买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华东师范大学

摘要：本发明公开了一种基于机器学习的报盘机最优交易前置选择方法，该方法能够分析各种期货合约的交易信息，包括交易者的交易时间及相应交易前置，并通过数据分析和机器学习算法选择后续交易中最优的交易前置，有效提高交易指令的执行速度和整体交易效率。方法通过对前置响应时间和交易顺序位号的分析，实时选取最优前置进行交易操作，从而为交易者提供更快速、更高效的交易体验。该方法的主要优点包括：1）提高交易指令执行的速度和准确性；2）优化交易前置选择，减少延迟；3）利用机器学习技术自动调整交易前置选择策略，适应市场变化。

主权项：1.一种基于机器学习的报盘机最优交易前置选择方法，其特征在于，该方法包括如下步骤：步骤1：从交易数据中实时收集完整交易数据，其中，原始数据来自于期货公司的报单交易数据；步骤2：保留完整的数据并分为特征和标签两部分，去掉和标签无关的特征后，保存为DataFrame数据格式，其中行代表每一条交易报单，列代表该报单中各项网络地址、交易者信息以及各项交易时间节点；其中，交易所返回的交易顺序位号为标签；步骤3：将各项特征作为输入值，引入自注意力机制，构建基于自注意力机制的增强线性回归模型；首先，对输入特征进行线性变换以生成嵌入向量；然后，将这些嵌入向量输入到自注意力层，捕捉特征之间的依赖关系；最后，将注意力加权后的特征输入线性回归层进行预测；步骤4：将各项特征作为输入值，构建基于图神经网络的最优交易前置选择模型；首先，对输入特征进行图结构的构建，将交易前置作为节点，通过交易前置之间的关联关系构建图结构；然后，将图结构输入到图神经网络GNN模型中，利用GNN模型捕捉交易订单之间的时空依赖关系；步骤5：将完整的交易数据划分为训练集、验证集和测试集，训练和测试增强后的线性回归模型以及图神经网络，训练结束后保存两个模型；步骤6：加载模型文件，将当前时间、平均延迟、交易前置作为模型的输入值，预测出对应的交易顺序位号；步骤7：对最优前置结果加权以及模型评估；根据不同前置预测出的交易顺序位号，以位号越小为优先级对交易前置进行排序，通过加权两个模型的结果，得到一套能够使用的交易前置顺序并评估模型总体性能。

全文数据：

权利要求：

百度查询： 华东师范大学 一种基于机器学习的报盘机最优交易前置选择方法