本發明涉及金融投資技術領域，特別是涉及一種量化投資策略的生成方法及裝置。

背景技術：

量化投資是指以獲取穩定收益為目的、通過數量化方法及計算機程序發出買賣指令的投資交易方法，其中，量化投資策略就是利用數量化的方法，進行金融市場的分析、判斷和交易的策略、算法的總稱。

目前，用戶可以使用量化投資策略平臺進行量化投資，用戶通過向平臺輸入收入、年齡等個人信息，量化投資策略平臺中金融領域的現代組合理論算法為用戶推薦相應的投資策略，按照投資策略進行買入及長期持有，但是，這種方式使得投資方式的靈活度較低。另外，現有的量化投資策略平臺的用戶均是面向計算機專業背景的程序員而非金融分析師或一般投資者，例如，美國Quantopian公司量化投資策略開發環境是以python語言IDE的形態提交給用戶使用，使得用戶需要擁有一定的代碼能力才可以使用量化投資策略平臺，縮小了量化投資策略平臺的使用范圍；其次，量化投資策略平臺中的策略開發形態受限于策略研究員的個人知識，策略開發形態無法由廣大用戶所開發，并且，策略開發者的知識水平不同，開發的策略亦不相同，使得策略開發形態的水平差異較大，導致量化投資策略平臺的使用效率較低。

技術實現要素：

有鑒于此，本發明提供一種量化投資策略的生成方法及裝置，主要目的在于解決無代碼能力的或策略開發知識有限的用戶，無法使用現有的量化投資策略平臺，導致量化投資策略的使用效率較低。

依據本發明一個方面，提供了一種量化投資策略的生成方法，包括：

獲取多個信息集合數據，所述信息集合數據包括用戶輸入的多個策略構建關聯數據；

根據所述多個信息集合數據，確認與所述多個信息集合數據分別對應的多個量化投資策略的基準模型，及與所述多個量化投資策略的基準模型分別對應的多個評估結果；

判斷根據所述多個信息集合數據、所述多個量化投資策略的基準模型、多個評估結果及預設優化算法生成的量化投資策略是否為符合用戶需求的量化投資策略；

若是，則向用戶輸出所述符合用戶需求的量化投資策略。

依據本發明一個方面，提供了一種量化投資策略的生成裝置，包括：

獲取單元，用于獲取多個信息集合數據，所述信息集合數據包括用戶輸入的多個策略關聯數據；

確認單元，用于根據所述多個信息集合數據，確認與所述多個信息集合數據分別對應的多個量化投資策略的基準模型，及與所述多個量化投資策略的基準模型分別對應的多個評估結果；

判斷單元，用于判斷根據所述多個信息集合數據、所述多個量化投資策略的基準模型、多個評估結果及預設優化算法生成的量化投資策略是否為符合用戶需求的量化投資策略；

輸出單元，用于若判斷根據所述多個信息集合數據、所述多個量化投資策略的基準模型、所述多個評估結果及預設優化算法生成的量化投資策略為符合用戶需求的量化投資策略，則向用戶輸出所述符合用戶需求的量化投資策略。

借由上述技術方案，本發明實施例提供的技術方案至少具有下列優點：

本發明實施例提供的一種量化投資策略的生成方法及裝置，包括：首先獲取多個信息集合數據，所述信息集合數據包括用戶輸入的多個策略關聯數據，然后根據所述多個信息集合數據，確認與所述多個信息集合數據分別對應的多個量化投資策略的基準模型，及與所述多個量化投資策略的基準模型分別對應的多個評估結果，再判斷根據所述多個信息集合數據、所述多個量化投資策略的基準模型、所述多個評估結果及預設優化算法生成的量化投資策略是否為符合用戶需求的量化投資策略，若是，則向用戶輸出所述符合用戶需求的量化投資策略。與現有無代碼能力的或策略開發知識有限的用戶，無法使用現有的量化投資策略平臺相比，本發明實施例通過對用戶輸入的多個策略關聯數據進行確定量化投資策略的基準模型，對基準模型進行模擬交易并進行評估，并通過預設優化算法得到所有基準模型中符合用戶需求的的量化投資策略，實現無需用戶擁有代碼編程能力即可應用量化投資策略，并且，避免個人知識水平的高低影響量化投資策略的實行，提高量化投資策略的生成效率，從而提高使用量化投資策略的用戶群體范圍。

