基于機器學習的股票量化交易信息管理系統

熊峰， 季振山

(1.中國科學院， 合肥物質科學研究院， 安徽， 合肥 230031; 2.中國科學院，中國科學技術大學， 安徽， 合肥 230026)

0 引言

在經濟體系快速發展的帶動下，金融交易市場得到了迅速地擴張，股票量化交易作為其中最為常見且基礎的技術手段，主要根據一些科技上的技術來代替人們的自主計算或投遞，降低交易風險[1]。隨著股票信息數量的逐漸增多，對于信息管理的要求也越來越高，需要在保證數據高效實施的同時，確保信息的準確性和時效性，所以對于一些數據量較為龐大的股票交易平臺來說，要想達到理想的信息處理效果，構建基于一種信息管理系統是必不可少的[2]。

相對于全球的發達金融市場而言，中國市場量化交易不算新興事物，但相對小眾。短期來看，國內量化交易的資金管理額度、業界影響能力都遠遜于美國的同類產品。中期來看，需求端：將呈現投資者機構化的發展趨勢；供給端：將伴隨海外機構加速國內市場布局，行業競爭和管理人分化會進一步加劇[3]。

基于上述問題，本文提出基于一種機器學習技術建立信息管理系統。該機器學習技術具有較強的計算能力，且其中包含各類學習技術,例如概率學、統計學及其他科學等，可以準確計算信息數據，并完成預測，這對基于股票量化的交易信息管理系統來說，是最佳選擇，方便有效處理大量股票及證券類信息數據，保證高效信息管理。

1 系統整體構架

根據股票量化交易信息的屬性特征，建立與其相對應的信息管理系統，方便實現信息的有效分類、整合以及后續等各種操作處理[4]。

硬件部分由網上操作處理機制以及數據客戶端服務器共同組成，主要提供及保證程序能有效進行的硬性設計。軟件部分則主要由數據庫的精準設計及基于機器學習的股票信息分類技術共同組成，為系統提升數據安全性能和簡化分類難度，提高整體信息管理效率，其具體系統構架如圖1所示。

圖1 系統的整體構架

2 硬件設計

本文采用Windows NT/2000或以上的網絡數據服務器版本；客戶端服務器的處理系統則是采用Windows 98并搭載高配置的IE5.1版本瀏覽器[5-6]。保證信息系統后臺運行流暢，以及各種管理功能的準確性實現。

網絡數據服務器主要包括：Web端服務器、各類100Base-T廣域網[7-8]以及內部信息管理機制共同組成，其能保證數據網絡的高效進行是管理機制能完美實現的必要支持。

客戶端服務器的處理系統主要包括：直觀簡潔的信息查詢頁面、含有大量有關股票類信息的數據儲存器以及精準地計算決策樹。這樣就能保證數據的精準性、安全性以及各類個性化的服務功能，增強體驗感的同時還能提高安全性能。

圖2 硬件構架組成

3 軟件設計

3.1 數據庫設計

從2種SQL Server和Web最基本的服務處理器上入手，整體提升安全性能。為有效改善數據庫的權限訪問功能，需要直接通過系統中的客戶端進行更改訪問SQL Server，而這些操作都需要通過SQL Server進行數據驗證，在每個信息處理環節都建立一個特定的用戶權限，并將此權限按照信息的特征屬性分成1～5種不同的權限類別，其具體的類別如表1所示。

表1 權限劃分的具體類別

以多數的系統數據庫管理方式來看，其中查詢以及整合操作是最經常使用的，對于一般的數據庫中的應用處理步驟來看，其重點都在于對信息的分類整合等操作的執行效率上，所以本文針對基于股票量化交易信息管理系統的特殊關系，利用有效整合算法對數據庫進行高效管理，其具體操作流程如圖3所示。

圖3 數據庫設計流程

3.2 基于機器學習的股票信息整合分類算法

樸素貝葉斯作為最基礎的機器學習技術算法之一，其算法的設立條件是基于獨立性的計算假設。先是對信息目標進行先概率檢測，再通過對應的關系式進行后概率檢測，這樣就可以根據對應目標進行分類計算。選擇機器學習技術來建立基于股票量化交易的信息管理系統的一大好處在于，其可以根據原始數據預先判定股票信息的變化規律，并對此進行加工處理，通過計算得出其中的變動規律，從而代替人們主觀的猜測，提高準確率降低風險。

假設，Xn表示股票量化交易在第n個時間序列下產生的數據信息，ZG、ZD分貝表示股市交易的最高價、最低價信息、KP表示開盤時的價格信息、SP表示收盤時的價格信息、CJL則表示最終的成交數據，這樣就可以根據機器學習技術對這些指標進行一些簡單的信息歸類計算，例如以下幾種基于初始數據的信息整合公式。

(1)

式中，k表示信息整合的時間間隔，可以看出，基于機器學習的信息整合公式整體計算量較小且形式較為簡單。

圖4 機器學習技術模型

利用機器學習技術中的樸素貝葉斯算法對系統中的基于股票量化的交易信息進行有效分類，首先，假設在信息管理系統當中，將所有特定的信息項目類別，都設定為互相獨立且互不干涉的個體屬性分布形式。用X代表數據樣本，S代表數據樣本的全部合集，A={A1,A2,A3,…,An}，其中，n代表在樣本的全部集合S中所定義關系的第個n數據特征數值，并且n屬于非負數類的整數，此時，樣本數據還可以表達為X={x1,x2,x3,…,xn}；x1,x2,x3,…,xn分別表示對應的數據特征A1,A2,A3,…,An的關鍵數值，C={ci|1≤i≤m|}表示在全部集合S中被預先設定的有限的數據分類合集，并且m屬于正整數類計算合集。

