会员体验
专利管家(专利管理)
工作空间(专利管理)
风险监控(情报监控)
数据分析(专利分析)
侵权分析(诉讼无效)
联系我们
交流群
官方交流:
QQ群: 891211   
微信请扫码    >>>
现在联系顾问~
首页 / 专利库 / 市场指令 / 预测股指期货市场异常波动的指令流动性方法

预测股指期货市场异常波动的指令流动性方法

申请号 CN201610607543.9 申请日 2016-07-28 公开(公告)号 CN106295855A 公开(公告)日 2017-01-04
申请人 上海财经大学; 发明人 陈云; 刘可伋;
摘要 本发明披露一种预测股指期货市场异常波动的指令流动性方法,包含四个主要步骤:数据处理、指标值计算、指标值选取及异常波动预测。目前尚无类似方法,本发明具有原创性。并且本方法具备预测及时、准确率高等优点,可供监管层作为预测期指市场异常波动的监控手段。
权利要求

1.一种预测股指期货市场异常波动的指令流动性方法,其特征在于包括以下步骤:步骤一、数据处理:

通过WIND提取期指主力合约的分钟交易数据,对于提取的数据,如果有缺失,通过三次样条插值方法补全;具体的,标记提取数据的时间为t0≤t2≤…≤tn,其对应的价格为P0≤P2≤…≤Pn,则对所述n个时间小区间[ti,ti+1],i=0,1,…n-1,构造三次多项式函数S(t)=si(t),使得

最后采用S(tk)作为缺失时间点tk处的价格值Pk;

步骤二、数据链接与划分:

若当月合约的成交量低于下月合约的成交量时,将主力合约切换为下月合约;最后采用等成交量原则将每天数据划分为150个数据小区间,每个数据小区间用τ=1,...,n表示;

假设新信息发生的概率为α,其中是坏消息的概率为δ,有信息发生的交易期中,知情参与者交易的比率为μ,每个交易期非知情交易者参与交易的比率为ε;

步骤三、波动值计算:

定义每天最大波动为 其中1≤i<j≤150并且i时刻为当天大幅波动的开始时间,j时刻为当天大幅波动的结束时间;Pi和Pj分别为i和j时刻的价格,故第一项 是这一段时间内的价格涨(跌)幅,第二项 是这一段时间的价格涨(跌)速;定义异常波为当σmax≥5%时所对应的时间段;

步骤四、指令流动性指标计算:

对每个数据小区间,分别取买入成交量为

卖出成交量为

其中t(τ)是在τ的观测区间内,等时间间隔时间区间的计数;Vi为i时刻的成交量;Pi为i时刻的价格;Z(x)是标准正态分布的累积分布函数;σΔP是估计的相邻时间内价格变化的标准差;计算得出以下期望等式:E[|VτB+VτS|]=α(1-δ)(ε+μ+ε)+αδ(μ+ε+ε)+(1-α)(ε+ε)=αμ+2ε,

由于E[|VτB-VτS|]的一阶项(即主导部分)直接取决于知情交易,所以E[|VτB-VτS|]≈αμ,

定义指令流动性指标:

步骤五、异常波动预警:

滚动选取交易当天之前3个月为时间窗口T,对T内发生异常波动的时间段,记录Index值;取T内Index的均值,并记为I1;

其次,统计画出T内Index的累积分布函数;由于异常波动的发生为小概率事件,一般

5%发生的概率为小概率事件;所以,找出累积分布函数等于95%时,对应的Index值,记为I2;

最后,将T均分为前后两部分,将前T/2时间段的数据作为训练集,构造如下优化问题求解预警阈值I3,max Ind

满足

其中Ind为预警阈值, 为准确预测波动率不小于5%的天数, 为波动率不小于5%的天数,χ(x)为示性函数,σmax_t为第t个交易日最大波动率;

通过粒子群算法(PSO)求解以上优化问题,具体步骤如下:步骤五一:根据种群规模,初始化粒子,包括位置 和速度 每个粒子的位置表示一个Ind值;

步骤五二:根据每个Ind值,判断其是否满足约束条件 如果满足条件,保留此粒子,如果不满足则重新生成;

步骤五三:在当前粒子中选择最优例子,即满足约束的最大Ind值,作为局部最优粒子,记为步骤五四:在所有生成的粒子中选择最优例子,即满足约束的最大Ind值,作为全局最优粒子,记为步骤五五:更新种群内粒子的速度和位置;

这里,更新的具体方式如下:

在上述公式中,ω被称为惯性权重, 为学习因子; 和 为[0,1)之间的随机数。为了防止速度增加到失去控制,给定粒子的速度属于区间[Vmin,Vmax]=[-10,10];

