交易信息模型

『壹』 程序化交易模型的常见问题

1、我是一个上班族，单位电脑不让炒股，可以使用吗首先很荣幸的告诉您，的开发理念就是以无人自动交易为核心，并在v6.1版本中添加了“登陆”功能！即使您在开盘以前早已离开电脑也不用担心您的下单软件断线！您可以设置在9：28分使用自动登录您的下单软件！（此功能建议慎用）而且使用非常简单，您只需每天晚上做好您的交易计划，第二天起来您只要运行下，启动下任务，不关电脑，不设置屏幕保护即可。让您摆脱“心理因素”和“时间因素”带来的困扰！此次证券交易自动化的革命让您达到不盯盘也能轻松炒股，不操盘也能规避并控制风险，让买得更低卖得更高成为一种实际的操作！2、自动交易如何保障资金安全，使用你们的软件安全吗有些用户对软件的安全问题有些担忧，有的甚至抱着怀疑的态度。确实，一个新产品的出现，并且是证券交易自动化的一次颠覆性革命！让用户马上去接受一个新兴的并且还适当改变一些操作思维的东西，确实有一定的障碍！让用户产生一些安全性的顾虑！据我们了解后，用户的担忧有两个情况！1、我的股票帐号会被人偷窥或是被你们的软件监控吗首先：不涉及用户的资金帐号及密码，运行步骤为：先登陆您的交易软件，再运行软件的。（安全小贴士：一般的木马程序窃取账号密码都是以键盘记忆的方式进行的，只要木马程序不是运行状态，账号密码是不会丢失的！）其次：不去读取用户的帐户信息，行情信息等。只是跟您的交易软件的窗口相关联进行买卖操作。这在开发设计软件时就己经为用户考虑到资金安全问题，所以用户无须担心。再有：现在的股票资金都是三方托管的，只能在资金帐号、交易所、银行三方进行封闭式资金循环，只有您持卡亲自去银行才能取出。2、如果软件一直自动循环我的交易任务，那不是造成很大的损失基本版的每笔任务触发交易后就自动变为了“暂停状态”，不会无限制重复交易，交易的次数和风险是在控制范围内的。严格地讲，是属于条件化交易工具，并不是所谓的“全自动交易”，那为何不做成全自动方式交易呢？是技术上做不到吗？——不，机构版则可以实现。普及版只做条件交易是从风险角度考虑，技术上实现全自动交易并不困难，困难的是如何做成能为用户赚钱的自动交易，而不是让用户巨亏或者存在巨亏风险的自动交易——我们是做产品，不是做实验品。3、为何试用版可以自动交易？因为的“自动交易”在国内目前属于新概念范畴，用户初次接触并没有真正意识到“自动交易”存在的风险，而又是严格按照条件进行交易的，也就是说用户设置的该笔任务不管是对是错，任务触发条件一旦达到就自动触发交易！仅仅是执行您的计划，它不产生计划，也不知道如何计划，仅仅按照它能理解的计划发出指令串让您的下单软件执行。至于这笔任务的对错是不知道的！4、既然你们卖炒股软件，自己用软件闷头赚钱就行了，还卖什么软件？这个问题问的非常好，网络是一个鱼龙混杂的地方，而一些非法经营、狂吹乱编的股票软件导致股票软件业界的形象非常差，让人感觉卖炒股软件就是骗子！这的确是非常让人心痛的现象。对正规的股票软件公司也照成了一些负面的影响如果说一家股票软件公司在卖给您软件时说他们的软件能保证你月赚百分之多少，那么您就得提高警惕了，这很可能是一家骗子公司。因为能影响炒股赢利的因素实在太多，比如市场风险、政策风险、汇率风险、信用风险、经营风险、财务风险等。没有人可以再这个琢磨不定的市场保证赚到钱，而且还是精确到一个准确的数值的！程序化交易模型定位于服务全国的普通股民用户，希望用上我们的软件后，所有的股民都学会“风险控制”保住资本减少损失；学会“移动止盈”锁定已有盈利让利润奔跑；学会“资金管理”控制入市资金就等于控制风险学会“低买高卖”让机会更大利润更多；学会“计划交易”制定自己的交易规则；学会“自动交易”解脱炒股疲劳的困扰；学会“享受交易”带来的乐趣——快乐投资，轻松赚钱。只提供程式化的股票、权证、开放式基金程序化交易模型，不作任何“加入会员、承诺收益、利润分成”及其它非法操作进行非法理财。5、关键是软件可以给我带来什么好处如果您仔细的浏览过第四个问题，那么您已经大概了解可以给您带来什么好处！这里我在做个主要总结。的亮点功能主要可以归类为三点：一、提高的风险控制二、节约的宝贵时间三、保证的执行力

