CN108681939A - 基于交易机器人及数据处理中心的信息推荐方法 - Google Patents

基于交易机器人及数据处理中心的信息推荐方法 Download PDF

Info

Publication number
CN108681939A
CN108681939A CN201810430283.1A CN201810430283A CN108681939A CN 108681939 A CN108681939 A CN 108681939A CN 201810430283 A CN201810430283 A CN 201810430283A CN 108681939 A CN108681939 A CN 108681939A
Authority
CN
China
Prior art keywords
stock
information
price
market database
node
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810430283.1A
Other languages
English (en)
Inventor
周云川
周海筹
賴锡胤
杨金胜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongguan Wave Win Robot Technology Co Ltd
Original Assignee
Dongguan Wave Win Robot Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dongguan Wave Win Robot Technology Co Ltd filed Critical Dongguan Wave Win Robot Technology Co Ltd
Priority to CN201810430283.1A priority Critical patent/CN108681939A/zh
Publication of CN108681939A publication Critical patent/CN108681939A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Technology Law (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明涉及一种基于交易机器人及数据处理中心的信息推荐方法。该方法在数据处理中心建立行情数据库，行情数据库中存储股票的交易信息和属性信息；基于行情数据库建立收益数据库，收益数据库中股票按收益属性排序；从行情数据库中获取股票的交易信息和属性信息，从收益数据库中获取股票的排名；根据交易信息、属性信息和排名确定推荐信息；通过交易机器人推荐该推荐信息。本方法将股票信息分别存储于行情数据库和收益数据库中，根据交易信息、属性信息和排名确定推荐信息，该推荐的信息是综合考虑交易信息、属性信息和排名确定的，不仅考虑了股票当前的交易情况，股票本身的情况，还考虑了股票相对于其他股票的情况，提升了推荐信息的合理性。

