基于ctp金融數據的量子信息特征提取方法
【專利摘要】本發明公開了一種基于CTP金融數據的量子信息特征提取方法。對交易所發布的數據采用量子信息算法模型的處理，首先采用疊加態量子信息表示方式，有效描述了交易數據的多樣性，在此基礎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上構造的量子信息算法模型，數據處理能力顯著提高并且計算復雜度顯著降低，有效降低了響應延遲，降低算法計算復雜度，減小響應延遲，在量子信息算法模型基礎上實現CTP金融數據的特征提取與特征分類。
【專利說明】基于CTP金融數據的量子信息特征提取方法
【技術領域】
[0001] 本發明涉及量子信息算法模型的數據特征提取方法，屬于計算機數據處理技術領 域。
【背景技術】
[0002] 量化投資方法在國際專業投資領域作為主流投資方法被廣泛采用并且仍處于快 速發展期。高頻交易技術的使用使得投資手段和策略變得更加豐富多彩。高頻交易技術指 金融交易IT設施中的快速電子交易，交易現場產生當前價格信息為可用的連續電子數據 信息流。交易系統監測該些數據流，重構相關股票、期貨、期權與貨幣市場價格與需求，W確 定何時何品種的交易，買/賣訂單然后被盡可能快地發送到交易所。上述特點使高頻交易 具有持倉時間短、交易次數多、每筆盈利小、總體盈利穩定的特點。
[0003] 算法交易是指通過計算機程序決定交易下單的時機、價格W及最終下單的數量與 筆數等的交易方法。算法交易可W被應用于任何投資策略，包括證券做市、套利交易和單邊 投機交易等。面對有限的市場流動性，機構投資者為了控制交易成本，需要把交易指令按照 計算機算法拆分，從而讓指令在更有利的平均價位上成交。
[0004] 在不同的執行目標下，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間風險，算法交易有Implementation Shoパ化lla巧和Market化Close(MOC)。為充分利用市場中出現的有利條件，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（Comprehensive Transaction Platform)，是上海期貨交 易所信息技術有限公司專口為期貨公司開發的一套期貨經紀業務管理系統，由交易、風險 控制和結算H大系統組成，交易系統主要負責訂單處理、行情轉發及銀期賬業務，結算系統 負責交易管理、帳戶管理、經紀人管理、資金管理、費率設置、日終結算、信息查詢W及報表 管理等，風控系統則主要在盤中進行高速的實時試算，W及時掲示并控制風險，是廣大專業 機構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，該使得高頻交易對執行成 本非常敏感，因此高頻交易需要用到算法交易的方法來執行指令。目前大部分算法交易的 指令生成算法計算復雜度較高，響應延遲明顯，對于數據的特征提取和分類分析非常不利。
【發明內容】
[0007] 本發明所要解決的技術問題是針對【背景技術】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上實現CTP量化信息特征提 取和分類，通過量子信息模型，降低算法計算復雜度，減小響應延遲。
[0008] 本發明為解決上述技術問題采用W下技術方案：
[0009] 基于CTP金融數據的量子信息特征提取方法，首先，構造量子快算策略；接著，基 于量子快算策略構建量子信息算法模型，實現金融數據處理與特征提取；
[0010] 其中，量子快算策略的實現步驟為：
[0011] 101、對實時金融數據進行量子信息狀態轉化，分別進行j-比特分段操作并且實 施化damard 口旋轉變換，得到疊加態后分別對每個分段分配W十進制編號標記值；
[001引 102、根據標記值將分段映射到j重化damard 口運算器的輸出端，得到標記映射函 數；
[0013] 103、根據標記映射函數構造交換電路函數，由交換電路函數得到量子快算策略的 結果并輸出；
[0014] 構建量子信息算法模型實現金融數據處理與特征提取的具體步驟為：
[0015] 201、基于量子快算策略計算步驟101所述每個分段的哈希值，獲得量子信息特征 分段的哈希集；
[0016] 202、根據哈希集匹配每個分段對應的特征模板元素，構成量子高速模糊哈希；
[0017] 203、利用量子高速模糊哈希構建量子信息算法模型，對CTP金融數據進行處理， 實現金融數據的特征提取與特征分類。
[0018] 進一步的，本發明的基于CTP金融數據的量子信息特征提取方法，所述步驟101具 體實現步驟為：
