【摘要】：在期貨程序化交易環(huán)境中,期貨時間序列數(shù)據(jù)流是從期貨交易中的不同商品合約獲取的價格信息等數(shù)據(jù),該數(shù)據(jù)隨著時間的變化不斷更新,其特征是數(shù)據(jù)量大、具有高緯度且隨著時間不斷變化。如何在程序化交易的過程中對海量歷史數(shù)據(jù)和實(shí)時的數(shù)據(jù)流進(jìn)行數(shù)據(jù)處理,然后結(jié)合用戶編寫的交易模型或交易策略,對其進(jìn)行實(shí)時的解釋,幫助交易者完成觸發(fā),進(jìn)行交易,從而獲取利益,在學(xué)術(shù)界和商業(yè)界進(jìn)行了廣泛的研究和討論。針對該問題,本文提出了時間序列數(shù)據(jù)流的實(shí)時解釋模型,該模型總體分為三部分:數(shù)據(jù)采集模塊、實(shí)時處理模塊以及解釋器模塊。本文的主要研究如下:第一,在數(shù)據(jù)采集模塊中,針對傳統(tǒng)的數(shù)據(jù)庫對海量歷史數(shù)據(jù)和實(shí)時的時間序列數(shù)據(jù)流的存儲性能不高的問題,結(jié)合目前Hadoop分布式存儲系統(tǒng)的優(yōu)勢,提出了一種基于Hadoop云平臺的海量數(shù)據(jù)的存儲方式。使用HBase數(shù)據(jù)庫存儲數(shù)據(jù),同時使用Flume框架實(shí)時采集各個節(jié)點(diǎn)的數(shù)據(jù),然后進(jìn)入Kafka的消息隊列對其進(jìn)行消息的訂閱和分發(fā),進(jìn)入下一階段的處理。第二,在實(shí)時處理模塊中,使用數(shù)據(jù)挖掘中的傳統(tǒng)的關(guān)聯(lián)規(guī)則Apriori算法,并結(jié)合Hadoop云框架的批量處理MapReduce框架,提出了 ARTMMR算法,流水線技術(shù)的應(yīng)用使得該算法更加符合實(shí)時的處理環(huán)境,實(shí)驗(yàn)結(jié)果表明了上述算法的良好性能。第三,在解釋器模塊中,考慮到程序化交易系統(tǒng)使用類C語言作為其模型描述語言成為主流,結(jié)合期貨程序化交易的特點(diǎn),開發(fā)了一種基于MVC模式的解釋器。該解釋器對用戶編寫的交易策略和模型能夠?qū)崟r的進(jìn)行解釋,并返回相應(yīng)的性能報告,幫助交易者優(yōu)化模型,快速交易,獲取收益。同時,多線程技術(shù)使得交易者可以同時登陸不同的賬戶對多種合約進(jìn)行買賣交易行為,增加了交易的機(jī)會。
【圖文】：

第一章緒論逡逑略或者合約公式交由計算機(jī)進(jìn)行實(shí)時的解釋，解釋成由計算機(jī)能夠識別的計算機(jī)逡逑語言［４］。圖１．１顯示了交易過程：逡逑海里數(shù)據(jù)邋１邐逡逑５開究模型邐縮輯交易模型（程序化模型插述語言）逡逑１邋，，邋１邋１逡逑分析模型邐Ａ＿植型邐風(fēng)險植型邐交易成本植型逡逑＿邋丨丫邐Ｌ＿Ｌ逡逑力嗷交易模型且實(shí)時解懰逡逑信號邐邐邐邐逡逑邐ｒ邐逡逑lM行交易邐lM行交易j熜灣義轄灰綴蠓終坼五五義賢跡保背絳蚧灰墜體義希疲椋玨澹保卞澹裕瑁邋澹穡潁錚悖澹螅簀澹錚駑澹簦瑁邋澹穡潁錚紓潁幔礤澹簦潁幔洌椋睿玨義嫌賞跡椋榭芍灰墜討饕牽菏紫齲�，哉V灰字埃莩絳蚧灰資諧″義系牟歡媳浠�，君fㄍ蹲實(shí)姆絞劍幼叛≡褳蹲式灰椎納唐泛顯賈擲嗪褪浚蒎義涎≡竦納唐泛顯嫉牟歡媳浠魘埔約笆諧〉謀浠�，编写乎r實(shí)慕灰撞唄曰蚰Ｐ停義先緩笱∪〗灰咨唐返氖拷薪灰�，将交易模型幌妴h越揮杉撲慊寫懟ｅ義顯誚灰字�，首霞x允諧∫約吧唐方蟹治觶饕峭ü嚶Φ男星槭蒎義弦約捌諢跬ㄑ抖猿絳蚧灰啄Ｐ推攔饋Ｔ誚灰墜討�，主要使用房z漳Ｐ投圓斡脲義掀諢踅灰綴顯嫉姆縵盞燃督邢嚶Φ鈉攔

本文編號：2710962