Description

基于交易机器人及数据处理中心的信息推荐方法
技术领域
本发明涉及计算机技术领域，尤其涉及一种基于交易机器人及数据处理中心的信息推荐方法。
背景技术
全世界股票、期货、外汇和黄金市场是一个资金博弈市场或资金博弈平台。博弈的决策人是操纵每个金融产品的庄家，这是极少数人。博弈策略是筹集大量的资金，利用资金优势，大量买进股票或各种金融产品，并控制了大量的筹码或金融产品。
如何进行信息推荐，是当前研究的热点。
发明内容
(一)要解决的技术问题
为了合理地进行信息推荐，本发明提供一种基于交易机器人及数据处理中心的信息推荐方法。
(二)技术方案
为了达到上述目的，本发明采用的主要技术方案包括：
一种基于交易机器人及数据处理中心的信息推荐方法，所述方法，包括：
S101，在数据处理中心建立行情数据库，所述行情数据库中存储股票的交易信息和属性信息；
S102，基于所述行情数据库建立收益数据库，所述收益数据库中股票按收益属性排序；
S103，从所述行情数据库中获取股票的交易信息和属性信息，从所述收益数据库中获取股票的排名；
S104，根据所述交易信息、属性信息和排名确定推荐信息；
S105，通过所述交易机器人推荐所述推荐信息。
可选地，所述S101包括：
S101-1，实时获取股票的交易信息；
S101-2，基于所述交易信息确定属性信息，所述属性信息包括：板块、时间、价格、台阶数、五日均线升跌、五日均线斜率、十日均线升跌、十日均线斜率、三十日均线升跌、三十日均线斜率；
S101-3，将所述交易信息和所述属性信息存储于所述数据处理中心的行情数据库中。
可选地，所述S101-1包括：
实时获取中国A股各股票的交易信息；和/或，
实时获取香港各股票的交易信息；和/或，
实时获取美国各股票的交易信息。
可选地，所述S101-2中的台阶数通过如下过程得到：
S101-2-1，获取资金总额；
S101-2-2，计算台阶系数＝|[五日均线斜率+(五日均线斜率+3*十日均线斜率+三十日均线斜率)/5]/2|；
S101-2-3，台阶数＝资金总额*台阶系数/(价格*1手)。
可选地，所述S102包括：
S102-1，获取所述行情数据库中的所有数据；
S102-2，将所有数据按板块属性信息分类；
S102-3，在每类中，按收益属性从高到低对各股票进行排序。
可选地，所述S102-3包括：
对于任一类，通过下述流程计算各股票的收益属性：
对于任一股票，
S102-3-1，根据所述行情数据库中存储的所述任一股票的数据，确定所述任一股票每日的开盘价格、收盘价格、最高价格；
S102-3-2，计算所述任一股票各日的收益属性；
S102-3-3，计算所述任一股票所有日的收益属性的平均值，将所述平均值作为所述任一股票的收益属性。
可选地，所述S102-3-2包括：
对于第i日，
S102-3-2-1，计算ai＝所述任一股票在第i日的收盘价格-所述任一股票在第i日的开盘价格，并确定第i日开盘价格、收盘价格、最高价格中的最小价格；
S102-3-2-2，在第i+1日至最后一日中，确定开盘价格、收盘价格、最高价格中任一价格首次大于最小价格的日期；
S102-3-2-3，计算S102-3-2-2中确定的日期与所述第i日之间的间隔天数；
S102-3-2-4，计算第i日的收益属性＝最小价格*间隔天数*ai。
可选地，所述收益数据库存储于所述数据处理中心，或者，所述收益数据库未存储于所述数据处理中心；
所述数据处理中心位于区块节点，所述收益数据库存储于区块节点；
所述数据处理中心位于的区块节点与存储所述收益数据库的区块节点相同，或者，所述数据处理中心位于的区块节点与存储所述收益数据库的区块节点不相同；
所述S103包括：
S103-1，向区块链网络广播所述行情数据库的信息获取消息以及所述收益数据库的排名获取消息；
S103-2，接收存储所述行情数据库的区块节点反馈的响应以及接收存储所述收益数据库的区块节点反馈的响应，所述响应带有区块节点的标识；
S103-3，向区块链网络中的验证节点发送存储所述行情数据库的区块节点的标识，以使验证节点根据存储所述行情数据库的区块节点的标识验证存储所述行情数据库的区块节点的有效性；以及，向区块链网络中的验证节点发送存储所述收益数据库的区块节点的标识，以使验证节点根据存储所述收益数据库的区块节点的标识验证存储所述收益数据库的区块节点的有效性；
S103-4，根据有效性验证结果从所述行情数据库中获取股票的交易信息和属性信息，从所述收益数据库中获取股票的排名。
为了达到上述目的，本发明采用的主要技术方案还包括：
一种电子设备，包括存储器、处理器、总线以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述方法任意一项的步骤。
为了达到上述目的，本发明采用的主要技术方案还包括：
一种计算机存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述方法任意一项的步骤。