上述說明僅是本發明技術方案的概述，為了能夠更清楚了解本發明的技術手段，而可依照說明書的內容予以實施，并且為了讓本發明的上述和其它目的、特征和優點能夠更明顯易懂，以下特舉本發明的具體實施方式。

附圖說明

通過閱讀下文優選實施方式的詳細描述，各種其他的優點和益處對于本領域普通技術人員將變得清楚明了。附圖僅用于示出優選實施方式的目的，而并不認為是對本發明的限制。而且在整個附圖中，用相同的參考符號表示相同的部件。在附圖中：

圖1示出了本發明實施例提供的一種量化投資策略的生成方法的流程圖；

圖2示出了本發明實施例提供的另一種量化投資策略的生成方法的流程圖；

圖3示出了本發明實施例提供的一種量化投資策略的生成裝置的結構示意圖；

圖4示出了本發明實施例提供的另一種量化投資策略的生成裝置的結構示意圖。

具體實施方式

下面將參照附圖更詳細地描述本公開的示例性實施例。雖然附圖中顯示了本公開的示例性實施例，然而應當理解，可以以各種形式實現本公開而不應被這里闡述的實施例所限制。相反，提供這些實施例是為了能夠更透徹地理解本公開，并且能夠將本公開的范圍完整的傳達給本領域的技術人員。

本發明實施例提供一種量化投資策略的生成方法，如圖1所示，所述方法包括：

101、獲取多個信息集合數據。

其中，所述信息集合數據包括用戶輸入的多個策略關聯數據，所述策略關聯數據為與投資策略相關的數據，例如，資金規模、股票數量、起止時間等，本發明實施例不做具體限定。所述多個信息集合數據可以為相同用戶輸入的不同的多個策略關聯數據，每一個信息集合數據包含有一組策略構建關聯數據。

需要說明的是，獲取多個信息集合數據的方法可以為接收用戶通過平臺進行輸入的策略關聯數據，策略關聯數據可以為進行了初等數學中覆蓋全部常規數學算子(operator)運算后的結果，具體可以包括市場分析、基于時序數據所確認的各類技術分析指標、財務分析指標和新聞信息情感指數等量化數據源。本步驟在實際操作過程中實現于解空間搜索結果處理模塊中，模塊通過將信息集合數據及算子集合進行數值計算得到的結果作為下一步驟的輸入。

102、根據所述多個信息集合數據，確認與所述多個信息集合數據分別對應的多個量化投資策略的基準模型，及與所述多個量化投資策略的基準模型分別對應的多個評估結果。

其中，所述確認與所述多個信息集合數據分別對應的多個量化投資策略的基準模型可以通過規則映射的方式得到，可以處理實數域數據搜索的復雜度不可控，由于實數域的表達式與量化策略的具體操作并無嚴格對應關系，前者的輸出仍然為實數域，后者建立在整數域，本發明實施例中選擇壓縮映射方式，以便丟棄部分實數域中的信息。所述的評估結果為通過回測模塊進行模擬交易后獲取收益率的時序數據，將資產投資組合評估指標進行系統計算，進而對量化投資策略的基準模型全方位的評估，得到評估結果。