『贰』 信息建模有哪些

在信息集成中，数据通常是面向主题进行组织的。主题是在较高层次上将企业信息系统中的数据进行归并的抽象，是对分析对象的数据的一个完整的、一致的描述，体现出分析对象的各项数据及其相互联系。根据分析的要求，概括各个分析领域的分析对象，就可以综合出各个主题，然后从各主题的角度去观察各个应用子系统中的有关信息，滤除主题流动的外在形式，抓住其静态内容，结合分析需求，逐步确立各主题应包含的基本内容即主题的模式和所涉及的属性、数据变量，从而确定了主题。
在信息集成中，数据通常是面向主题进行组织的。主题是在较高层次上将企业信息系统中的数据进行归并的抽象，是对分析对象的数据的一个完整的、一致的描述，体现出分析对象的各项数据及其相互联系。根据分析的要求，概括各个分析领域的分析对象，就可以综合出各个主题，然后从各主题的角度去观察各个应用子系统中的有关信息，滤除主题流动的外在形式，抓住其静态内容，结合分析需求，逐步确立各主题应包含的基本内容即主题的模式和所涉及的属性、数据变量，从而确定了主题。
主题包括两方面的内容:
主题的固有信息是对该主题的属性的描述信息，如商品的颜色、类别、产地、类型等；主题的业务信息是对该主题在各类业务中的流动信息的描述，如商品的销售信息、商品的员工信息等。面向主题的数据组织是将原来的按应用进行组织的关系模式重新以面向主题的方式加以改造，是按照确定的主题及其模式，从面向应用的各子系统中抽取出相应的数据，形成关于该主题的全局一致的企业模式和信息集合，以便在此基础分析该主题的相关信息，从面向主题的角度观察原有的数据。在信息集成中，主题通常由一组关系表实现。
目前，有两种不同的数据建模方法可以满足信息集成数据建模的需要实体关系模型、维度建模、ERM建模由于ERM可用于理解和简化商业领域和复杂系统环境中的模糊数据关系，因此它是一种抽取工具。图1显示了一个简单的ERM。ERM建模方法可使用以下两个基本概念产生特定兴趣领域的数据模型：
实体
实体之间的关系
实体可定义为人、地点、事情，以及商业或组织的相关事件，例如"产品"，如图1所示。实体代表一类对象，它们是现实世界中可以按属性和特征进行观察和分类的一些事物。
关系描述模型中各实体之间的结构性交互和关联显示了实体间的相关性。例如，图1中，箭头从"产品"指向"订单"。箭头每一端的数字定义了关系的基数，本例中为1对n（或1对多）。

『叁』 什么又叫信息模型

GHM模型即Grossman-Hart-Moore模型,或称"所有权-控制权"模型,又叫论,由委托人的"隐藏行动代理认的"隐藏信息"问题;由于委托人和代理人之间的信息不

『肆』 简述买卖价差的信息模型理论

不知道什么是有效需求模型，有效需求的理论有很多流派的，凯恩斯，前凯恩斯，后凯恩斯都有有效需求理论，各理论模型都有差异，不知道该回答哪个。

『伍』 不完备信息模型和价格错觉模型有什么区别

貌似是一个东西吧，劳动供给者信息不完备，只对拿到的工资反应敏感，对于市场物价的变动知道的晚一些，所以对于实质工资的变动不了解。

『陆』 建筑工程信息模型的信息包括哪些内容

包含描述建筑物构件的几何信息、专业属性及状态信息，还包含了非构件对象（如空间、运动行为）的状态信息。

借助这个包含建筑工程信息的三维模型，大大提高了建筑工程的信息集成化程度，从而为建筑工程项目的相关利益方提供了一个工程信息交换和共享的平台。

BIM有如下特征：

1、它不仅可以在设计中应用，还可应用于建设工程项目的全寿命周期中；

2、用BIM进行设计属于数字化设计；

3、BIM的数据库是动态变化的，在应用过程中不断在更新、丰富和充实；

4、为项目参与各方提供了协同工作的平台。

BIM具有以下特点：

1、可视化

可视化即“所见所得”的形式，对于建筑行业来说，可视化的真正运用在建筑业的作用是非常大的，例如经常拿到的施工图纸，只是各个构件的信息在图纸上采用线条绘制表达，但是其真正的构造形式就需要建筑业从业人员去自行想象了。