(三)有益效果
本发明的有益效果是：将股票信息分别存储于位于数据处理中心的行情数据库和收益数据库中，根据交易信息、属性信息和排名确定推荐信息；通过交易机器人推荐该推荐信息，该推荐的信息是综合考虑交易信息、属性信息和排名确定的，不仅考虑了股票当前的交易情况，股票本身的情况，还考虑了股票相对于其他股票的情况，提升了推荐信息的合理性。
附图说明
图1为本发明一个实施例提供的一种基于交易机器人及数据处理中心的信息推荐方法流程图；
图2为本发明一个实施例提供的一种电子设备的结构示意图。
具体实施方式
为了更好的解释本发明，以便于理解，下面以金融产品中的股票交易场景为例，并结合附图，通过具体实施方式，对本发明作详细描述。
目前，如何合理地进行信息推荐，是研究的热点。
在此背景下，本提案提供一种方法，将股票信息分别存储于位于数据处理中心的行情数据库和收益数据库中，根据交易信息、属性信息和排名确定推荐信息；通过交易机器人推荐该推荐信息，该推荐的信息是综合考虑交易信息、属性信息和排名确定的，不仅考虑了股票当前的交易情况，股票本身的情况，还考虑了股票相对于其他股票的情况，提升了推荐信息的合理性。
参见图1，本实施例提供的基于交易机器人及数据处理中心的信息推荐方法实现流程如下：
S101，在数据处理中心建立行情数据库。
其中，行情数据库中存储股票的交易信息和属性信息。
具体的，行情数据库可以通过如下步骤建立：
S101-1，实时获取股票的交易信息。
此处的交易信息可以为中国A股各股票的交易信息。或者，交易信息可以为香港各股票的交易信息。或者，交易信息可以为美国各股票的交易信息。或者，交易信息可以为中国A股各股票的交易信息和香港各股票的交易信息。或者，交易信息可以为中国A股各股票的交易信息和美国各股票的交易信息。或者，交易信息可以为香港各股票的交易信息和美国各股票的交易信息。或者，交易信息可以为A股各股票的交易信息、香港各股票的交易信息和美国各股票的交易信息。或者，其他国家或者地区或者交易所的交易信息。
本实施例不限交易信息的来源以及种类。
S101-2，基于交易信息确定属性信息。
其中，属性信息包括：板块、时间、价格、台阶数、五日均线升跌、五日均线斜率、十日均线升跌、十日均线斜率、三十日均线升跌、三十日均线斜率。
其中板块为股票所属板块，如科技板，金融板等。
时间为交易信息所对应的时间。
价格为交易信息所对应的价格，即该时间该股票的价格。
台阶数通过如下过程得到：
S101-2-1，获取资金总额。
S101-2-2，计算台阶系数＝|[五日均线斜率+(五日均线斜率+3*十日均线斜率+三十日均线斜率)/5]/2|。
S101-2-3，台阶数＝资金总额*台阶系数/(价格*1手)。
资金总额是可以投入购买股票的总数额，在计算台阶数的时候考虑到股票本身的性质，对资金总额进行了调整。即基于股票五日均线斜率、十日均线斜率和三十日均线斜率考量股票的购买前景，将该前景作为台阶系数，对资金总额进行调整。这样计算出的台阶数更加准确。
S101-3，将交易信息和属性信息存储于数据处理中心的行情数据库中。
本实施例中的数据处理中心的可以位于本地，也可以位于云端，还可以位于交易机器人中，更可以存于区块链网络的区块节点中。
需要说明的是，本步骤并非只执行一次，而是根据交易信息的更新频率实时执行，以保证行情数据库中的数据实时性和全面性。
S102，基于行情数据库建立收益数据库。
其中，收益数据库中股票按收益属性排序。
具体的，收益数据库可以通过如下过程建立：
S102-1，获取行情数据库中的所有数据。
S102-2，将所有数据按板块属性信息分类。
S102-3，在每类中，按收益属性从高到低对各股票进行排序。
其中，收益属性的计算方法包括但不限于：
对于任一类，通过下述流程计算各股票的收益属性：
对于任一股票，
S102-3-1，根据行情数据库中存储的任一股票的数据，确定任一股票每日的开盘价格、收盘价格、最高价格。
S102-3-2，计算任一股票各日的收益属性。
其中，任一股票在第i日的收益属性可通过如下方式计算：
对于第i日，
S102-3-2-1，计算ai＝任一股票在第i日的收盘价格-任一股票在第i日的开盘价格，并确定第i日开盘价格、收盘价格、最高价格中的最小价格。
此处的ai为任一股票在第i日的浮动盈亏。
S102-3-2-2，在第i+1日至最后一日中，确定开盘价格、收盘价格、最高价格中任一价格首次大于最小价格的日期。
如第i+1日的开盘价格、收盘价格、最高价格，三个价格中，是否有一个比最小价格的日期大，如果有一个(如第i+1日的开盘价格)比最小价格的日期大，则确定日期为第i+1日。
此处的有一个即有至少一个，多了不限，只要有一个价格比最小价格的日期大即可，到底实际是2个大，还是3个都大，并非本实施例所关注。