需要說明的是，一個基準模型可以生成一個模擬結果，還可以生成多個模擬結果，模擬結果即為對應的實例，每一個實例會確認出一個評估結果。

103、判斷根據所述多個信息集合數據、所述多個量化投資策略的基準模型、所述多個評估結果及預設優化算法生成的量化投資策略是否為符合用戶需求的量化投資策略。

其中，所述預設優化算法可以為將信息集合數據、基準模型、評估結果等作為算法的輸入，優化訓練后，淘汰不良個體，得到優化個體，判斷量化投資策略是否為符合用戶需求的量化投資策略，可以根據用戶希望算法進行優化的方向對個體進行適應度計算比較的同時判斷算法代數或其他停止標準是否達到，本發明實施例不做具體限定。

104、若判斷根據所述多個信息集合數據、所述多個量化投資策略的基準模型、所述多個評估結果及預設優化算法生成的量化投資策略為符合用戶需求的量化投資策略，則向用戶輸出所述符合用戶需求的量化投資策略。

其中，所述用戶輸出的符合用戶需求的量化投資策略則為用戶選擇的優化方向。

需要說明的是，若判斷根據所述多個信息集合數據、所述多個量化投資策略的基準模型、所述多個評估結果及預設優化算法生成的量化投資策略不為符合用戶需求的量化投資策略，則將多個信息集合數據返回步驟101，重新進行運算。

本發明實施例提供的一種量化投資策略的生成方法，包括：首先獲取多個信息集合數據，所述信息集合數據包括用戶輸入的多個策略關聯數據，然后根據所述多個信息集合數據，確認與所述多個信息集合數據分別對應的多個量化投資策略的基準模型，及與所述多個量化投資策略的基準模型分別對應的多個評估結果，再判斷根據所述多個信息集合數據、所述多個量化投資策略的基準模型、所述多個評估結果及預設優化算法生成的量化投資策略是否為符合用戶需求的量化投資策略，若是，則向用戶輸出所述符合用戶需求的量化投資策略。與現有無代碼能力的或策略開發知識有限的用戶，無法使用現有的量化投資策略平臺相比，本發明實施例通過對用戶輸入的多個策略關聯數據進行確定量化投資策略的基準模型，對基準模型進行模擬交易并進行評估，并通過預設優化算法得到所有基準模型中符合用戶需求的的量化投資策略，實現無需用戶擁有代碼編程能力即可應用量化投資策略，并且，避免個人知識水平的高低影響量化投資策略的實行，提高量化投資策略的生成效率，從而提高使用量化投資策略的用戶群體范圍。

本發明實施例提供另一種量化投資策略的生成方法，如圖2所示，所述方法包括：

201、接收用戶輸入的多個策略關聯數據。

其中，所述用戶輸入的策略關聯數據包括用戶直接輸入的多個策略關聯數據，及根據所述多個信息集合數據、所述多個量化投資策略的基準模型、所述多個評估結果及預設優化算法生成的量化投資策略中不為符合用戶需求的量化投資策略對應的用戶輸入的多個策略關聯數據，所述策略關聯數據為與投資策略相關的數據。

需要說明的是，接收動作可以由終端中的平臺進行操作，用戶通過平臺將投資數據進行輸入。通過接收用戶輸入的多個策略關聯數據，實現用戶只需要輸入數據則可自動運行量化投資策略平臺生成用戶需要的量化投資策略的目的，無需專業人士進行操作，從而擴大使用量化投資策略開發平臺的用戶范圍。

202、根據預設算子對所述多個策略關聯數據進行運算，得到多個信息集合數據。

其中，所述預設算子為初等數學中基本運算法則，如加、減、乘、除等，所述一個信息集合數據可以包含一個策略關聯數據，也可以包含多個策略關聯數據，具體由用戶輸入的策略關聯數據是否為一組來判斷。

需要說明的是，若策略關聯數據為根據所述多個信息集合數據、所述多個量化投資策略的基準模型、多個評估結果及預設優化算法生成的量化投資策略中不為符合用戶需求的量化投資策略對應的用戶輸入的策略關聯數據，則也需要進行運算。將數值計算后的結果作為下一步驟的輸入。

