基于ctp金融數(shù)據(jù)的量子信息特征提取方法
【專利摘要】本發(fā)明公開了一種基于CTP金融數(shù)據(jù)的量子信息特征提取方法。對(duì)交易所發(fā)布的數(shù)據(jù)采用量子信息算法模型的處理，首先采用疊加態(tài)量子信息表示方式，有效描述了交易數(shù)據(jù)的多樣性，在此基礎(chǔ)上便于采用量子算法描述和處理，在量子快算策略和量子高速模糊哈希方法基礎(chǔ)上構(gòu)造的量子信息算法模型，數(shù)據(jù)處理能力顯著提高并且計(jì)算復(fù)雜度顯著降低，有效降低了響應(yīng)延遲，降低算法計(jì)算復(fù)雜度，減小響應(yīng)延遲，在量子信息算法模型基礎(chǔ)上實(shí)現(xiàn)CTP金融數(shù)據(jù)的特征提取與特征分類。
【專利說明】基于CTP金融數(shù)據(jù)的量子信息特征提取方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及量子信息算法模型的數(shù)據(jù)特征提取方法，屬于計(jì)算機(jī)數(shù)據(jù)處理技術(shù)領(lǐng) 域。

【背景技術(shù)】
[0002] 量化投資方法在國際專業(yè)投資領(lǐng)域作為主流投資方法被廣泛采用并且仍處于快 速發(fā)展期。高頻交易技術(shù)的使用使得投資手段和策略變得更加豐富多彩。高頻交易技術(shù)指 金融交易IT設(shè)施中的快速電子交易，交易現(xiàn)場(chǎng)產(chǎn)生當(dāng)前價(jià)格信息為可用的連續(xù)電子數(shù)據(jù) 信息流。交易系統(tǒng)監(jiān)測(cè)該些數(shù)據(jù)流，重構(gòu)相關(guān)股票、期貨、期權(quán)與貨幣市場(chǎng)價(jià)格與需求，W確 定何時(shí)何品種的交易，買/賣訂單然后被盡可能快地發(fā)送到交易所。上述特點(diǎn)使高頻交易 具有持倉時(shí)間短、交易次數(shù)多、每筆盈利小、總體盈利穩(wěn)定的特點(diǎn)。
[0003] 算法交易是指通過計(jì)算機(jī)程序決定交易下單的時(shí)機(jī)、價(jià)格W及最終下單的數(shù)量與 筆數(shù)等的交易方法。算法交易可W被應(yīng)用于任何投資策略，包括證券做市、套利交易和單邊 投機(jī)交易等。面對(duì)有限的市場(chǎng)流動(dòng)性，機(jī)構(gòu)投資者為了控制交易成本，需要把交易指令按照 計(jì)算機(jī)算法拆分，從而讓指令在更有利的平均價(jià)位上成交。
[0004] 在不同的執(zhí)行目標(biāo)下，算法交易有多種策略；為最小化沖擊成本，算法交易策略有 Time Wei曲ted Average Price(TWAP)、Volume Wei曲ted Average Price (WAP)和Minimal Impact(MI)等等。為綜合最小化沖擊成本和時(shí)間風(fēng)險(xiǎn)，算法交易有Implementation Shoパ化lla巧和Market化Close(MOC)。為充分利用市場(chǎng)中出現(xiàn)的有利條件，算法交易 有 Price Inline(PI)和 Liquidit廠化iven 等策略。