如果第i+1日的开盘价格、收盘价格、最高价格没有一个比最小价格的日期大，则比较第i+2日的开盘价格、收盘价格、最高价格，三个价格中，是否有一个比最小价格的日期大。依次类推，直至最后一日。
如果最后一日的开盘价格、收盘价格、最高价格中有一个比最小价格的日期大，则确定日期为最后一日。如果最后一日的开盘价格、收盘价格、最高价格中依然没有一个比最小价格的日期大，则也确定首次大于最小价格的日期为最后一日。
S102-3-2-3，计算S102-3-2-2中确定的日期与第i日之间的间隔天数。
S102-3-2-4，计算第i日的收益属性＝最小价格*间隔天数*ai。
S102-3-3，计算任一股票所有日的收益属性的平均值，将平均值作为任一股票的收益属性。
本步骤中的收益属性，考虑到了当日的最小资金占用量、占用时间以及浮动盈亏，更加全面准确的对股票的收益进行评估。
本实施例中的收益数据库可以存储于数据处理中心，也可以不存储于数据处理中心；无论收益数据库是否存储于数据处理中心，其均可存于本地，也可以存于云端，还可以存于交易机器人中，更可以存于区块链网络的区块节点中。
无论收益数据库是否存储于数据处理中心，数据处理中心位于的区块节点与存储收益数据库的区块节点相同，或者，数据处理中心位于的区块节点与存储收益数据库的区块节点不相同。
需要说明的是，本步骤并非只执行一次，而是每天执行一次，以保证收益数据库中的数据可以准确的描述该股票当前的情况。
S103，从行情数据库中获取股票的交易信息和属性信息，从收益数据库中获取股票的排名。
以数据处理中心位于位于区块节点A，即行情数据库存储于区块节点A，收益数据库存储于区块节点B为例(在此不限定收益数据库是否存储与数据处理中心)，此处的区块节点A和区块节点B可以是同一个区块节点，也可以是不同的区块节点，此处的A和B仅为标识，并不代表任何其他含义。
另外，由于行情数据库存储与数据处理中心，因此下述仅描述行情数据库，不再体现数据处理中心。
S103-1，向区块链网络广播行情数据库的信息获取消息以及收益数据库的排名获取消息。
S103-2，接收存储行情数据库的区块节点反馈的响应以及接收存储收益数据库的区块节点反馈的响应。
其中，响应带有区块节点的标识。
如接收区块节点A反馈的响应，区块节点A的响应中带有区块节点A的标识，如标识A。接收区块节点B反馈的响应，区块节点B的响应中带有区块节点B的标识，如标识B。
不同的区块节点的标识不同。
S103-3，向区块链网络中的验证节点发送存储行情数据库的区块节点的标识，以使验证节点根据存储行情数据库的区块节点的标识验证存储行情数据库的区块节点的有效性；以及，向区块链网络中的验证节点发送存储收益数据库的区块节点的标识，以使验证节点根据存储收益数据库的区块节点的标识验证存储收益数据库的区块节点的有效性。
如向区块链网络中的验证节点发送标识A，以使验证节点根据标识A验证区块节点A的有效性；以及，向区块链网络中的验证节点发送标识B，以使验证节点根据标识B验证区块节点B的有效性。
其中区块节点A和区块节点B可以位于同一区块链网络中，也可以位于不同区块链网络中。如果区块节点A和区块节点B位于同一区块链网络中，则可以向该相同的区块链网络中的验证节点发送标识A和标识B。如果区块节点A和区块节点B位于不同区块链网络中，则向各自的区块链网络中的验证节点发送标识，如向区块节点A所属的区块链网络中的验证节点发送标识A，向区块节点B所属的区块链网络中的验证节点发送标识B。
S103-4，根据有效性验证结果从行情数据库中获取股票的交易信息和属性信息，从收益数据库中获取股票的排名。
如果区块节点A所属的区块链网络中的验证节点确认区块节点A有效，则从区块节点A上的行情数据库中获取股票的交易信息和属性信息。如果区块节点B所属的区块链网络中的验证节点确认区块节点B有效，则从区块节点B上的收益数据库中获取股票的排名。
对区块节点A的有效性判断不影响对区块节点B的有效性判断。
S104，根据交易信息、属性信息和排名确定推荐信息。
具体的，在各自的板块中，根据交易信息、时间、价格、台阶数、五日均线升跌、五日均线斜率、十日均线升跌、十日均线斜率、三十日均线升跌、三十日均线斜率综合判断股票的前景，如选择五日均线升跌、十日均线升跌和三十日均线升跌均为升，五日均线斜率>十日均线斜率>十日均线斜率的股票，从选择的股票中，再按台阶数从小到大排序，在排序考前的股票中，选择排名较前的股票，将其信息作为推荐信息。
本步骤在具体实现时，还可以综合考虑用户的风险承受能力等其他因素。
S105，通过交易机器人推荐推荐信息。
本实施例提供的方法，先将股票的交易信息进行括维，按板块、时间、价格、台阶数、五日均线升跌、五日均线斜率、十日均线升跌、十日均线斜率、三十日均线升跌、三十日均线斜率等维度进行存储，可以为各种动态交易算法提供数据支撑，保证计算的准确性。
另外，对股票进行收益排序，可以对股票的收益情况进行直观的描述。
推荐的信息综合考虑可交易信息、属性信息和排名，不仅考虑了股票当前的交易情况，股票本身的情况，还考虑了股票相对于其他股票的情况，提升了推荐信息的合理性。