設定X∈S，若根據最小方差[9]錯誤幾率的樸素貝葉斯分類規則[10]，那么該X∈cj關系的符合條件可表示為以下2種關系式：

(2)

該公式的表達含義為以最難觀測和發現的n個維度的列向量下，有關X樣本數據的發生分類條件，且符合在向量類別cj中的最大概率條件的最應歸屬類別，這樣就可以有效進行基于最小誤差率的數據分類識別以及計算。

根據上述過程以及樸素貝葉斯的學習基準，建立有關分類決策[11]的數據公式表示為

(3)

因為在有關樣本的數據訓練集中很輕易就可計算得到p(cj)數值，而p(X)數值與數據分類的決策沒有直接關系，這時就需要先對此p(x1,x2,x3,…,xn|cj)聯合數據概率進行相應計算，并且其概率數值的分布是n的指數關系[12]，這就說明該類概率計算形式較為復雜，但是準確性較高。所以，這時可以賦予其獨立性的數據屬性[13]，將關系式表達為

p(x1,x2,x3,…,xn|cj)=p(x1|cj)×p(x2|cj)×…×

p(xn|cj)

(4)

這樣就可將樣本信息的分類決策公式進行簡化，從而在訓練樣本合集中簡單直觀地計算出p(x1,x2,x3,…,xn|cj)的數值，最大程度上降低了分類決策的難度和計算量。即使在數據信息量較為龐大的情況下也能有效完成信息分類。

此基于機器學習技術的信息分類算法具有較高的目的性和學習性，如果在合集C中只存在2種分類的可能性，即為0或1(0表示不能正常分類的數據；1表示可以正常分類的數據)那么在數據樣本X中,其中屬于c=1類別的數據概率的計算過程為

(5)

(6)

這時，如果表示為此p(c=1|X)≥1/2關系，并且X的分類類別為c=1。那么此數據分類邏輯[14]是較為穩定且高效的，可確保信息分類的準確性。

4 性能測試

4.1 測試背景

為了保證基于機器學習的股票量化交易信息管理系統測試結果的準確性和真實性，本文將采用Keen Ocean股票交易平臺作為測試背景，處理器為Intel-i59400F、8 G內存、120 G固態硬盤。

4.2 數據吞吐量分析

在基于股票量化交易的信息管理系統中，通過對服務處理器輸入大量數據信息，實現數據庫的擴增，提高測試的精準性，增強結果的參考及對比價值，確保測試的真實性。吞吐量越高代表系統對信息數據的包容性和處理能力越強，整體質量優異，反之則為表現欠佳。擴容數據庫管理系統對股票交易數據吞吐量實時數值如圖5所示。

圖5 管理系統實時吞吐量

從圖5中可以看出，系統吞入量和吐出量基本呈現非線性增長，且二者時間相差較短，這能夠證明本文系統吞入數據進行管理，同時在極短時間內吐出數據輸出，幫助用戶實時梳理股票交易數據，為用戶提供更好的決策基礎。系統解決了數據噪聲問題，還提高了吞吐速度，并使得系統的學習速率逐漸增加，保證數據的實時更新，提高時效性。

4.3 噪聲干擾下信息熵值變化分析

在系統運行120 s和150 s處注入干擾數據，破壞原本數據管理的生態鏈，使數據間形成一種混亂的排列關系，從而導致易出現混淆現象，增加處理時間，降低管理效率。信息熵是股票交易信息的量化度量，表示數據內所包含信息量的多少，正常數值浮動區域為2～4之間。基于干擾數據的信息熵值變化如圖6所示。

圖6 信息熵值變化曲線

從圖6中可以看出，經過本文系統處理的熵值曲線整個測試時間內并未出現任何大幅度的波動，整體熵值波動范圍一致保持在正常的2～4之間，曲線較為穩定，這說明本文信息管理系統即使在外界干擾的情況下，也能保證處理熵值不會隨著干擾數據的增加而提高或者減少，確保管理質量及效率。這主要歸因于本文在設計數據庫時引入了一定量的代碼整合以及權限訪問等操作處理，這樣不僅提高了數據庫的安全性還能保證數據間不會出現數據噪聲、冗余數據及數據混淆等現象，最大程度減少了信息的誤報概率，提高了整體的管理效率。

5 總結

通過建立并分析基于機器學習的股票量化交易信息管理系統得出以下幾點結論：

(1)通過系統硬件設計中網上操作處理機制以及數據客戶端服務器組成設計方便信息的選取、查找以及記錄，在提高網絡數據時效性的同時還能保證各類程序的有效進行。

(2)本文在設計系統的軟件時通過建立SQL Server和Web服務處理器，防止非法程序破壞數據信息，從而提升整體安全性能，并保證數據信息的時效性和完整性。再利用機器學習技術中的樸素貝葉斯算法對信息進行有效分類，穩定管理過程中的分類邏輯，實現高效率管理機制的同時還可確保信息工作的準確性。

(3)性能測試證明，在基于信息吞吐量的情況下本系統也能保證優異的管理效率，系統可靠性以及抗干擾性較強。