交易数据处理方法、装置、计算机设备和存储介质与流程

本申请涉及计算机技术领域，特别是涉及一种交易数据处理方法、装置、计算机设备和计算机可读存储介质。

背景技术：

随着计算机技术的发展，通过计算机设备进行金融产品交易的现象越来越普遍。为了满足人们忙碌时期对金融产品的交易需求，出现了自动交易技术。目前，常用的自动交易技术可以获取用户输入的交易计划，从而在交易时段按照交易计算进行金融产品的买进卖出。然而，传统的自动交易技术无法准确预测金融产品市场的涨跌趋势，存在交易处理准确性较低的问题。

技术实现要素：

基于此，有必要针对上述技术问题，提供一种能够提高交易准确性的交易数据处理方法、装置、计算机设备和计算机可读存储介质。

一种交易数据处理方法，所述方法包括：

获取实时行情数据及由所述实时行情数据转化得到的k线图；

通过行情预测模型预测所述实时行情数据对应的第一涨跌趋势；

识别所述k线图包含的k线的转折形态，并获取所述转折形态所对应的第二涨跌趋势；

结合所述第一涨跌趋势及所述第二涨跌趋势确定下一交易时段结束时的目标涨跌趋势；

获取用户标识对应的持仓信息，根据所述持仓信息及所述目标涨跌趋势生成所述用户标识对应的交易指令。

在其中一个实施例中，根据所述持仓信息及所述目标涨跌趋势生成所述用户标识对应的交易指令，包括：

当所述目标涨跌趋势为上涨趋势，且所述持仓信息为无持仓或者持有空仓时，则生成包含平空仓建立多仓指示的交易指令；

当所述目标涨跌趋势为下跌趋势，且所述持仓信息为无持仓或持有多仓时，则生成包含平多仓建立空仓指示的交易指令。

在其中一个实施例中，结合所述第一涨跌趋势及所述第二涨跌趋势确定下一交易时段结束时的目标涨跌趋势，包括：

当所述第一涨跌趋势为上涨趋势且所述第二涨跌趋势为上涨趋势时，则确定所述目标涨跌趋势为上涨趋势；

当所述第一涨跌趋势为下跌趋势且所述第二涨跌趋势为下跌趋势时，则确定所述目标涨跌趋势为下跌趋势。

在其中一个实施例中，还包括：

若所述第一涨跌趋势与所述第二涨跌趋势不相同，则获取所述第一涨跌趋势对应的第一置信度，和所述第二涨跌趋势对应的第二置信度；

当所述第一置信度大于所述第二置信度时，将所述第一涨跌趋势确定为目标涨跌趋势；

当所述第一置信度小于所述第二置信度时，将所述第二涨跌趋势确定为目标涨跌趋势。

在其中一个实施例中，行情预测模型的训练过程，包括：

获取预设时段内接收的历史行情数据，按照时间周期对所述历史行情数据进行合成处理，得到不同时间周期对应的行情数据；

对所述不同时间周期对应的行情数据进行数据清洗，得到清洗后的行情数据；

通过所述清洗后的行情数据进行模型训练，得到所述行情预测模型。

在其中一个实施例中，还包括：

获取所述用户标识对应资金数值和流控阈值；

当根据所述资金数值、持仓信息和流控阈值确定执行所述交易指令时，通过交易通道发送所述交易指令对应的交易请求。

在其中一个实施例中，还包括：接收基于所述交易请求返回的交易结果；根据所述交易结果更新所述用户标识对应的持仓信息，并将所述更新后的持仓信息发送至监控终端；所述更新后的持仓信息用于指示所述监控终端暂停或开启交易功能。

一种交易数据处理装置，所述装置包括：

数据获取模块，用于获取实时行情数据及由所述实时行情数据转化得到的k线图；

第一预测模块，用于通过行情预测模型预测所述实时行情数据对应的第一涨跌趋势；

第二预测模块，用于识别所述k线图包含的k线的转折形态，并获取所述转折形态所对应的第二涨跌趋势；

目标预测模块，用于结合所述第一涨跌趋势及所述第二涨跌趋势确定下一交易时段结束时的目标涨跌趋势；

交易指令生成模块，用于获取用户标识对应的持仓信息，根据所述持仓信息及所述目标涨跌趋势生成所述用户标识对应的交易指令。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取实时行情数据及由所述实时行情数据转化得到的k线图；