步骤五六:循环步骤五三至五五,直至达到迭代终止条件:迭代终止条件为如果全局最优粒子 在一定的迭代次数Nfixed=50中没有变化,或总迭代次数超过Nmax=500,则算法结束;

然后,对后T/2时间段的数据作为检验集,检验{I1,I2,I3}的准确性,并选取其中准确率大于75%的指标I作为最终的预警阈值;在接下来的期指交易时间内,若Index大于等于I时,将预测异常波动并报警,从而监管层可依据报警,采取应对措施,避免股灾的发生。

说明书全文

预测股指期货市场异常波动的指令流动性方法

技术领域

[0001] 本发明涉及股指期货市场异常波动检测,尤其是极端波动检测,具体是一种预测股指期货市场异常波动的指令流动性方法。

背景技术

[0002] 在金融交易市场中流动性起到了至关重要的作用,金融产品的价格随市场的流动性改变而发生变化。当市场的流动性出现急剧变化时,市场中的金融产品价格也会发生剧烈变化,从而导致市场的异常波动。如何有效地预测异常波动,从而避免股灾的发生,已成为监管层亟需解决的问题。

发明内容

[0003] 本发明基于以下几个方面来解决以上问题:
[0004] (1)数据处理
[0005] 对输入的数据进行插值补全、链接、等成交量划分处理。
[0006] (2)风险阈值预测
[0007] 统计每天的指令流动性指标,结合异常波动发生的情况,通过统计方法实时计算风险报警阈值,并结合机器学习遴选精确阈值。
[0008] (3)风险预测
[0009] 通过输入实时数据计算指令流动性指标,若指标值大于风险报警阈值,则触发报警,监管层可采取应对措施,避免异常波动的产生。
[0010] 并通过以下技术方案来实现:
[0011] 步骤一、数据处理:
[0012] 通过WIND提取期指主力合约的分钟交易数据,对于提取的数据,如果有缺失,通过三次样条插值方法补全;具体的,标记提取数据的时间为t0≤t2≤…≤tn,其对应的价格为P0≤P2≤…≤Pn,则对所述n个时间小区间[ti,ti+1],i=0,1,…n-1,构造三次多项式函数S(t)=si(t),使得
[0013]
[0014] 最后采用S(tk)作为缺失时间点tk处的价格值Pk。
[0015] 步骤二、数据链接与划分:
[0016] 若当月合约的成交量低于下月合约的成交量时,将主力合约切换为下月合约;最后采用等成交量原则将每天数据划分为150个数据小区间,每个数据小区间用τ=1,...,n表示;假设新信息发生的概率为α,其中是坏消息的概率为δ,有信息发生的交易期中,知情参与者交易的比率为μ,每个交易期非知情交易者参与交易的比率为ε。
[0017] 步骤三、波动值计算:
[0018] 定义每天最大波动为 其中1≤i<j≤150并且i时刻为当天大幅波动的开始时间,j时刻为当天大幅波动的结束时间;Pi和Pj分别为i和j时刻的价格,故第一项 是这一段时间内的价格涨(跌)幅,第二项 是这一段时间的价格涨(跌)速;根据证监会2015年12月4日熔断机制的设定:当日波动大于5%时暂停交易15分钟,因此定义异常波动为当σmax≥5%时所对应的时间段。
[0019] 步骤四、指令流动性指标计算:
[0020] 对每个数据小区间,分别取买入成交量为
[0021]
[0022] 卖出成交量为
[0023]
[0024] 其中t(τ)是在τ的观测区间内,等时间间隔时间区间的计数;Vi为i时刻的成交量;Pi为i时刻的价格;Z(x)是标准正态分布的累积分布函数;σΔP是估计的相邻时间内价格变化的标准差。计算得出以下期望等式:
[0025]
[0026] 由于 的一阶项(即主导部分)直接取决于知情交易,所以
[0027]
[0028] 定义指令流动性指标:
[0029]
[0030] 步骤五、异常波动预警:
[0031] 滚动选取交易当天之前3个月为时间窗口T,对T内发生异常波动的时间段,记录Index值;取T内Index的均值,并记为I1。
[0032] 其次,统计画出T内Index的累积分布函数。由于异常波动的发生为小概率事件,一般5%发生的概率为小概率事件。所以,找出累积分布函数等于95%时,对应的Index值,记为I2。
[0033] 最后,将T均分为前后两部分,将前T/2时间段的数据作为训练集,构造如下优化问题求解预警阈值I3,
[0034] max Ind
[0035] 满足
[0036]
[0037] 其中Ind为预警阈值, 且σmax_t≥5%)为准确预测波动率不小于5%的天数, 为波动率不小于5%的天数,χ(x)为
示性函数,σmax_t为第t个交易日最大波动率。当金融市场的预测准确率高于50%时,均认为是非常有效的指标,故本模型中选取预测准确率为75%。
[0038] 通过粒子群算法(PSO)求解以上优化问题,具体步骤如下:
[0039] 步骤五一:根据种群规模,初始化粒子,包括位置 和速度 每个粒子的位置表示一个Ind值;
[0040] 步骤五二:根据每个Ind值,判断其是否满足约束条件 如果满足条件,保留此粒子,如果不满足则重新生成;
[0041] 步骤五三:在当前粒子中选择最优例子(满足约束的最大Ind值),作为局部最优粒子,记为
[0042] 步骤五四:在所有生成的粒子中选择最优例子(满足约束的最大Ind值),作为全局最优粒子,记为
[0043] 步骤五五:更新种群内粒子的速度和位置;
[0044] 这里,更新的具体方式如下:
[0045]
[0046]
[0047] 在上述公式中,ω被称为惯性权重, 为学习因子。 和 为[0,1)之间的随机数。为了防止速度增加到失去控制,给定粒子的速度属于区间[Vmin,Vmax]=[-10,10]。
[0048] 步骤五六:循环步骤五三至五五,直至达到迭代终止条件:迭代终止条件为如果全局最优粒子 在一定的迭代次数Nfixed=50中没有变化,或总迭代次数超过Nmax=500,则算法结束。
[0049] 然后,对后T/2时间段的数据作为检验集,检验{I1,I2,I3}的准确性,并选取其中准确率大于75%的指标I作为最终的预警阈值;在接下来的期指交易时间内,若Index大于等于I时,将预测异常波动并报警,从而监管层可依据报警,采取应对措施,避免股灾的发生。