2、协调性

协调是建筑业中的重点内容，不管是施工单位，还是业主及设计单位，都在做着协调及相配合的工作。一旦项目的实施过程中遇到了问题，就要将各有关人士组织起来开协调会，找各个施工问题发生的原因及解决办法。然后作出变更，做出相应补救措施等来解决问题。

以上内容参考网络——BIM

『柒』 交易模型的模拟检验

模拟是对建立的系统或决策问题的数学或逻辑模型进行试验，以获得对系统行为的认识或帮助解决决策问题的过程。模拟的主要优点在于检验交易模型中的问题或系统的任何假设模型化的能力，使它成为最灵活的工具。判断交易模型是否有实用价值，最简单、最可靠的途径是通过在尽量多的市场里，进行长时间的测试。为了减少交易模型的检测成本，检测先从模拟开始。交易模型检验的基本原则是“模拟实战”，一切条件都要接近实战条件，使检验结果尽可能真实，因为只有这样才能使交易模型有真正的使用价值。
1.突发事件
在检验过程中一定要包含有突发事件(包括涨跌停板)，因为除了要检验交易模型在正常情况下的运作情况，还要有应付突发事件的能力，不能因为是“小概率”事件而忽略了突发事件的影响，应遵循“模拟实战”的基本原则。一个成熟的交易模型，即使不能捕捉到突发事件带来的超额利润，也应该有能力抵抗突发事件带来的风险。
2.检验的信息和数据
对于基本分析交易模型，需要有完善的信息数据库，信息的来源随着科技的发达，互联网的不断应用，信息的收集比以前方便了许多，因此要整理完善好信息数据库相对较容易。对于技术分析交易模型，由于期货基金运作的是期货品种，期货品种的数据有它的独特性，欧美期货的数据有各自不同的特点，如伦敦金属的期货数据没有出现“断层现象”，使用计算机检验就不会有问题，而国内的期货数据源袭了美式期货数据，不同的交易合约换月时会出现“数据断层”，不能像股票一样使用简单的除权处理，因此要通过交易模型的检验首先对数据进行处理。
实际合约数据：按照实际的合约交易数据，缺点是十分明显的，因为国内期货合约目前只有1年的周期，因此在检验时数据周期就显得太短了，而且在相当长的交易时间内合约的成交量并不活跃，流动性小，不具有代表意义。
即月连续数据：按合约交割日连接，连接起来形成连续数据。这样产生的连续数据优点是具有实际交易性，但在实战交易中会产生差别，交割前成交不活跃，缺乏代表性，像上海铜一般都是交割月后第四、五个合约成交活跃；缺点则是会产生“断层现象”，对检验结果产生重大的失真。
价差调整连续数据：按照一定的规则，在进入交割前一定时间内连接随后的合约数据，这里的时间参数X，要根据不同品种来确定，上海铜要比大连大豆和郑州小麦的时间参数X要大，将调整时两个合约的价差累计下来，最后将累计价差加减到数据列中，得出最终的期货数据。特别注意的是，经过调整的期货数据可能会出现负值，要做相应的数据调整，但这不会影响使用计算机检测的交易结果。优点是能长时间反映价格变化水平；缺点是数据不能直接应用于实际交易中，需要通过转换。
权重连续数据：按照固定的时间连接随后的合约数据，同时按近月大、远月小或是按成交量与持仓量的比重计算连续价格，随着时间的推移，较近的合约的权重越来越小，而远月的权重越来越大。优点是消除了数据“断层现象”，可以选取多个活跃月份，这样就可以更真实地贴近实战交易；缺点也是数据不能直接应用于实际交易中，需要通过转换。
以上四种数据处理方式各有所长，要根据使用者的情况选用。对于短线使用者，实际合约数据较好，而对于中长线的使用者连续数据才能真实反映实际中长期的盈亏情况，并进行计算机的检测。在对交易模型的检测中，为了保证检验结果的可靠性和稳定性，需要足够的统计样本数据，按照统计学的大样本要求，样本数量要多于30个。以短线为主的交易模型，数据时间不能短于1年的分时数据，使用日线数据检测的不能少于3年以上，基本分析交易模型的数据要求要经历一个以上的循环周期。