通过行情预测模型预测所述实时行情数据对应的第一涨跌趋势；

识别所述k线图包含的k线的转折形态，并获取所述转折形态所对应的第二涨跌趋势；

结合所述第一涨跌趋势及所述第二涨跌趋势确定下一交易时段结束时的目标涨跌趋势；

获取用户标识对应的持仓信息，根据所述持仓信息及所述目标涨跌趋势生成所述用户标识对应的交易指令。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取实时行情数据及由所述实时行情数据转化得到的k线图；

通过行情预测模型预测所述实时行情数据对应的第一涨跌趋势；

识别所述k线图包含的k线的转折形态，并获取所述转折形态所对应的第二涨跌趋势；

结合所述第一涨跌趋势及所述第二涨跌趋势确定下一交易时段结束时的目标涨跌趋势；

获取用户标识对应的持仓信息，根据所述持仓信息及所述目标涨跌趋势生成所述用户标识对应的交易指令。

上述交易数据处理方法、装置、计算机设备和计算机可读存储介质，可以结合数据预测和图形转折形态预测，提高了预测准确性，从而根据持仓信息和目标涨跌趋势生成交易指令，可以提高智能交易的准确性。

附图说明

图1为一个实施例中交易数据处理方法的应用环境图；

图2为一个实施例中交易数据处理方法的流程示意图；

图3为一个实施例中行情预测模型训练的流程图；

图4为一个实施例中交易数据处理系统的框架图；

图5为一个实施例中交易数据处理装置的结构框图；

图6为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的交易数据处理方法，可以应用于如图1所示的应用环境中。该应用环境包括线下平台102、服务器104和监控终端106。其中，服务器104通过网络与线下平台102和监控终端106进行通信。服务器104可以获取实时行情数据及由实时行情数据转化得到的k线图，通过从线下平台102获取的行情预测模型预测实时行情数据对应的第一涨跌趋势；并识别k线图包含的k线的转折形态，并获取转折形态所对应的第二涨跌趋势，从而结合第一涨跌趋势和第二涨跌趋势确定下一交易时段结束时的目标涨跌趋势，根据用户标识对应的持仓信息和目标涨跌趋势生成该用户标识对应的交易指令。

其中，线下平台102可以但不限于是各种个人计算机等电子设备，或者是服务器、多个服务器组成的服务器集群等。例如，线下平台可以包括配置有大容量硬盘、内存储器以及多核高频处理器的计算机等。服务器104可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、以及大数据和人工智能平台等基础云计算服务的云服务器。监控终端106可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。

在一个实施例中，如图2所示，提供了一种交易数据处理方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：

步骤202，获取实时行情数据及由实时行情数据转化得到的k线图。

行情数据是用于表示金融产品的涨幅变化及交易流通情况的数据。实时行情数据即为服务器获取的，在服务器运行过程中金融产品实时产生的行情数据。k线图(candlestickchart，蜡烛图)是指围绕金融产品的开盘价、最高价、最低价、收盘价所绘制，用于反映金融产品的变化状况和价格信息的图形。其中，金融产品可以包括股票、基金、黄金、债券等。

具体地，实时行情数据可以包含多个时间维度的行情数据。例如，实时行情数据可以包括分钟数据、小时数据、日数据等。对应地，根据分析周期的不同，k线图可以包括分钟k线图、日k线图、周k线图等。

服务器可以获取实时行情数据及由实时行情数据转化得到的k线图。可选地，服务器可以通过数据接口，根据行情预测模型的需求获取对应时间维度的实时行情数据和由实时行情数据转化得到的k线图。在一些实施例中，服务器可以获取实时行情数据，并根据k线图的绘制规则将获取的实时行情数据进行转化得到对应的k线图。

步骤204，通过行情预测模型预测实时行情数据对应的第一涨跌趋势。

行情预测模型是基于数字进行涨跌趋势预测的模型。在本申请实施例中，行情预测模型是应用统计学习方法，对历史行情数据进行模型训练得到的。可选地，行情预测模型可以由服务器或者线下平台进行训练。在一些实施例中，线下平台可以基于历史行情数据进行模型训练，获得训练完成的行情预测模型，并在非交易时段，根据训练完成的行情预测模型对服务器进行更新，则模型建立过程不会对服务器交易功能产生影响，可以提高服务器交易的稳定性。例如，线下平台可以将训练完成的行情预测模型的模型参数发送给服务器，服务器可以在非交易时段根据接收的模型参数更新行情预测模型；线下平台也可以在非交易时段将训练完成行情预测模型的文件发送给服务器，以使服务器进行模型更新等。