[0019] 步驟A、將實時金融數據的量子信息狀態表示為n長量子比特序列：
[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]
【權利要求】
1. 基于CTP金融數據的量子信息特征提取方法，其特征在于，首先，構造量子快算策 略；接著，基于量子快算策略構建量子信息算法模型，實現金融數據處理與特征提取； 其中，量子快算策略的實現步驟為： 101、 對實時金融數據進行量子信息狀態轉化，分別進行j-比特分段操作并且實施 Hadamard門旋轉變換，得到疊加態后分別對每個分段分配以十進制編號標記值； 102、 根據標記值將分段映射到j重Hadamard門運算器的輸出端，得到標記映射函數； 103、 根據標記映射函數構造交換電路函數，由交換電路函數得到量子快算策略的結果 并輸出； 構建量子信息算法模型實現金融數據處理與特征提取的具體步驟為： 201、 基于量子快算策略計算步驟101所述每個分段的哈希值，獲得量子信息特征分段 的哈希集； 202、 根據哈希集匹配每個分段對應的特征模板元素，構成量子高速模糊哈希； 203、 利用量子高速模糊哈希構建量子信息算法模型，對CTP金融數據進行處理，實現 金融數據的特征提取與特征分類。
2. 根據權利要求1所述的基于CTP金融數據的量子信息特征提取方法，其特征在于，所 述步驟101具體實現步驟為： 步驟A、將實時金融數據的量子信息狀態表示為n長量子比特序列： 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，實現旋轉 變換，得到疊加態，根據j-量子比特段Iaf中的二進制序列€T €n，其中T= 1，2,…，n-j+1，將該二進制序列HT+1?€T+j_i相應的十進制數表 示為禮，隊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. 根據權利要求2所述的基于CTP金融數據的量子信息特征提取方法，其特征在于，所 述步驟102具體實現步驟為：令：
根據卜的標記值，將la&i連接到N的相應組元，將 卜&1和&1，…，la〉;K二1映射到j重Hadamard門運算器的輸出端，得到標記映射函數M( ?)。
4. 根據權利要求3所述的基于CTP金融數據的量子信息特征提取方法，其特征在于，所 述步驟103具體實現步驟為： 根據標記映射函數M( ?)的映射關系設計交換電路函數S( ?)的結構，使得交換電路
5. 根據權利要求1所述的基于CTP金融數據的量子信息特征提取方法，其特征在于，所 述步驟201具體實現步驟為： 步驟1、構造特征量子信息集F1，集合F1的元素包含m個特性信息量子比特序列分段 |i^/(，其中上標{n}代表分段的序數，n= 1，2, 下標j表示每個分段包含j個量 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，分別計算>〉f和〉f，…扣〉)"1的量子哈希值， 每個分段|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. 根據權利要求5所述的基于CTP金融數據的量子信息特征提取方法，其特征在于，所 述步驟202具體實現步驟為： 步驟1、給定目標文件IQ>x =Iq，I%>--?Iqx >的長序列，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、在長量子序列|Q>X*，從第一個量子比特|qi>開始到|q，，截取第一個包 含j個量子比特的j_量子比特分段，其中仏，上標 (1)代表分段的標簽序數；右移一個量子比特位，截取得到的第二個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中每個元素 應用量子快算策略? (?)如下：
長序列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; 進一步比較kf與隊是否相等，如果KH)二凡，則存儲;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）構成子集 MWiC，."#〉"， 步驟4、根據子集免的元素Idf，確定這些元素在長序列|Q>X中的定位點，基于這些定 位點，把長序列|9\分割為如下若干Sg:
【文檔編號】G06Q40/04GK104504601SQ201510020833
【公開日】2015年4月8日 申請日期:2015年1月15日 優先權日:2015年1月15日
【發明者】曹東 申請人:曹東