本发明提供的方法，将股票信息分别存储于位于数据处理中心的行情数据库和收益数据库中，根据交易信息、属性信息和排名确定推荐信息；通过交易机器人推荐该推荐信息，该推荐的信息是综合考虑交易信息、属性信息和排名确定的，不仅考虑了股票当前的交易情况，股票本身的情况，还考虑了股票相对于其他股票的情况，提升了推荐信息的合理性。
参见图2，本实施例提供了一种电子设备，该电子设备可以位于交易机器人上，也可以位于交易机器人之外，可以通过总线连接交易机器人，也可以利用无线连接交易机器人，或者通过其他方式连接交易机器人。本实施例不限电子设备与交易机器人之间的关系，以及连接方式，只要可以连接交易机器人进而控制交易机器人即可。
该电子设备包括：存储器201、处理器202、总线203以及存储在存储器201上并可在处理器202上运行的计算机程序，所述处理器202执行所述程序时实现如下方法：
S101，在数据处理中心建立行情数据库，行情数据库中存储股票的交易信息和属性信息；
S102，基于行情数据库建立收益数据库，收益数据库中股票按收益属性排序；
S103，从行情数据库中获取股票的交易信息和属性信息，从收益数据库中获取股票的排名；
S104，根据交易信息、属性信息和排名确定推荐信息；
S105，通过交易机器人推荐推荐信息。
可选地，S101包括：
S101-1，实时获取股票的交易信息；
S101-2，基于交易信息确定属性信息，属性信息包括：板块、时间、价格、台阶数、五日均线升跌、五日均线斜率、十日均线升跌、十日均线斜率、三十日均线升跌、三十日均线斜率；
S101-3，将交易信息和属性信息存储于数据处理中心的行情数据库中。
可选地，S101-1包括：
实时获取中国A股各股票的交易信息；和/或，
实时获取香港各股票的交易信息；和/或，
实时获取美国各股票的交易信息。
可选地，S101-2中的台阶数通过如下过程得到：
S101-2-1，获取资金总额；
S101-2-2，计算台阶系数＝|[五日均线斜率+(五日均线斜率+3*十日均线斜率+三十日均线斜率)/5]/2|；
S101-2-3，台阶数＝资金总额*台阶系数/(价格*1手)。
可选地，S102包括：
S102-1，获取行情数据库中的所有数据；
S102-2，将所有数据按板块属性信息分类；
S102-3，在每类中，按收益属性从高到低对各股票进行排序。
可选地，S102-3包括：
对于任一类，通过下述流程计算各股票的收益属性：
对于任一股票，
S102-3-1，根据行情数据库中存储的任一股票的数据，确定任一股票每日的开盘价格、收盘价格、最高价格；
S102-3-2，计算任一股票各日的收益属性；
S102-3-3，计算任一股票所有日的收益属性的平均值，将平均值作为任一股票的收益属性。
可选地，S102-3-2包括：
对于第i日，
S102-3-2-1，计算ai＝任一股票在第i日的收盘价格-任一股票在第i日的开盘价格，并确定第i日开盘价格、收盘价格、最高价格中的最小价格；
S102-3-2-2，在第i+1日至最后一日中，确定开盘价格、收盘价格、最高价格中任一价格首次大于最小价格的日期；
S102-3-2-3，计算S102-3-2-2中确定的日期与第i日之间的间隔天数；
S102-3-2-4，计算第i日的收益属性＝最小价格*间隔天数*ai。
可选地，收益数据库存储于数据处理中心，或者，收益数据库未存储于数据处理中心；
数据处理中心位于区块节点，收益数据库存储于区块节点；
数据处理中心位于的区块节点与存储收益数据库的区块节点相同，或者，数据处理中心位于的区块节点与存储收益数据库的区块节点不相同；
S103包括：
S103-1，向区块链网络广播行情数据库的信息获取消息以及收益数据库的排名获取消息；
S103-2，接收存储行情数据库的区块节点反馈的响应以及接收存储收益数据库的区块节点反馈的响应，响应带有区块节点的标识；
S103-3，向区块链网络中的验证节点发送存储行情数据库的区块节点的标识，以使验证节点根据存储行情数据库的区块节点的标识验证存储行情数据库的区块节点的有效性；以及，向区块链网络中的验证节点发送存储收益数据库的区块节点的标识，以使验证节点根据存储收益数据库的区块节点的标识验证存储收益数据库的区块节点的有效性；
S103-4，根据有效性验证结果从行情数据库中获取股票的交易信息和属性信息，从收益数据库中获取股票的排名。
本实施例提供的电子设备，将股票信息分别存储于位于数据处理中心的行情数据库和收益数据库中，根据交易信息、属性信息和排名确定推荐信息；通过交易机器人推荐该推荐信息，该推荐的信息是综合考虑交易信息、属性信息和排名确定的，不仅考虑了股票当前的交易情况，股票本身的情况，还考虑了股票相对于其他股票的情况，提升了推荐信息的合理性。