203、從預置存儲位置中提取出與所述多個信息集合數據分別對應的多個量化投資策略的基準模型。

其中，所述預置存儲位置中保存有與所述多個信息集合數據分別對應的多個量化投資策略的基準模型。通過從預置存儲位置中提取出與所述多個信息集合數據分別對應的多個量化投資策略的基準模型，提高信息集合數據與量化投資策略的基準模型的映射的準確性，從而提高量化投資策略的生成效率。

進一步地，步驟203之前可以包括：分別建立所述多個信息集合數據與預置策略的規則映射關系，得到多個量化投資策略的基準模型，存儲至預置存儲位置中。

其中，所述預置策略為技術人員存儲在平臺中的投資策略抽象，具體投資策略本發明實施例不做具體限定，所述預置存儲位置可以為緩存存儲，也可以為本地存儲，本發明實施例不做具體限定，所述建立信息集合數據與預置策略的規則映射關系為將上一步驟的輸出作為輸入，然后與預置策略中的具體策略進行關聯，使得數值與策略操作存在意義。

需要說明的是，建立規則映射關系由平臺中的規則映射在規則映射模塊中進行操作，量化投資策略的基準模型可以抽象為激發策略操作的條件與對應的標的操作。策略模型由激發策略操作的條件的可變部分和標的操作的不變部分構成。通過分別建立所述多個信息集合數據與預置策略的規則映射關系，得到多個量化投資策略的基準模型，存儲至預置存儲位置中，簡化建立規則映射關系步驟，使得用戶可以直接從預置存儲位置中提取已經存在的基準模型，從而提高量化投資策略的生成效率。

204、根據所述多個量化投資策略的基準模型分別進行模擬交易，得到多個交易結果。

其中，所述模擬交易為根據用戶的信息集合數據及對應的量化投資策略的基準模型按照歷史數據實現完整的買賣操作，得到收益率序列，每一個量化投資策略的基準模型對應一個模擬交易結果。

需要說明的是，模擬交易在平臺中的回測模塊中進行操作，模擬交易可以通過與不同的標的、交易撮合、組合和賬戶等功能模塊連接，模擬交易執行的同時對稅費、滑點和收益數值等進行記錄，得到完整的模擬交易結果。通過根據所述多個量化投資策略的基準模型分別進行模擬交易，得到多個交易結果，實現交易的可實現性，避免出現無法實現的量化投資策略的基準模型，提高生成量化投資策略的準確性。

205、對所述多個交易結果進行評估，得到與多個量化投資策略的基準模型分別對應的多個評估結果。

其中，所述評估可以為通過獲取收益率序列，利用資產投資組合評估指標進行系統計算，得到對量化投資策略的基準模型的評估結果。

需要說明的是，評估在平臺中的評估模塊中進行操作，評估結果可以為數值，也可以為預先設置的不同等級的標識等，本發明實施例不做具體限定。通過對所述多個交易結果進行評估，得到與多個量化投資策略的基準模型分別對應的多個評估結果，便于根據評估結果淘汰不良策略。

206、根據所述多個信息集合數據、所述多個量化投資策略的基準模型、所述多個評估結果作為預設遺傳算法的輸入數據，生成量化投資策略。

其中，所述預設遺傳算法是模擬達爾文生物進化論的自然選擇和遺傳學機理的生物進化過程的計算模型，是一種通過模擬自然進化過程搜索最優解的方法。

需要說明的是，通過預設遺傳算法生成量化投資策略在平臺中的框架模塊中進行操作，本發明實施例中預設遺傳算法中的初始種群為多個信息集合數據，且個體數目確定，每個個體由適當的編碼方式進行處理；然后根據對收益序列作出的評估結果，選擇用戶希望算法進行優化的方向，然后對所有個體進行適應度計算；最后對個體適應度進行比較的同時判斷算法代數或其他停止標準是否達到。如果確認達到算法停止條件，則將優秀個體向最終結果模塊進行推送，即得到量化投資策略，如果確認無法達到算法停止條件，則將進入遺傳操作。遺傳操作包含選擇、交叉和變異三種擾動操作，為個體向更優方向演化提供支持，遺傳操作中，基于問題編碼的形式，采用基于片段和節點兩種類型的遺傳操作。通過根據所述多個信息集合數據、所述多個量化投資策略的基準模型、所述多個評估結果作為預設遺傳算法的輸入數據，生成量化投資策略，實現量化投資策略的自動生成。