通常，涨跌趋势可以但不限于包括上涨趋势、下跌趋势、横盘趋势等。第一涨跌趋势即为下一交易时段结束时市场的涨跌情况。服务器可以将实时行情数据输入行情预测模型，通过行情预测模型预测实时行情数据，获得行情预测模型输出的第一涨跌趋势。

步骤206，识别k线图包含的k线的转折形态，并获取转折形态所对应的第二涨跌趋势。

具体地，服务器可以通过支持向量机算法、或者深度学习算法等训练的图像识别模型对k线图进行识别，获得k线图包含的k线的转折形态。

服务器可以根据k线图的转折形态获取对应的第二涨跌趋势。具体地，当转折形态为看涨转折形态时，则服务器可以预测市场将由下跌趋势转为上涨趋势，并保持上涨趋势，对应的第二涨跌趋势即为上涨趋势；当转折形态为看跌转折形态时，则服务器可以预测市场将由上涨趋势转为下跌趋势，并保持下跌趋势，对应的第二涨跌趋势即为下跌趋势。

步骤208，结合第一涨跌趋势及第二涨跌趋势确定下一交易时段结束时的目标涨跌趋势。

交易时段是指市场能够进行金融产品交易的时段。目标涨跌趋势即为服务器确定的，下一个交易时段结束时的涨跌趋势。交易时段的结束可以视为金融产品交易的转折点。即服务器可以结合第一涨跌趋势和第二涨跌趋势进行转折点的涨跌趋势确定。

服务器结合第一涨跌趋势及第二涨跌趋势确定下一交易时段结束时的目标涨跌趋势。具体地，当第一涨跌趋势与第二涨跌趋势相同时，则服务器可以确定目标涨跌趋势与第一涨跌趋势、第二涨跌趋势相同。例如，当第一涨跌趋势和第二涨跌趋势均为上涨趋势时，则目标涨跌趋势为上涨趋势；当第一涨跌趋势和第二涨跌趋势均为下跌趋势时，则目标涨跌趋势为下跌趋势等。

可选地，在一些实施例中，当第一涨跌趋势和第二涨跌趋势不同时，服务器可以获取行情预测模型预测实时行情数据属于不同的涨跌趋势的置信度，以及k线图属于不同涨跌趋势的置信度，将相同涨跌趋势的置信度进行加权求和处理，从而将加权求和处理后置信度最高的涨跌趋势作为目标涨跌趋势。其中，k线图属于不同涨跌趋势的置信度可以采用k线图与不同涨跌趋势对应的k线转折形态的匹配度来表示。例如，当第一涨跌趋势为上涨趋势，第二涨跌趋势为下跌趋势时，若行情预测模型预测实时行情数据属于上涨趋势的置信度为80％，属于下跌趋势的置信度为20％，而k线图属于上涨趋势的置信度为40％，属于下跌趋势的置信度为60％，则平均处理后，属于上涨趋势的置信度为120％(80％+40％)，属于下跌趋势的置信度为80％(20％+60％)，则目标涨跌趋势为上涨趋势。

步骤210，获取用户标识对应的持仓信息，根据持仓信息及目标涨跌趋势生成用户标识对应的交易指令。

用户标识是用于表征用户的唯一标识。持仓信息即为用户当前持有金融产品的数量相关的信息。服务器可以获取用户标识对应的持仓信息，根据持仓信息及目标涨跌趋势生成用户标识对应的交易指令。交易指令用于完成用户标识对应的交易操作。

本申请实施例通过获取实时行情数据和对应的k线图，通过行情预测模型预测实时行情数据对应的第一涨跌趋势，并识别k线图包含的k线的转折形态以获取对应的第二涨跌趋势，结合第一涨跌趋势和第二涨跌趋势确定下一交易时段结束时的目标涨跌趋势，从而根据持仓信息及目标涨跌趋势生成用户标识对应的交易指令。即可以结合数据预测和图形转折形态预测，提高了预测准确性，从而根据持仓信息和目标涨跌趋势生成交易指令，可以提高智能交易的准确性。