[0005] CTP 是指綜合交易平臺(tái)（Comprehensive Transaction Platform)，是上海期貨交 易所信息技術(shù)有限公司?？跒槠谪浌鹃_發(fā)的一套期貨經(jīng)紀(jì)業(yè)務(wù)管理系統(tǒng)，由交易、風(fēng)險(xiǎn) 控制和結(jié)算H大系統(tǒng)組成，交易系統(tǒng)主要負(fù)責(zé)訂單處理、行情轉(zhuǎn)發(fā)及銀期賬業(yè)務(wù)，結(jié)算系統(tǒng) 負(fù)責(zé)交易管理、帳戶管理、經(jīng)紀(jì)人管理、資金管理、費(fèi)率設(shè)置、日終結(jié)算、信息查詢W及報(bào)表 管理等，風(fēng)控系統(tǒng)則主要在盤中進(jìn)行高速的實(shí)時(shí)試算，W及時(shí)掲示并控制風(fēng)險(xiǎn)，是廣大專業(yè) 機(jī)構(gòu)投資者接入交易所的重要通道。
[0006] 由于高頻交易是通過大量的低收益交易來獲取總收益，該使得高頻交易對(duì)執(zhí)行成 本非常敏感，因此高頻交易需要用到算法交易的方法來執(zhí)行指令。目前大部分算法交易的 指令生成算法計(jì)算復(fù)雜度較高，響應(yīng)延遲明顯，對(duì)于數(shù)據(jù)的特征提取和分類分析非常不利。


【發(fā)明內(nèi)容】

[0007] 本發(fā)明所要解決的技術(shù)問題是針對(duì)【背景技術(shù)】的缺陷，提出一種基于量子信息算法 模型的CTP量子信息特征提取方法，在量子信息算法模型基礎(chǔ)上實(shí)現(xiàn)CTP量化信息特征提 取和分類，通過量子信息模型，降低算法計(jì)算復(fù)雜度，減小響應(yīng)延遲。
[0008] 本發(fā)明為解決上述技術(shù)問題采用W下技術(shù)方案：
[0009] 基于CTP金融數(shù)據(jù)的量子信息特征提取方法，首先，構(gòu)造量子快算策略；接著，基 于量子快算策略構(gòu)建量子信息算法模型，實(shí)現(xiàn)金融數(shù)據(jù)處理與特征提??；
[0010] 其中，量子快算策略的實(shí)現(xiàn)步驟為：
[0011] 101、對(duì)實(shí)時(shí)金融數(shù)據(jù)進(jìn)行量子信息狀態(tài)轉(zhuǎn)化，分別進(jìn)行j-比特分段操作并且實(shí) 施化damard 口旋轉(zhuǎn)變換，得到疊加態(tài)后分別對(duì)每個(gè)分段分配W十進(jìn)制編號(hào)標(biāo)記值；
[001引 102、根據(jù)標(biāo)記值將分段映射到j(luò)重化damard 口運(yùn)算器的輸出端，得到標(biāo)記映射函 數(shù)；
[0013] 103、根據(jù)標(biāo)記映射函數(shù)構(gòu)造交換電路函數(shù)，由交換電路函數(shù)得到量子快算策略的 結(jié)果并輸出；
[0014] 構(gòu)建量子信息算法模型實(shí)現(xiàn)金融數(shù)據(jù)處理與特征提取的具體步驟為：
[0015] 201、基于量子快算策略計(jì)算步驟101所述每個(gè)分段的哈希值，獲得量子信息特征 分段的哈希集；
[0016] 202、根據(jù)哈希集匹配每個(gè)分段對(duì)應(yīng)的特征模板元素，構(gòu)成量子高速模糊哈希；
[0017] 203、利用量子高速模糊哈希構(gòu)建量子信息算法模型，對(duì)CTP金融數(shù)據(jù)進(jìn)行處理， 實(shí)現(xiàn)金融數(shù)據(jù)的特征提取與特征分類。
[0018] 進(jìn)一步的，本發(fā)明的基于CTP金融數(shù)據(jù)的量子信息特征提取方法，所述步驟101具 體實(shí)現(xiàn)步驟為：
[0019] 步驟A、將實(shí)時(shí)金融數(shù)據(jù)的量子信息狀態(tài)表示為n長(zhǎng)量子比特序列：
[0020] I a〉n= I 客 1〉I S 2〉…I S n> = I S 1 S 2…客 n〉，
[0021] 其中第i位量子比特表示為I S 1〉，S i= 0, 1 ;i = 1，2,…，n ;