本实施例提供了一种计算机存储介质，该电子设备可以位于交易机器人中，也可以位于交易机器人之外，可以通过总线连接交易机器人，也可以利用无线连接交易机器人，或者通过其他方式连接交易机器人。本实施例不限计算机存储介质与交易机器人之间的关系，以及连接方式，只要可以连接交易机器人进而控制交易机器人即可。
该计算机存储介质执行如下操作：
S101，在数据处理中心建立行情数据库，行情数据库中存储股票的交易信息和属性信息；
S102，基于行情数据库建立收益数据库，收益数据库中股票按收益属性排序；
S103，从行情数据库中获取股票的交易信息和属性信息，从收益数据库中获取股票的排名；
S104，根据交易信息、属性信息和排名确定推荐信息；
S105，通过交易机器人推荐推荐信息。
可选地，S101包括：
S101-1，实时获取股票的交易信息；
S101-2，基于交易信息确定属性信息，属性信息包括：板块、时间、价格、台阶数、五日均线升跌、五日均线斜率、十日均线升跌、十日均线斜率、三十日均线升跌、三十日均线斜率；
S101-3，将交易信息和属性信息存储于数据处理中心的行情数据库中。
可选地，S101-1包括：
实时获取中国A股各股票的交易信息；和/或，
实时获取香港各股票的交易信息；和/或，
实时获取美国各股票的交易信息。
可选地，S101-2中的台阶数通过如下过程得到：
S101-2-1，获取资金总额；
S101-2-2，计算台阶系数＝|[五日均线斜率+(五日均线斜率+3*十日均线斜率+三十日均线斜率)/5]/2|；
S101-2-3，台阶数＝资金总额*台阶系数/(价格*1手)。
可选地，S102包括：
S102-1，获取行情数据库中的所有数据；
S102-2，将所有数据按板块属性信息分类；
S102-3，在每类中，按收益属性从高到低对各股票进行排序。
可选地，S102-3包括：
对于任一类，通过下述流程计算各股票的收益属性：
对于任一股票，
S102-3-1，根据行情数据库中存储的任一股票的数据，确定任一股票每日的开盘价格、收盘价格、最高价格；
S102-3-2，计算任一股票各日的收益属性；
S102-3-3，计算任一股票所有日的收益属性的平均值，将平均值作为任一股票的收益属性。
可选地，S102-3-2包括：
对于第i日，
S102-3-2-1，计算ai＝任一股票在第i日的收盘价格-任一股票在第i日的开盘价格，并确定第i日开盘价格、收盘价格、最高价格中的最小价格；
S102-3-2-2，在第i+1日至最后一日中，确定开盘价格、收盘价格、最高价格中任一价格首次大于最小价格的日期；
S102-3-2-3，计算S102-3-2-2中确定的日期与第i日之间的间隔天数；
S102-3-2-4，计算第i日的收益属性＝最小价格*间隔天数*ai。
可选地，收益数据库存储于数据处理中心，或者，收益数据库未存储于数据处理中心；
数据处理中心位于区块节点，收益数据库存储于区块节点；
数据处理中心位于的区块节点与存储收益数据库的区块节点相同，或者，数据处理中心位于的区块节点与存储收益数据库的区块节点不相同；
S103包括：
S103-1，向区块链网络广播行情数据库的信息获取消息以及收益数据库的排名获取消息；
S103-2，接收存储行情数据库的区块节点反馈的响应以及接收存储收益数据库的区块节点反馈的响应，响应带有区块节点的标识；
S103-3，向区块链网络中的验证节点发送存储行情数据库的区块节点的标识，以使验证节点根据存储行情数据库的区块节点的标识验证存储行情数据库的区块节点的有效性；以及，向区块链网络中的验证节点发送存储收益数据库的区块节点的标识，以使验证节点根据存储收益数据库的区块节点的标识验证存储收益数据库的区块节点的有效性；
S103-4，根据有效性验证结果从行情数据库中获取股票的交易信息和属性信息，从收益数据库中获取股票的排名。
本实施例提供的计算机存储介质，将股票信息分别存储于位于数据处理中心的行情数据库和收益数据库中，根据交易信息、属性信息和排名确定推荐信息；通过交易机器人推荐该推荐信息，该推荐的信息是综合考虑交易信息、属性信息和排名确定的，不仅考虑了股票当前的交易情况，股票本身的情况，还考虑了股票相对于其他股票的情况，提升了推荐信息的合理性。
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或***。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
最后应说明的是：以上所述的各实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或全部技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种基于交易机器人及数据处理中心的信息推荐方法，其特征在于，所述方法，包括：
S101，在数据处理中心建立行情数据库，所述行情数据库中存储股票的交易信息和属性信息；
S102，基于所述行情数据库建立收益数据库，所述收益数据库中股票按收益属性排序；