在一个实施例中，提供的交易数据处理方法中根据持仓信息及目标涨跌趋势生成用户标识对应的交易指令的过程，包括：当目标涨跌趋势为上涨趋势，且持仓信息为无持仓或者持有空仓时，则生成包含平空仓建立多仓指示的交易指令；当目标涨跌趋势为下跌趋势，且持仓信息为无持仓或持有多仓时，则生成包含平多仓建立空仓指示的交易指令。

可选地，当目标涨跌趋势为横盘趋势时，服务器可以不生成交易指令。在一些实施例中，当服务器预先保存有用户标识上传的横盘交易规则时，若目标涨跌趋势为横盘趋势，则服务器可以根据该横盘交易规则生成对应的交易指令。例如，若服务器保存有用户标识上传的横盘交易规则为建立多仓，当服务器确定目标涨跌趋势为建立多仓，且用户标识对应的持仓信息为持空仓或无持仓时，则服务器可以生成包含建立多仓的交易指令。

通过当目标涨跌趋势为上涨趋势且持仓信息为无持仓或持有空仓时，生成包含平空仓建立多仓指示的交易指令，以完成用户标识平空仓建立多仓的交易操作，当目标涨跌趋势为下跌趋势且持仓信息为无持仓或持有多仓时，则生成包含平多仓建立空仓指示的交易指令，以完成用户标识平多仓建立空仓的交易操作。即可以根据不同的涨跌趋势和持仓信息生成对应的交易指令，实现交易自动化，提高交易的准确性。

在一个实施例中，提供的交易数据处理方法中结合第一涨跌趋势及第二涨跌趋势确定下一交易时段结束时的目标涨跌趋势，包括：当第一涨跌趋势为上涨趋势且第二涨跌趋势为上涨趋势时，则确定目标涨跌趋势为上涨趋势；当第一涨跌趋势为下跌趋势且第二涨跌趋势为下跌趋势时，则确定目标涨跌趋势为下跌趋势。

可选地，当第一涨跌趋势为横盘趋势且第二涨跌趋势为横盘趋势时，则确定目标涨跌趋势为横盘趋势。

在一个实施例中，提供的交易数据处理方法还包括：若第一涨跌趋势与第二涨跌趋势不相同，则获取第一涨跌趋势对应的第一置信度，和第二涨跌趋势对应的第二置信度；当第一置信度大于第二置信度时，将第一涨跌趋势确定为目标涨跌趋势；当第一置信度小于第二置信度时，将第二涨跌趋势确定为目标涨跌趋势。

其中，第一置信度用于表征实时行情数据属于第一涨跌趋势的可信程度。第二置信度用于表征k线图包含的k线属于第二涨跌趋势的可信程度。服务器可以在第一涨跌趋势和第二涨跌趋势不同时，将置信度高的涨跌趋势确定为目标涨跌趋势。

可选地,当第一置信度和第二置信度相等时，服务器还可以将第一涨跌趋势、第一置信度、第二涨跌趋势、第二置信度发送给监控终端，并接收监控终端返回的操作指令，根据操作指令生成用户标识对应的交易指令。

通过在结合第一涨跌趋势和第二涨跌趋势确定下一交易时段结束时的目标涨跌趋势，分析不同情况下的第一涨跌趋势和第二涨跌趋势所对应的目标涨跌趋势，在第一涨跌趋势和第二涨跌趋势不同时引入置信度以确定目标涨跌趋势，可以提高目标涨跌趋势的准确性。

图3为一个实施例中行情预测模型训练的流程图。如图3所示，在一个实施例中，提供的交易数据处理方法中行情预测模型的训练过程，包括：

步骤302，获取预设时段内接收的历史行情数据，按照时间周期对历史行情数据进行合成处理，得到不同时间周期对应的行情数据。

历史行情数据是用于训练行情预测模型的行情数据。预设时段包含至少两个交易时段。例如，预设时段可以是5天、1周、2周、3周等，在此不做限定。历史行情数据包含有一交易时段的行情数据和下一交易时段的行情数据即涨跌数据，可以为行情预测模型提供递归的训练数据。

服务器按照时间周期对历史行情数据进行合成处理，具体地，服务器接收的行情数据通常为时间周期较短的数据，例如，历史行情数据可以是每间隔500ms的快照数据、每间隔1s的快照数据等；服务器可以按照分钟、小时、日、周等时间周期对历史行情数据进行合成处理，得到分钟数据、小时数据、日数据、周数据等不同时间周期对应的行情数据。

