一种基于人工智能与算力组合的量化交易模型的制作方法

本发明涉及量化交易模型，具体为一种基于人工智能与算力组合的量化交易模型。

背景技术：

1、金融交易是指涉及机构单位金融资产所有权变化的所有交易，包括金融债权和负债的产生和清偿，金融交易中，一个机构单位一方面会形成或处置金融资产，抵消以后体现金融资产的净获得，另一方面会发生和清偿债务，抵消以后体现负债净发生，随着金融市场的发展，已有较大数量的个人用户也投身到金融交易的行列中。

2、现有专利(公开号：cn111415255a)公开了“本发明涉及政务问询技术领域，尤其涉及金融量化交易系统，包括与客户端通过统一接口双向连接的控制模块、交易模块和行情模块，所述交易模块与行情模块通过ap i接口分别双向连接有柜台交易模块与柜台行情模块，所述柜台交易模块通过报盘接口连接交易所，所述柜台行情模块通过行情接口连接交易所，所述控制模块与交易模块双向连接，所述柜台交易模块双向连接有券商风控模块。本发明提供图形化操作界面，简化策略运维流程。而进阶用户仍然具备通过底层ap i以无界面形式使用系统的能力。跨平台运行三大主流平台wi ndows、macosx、li nux皆可编译运行。灵活的扩展接口-本系统提供几种不同的数据交互接口sql ite、nanomsg，支持用户自行开发各种功能模块”。

3、发明人在实现该发明的过程中发现，现有的交易系统或模型大多没有对用户个人交易行为习惯的采集分析过程，整体在进行使用时，难以通过该系统或模型对用户的交易习惯进行量化推荐，整体进行使用时实用性不佳。

技术实现思路

1、(一)解决的技术问题

2、针对现有技术的不足，本发明提供了一种基于人工智能与算力组合的量化交易模型，解决了现有的量化交易模型进行使用时难以根据使用者的使用习惯进行交易行为的量化推荐，实用性不佳的问题。

3、(二)技术方案

4、为实现以上目的，本发明通过以下技术方案予以实现：一种基于人工智能与算力组合的量化交易模型，具体包括以下步骤：

5、s1.用户历史数据获取

6、用户通过数据输入设备，将自身的各项历史交易数据输入到储存有该模型的设备中，并通过数据输入设备，输入用户的各项身份信息，通过图像采集设备，输入用户的面部信息，通过指纹识别设备，输入用户的指纹信息；

7、s2.用户档案库建立

8、通过神经卷积网络，遍历用户输入的交易数据，对用户的交易数据按交易类型进行分类，并根据各交易类型，统计用户交易行为的种类，计算各交易类型下用户不同交易行为的权重，通过数据库软件进行记录，针对每种交易类型及之后的交易行为分别建立一级触发器和二级触发器，将单个用户的交易数据单独储存，并结合用户的身份信息、面部信息及指纹信息建立用户档案，将对应用户的档案同对应用户交易数据的触发器进行关联；

9、s3.用户交易行为获取

10、用户进行交易时，通过图像采集设备，采集用户的面部图像，通过面部图像匹配网络对数据库中用户档案的面部信息比对，或通过指纹采集设备，采集用户的指纹，通过指纹匹配网络对数据库中用户档案的指纹信息比对，比对通过后，用户可通过输入设备输入此次需要执行的交易行为；