S103，从所述行情数据库中获取股票的交易信息和属性信息，从所述收益数据库中获取股票的排名；
S104，根据所述交易信息、属性信息和排名确定推荐信息；
S105，通过所述交易机器人推荐所述推荐信息。
2.根据权利要求1所述的方法，其特征在于，所述S101包括：
S101-1，实时获取股票的交易信息；
S101-2，基于所述交易信息确定属性信息，所述属性信息包括：板块、时间、价格、台阶数、五日均线升跌、五日均线斜率、十日均线升跌、十日均线斜率、三十日均线升跌、三十日均线斜率；
S101-3，将所述交易信息和所述属性信息存储于所述数据处理中心的行情数据库中。
3.根据权利要求2所述的方法，其特征在于，所述S101-1包括：
实时获取中国A股各股票的交易信息；和/或，
实时获取香港各股票的交易信息；和/或，
实时获取美国各股票的交易信息。
4.根据权利要求2所述的方法，其特征在于，所述S101-2中的台阶数通过如下过程得到：
S101-2-1，获取资金总额；
S101-2-2，计算台阶系数＝|[五日均线斜率+(五日均线斜率+3*十日均线斜率+三十日均线斜率)/5]/2|；
S101-2-3，台阶数＝资金总额*台阶系数/(价格*1手)。
5.根据权利要求1所述的方法，其特征在于，所述S102包括：
S102-1，获取所述行情数据库中的所有数据；
S102-2，将所有数据按板块属性信息分类；
S102-3，在每类中，按收益属性从高到低对各股票进行排序。
6.根据权利要求5所述的方法，其特征在于，所述S102-3包括：
对于任一类，通过下述流程计算各股票的收益属性：
对于任一股票，
S102-3-1，根据所述行情数据库中存储的所述任一股票的数据，确定所述任一股票每日的开盘价格、收盘价格、最高价格；
S102-3-2，计算所述任一股票各日的收益属性；
S102-3-3，计算所述任一股票所有日的收益属性的平均值，将所述平均值作为所述任一股票的收益属性。
7.根据权利要求6所述的方法，其特征在于，所述S102-3-2包括：
对于第i日，
S102-3-2-1，计算ai＝所述任一股票在第i日的收盘价格-所述任一股票在第i日的开盘价格，并确定第i日开盘价格、收盘价格、最高价格中的最小价格；
S102-3-2-2，在第i+1日至最后一日中，确定开盘价格、收盘价格、最高价格中任一价格首次大于最小价格的日期；
S102-3-2-3，计算S102-3-2-2中确定的日期与所述第i日之间的间隔天数；
S102-3-2-4，计算第i日的收益属性＝最小价格*间隔天数*ai。
8.根据权利要求1所述的方法，其特征在于，所述收益数据库存储于所述数据处理中心，或者，所述收益数据库未存储于所述数据处理中心；
所述数据处理中心位于区块节点，所述收益数据库存储于区块节点；
所述数据处理中心位于的区块节点与存储所述收益数据库的区块节点相同，或者，所述数据处理中心位于的区块节点与存储所述收益数据库的区块节点不相同；
所述S103包括：
S103-1，向区块链网络广播所述行情数据库的信息获取消息以及所述收益数据库的排名获取消息；
S103-2，接收存储所述行情数据库的区块节点反馈的响应以及接收存储所述收益数据库的区块节点反馈的响应，所述响应带有区块节点的标识；
S103-3，向区块链网络中的验证节点发送存储所述行情数据库的区块节点的标识，以使验证节点根据存储所述行情数据库的区块节点的标识验证存储所述行情数据库的区块节点的有效性；以及，向区块链网络中的验证节点发送存储所述收益数据库的区块节点的标识，以使验证节点根据存储所述收益数据库的区块节点的标识验证存储所述收益数据库的区块节点的有效性；
S103-4，根据有效性验证结果从所述行情数据库中获取股票的交易信息和属性信息，从所述收益数据库中获取股票的排名。
9.一种电子设备，其特征在于，包括存储器、处理器、总线以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1-8任意一项的步骤。
10.一种计算机存储介质，其上存储有计算机程序，其特征在于：所述程序被处理器执行时实现如权利要求1-8任意一项的步骤。
CN201810430283.1A 2018-05-08 2018-05-08 基于交易机器人及数据处理中心的信息推荐方法 Pending CN108681939A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810430283.1A CN108681939A (zh) 2018-05-08 2018-05-08 基于交易机器人及数据处理中心的信息推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810430283.1A CN108681939A (zh) 2018-05-08 2018-05-08 基于交易机器人及数据处理中心的信息推荐方法