步骤304，对不同时间周期对应的行情数据进行数据清洗，得到清洗后的行情数据。

数据清洗是用于检测错误数据，并对错误数据做纠正的数据处理操作。具体地，服务器可以对不同时间周期对应的行情数据进行对比校验，剔除错误数据，可以确保数据的正确性。

步骤306，通过清洗后的行情数据进行模型训练，得到行情预测模型。

服务器通过清洗后的行情数据进行模型训练，具体地，服务器可以基于统计学习算法或者神经网络算法等对清洗后的行情数据进行模型训练，获得行情预测模型。

可选地，在一些实施例中，通过清洗后的行情数据进行模型训练之前，还包括：对清洗后的行情数据进行预处理，即归一化处理，使处理后的行情数据处于指定数据范围内；再通过处理后的行情数据进行模型训练，得到行情预测模型，可以提高行情预测模型训练的效率。其中，指定数据范围可以是-3至3、-2至2、-1至1等。

服务器应用交易数据处理方法的过程中，可以持续根据新获取的行情数据对行情预测模型做进一步的训练更新，以实时提高行情预测模型的准确性和可信度。

类似地，在通过行情预测模型预测实时行情数据对应的第一涨跌趋势时，服务器可以按照时间周期对实时行情数据进行合成处理和数据清洗处理，通过行情预测模型预测处理后的实时行情数据，可以提高行情预测的准确性。

在一个实施例中，提供的交易数据处理方法还包括：获取用户标识对应的资金数值和流控阈值；当根据资金数值、持仓信息和流控阈值确定执行交易指令时，通过交易通道发送交易指令对应的交易请求。

流控阈值是用于控制交易处于合理区间的数值。可选地，流控阈值可以是由用户输入的，保存于服务器的流控阈值，也可以是根据用户标识对应的资金数值确定的阈值等。例如，流控阈值可以是资金数值的70％、80％、85％等。

服务器可以获取用户标识对应的资金数值和流控阈值，当根据资金数值、持仓信息和流控阈值确定执行交易指令时，通过交易通道向交易所发送交易指令对应的交易请求，以完成交易操作。

在一个实施例中，可以通过风控引擎根据资金数值、持仓信息和流控阈值确定是否执行交易指令，服务器可以接收风控引擎发送的确定执行指令，根据确定执行指令，通过交易通道发送交易指令对应的交易请求。

通过获取用户标识对应的资金数值和流控阈值以确定是否执行交易指令，在确定执行交易指令时，通过交易通道发送对应的交易请求，可以对金融产品的交易进行风险控制，提高交易的准确性。

进一步地，在一个实施例中，提供的交易数据处理方法还包括：接收基于交易请求返回的交易结果；根据交易结果更新用户标识对应的持仓信息，并将更新后的持仓信息发送至监控终端；更新后的持仓信息用于指示监控终端暂停交易功能、开启交易功能、或者发送平仓交易指令。

交易结果为交易所基于交易请求返回的，用于表征是否完成交易请求对应的交易操作。服务器可以根据交易结果更新用户标识对应的持仓信息，并将更新后的持仓信息发送给监控终端，可选地，服务器还可以将该交易功能的运行状态发送给监控终端。监控终端可以展示新的持仓信息和交易功能的运行状态等，并获取输入的交易功能操作指令返回给服务器。其中，交易功能操作指令是由交易员可以根据更新的持仓信息、或者结合交易功能的运行状态确定是否继续进行智能交易、或者进行平仓操作后输入该监控终端的。服务器可以根据交易功能操作指令暂停或者开启交易功能、或者执行对应的平仓操作指令。交易功能操作指令可以包括暂停交易功能操作指令、开启交易功能操作指令、平仓操作指令等。

通过将更新的持仓信息发送给监控终端，通过监控终端暂停、开启交易功能、或发送平仓操作指令，可以对交易状态进行监控，并实现风险控制，避免出现交易异常的情况。

图4为一个实施例中交易数据处理系统的框架图。以上述交易数据处理方法应用于该交易数据处理系统为例进行说明，该交易数据处理系统包括线下平台、监控终端、云服务器中心等。