207、根據預置投資策略條件，判斷所述量化投資策略是否為符合用戶需求的量化投資策略。

其中，所述預置投資策略條件可以為技術人員利用程序代碼設定，也可以為用戶在輸入策略關聯數據時進行設定。通過根據預置投資策略條件，判斷所述量化投資策略是否為符合用戶需求的量化投資策略，避免出現不符合用戶需求的量化投資策略，從而提高量化投資策略的生成效率。

208、若判斷所述量化投資策略為符合用戶需求的量化投資策略，則向用戶輸出所述符合用戶需求的量化投資策略。

其中，所述向用戶輸出的方式可以為對話框展示等，本發明實施例不做具體限定。

需要說明的是，本發明實施例的步驟整體架設于若干臺高性能服務器之上，且通過Kubernetes云(Kubernetes是一個開源項目，它把集群管理工具引入到虛擬機和裸機場景中)對若干服務器進行統一的管理。在此基礎之上，各個模塊可以進行有效的擴展，能夠彈性應對不同量級的任務需求。例如，存在多個操作節點，Kubernetes統籌管理行情數據、數據庫(mongo、mysql、redis、kafka)、網站、微信、策略計算、數據復權等。

對于本發明實施例，若判斷所述量化投資策略為符合用戶需求的量化投資策略，則返回步驟201。

本發明實施例提供的另一種量化投資策略的生成方法，包括：首先獲取多個信息集合數據，所述信息集合數據包括用戶輸入的多個策略關聯數據，然后根據所述多個信息集合數據，確認與所述多個信息集合數據分別對應的多個量化投資策略的基準模型，及與所述多個量化投資策略的基準模型分別對應的多個評估結果，再判斷根據所述多個信息集合數據、所述多個量化投資策略的基準模型、所述多個評估結果及預設優化算法生成的量化投資策略是否為符合用戶需求的量化投資策略，若是，則向用戶輸出所述符合用戶需求的量化投資策略。與現有無代碼能力的或策略開發知識有限的用戶，無法使用現有的量化投資策略平臺相比，本發明實施例通過對用戶輸入的多個策略關聯數據進行確定量化投資策略的基準模型，對基準模型進行模擬交易并進行評估，并通過預設優化算法得到所有基準模型中符合用戶需求的的量化投資策略，實現無需用戶擁有代碼編程能力即可應用量化投資策略，并且，避免個人知識水平的高低影響量化投資策略的實行，提高量化投資策略的生成效率，從而提高使用量化投資策略的用戶群體范圍。

進一步地，作為圖1所示方法的具體實現，本發明實施例提供一種量化投資策略的生成裝置，如圖3所示，所述裝置可以包括：獲取單元31、確認單元32、判斷單元33、輸出單元34。

獲取單元31，用于獲取多個信息集合數據，所述信息集合數據包括用戶輸入的多個策略關聯數據。

其中，所述信息集合數據包括用戶輸入的多個策略關聯數據，所述策略關聯數據為與投資策略相關的數據，所述多個信息集合數據可以為相同用戶輸入的不同的多個策略關聯數據，每一個信息集合數據包含有一組策略關聯數據。

確認單元32，用于根據所述多個信息集合數據，確認與所述多個信息集合數據分別對應的多個量化投資策略的基準模型，及與所述多個量化投資策略的基準模型分別對應的多個評估結果。