『捌』 交易模型的设计方法

在这里主要参考各类有关资料的分类方法，将其分为以下三类模型：技术分析交易模型、基本分析交易模型、数学计量交易模型。
1、技术分析交易模型
技术分析交易模型是指使用市场交易数据如开市价、收市价、成交量等，并通过计算机交易指标，经过系统化搜索检验，并进行优化处理的交易模型，其理论基础主要建立在已有的传统技术投资理论如图型分析、均线理论等基础之上，并经过大量统计学分析检验。该模型最大的优点在于：消除了投资者的情绪在交易决策中的影响，特别是在对重大事件中判断的主观性和盲目性；避免了由于信息不对称性造成的分析失误；保证了交易分析中的连贯性；给投资者提供了风险控制的方法。
下面重点讨论技术分析交易模型中的三个交易模型：
1）以图形形态识别为基础的交易模型
该类模型主要是依据传统的经典图形如头肩顶、双底、三角形等，进行行情趋势捕捉，进行建仓交易的系统。但在实战中，它还存在许多问题：风险控制方面，像头肩顶、双底、三角形等交易图，根据传统的交易观点，投资风险/报酬比一般为1：1，实战中管理者将面对巨大的基金净值风险；分析上多以主观判断为主，缺乏客观判断标准；目前国内期货市场的技术分析使用者增多，导致经典的图表形态假信号随之增多；国外经典的图表分析理论在国内存在相当大的差别；缺乏统计学数据。
2）趋势跟踪为基础的交易模型
该类模型主要是根据设计者的数据统计，捕捉价格的转折点，然后假定趋势会继续，并按趋势方向建仓交易的系统，如MACD、SAR、移动平均线等。该交易模型的特点是不会在最低价处买入，也不会在最高价处卖出，放弃行情前后一段的利润，利润主要来源于捕捉一波大行情的中间部分。其捕捉行情的转折点的能力根据设计者设计的灵敏度不同而不同，灵敏度强的交易模型对趋势反转反应迅速，但假信号也多；灵敏度低的交易模型对趋势反转反应慢，假信号也少，放弃的前后部分的利润也多。该类交易模型的缺点是在盘整行情时产生连续亏损，使投资者不能接受。所以设计趋势跟踪交易模型的难度不在于寻找捕捉趋势方法，而在于要有一套完善的趋势确认和过滤原则，才能回避风险。另外，趋势跟踪交易模型要求期货基金管理者的持仓时间比较长，一般都有2－3个月以上，所以要求期货基金管理者要有一套与趋势跟踪交易模型相适应的心理控制方法。
3）反趋势为基础的交易模型
该类模型是根据设计者的数据统计，然后假定市场需要调整，并在相反方向建仓交易的系统。它与趋势交易模型的区别在于，趋势交易模型可以自动调整，而反趋势交易模型由于与主要趋势相反操作经常会带来不可估量的风险，所以该类交易模型必须带有一套止损条件。
2、基本分析交易模型
基本分析交易模型是指交易者使用市场外的数据信息，通过对所有影响基本经济关系的信息进行考察，并对这类因素进行量化分析，建立数据库，从中判断市场的均衡价格而进行投资的模型。该模型的特点主要是：为大规模资金进场提供良好的分析依据；理论基础雄厚，容易为投资大众接受；对于短线和时机把握帮助不大；信息收集难度大；分析滞后于市场价格；分析主观性强。
下面介绍“价值评估”和“评估积分”两种基本分析交易模型。
1）价值评估交易模型
期货价格对现货价格将产生相互牵引的作用，据资料统计，近10年来，我国大豆期价与现货价格的相关系数为0.9。而对于期货市场产生的期货价格，期货市场的参与者包括现货商和投机者，对同一商品的期货价格有自己的判断，而由于成熟的期货市场绝大多数的参与者是投机者，期货市场的成交量往往是现货贸易量的数倍或数十倍，所以期货价格不单是由现货价格和仓储成本决定的，除了成本定价还包括资本定价部分。所以，作为期货基金的基本分析交易模型，还要包括期货市场的投机因素：期货价格=（现货价格+仓储成本）×投机系数。投机系数根据突发事件、市场投机资金等情况确定。
2）积分评估交易模型