线下平台包括数据接口、数据引擎、模型建立引擎等。数据接口用于接收历史行情数据；数据引擎用于对历史行情数据进行合成处理和数据清洗；模型建立引擎用于对历史行情数据进行预处理及模型训练，获得行情预测模型；并在非交易时段更新云服务器中心的行情预测模型。

云服务器中心包括数据接口、行情预测引擎、转折形态预测引擎、目标预测引擎、交易引擎、交易接口、风控引擎、监控引擎等。云服务器中心可以通过数据接口获取实时行情数据和由实时行情数据转化得到的k线图，并通过行情预测引擎包含的行情预测模型对实时行情数据进行预测，获得第一涨跌趋势；转折形态预测引擎可以识别k线图包含的k线的转折形态，并获得对应的第二涨跌趋势；目标预测引擎可以结合第一涨跌趋势和第二涨跌趋势确定下一交易时段结束时的目标涨跌趋势；交易引擎可以根据持仓信息和目标涨跌趋势生成交易指令；风控引擎根据资金数值、持仓信息和流控阈值确定是否执行交易指令；在确定执行交易指令时，通过交易接口将交易指令对应的交易请求输出至交易通道，并通过交易接口接收基于交易请求返回的交易结果。在服务器根据交易结果更新持仓信息之后，监控引擎可以将更新的持仓信息发送至监控终端，以使监控终端控制暂停或开启云服务器中心的交易功能、或者在确定持仓异常时发送平仓操作指令。

应该理解的是，虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图5所示，提供了一种交易数据处理装置，包括：数据获取模块502、第一预测模块504、第二预测模块506、目标预测模块508和交易指令生成模块510。其中：

数据获取模块502，用于获取实时行情数据及由实时行情数据转化得到的k线图。

第一预测模块504，用于通过行情预测模型预测实时行情数据对应的第一涨跌趋势。

第二预测模块506，用于识别k线图包含的k线的转折形态，并获取转折形态所对应的第二涨跌趋势。

目标预测模块508，用于结合第一涨跌趋势及第二涨跌趋势确定下一交易时段结束时的目标涨跌趋势。

交易指令生成模块510，用于获取用户标识对应的持仓信息，根据持仓信息及目标涨跌趋势生成用户标识对应的交易指令。

在一个实施例中，交易指令生成模块510还可以用于当目标涨跌趋势为上涨趋势，且持仓信息为无持仓或者持有空仓时，则生成包含平空仓建立多仓指示的交易指令；当目标涨跌趋势为下跌趋势，且持仓信息为无持仓或持有多仓时，则生成包含平多仓建立空仓指示的交易指令。

在一个实施例中，目标预测模块508还可以用于当第一涨跌趋势为上涨趋势且第二涨跌趋势为上涨趋势时，则确定目标涨跌趋势为上涨趋势；当第一涨跌趋势为下跌趋势且第二涨跌趋势为下跌趋势时，则确定目标涨跌趋势为下跌趋势。

在一个实施例中，目标预测模块508还可以用于若第一涨跌趋势与第二涨跌趋势不相同，则获取第一涨跌趋势对应的第一置信度，和第二涨跌趋势对应的第二置信度；当第一置信度大于第二置信度时，将第一涨跌趋势确定为目标涨跌趋势；当第一置信度小于第二置信度时，将第二涨跌趋势确定为目标涨跌趋势。

在一个实施例中，提供的交易数据处理装置还包括模型训练模块512，模型训练模块512用于获取预设时段内接收的历史行情数据，按照时间周期对历史行情数据进行合成处理，得到不同时间周期对应的行情数据；对不同时间周期对应的行情数据进行数据清洗，得到清洗后的行情数据；通过清洗后的行情数据进行模型训练，得到行情预测模型。

在一个实施例中，提供的交易数据处理装置还包括交易请求发送模块514和信息更新模块516。交易请求发送模块514用于获取用户标识对应的资金数值和流控阈值；当根据资金数值、持仓信息和流控阈值确定执行交易指令时，通过交易通道发送交易指令对应的交易请求。信息更新模块516用于接收基于交易请求返回的交易结果；根据交易结果更新用户标识对应的持仓信息，并将更新后的持仓信息发送至监控终端；更新后的持仓信息用于指示监控终端暂停或开启交易功能、或者发送平仓操作指令。

关于交易数据处理装置的具体限定可以参见上文中对于交易数据处理方法的限定，在此不再赘述。上述交易数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和非易失性存储介质。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储交易数据处理时的相关数据，如行情数据、交易数据等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述交易数据处理方法。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