其中，所述確認與所述多個信息集合數據分別對應的多個量化投資策略的基準模型可以通過規則映射的方式得到，可以處理實數域數據搜索的復雜度不可控，由于實數域的表達式與量化策略的具體操作并無嚴格對應關系，前者的輸出仍然為實數域，后者建立在整數域，本發明實施例中選擇壓縮映射方式，以便丟棄部分實數域中的信息。所述的評估結果為通過回測模塊進行模擬交易后獲取收益率的時序數據，將資產投資組合評估指標進行系統計算，進而對量化投資策略的基準模型全方位的評估，得到評估結果。

判斷單元33，用于判斷根據所述多個信息集合數據、所述多個量化投資策略的基準模型、所述多個評估結果及預設優化算法生成的量化投資策略是否為符合用戶需求的量化投資策略。

其中，所述預設優化算法可以為將信息集合數據、基準模型、評估結果等作為算法的輸入，優化訓練后，淘汰不良個體，得到優化個體，判斷量化投資策略是否為符合用戶需求的量化投資策略，可以根據預設投資策略進行對比，也可以根據用戶的需求進行篩選，本發明實施例不做具體限定。

輸出單元34，用于若判斷單元33判斷根據所述多個信息集合數據、所述多個量化投資策略的基準模型、所述多個評估結果及預設優化算法生成的量化投資策略為符合用戶需求的量化投資策略，則向用戶輸出所述符合用戶需求的量化投資策略。

其中，所述用戶輸出的符合用戶需求的量化投資策略則為用戶可以得到的最大化利益的策略。

本發明實施例提供的一種量化投資策略的生成裝置，包括：首先獲取多個信息集合數據，所述信息集合數據包括用戶輸入的多個策略關聯數據，然后根據所述多個信息集合數據，確認與所述多個信息集合數據分別對應的多個量化投資策略的基準模型，及與所述多個量化投資策略的基準模型分別對應的多個評估結果，再判斷根據所述多個信息集合數據、所述多個量化投資策略的基準模型、所述多個評估結果及預設優化算法生成的量化投資策略是否為符合用戶需求的量化投資策略，若是，則向用戶輸出所述符合用戶需求的量化投資策略。與現有無代碼能力的或策略開發知識有限的用戶，無法使用現有的量化投資策略平臺相比，本發明實施例通過對用戶輸入的多個策略關聯數據進行確定量化投資策略的基準模型，對基準模型進行模擬交易并進行評估，并通過預設優化算法得到所有基準模型中符合用戶需求的的量化投資策略，實現無需用戶擁有代碼編程能力即可應用量化投資策略，并且，避免個人知識水平的高低影響量化投資策略的實行，提高量化投資策略的生成效率，從而提高使用量化投資策略的用戶群體范圍。

進一步地，作為圖2所示方法的具體實現，本發明實施例提供另一種量化投資策略的生成裝置，如圖4所示，所述裝置可以包括：獲取單元41、確認單元42、判斷單元43、輸出單元44。

獲取單元41，用于獲取多個信息集合數據，所述信息集合數據包括用戶輸入的多個策略關聯數據；

確認單元42，用于根據所述多個信息集合數據，確認與所述多個信息集合數據分別對應的多個量化投資策略的基準模型，及與所述多個量化投資策略的基準模型分別對應的多個評估結果；

判斷單元43，用于判斷根據所述多個信息集合數據、所述多個量化投資策略的基準模型、多個評估結果及預設優化算法生成的量化投資策略是否為符合用戶需求的量化投資策略；

輸出單元44，用于若判斷單元判斷根據所述多個信息集合數據、所述多個量化投資策略的基準模型、所述多個評估結果及預設優化算法生成的量化投資策略為符合用戶需求的量化投資策略，則向用戶輸出所述符合用戶需求的量化投資策略。

