论文部分内容阅读
伴随经济的飞速发展,股票、外汇等金融市场同时发生着为之震撼的巨大变化,在面对金融信息量庞大、交易越来越复杂这样的金融市场来说,之前使用的手工交易方式逐渐满足不了交易市场的需求。此时使用计算机技术实现的量化投资和金融量化交易抓住了合适的发展机会,得到了飞速的发展。这种程序化的交易方式与古老的人工操作方式相比,不仅方便快捷,同时能够为市场带来巨大的收益。金融量化平台主要是基于大数据技术以及常用的计算机技术根据图形模型、K线模型、选股模型等量化模型为人们实现量化投资的方法。金融行业对于二级市场的数据分析工作,需要分析师通过R、Matlab、Python、SPSS等编程语言或第三方量化平台的脚本语言建模,然后,接入第三方库或导入本地数据库,最后,仅才能完成数据回测分析的工作。当需要对行情仿真交易、跟踪监测时,又需要重新修改数据接口。不但加大了数据分析工作难度,而且,需要掌握的编程、数据建模能力过于专业化,使得大部分金融投资者对于量化分析望而生畏。此时一些量化平台随之诞生,我们可以把量化平台当作成已经通过各种技术实现完好的框架,用户不再需要使用某种语言去编写回测条件,回测策略的过程可以通过用户在模块中填写自定义的买卖条件来实现,无需实现框架从零开始的搭建过程。目前市场上已经存在了很多量化平台,本文通过对比研究发现这些平台的共性问题是用户使用成本过大。比如用户不仅需要有编程基础还要花费大量的时间去实现一个策略的编写,或者在平台填写策略条件而无法形象的展示。针对这些不足,本文实现了可视化识别的模型定义、可拖拽流程图式的策略创建功能,降低量化门槛,让更多投资者参与到金融数据量化分析中,轻松定制自己的交易策略的金融量化平台。本文包括以下几个内容:(1)k线模型模糊匹配算法。对每根K线的实体、上下影线进行编辑进而基于历史数据进行回测,统计符合定义走势后价格的收益情况。根据K线模型模糊匹配算法得到历史行情图中的命中点,同时能够预测该股票在未来一段时间的价格走势。(2)研究并实现了基于大数据技术Spark的可视化金融量化平台。以股票历史数据为基础,并以K线模型模糊匹配算法和数据回测为核心,详细阐述系统的设计思想和技术架构。