获取实时行情数据及由实时行情数据转化得到的k线图；

通过行情预测模型预测实时行情数据对应的第一涨跌趋势；

识别k线图包含的k线的转折形态，并获取转折形态所对应的第二涨跌趋势；

结合第一涨跌趋势及第二涨跌趋势确定下一交易时段结束时的目标涨跌趋势；

获取用户标识对应的持仓信息，根据持仓信息及目标涨跌趋势生成用户标识对应的交易指令。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：当目标涨跌趋势为上涨趋势，且持仓信息为无持仓或者持有空仓时，则生成包含平空仓建立多仓指示的交易指令；当目标涨跌趋势为下跌趋势，且持仓信息为无持仓或持有多仓时，则生成包含平多仓建立空仓指示的交易指令。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：当第一涨跌趋势为上涨趋势且第二涨跌趋势为上涨趋势时，则确定目标涨跌趋势为上涨趋势；当第一涨跌趋势为下跌趋势且第二涨跌趋势为下跌趋势时，则确定目标涨跌趋势为下跌趋势。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：若第一涨跌趋势与第二涨跌趋势不相同，则获取第一涨跌趋势对应的第一置信度，和第二涨跌趋势对应的第二置信度；当第一置信度大于第二置信度时，将第一涨跌趋势确定为目标涨跌趋势；当第一置信度小于第二置信度时，将第二涨跌趋势确定为目标涨跌趋势。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取预设时段内接收的历史行情数据，按照时间周期对历史行情数据进行合成处理，得到不同时间周期对应的行情数据；对不同时间周期对应的行情数据进行数据清洗，得到清洗后的行情数据；通过清洗后的行情数据进行模型训练，得到行情预测模型。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取用户标识对应的资金数值和流控阈值；当根据资金数值、持仓信息和流控阈值确定执行交易指令时，通过交易通道发送交易指令对应的交易请求。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：接收基于交易请求返回的交易结果；根据交易结果更新用户标识对应的持仓信息，并将更新后的持仓信息发送至监控终端；更新后的持仓信息用于指示监控终端暂停或开启交易功能、或者发送平仓操作指令。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取实时行情数据及由实时行情数据转化得到的k线图；

通过行情预测模型预测实时行情数据对应的第一涨跌趋势；

识别k线图包含的k线的转折形态，并获取转折形态所对应的第二涨跌趋势；

结合第一涨跌趋势及第二涨跌趋势确定下一交易时段结束时的目标涨跌趋势；

获取用户标识对应的持仓信息，根据持仓信息及目标涨跌趋势生成用户标识对应的交易指令。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当目标涨跌趋势为上涨趋势，且持仓信息为无持仓或者持有空仓时，则生成包含平空仓建立多仓指示的交易指令；当目标涨跌趋势为下跌趋势，且持仓信息为无持仓或持有多仓时，则生成包含平多仓建立空仓指示的交易指令。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当第一涨跌趋势为上涨趋势且第二涨跌趋势为上涨趋势时，则确定目标涨跌趋势为上涨趋势；当第一涨跌趋势为下跌趋势且第二涨跌趋势为下跌趋势时，则确定目标涨跌趋势为下跌趋势。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：若第一涨跌趋势与第二涨跌趋势不相同，则获取第一涨跌趋势对应的第一置信度，和第二涨跌趋势对应的第二置信度；当第一置信度大于第二置信度时，将第一涨跌趋势确定为目标涨跌趋势；当第一置信度小于第二置信度时，将第二涨跌趋势确定为目标涨跌趋势。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取预设时段内接收的历史行情数据，按照时间周期对历史行情数据进行合成处理，得到不同时间周期对应的行情数据；对不同时间周期对应的行情数据进行数据清洗，得到清洗后的行情数据；通过清洗后的行情数据进行模型训练，得到行情预测模型。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取用户标识对应的资金数值和流控阈值；当根据资金数值、持仓信息和流控阈值确定执行交易指令时，通过交易通道发送交易指令对应的交易请求。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：接收基于交易请求返回的交易结果；根据交易结果更新用户标识对应的持仓信息，并将更新后的持仓信息发送至监控终端；更新后的持仓信息用于指示监控终端暂停或开启交易功能、或者发送平仓操作指令。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。