進一步地，所述確認單元42包括：

提取模塊4201，用于從預置存儲位置中提取出與所述多個信息集合數據分別對應的多個量化投資策略的基準模型。

其中，所述預置存儲位置中保存有與所述多個信息集合數據分別對應的多個量化投資策略的基準模型。通過從預置存儲位置中提取出與所述多個信息集合數據分別對應的多個量化投資策略的基準模型，提高信息集合數據與量化投資策略的基準模型的映射的準確性，從而提高量化投資策略的生成效率。

交易模塊4202，用于根據所述多個量化投資策略的基準模型分別進行模擬交易，得到多個交易結果。

其中，所述模擬交易為根據用戶的信息集合數據及對應的量化投資策略的基準模型按照歷史數據實現完整的買賣操作，得到收益率序列，每一個量化投資策略的基準模型對應一個模擬交易結果。

評估模塊4203，用于對所述多個交易結果進行評估，得到與多個量化投資策略的基準模型分別對應的多個評估結果。

其中，所述評估可以為通過獲取收益率序列，利用資產投資組合評估指標進行系統計算，得到對量化投資策略的基準模型的評估結果。

進一步地，所述確認單元42還包括：

建立模塊4204，用于分別建立所述多個信息集合數據與預置策略的規則映射關系，得到多個量化投資策略的基準模型，存儲至預置存儲位置中。

進一步地，所述獲取單元41還包括：

接收模塊4101，用于接收用戶輸入的多個策略關聯數據，所述用戶輸入的策略關聯數據包括用戶直接輸入的多個策略關聯數據，及根據所述多個信息集合數據、所述多個量化投資策略的基準模型、所述多個評估結果及預設優化算法生成的量化投資策略中不為符合用戶需求的量化投資策略對應的用戶輸入的多個策略關聯數據；

運算模塊4102，用于根據預設算子對所述多個策略關聯數據進行運算，得到多個信息集合數據。

進一步地，所述判斷單元43包括：

生成模塊4301，用于根據所述多個信息集合數據、所述多個量化投資策略的基準模型、所述多個評估結果作為預設遺傳算法的輸入數據，生成量化投資策略。

其中，所述預設遺傳算法是模擬達爾文生物進化論的自然選擇和遺傳學機理的生物進化過程的計算模型，是一種通過模擬自然進化過程搜索最優解的方法。

判斷模塊4302，用于根據預置投資策略條件，判斷所述量化投資策略是否為符合用戶需求的量化投資策略。

本發明實施例提供的另一種量化投資策略的生成裝置，包括：首先獲取多個信息集合數據，所述信息集合數據包括用戶輸入的多個策略關聯數據，然后根據所述多個信息集合數據，確認與所述多個信息集合數據分別對應的多個量化投資策略的基準模型，及與所述多個量化投資策略的基準模型分別對應的多個評估結果，再判斷根據所述多個信息集合數據、所述多個量化投資策略的基準模型、所述多個評估結果及預設優化算法生成的量化投資策略是否為符合用戶需求的量化投資策略，若是，則向用戶輸出所述符合用戶需求的量化投資策略。與現有無代碼能力的或策略開發知識有限的用戶，無法使用現有的量化投資策略平臺相比，本發明實施例通過對用戶輸入的多個策略關聯數據進行確定量化投資策略的基準模型，對基準模型進行模擬交易并進行評估，并通過預設優化算法得到所有基準模型中符合用戶需求的的量化投資策略，實現無需用戶擁有代碼編程能力即可應用量化投資策略，并且，避免個人知識水平的高低影響量化投資策略的實行，提高量化投資策略的生成效率，從而提高使用量化投資策略的用戶群體范圍。