11、s4.交易行为匹配

12、获取到用户的交易行为后，通过神经卷积网络，对数据库中用户过往的交易类型进行遍历，找到匹配部分，根据对应交易类型下交易行为的权重，按从高到低的顺序排列；

13、s5.交易执行

14、将排列好的交易行为通过显示设备进行展示，为用户推荐权重最高的前三项，将其交易类型下的交易行为进行具体展示，用户选定后，通过网络传输数据对交易行为进行执行。

15、优选的，所述s1中，输入设备包括键盘、鼠标及手写板。

16、优选的，所述s1中，图像采集设备可为摄像头、摄像机、相机、扫描仪或其他带有拍照功能的设备中的一种。

17、优选的，所述s1中，指纹采集设备可为光学指纹采集器、热敏式传感器或生物射频指纹识别设备中的一种。

18、优选的，所述s2中，用户交易类型包括现货交易、期货交易、期权交易、信用交易和回购。

19、优选的，所述s2中，用户交易行为包括买入、卖出、止盈和止损。

20、优选的，所述s2中，交易行为总数为p总，需计算权重的交易行为数量为px，权重比a计算公式为

21、优选的，所述s2和s4中，神经卷积网络由以下结构组成：

22、输入层：用于获取用户的各项交易行为信息，并支持用户对输入信息进行手动调整；

23、卷积层：用于将输入的数据信息同卷积核进行卷积操作，通过激活函数引入非线性计算，对用户的交易行为特征进行提取；

24、池化层：用于将用户交易行为的特征进行进一步细分，逐渐提取更高级别的行为特征；

25、输出层：用于将提取的特征映射转化为结果进行输出，结果以分类标签的形式进行输出。

26、(三)有益效果

27、本发明提供了一种基于人工智能与算力组合的量化交易模型。具备以下

28、有益效果：

29、1.本发明提供了一种基于人工智能与算力组合的量化交易模型，相较于现有的量化交易模型，该量化交易模型在进行使用时，使用者可通过将自身的交易数据及个人的用户信息输入到该模型中，通过内置的神经卷积网络，对用户的交易行为进行特征分类提取，将用户的交易行为量化，使用者后续进行交易时，可将交易行为输入到模型内，模型可根据之前提取的特征及计算的权重对用户的交易行为进行推荐，便于为用户提供更符合其交易习惯的交易行为，增大该模型的适用范围，提升该模型整体进行使用时的实用性。

技术特征：

1.一种基于人工智能与算力组合的量化交易模型，其特征在于，具体包括以下步骤：

2.根据权利要求1所述的一种基于人工智能与算力组合的量化交易模型，其特征在于：所述s1中，输入设备包括键盘、鼠标及手写板。

3.根据权利要求1所述的一种基于人工智能与算力组合的量化交易模型，其特征在于：所述s1中，图像采集设备可为摄像头、摄像机、相机、扫描仪或其他带有拍照功能的设备中的一种。

4.根据权利要求1所述的一种基于人工智能与算力组合的量化交易模型，其特征在于：所述s1中，指纹采集设备可为光学指纹采集器、热敏式传感器或生物射频指纹识别设备中的一种。

5.根据权利要求1所述的一种基于人工智能与算力组合的量化交易模型，其特征在于：所述s2中，用户交易类型包括现货交易、期货交易、期权交易、信用交易和回购。

6.根据权利要求1所述的一种基于人工智能与算力组合的量化交易模型，其特征在于：所述s2中，用户交易行为包括买入、卖出、止盈和止损。

7.根据权利要求1所述的一种基于人工智能与算力组合的量化交易模型，其特征在于：所述s2中，交易行为总数为p总，需计算权重的交易行为数量为px，权重比a计算公式为

8.根据权利要求1所述的一种基于人工智能与算力组合的量化交易模型，其特征在于：所述s2和s4中，神经卷积网络由以下结构组成：

技术总结本发明提供一种基于人工智能与算力组合的量化交易模型，涉及量化交易模型技术领域。该基于人工智能与算力组合的量化交易模型，具体包括以下步骤，S1.用户历史数据获取，S2.用户档案库建立，S3.用户交易行为获取，S4.交易行为匹配，S5.交易执行。通过将自身的交易数据及个人的用户信息输入到该模型中，通过内置的神经卷积网络，对用户的交易行为进行特征分类提取，将用户的交易行为量化，使用者后续进行交易时，可将交易行为输入到模型内，模型可根据之前提取的特征及计算的权重对用户的交易行为进行推荐，便于为用户提供更符合其交易习惯的交易行为，增大该模型的适用范围，提升该模型整体进行使用时的实用性。技术研发人员：薛原受保护的技术使用者：镇江数境科技有限公司技术研发日：技术公布日：2024/9/12