[0022] 步驟B、從該量子比特序列I a〉。的第一位開始，截取第一個(gè)j-量子比特串分段， 即為j-量子比特段，表示為|a父)，其中|卻"二|各〉I備〉…杉〉二|祐...苗〉；右移一位量子比 特，截取第二個(gè)j-量子比特既表示為|a〉f二|奮〉I奮〉...|《州〉=|奮奮…苗4〉;依此類推直到 量子比特序列I a〉。的最末位；最終得到的j-量子比特段表示為
[0023]

【權(quán)利要求】
1. 基于CTP金融數(shù)據(jù)的量子信息特征提取方法，其特征在于，首先，構(gòu)造量子快算策 略；接著，基于量子快算策略構(gòu)建量子信息算法模型，實(shí)現(xiàn)金融數(shù)據(jù)處理與特征提取； 其中，量子快算策略的實(shí)現(xiàn)步驟為： 101、 對(duì)實(shí)時(shí)金融數(shù)據(jù)進(jìn)行量子信息狀態(tài)轉(zhuǎn)化，分別進(jìn)行j-比特分段操作并且實(shí)施 Hadamard門旋轉(zhuǎn)變換，得到疊加態(tài)后分別對(duì)每個(gè)分段分配以十進(jìn)制編號(hào)標(biāo)記值； 102、 根據(jù)標(biāo)記值將分段映射到j(luò)重Hadamard門運(yùn)算器的輸出端，得到標(biāo)記映射函數(shù)； 103、 根據(jù)標(biāo)記映射函數(shù)構(gòu)造交換電路函數(shù)，由交換電路函數(shù)得到量子快算策略的結(jié)果 并輸出； 構(gòu)建量子信息算法模型實(shí)現(xiàn)金融數(shù)據(jù)處理與特征提取的具體步驟為： 201、 基于量子快算策略計(jì)算步驟101所述每個(gè)分段的哈希值，獲得量子信息特征分段 的哈希集； 202、 根據(jù)哈希集匹配每個(gè)分段對(duì)應(yīng)的特征模板元素，構(gòu)成量子高速模糊哈希； 203、 利用量子高速模糊哈希構(gòu)建量子信息算法模型，對(duì)CTP金融數(shù)據(jù)進(jìn)行處理，實(shí)現(xiàn) 金融數(shù)據(jù)的特征提取與特征分類。
2. 根據(jù)權(quán)利要求1所述的基于CTP金融數(shù)據(jù)的量子信息特征提取方法，其特征在于，所 述步驟101具體實(shí)現(xiàn)步驟為： 步驟A、將實(shí)時(shí)金融數(shù)據(jù)的量子信息狀態(tài)表示為n長(zhǎng)量子比特序列： a>n=U々ID...Q=IU2...Q， 其中第i位量子比特表示為Ui>，€i= 〇,I;i= 1，2,…，n; 步驟B、從該量子比特序列Ia>n的第一位開始，截取第一個(gè)j-量子比特串分段，即為 j-量子比特段，表示為jaf，其中Iaf=|<^>|《2卜gj=;右移一位量子比特,截 取第二個(gè)j-量子比特段，表示為…?！?依此類推直到量子比 特序列Ia>n的最末位；最終得到的j-量子比特段表示為 將所有的分段依次排列為la〉，和〉丨2>,…扣〉<；-i+1); 步驟C、將并行Hadamard門作用于j-量子比特段，實(shí)現(xiàn)旋轉(zhuǎn) 變換，得到疊加態(tài)，根據(jù)j-量子比特段Iaf中的二進(jìn)制序列€T €n，其中T= 1，2,…，n-j+1，將該二進(jìn)制序列HT+1?€T+j_i相應(yīng)的十進(jìn)制數(shù)表 示為禮，隊(duì)e{u,3,._.,21 ;量子比特序列Ia>n中的 1以〉丄1扣》4。，…，且存在,其中u#v且u,vG ^
3. 根據(jù)權(quán)利要求2所述的基于CTP金融數(shù)據(jù)的量子信息特征提取方法，其特征在于，所 述步驟102具體實(shí)現(xiàn)步驟為：令：