基本分析交易模型的主要缺点是信息收集难度大造成的信息不对称，分析滞后于市场价格且分析主观性强，但随着信息科技的发达和交易制度的完善，信息的公平共享将进一步缩小信息不对称，最新信息的获取也相对容易了，困难的是如何去辨别信息真伪、主次和克服信息处理中过分主观判断的影响。积分评估交易模型的主要步骤如下：
A、确定分析因素
为了使分析统计因素保持全面，多空两方面分析因素的数量不能过少，一般不少于5个。如供求分析因素，以大豆期货为例，供求类因素包括：预测种植面积和实际种植面积因素；预测产量和实际产量因素；大豆进出口量；大豆压榨加工量；库存因素；突发事件因素等。
再比如周期性分析因素，还以大豆为例，周期性分析因素包括：3－4月份左右——中美大豆播种期，种植面积预测因素，同时南美新豆开始上市，价格处在谷底。5－8月份左右——中美大豆的天气与产量为主要分析预测因素，消费旺季到来，价格从前期的缓慢上升，至7、8月份大豆受青黄不接和天气炎热等波动因素的影响，价格达到年度高峰。9－11月份左右——中美大豆实际收成因素、南美大豆播种面积预期因素，10月份后由于中美新豆上市，价格再次回落至当年的最低价区域。
B、确定分析的时间段
无论何种交易模型的分析方法，都需要足够统计分析样本数据，才能保证统计结果的可靠性，因此要经历一个以上的循环周期，如农产品的生长周期、金属的经济周期等，其中更应该包含突发事件或政治的因素，以检测交易分析模型应对的能力和控制风险能力。
C、确定分数值
确定分数值的方法可以使用普通正负分数法、权重分数百分比值法等，利多因素的分值为正值，利空因素的分值为负值，无明确利多、利空倾向的因素取为0分。
D、计算分值结果
将各影响因素的分数值累计，得出分值结果，分数为正数，则市场的趋势以上升为主；分数为负数，则市场的趋势以下跌为主；分数为0或接近0分，市场将处于盘整。
E、分值跟踪系统
不同事件的发生和时间的推移变化，各因素对价格的影响不一，如突发事件对价格的影响随事件的变化影响力会逐渐消退，所以要对各因素分数值不断调整，确定分数结果，调整对交易模型的决策结果。
3、数学计量交易模型
数学计量交易模型是指设计者根据现代投资理论，对历史交易数据进行大量的统计学分析，从中找出一定规律，在市场出现偏差时或特定情况时进行投资的模型，如套利交易模型、跳空交易模型等。
从使用者角度进行分类，主要有以下两种：一种是分析型的交易模式，另一种是操作型的交易模型，技术分析交易模型和基本分析交易模型之间有着相当大的区别：
1、分析型的交易模型侧重于预见性，对于市场的走势分析具有提前性；而操作型的交易模型侧重于反应式，当市场已出现某种价格应该采取的交易决策。
2、分析型的交易模型侧重于个别效益，对某段市场的行情要求高准确度，忽略对不利市场情况的分析；而操作型的交易模型着重于实战中的整体效益，要求交易模型对市场的所有情况产生的收益结果作出整体评估。
3、两者最大的区别在于实际操作者要面对来自各方面的压力，包括市场、投资者、基金管理者自己等的压力，因此在模型上的设计还应包括如何通过某种方法去控制心理压力的因素，有效执行交易模型发出的信号。

『玖』 在网站后台里，单页模型是什么信息模型是什么

你所说的后台，不知道是哪个的后台，但是，一般的单页模型，就是只有一个页面的，比如说像那种隐私服务什么的等等，信息模型的话，主要是那种一些消息的展现什么的，类似新闻公告的那种

『拾』 数据库中信息模型与结构模型的区别

你应该说的是信息模型和数据模型吧？数据模型是对现实世界数据特征的抽象，其三要素是（数据结构，数据操作，数据的约束条件）
最常用的数据模型分为概念数据模型和基本数据模型
概念数据模型是按用户的观点对数据和信息建模，是现实世界到信息世界的第一层抽象。
基本数据模型是按计算机系统的观点对数据建模，是现实世界数据特征的抽象，用于DBMS的实现（层次模型，网状模型，关系模型）而信息模型却是各个实体间的共性，比如，厂商都有电话号码之类的