下的交易行為進(jìn)行具體展示，用戶選定后，通過網(wǎng)絡(luò)傳輸數(shù)據(jù)對交易行為進(jìn)行執(zhí)行。
15、優(yōu)選的，所述s1中，輸入設(shè)備包括鍵盤、鼠標(biāo)及手寫板。
16、優(yōu)選的，所述s1中，圖像采集設(shè)備可為攝像頭、攝像機(jī)、相機(jī)、掃描儀或其他帶有拍照功能的設(shè)備中的一種。
17、優(yōu)選的，所述s1中，指紋采集設(shè)備可為光學(xué)指紋采集器、熱敏式傳感器或生物射頻指紋識別設(shè)備中的一種。
18、優(yōu)選的，所述s2中，用戶交易類型包括現(xiàn)貨交易、期貨交易、期權(quán)交易、信用交易和回購。
19、優(yōu)選的，所述s2中，用戶交易行為包括買入、賣出、止盈和止損。
20、優(yōu)選的，所述s2中，交易行為總數(shù)為p總，需計算權(quán)重的交易行為數(shù)量為px，權(quán)重比a計算公式為
21、優(yōu)選的，所述s2和s4中，神經(jīng)卷積網(wǎng)絡(luò)由以下結(jié)構(gòu)組成：
22、輸入層：用于獲取用戶的各項交易行為信息，并支持用戶對輸入信息進(jìn)行手動調(diào)整；
23、卷積層：用于將輸入的數(shù)據(jù)信息同卷積核進(jìn)行卷積操作，通過激活函數(shù)引入非線性計算，對用戶的交易行為特征進(jìn)行提?。?/p>
24、池化層：用于將用戶交易行為的特征進(jìn)行進(jìn)一步細(xì)分，逐漸提取更高級別的行為特征；
25、輸出層：用于將提取的特征映射轉(zhuǎn)化為結(jié)果進(jìn)行輸出，結(jié)果以分類標(biāo)簽的形式進(jìn)行輸出。
26、(三)有益效果
27、本發(fā)明提供了一種基于人工智能與算力組合的量化交易模型。具備以下
28、有益效果：
29、1.本發(fā)明提供了一種基于人工智能與算力組合的量化交易模型，相較于現(xiàn)有的量化交易模型，該量化交易模型在進(jìn)行使用時，使用者可通過將自身的交易數(shù)據(jù)及個人的用戶信息輸入到該模型中，通過內(nèi)置的神經(jīng)卷積網(wǎng)絡(luò)，對用戶的交易行為進(jìn)行特征分類提取，將用戶的交易行為量化，使用者后續(xù)進(jìn)行交易時，可將交易行為輸入到模型內(nèi)，模型可根據(jù)之前提取的特征及計算的權(quán)重對用戶的交易行為進(jìn)行推薦，便于為用戶提供更符合其交易習(xí)慣的交易行為，增大該模型的適用范圍，提升該模型整體進(jìn)行使用時的實用性。
1.一種基于人工智能與算力組合的量化交易模型，其特征在于，具體包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于人工智能與算力組合的量化交易模型，其特征在于：所述s1中，輸入設(shè)備包括鍵盤、鼠標(biāo)及手寫板。
3.根據(jù)權(quán)利要求1所述的一種基于人工智能與算力組合的量化交易模型，其特征在于：所述s1中，圖像采集設(shè)備可為攝像頭、攝像機(jī)、相機(jī)、掃描儀或其他帶有拍照功能的設(shè)備中的一種。
4.根據(jù)權(quán)利要求1所述的一種基于人工智能與算力組合的量化交易模型，其特征在于：所述s1中，指紋采集設(shè)備可為光學(xué)指紋采集器、熱敏式傳感器或生物射頻指紋識別設(shè)備中的一種。
5.根據(jù)權(quán)利要求1所述的一種基于人工智能與算力組合的量化交易模型，其特征在于：所述s2中，用戶交易類型包括現(xiàn)貨交易、期貨交易、期權(quán)交易、信用交易和回購。
6.根據(jù)權(quán)利要求1所述的一種基于人工智能與算力組合的量化交易模型，其特征在于：所述s2中，用戶交易行為包括買入、賣出、止盈和止損。
7.根據(jù)權(quán)利要求1所述的一種基于人工智能與算力組合的量化交易模型，其特征在于：所述s2中，交易行為總數(shù)為p總，需計算權(quán)重的交易行為數(shù)量為px，權(quán)重比a計算公式為
8.根據(jù)權(quán)利要求1所述的一種基于人工智能與算力組合的量化交易模型，其特征在于：所述s2和s4中，神經(jīng)卷積網(wǎng)絡(luò)由以下結(jié)構(gòu)組成：