根據(jù)卜的標(biāo)記值，將la&i連接到N的相應(yīng)組元，將 卜&1和&1，…，la〉;K二1映射到j(luò)重Hadamard門運(yùn)算器的輸出端，得到標(biāo)記映射函數(shù)M( ?)。
4. 根據(jù)權(quán)利要求3所述的基于CTP金融數(shù)據(jù)的量子信息特征提取方法，其特征在于，所 述步驟103具體實(shí)現(xiàn)步驟為： 根據(jù)標(biāo)記映射函數(shù)M( ?)的映射關(guān)系設(shè)計(jì)交換電路函數(shù)S( ?)的結(jié)構(gòu)，使得交換電路
5. 根據(jù)權(quán)利要求1所述的基于CTP金融數(shù)據(jù)的量子信息特征提取方法，其特征在于，所 述步驟201具體實(shí)現(xiàn)步驟為： 步驟1、構(gòu)造特征量子信息集F1，集合F1的元素包含m個(gè)特性信息量子比特序列分段 |i^/(，其中上標(biāo){n}代表分段的序數(shù)，n= 1，2, 下標(biāo)j表示每個(gè)分段包含j個(gè)量 子比特，特征量子信息集表示為5二{|p〉f，|p〉f，…扣廣; 步驟2、基于量子快算策略? (O，分別計(jì)算>〉f和〉f，…扣〉)"1的量子哈希值， 每個(gè)分段|戶〉丨"丨被表示為，這些分段|尸〉，，|尸〉f，…，I尸〉廣 被從上到下布置為矩陣PmxP表示如下：
獲得這些特征量子信息分段的哈希集? (F1) = {? (Pl)，? (p2)，…，? (pm)}。
6. 根據(jù)權(quán)利要求5所述的基于CTP金融數(shù)據(jù)的量子信息特征提取方法，其特征在于，所 述步驟202具體實(shí)現(xiàn)步驟為： 步驟1、給定目標(biāo)文件IQ>x =Iq，I%>--?Iqx >的長(zhǎng)序列，IQ> x的分段被依次檢索以匹 配特性量子信息集F1中的特征模板元素，x>>j; 步驟2、在長(zhǎng)量子序列|Q>X*，從第一個(gè)量子比特|qi>開始到|q，，截取第一個(gè)包 含j個(gè)量子比特的j_量子比特分段，其中仏，上標(biāo) (1)代表分段的標(biāo)簽序數(shù)；右移一個(gè)量子比特位，截取得到的第二個(gè)j_量子比特分段， 將其表示為M3…，直到序列|Q>XW末端；最后的j-量 子比特分段表示為;+1)=|^+1〉|1_,+2〉..伙〉+"^..1〉，所有分段被按照 ktWt…，W1T+11依次排列表示成矩陣，DQ中每個(gè)元素 應(yīng)用量子快算策略? (?)如下：
長(zhǎng)序列IQ>x的量子快算策略集表示如下： 0(&) = {e(l4'!)，0(lC)，、0(Wr1 步驟3、根據(jù)這些特征量子信息分段的哈希值集合Q(F1) = {? (P1), ?(巧)，… ，?(pJ}，檢索集 = {? (Pl)，? (p2)，…，? (Pm)}中的元素相匹配的元素，即： Q(K!) =Q(A)，《=1，2，".，Z-_/ + 1，v= 1，2，".，w; 進(jìn)一步比較kf與隊(duì)是否相等，如果KH)二凡，則存儲(chǔ);如果 ,則丟棄；最終留下的元素從?）滿足)=八，并且?(|g〉*；g) = ?(A)， 其中{?g}e{l，2,...，z-_/ + 1}且1彡g〈〈x-j+l，元素 |必）構(gòu)成子集 MWiC，."#〉"， 步驟4、根據(jù)子集免的元素Idf，確定這些元素在長(zhǎng)序列|Q>X中的定位點(diǎn)，基于這些定 位點(diǎn)，把長(zhǎng)序列|9\分割為如下若干Sg:
【文檔編號(hào)】G06Q40/04GK104504601SQ201510020833
【公開日】2015年4月8日 申請(qǐng)日期:2015年1月15日 優(yōu)先權(quán)日:2015年1月15日
【發(fā)明者】曹東 申請(qǐng)人:曹東