附图说明

[0050] 以下结合附图和具体实施方式来进一步说明本发明。
[0051] 图1为本发明预测股指期货市场异常波动的指令流动性方法的流程图
[0052] 图2为本发明预测股指期货市场异常波动的指令流动性方法的数据处理流程图流程图
[0053] 图3为本发明预测股指期货市场异常波动的指令流动性方法特定时间段内Index的分布图
[0054] 图4为本发明预测股指期货市场异常波动的指令流动性方法特定时间段内相关系数示意图
[0055] 图5为本发明预测股指期货市场异常波动的指令流动性方法2015年6月19日的期指交易Index值标度示意图

具体实施方式

[0056] 为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体图示,进一步阐述本发明。
[0057] 首先,通过WIND提取期指主力合约的分钟交易数据,对于提取的数据,如果有缺失,通过三次样条插值方法补全。具体的,标记提取数据的时间为t0≤t2≤…≤tn,其对应的价格为P0≤P2≤…≤Pn,则对所述n个时间小区间[ti,ti+1],i=0,1,…n-1,构造三次多项式函数S(t)=si(t),使得
[0058]
[0059] 最后采用S(tk)作为缺失时间点tk处的价格值Pk。
[0060] 对于处理后的数据,通过如下方法链接数据:若当月合约的成交量低于下月合约的成交量时,将主力合约切换为下月合约。最后采用等成交量原则将每天数据划分为150个数据小区间,每个小区间用τ=1,...,n表示。假设新信息发生的概率为α,其中是坏消息的概率为δ,有信息发生的交易期中,知情参与者交易的比率为μ,每个交易期非知情交易者参与交易的比率为ε。
[0061] 如图二所示,首先对初始数据中缺失的部分,采用三次样条插值补全。其次,将补全的数据链接成连续的时间序列。再次,基于等成交量的原则,将数据进行划分,生成可直接计算的标准数据。
[0062] 为刻画异常波动,首先定义每天最大波动为 其中1≤i<j≤150并且i时刻为当天大幅波动的开始时间,j时刻为当天大幅波动的结束时间;Pi和Pj分别为i和j时刻的价格,故第一项 是这一段时间内的价格涨(跌)幅,第二项 是这一段时间的价格涨(跌)速。因此,这样一个指标综合了涨跌的幅度和涨跌的速度的一个指标。由于本发明只关心短时间内的期指异常波动,所以本波动指标可避免以下两种情况:
[0063] (1)较长时间内有较大涨(跌)幅;
[0064] (2)极短时间内涨(跌)幅很小。
[0065] 现在,定义异常波动为:当σmax≥5%时所对应的时间段。
[0066] 通过以下方法来有效识别异常波动:
[0067] 对每个数据小区间,分别取买入成交量为
[0068]
[0069] 卖出成交量为
[0070]
[0071] 其中t(τ)是在τ的观测区间内,等时间间隔时间区间的计数;Vi为i时刻的成交量;Pi为i时刻的价格;Z(x)是标准正态分布的累积分布函数;σΔP是估计的相邻时间内价格变化的标准差。从以上公式可以看出,当没有价格变化时,认为买入和卖出是均衡的,当价格向上涨时 变大而 减小,并且在一个观测区间中 容易计算得出以下期
望等式:
[0072]
[0073] 由于 的一阶项(即主导部分)直接取决于知情交易,所以
[0074]
[0075] 定义指令流动性指标:
[0076]
[0077] 选取沪深300股指期货2010年4月16日至2015年8月26日内分钟主力合约的交易数据为样本,通过指标的统计特征,说明其有效性。
[0078] 首先,画出该时间段内Index的分布图,如图3所示
[0079] 通过图3的统计图可知,该指标服从正态分布并且该指标值大于0.8时的概率非常低。因此,该指标大于0.8时,可认为期指市场出现了极端风险,即为异常波动。
[0080] 接下来,我们将该指标这段时间的相关系数画出如图4所示,