在上述實施例中，對各個實施例的描述都各有側重，某個實施例中沒有詳述的部分，可以參見其他實施例的相關描述。

可以理解的是，上述方法及裝置中的相關特征可以相互參考。另外，上述實施例中的“第一”、“第二”等是用于區分各實施例，而并不代表各實施例的優劣。

所屬領域的技術人員可以清楚地了解到，為描述的方便和簡潔，上述描述的系統，裝置和單元的具體工作過程，可以參考前述方法實施例中的對應過程，在此不再贅述。

在此提供的算法和顯示不與任何特定計算機、虛擬系統或者其它設備固有相關。各種通用系統也可以與基于在此的示教一起使用。根據上面的描述，構造這類系統所要求的結構是顯而易見的。此外，本發明也不針對任何特定編程語言。應當明白，可以利用各種編程語言實現在此描述的本發明的內容，并且上面對特定語言所做的描述是為了披露本發明的最佳實施方式。

在此處所提供的說明書中，說明了大量具體細節。然而，能夠理解，本發明的實施例可以在沒有這些具體細節的情況下實踐。在一些實例中，并未詳細示出公知的方法、結構和技術，以便不模糊對本說明書的理解。

類似地，應當理解，為了精簡本公開并幫助理解各個發明方面中的一個或多個，在上面對本發明的示例性實施例的描述中，本發明的各個特征有時被一起分組到單個實施例、圖、或者對其的描述中。然而，并不應將該公開的方法解釋成反映如下意圖：即所要求保護的本發明要求比在每個權利要求中所明確記載的特征更多的特征。更確切地說，如下面的權利要求書所反映的那樣，發明方面在于少于前面公開的單個實施例的所有特征。因此，遵循具體實施方式的權利要求書由此明確地并入該具體實施方式，其中每個權利要求本身都作為本發明的單獨實施例。

本領域那些技術人員可以理解，可以對實施例中的設備中的模塊進行自適應性地改變并且把它們設置在與該實施例不同的一個或多個設備中。可以把實施例中的模塊或單元或組件組合成一個模塊或單元或組件，以及此外可以把它們分成多個子模塊或子單元或子組件。除了這樣的特征和/或過程或者單元中的至少一些是相互排斥之外，可以采用任何組合對本說明書(包括伴隨的權利要求、摘要和附圖)中公開的所有特征以及如此公開的任何方法或者設備的所有過程或單元進行組合。除非另外明確陳述，本說明書(包括伴隨的權利要求、摘要和附圖)中公開的每個特征可以由提供相同、等同或相似目的的替代特征來代替。

此外，本領域的技術人員能夠理解，盡管在此所述的一些實施例包括其它實施例中所包括的某些特征而不是其它特征，但是不同實施例的特征的組合意味著處于本發明的范圍之內并且形成不同的實施例。例如，在下面的權利要求書中，所要求保護的實施例的任意之一都可以以任意的組合方式來使用。

本發明的各個部件實施例可以以硬件實現，或者以在一個或者多個處理器上運行的軟件模塊實現，或者以它們的組合實現。本領域的技術人員應當理解，可以在實踐中使用微處理器或者數字信號處理器(DSP)來實現根據本發明實施例的一種量化投資策略的生成方法及裝置中的一些或者全部部件的一些或者全部功能。本發明還可以實現為用于執行這里所描述的方法的一部分或者全部的設備或者裝置程序(例如，計算機程序和計算機程序產品)。這樣的實現本發明的程序可以存儲在計算機可讀介質上，或者可以具有一個或者多個信號的形式。這樣的信號可以從因特網網站上下載得到，或者在載體信號上提供，或者以任何其他形式提供。

應該注意的是上述實施例對本發明進行說明而不是對本發明進行限制，并且本領域技術人員在不脫離所附權利要求的范圍的情況下可設計出替換實施例。在權利要求中，不應將位于括號之間的任何參考符號構造成對權利要求的限制。單詞“包含”不排除存在未列在權利要求中的元件或步驟。位于元件之前的單詞“一”或“一個”不排除存在多個這樣的元件。本發明可以借助于包括有若干不同元件的硬件以及借助于適當編程的計算機來實現。在列舉了若干裝置的單元權利要求中，這些裝置中的若干個可以是通過同一個硬件項來具體體現。單詞第一、第二、以及第三等的使用不表示任何順序。可將這些單詞解釋為名稱。