Publications (1)

Publication Number Publication Date
CN108681939A true CN108681939A (zh) 2018-10-19

Family

ID=63801956

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810430283.1A Pending CN108681939A (zh) 2018-05-08 2018-05-08 基于交易机器人及数据处理中心的信息推荐方法

Country Status (1)

Country Link
CN (1) CN108681939A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109584070A (zh) * 2018-11-19 2019-04-05 邝杰源 股票数据处理方法、装置、计算机设备和存储介质
CN113436023A (zh) * 2021-07-06 2021-09-24 中国银行股份有限公司 基于区块链的理财产品推荐方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101771703A (zh) * 2010-01-05 2010-07-07 北京中企开源信息技术有限公司 一种资讯服务***和方法
CN102411761A (zh) * 2010-09-20 2012-04-11 上海众融信息技术有限公司 一种股票相对强弱信息处理方法
CN107943741A (zh) * 2017-12-08 2018-04-20 西华大学 一种智能选股机器人

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101771703A (zh) * 2010-01-05 2010-07-07 北京中企开源信息技术有限公司 一种资讯服务***和方法
CN102411761A (zh) * 2010-09-20 2012-04-11 上海众融信息技术有限公司 一种股票相对强弱信息处理方法
CN107943741A (zh) * 2017-12-08 2018-04-20 西华大学 一种智能选股机器人

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109584070A (zh) * 2018-11-19 2019-04-05 邝杰源 股票数据处理方法、装置、计算机设备和存储介质
CN113436023A (zh) * 2021-07-06 2021-09-24 中国银行股份有限公司 基于区块链的理财产品推荐方法及装置

Similar Documents

Publication Publication Date Title
US6687681B1 (en) Method and apparatus for tax efficient investment management
US7028005B2 (en) Methods and systems for finding value and reducing risk
CN108665366A (zh) 确定用户风险等级的方法、终端设备及计算机可读存储介质
US20020013752A1 (en) Rapid valuation of portfolios of assets such as financial instruments
Liagkouras et al. Efficient portfolio construction with the use of multiobjective evolutionary algorithms: Best practices and performance metrics
US20020133447A1 (en) Computerized method and system for formulating stock portfolios
CN108985935A (zh) 金融产品推荐方法及存储介质
KR20030004316A (ko) 최종 입찰 결정 방법과 그 시스템, 및 컴퓨터
RU2000104524A (ru) Система предоставления инвестиционного консультирования и управления средствами пенсионных фондов
MXPA01008619A (es) Metodos y sistemas para optimizar el valor de devolucion y el presente.
CN107862608A (zh) 一种基于人工智能的汇票撮合交易机器人
KR20020063615A (ko) 어세트 가치 평가에 대한 최저 변동 가정 선택 방법과,포트폴리오 가치 평가 시스템 및 컴퓨터
KR20020075389A (ko) 자산 포트폴리오 기술 애트리뷰트 상관 방법과, 상관시스템과, 상관 컴퓨터
CN110335057A (zh) 一种机器学习与人工规则融合的基金精准营销方法
CN111949020A (zh) 基于ar路径引导的仓库多人拣货的路径规划方法及***
KR102092461B1 (ko) 투자성공률 제공방법
CN106875230A (zh) 一种基于比价系数的房地产评估方法、***及存储介质
CN108681939A (zh) 基于交易机器人及数据处理中心的信息推荐方法
CN106779982A (zh) 一种家居户型在线设计交易控制方法及***
CN109658289A (zh) 场外市场综合服务平台
CN108549982A (zh) 信息推荐方法、电子设备和计算机存储介质
EP2706500A2 (en) Method for displaying current disparate ratio for enterprise value using difference between market value for enterprise and basic analysis
CN109801162A (zh) 一种社交媒体数据与多标准交叉认证融合的信用评级方法
CN108229801A (zh) 逆向资产配置分析方法、设备及存储介质
CN114881394A (zh) 一种企业成长性智能化评估的大数据处理***和方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20181019

RJ01 Rejection of invention patent application after publication