[0081] 从图4可知,该指标有强相关性,即当极端风险发生时,将持续一段时间。这也反应出金融交易市场的风险集聚特征。
[0082] 对于预警阈值的遴选,采用以下方法:
[0083] 首先,滚动选取交易当天之前3个月为时间窗口T,如选取T为2016年4月20日-2016年7月20日。对T内发生异常波动的时间段,记录Index值。取T内Index的均值,并记为I1。
[0084] 其次,统计画出T内Index的累积分布函数。由于异常波动的发生为小概率事件,一般5%发生的概率为小概率事件。所以,找出累积分布函数等于95%时,对应的Index值,记为I2。
[0085] 最后,将T均分为前后两部分,将前T/2时间段的数据作为训练集,构造如下优化问题求解预警阈值I3,
[0086] max Ind
[0087] 满足
[0088]
[0089] 其中Ind为预警阈值, 且σmax_t≥5%)为准确预测波动率不小于5%的天数, 为波动率不小于5%的天数,χ(x)为
示性函数,σmax_t为第t个交易日最大波动率。当金融市场的预测准确率高于50%时,均认为是非常有效的指标,故本模型中选取预测准确率为75%。
[0090] 通过粒子群算法(PSO)求解以上优化问题。具体步骤如下:
[0091] 步骤五一:根据种群规模,初始化粒子,包括位置 和速度 每个粒子的位置表示一个Ind值;
[0092] 步骤五二:根据每个Ind值,判断其是否满足约束条件 如果满足条件,保留此粒子,如果不满足则重新生成;
[0093] 步骤五三:在当前粒子中选择最优例子(满足约束的最大Ind值),作为局部最优粒子,记为
[0094] 步骤五四:在所有生成的粒子中选择最优例子(满足约束的最大Ind值),作为全局最优粒子,记为
[0095] 步骤五五:更新种群内粒子的速度和位置;
[0096] 这里,更新的具体方式如下:
[0097]
[0098]
[0099] 在上述公式中,ω被称为惯性权重, 为学习因子。 和 为[0,1)之间的随机数。为了防止速度增加到失去控制,给定粒子的速度属于区间[Vmin,Vmax]=[-10,10]。
[0100] 步骤五六:循环步骤五三至五五,直至达到迭代终止条件:迭代终止条件为如果全局最优粒子 在一定的迭代次数Nfixed=50中没有变化,或总迭代次数超过Nmax=500,则算法结束。
[0101] 然后,对后T/2时间段的数据作为检验集,检验{I1,I2,I3}的准确性,并选取其中准确率大于75%的指标I作为最终的预警阈值。在接下来的期指交易时间内,若Index大于等于I时,将预测异常波动并报警,从而监管层可依据报警,采取应对措施,避免股灾的发生。
[0102] 本发明预测股指期货市场异常波动的指令流动性方法如图一所示,包括四个主要步骤:数据处理、指标值计算、指标值选取及异常波动预测。首先,输入标准数据,并分别基于统计均值、累积分布函数及机器学习算法计算指标值I1、I2、I3。然后,依据预测准确率,选择最优的I,作为风险报警阈值。最后,基于阈值I,预测异常波动并报警。监管层可依据报警,采取应对措施,避免股灾的发生。
[0103] 基于以上指标,本发明通过对2015年3月18日-2015年6月18日时间段计算得出预警阈值0.81。然后,对2015年6月19日的期指交易进行检验,如图5所示。图中左边刻度对应IF合约的点位,右边刻度对应Index值的标度,横轴为交易时间(已将交易时间9:30-11:30和13:00-15:00对应于0-300)。通过图5可知,期指当天下午跌幅大于5%,而Index值在上午就已经大于0.81,预示着异常波动即将发生,因此该指标对异常波动十分有效![0104] 以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。