CN101344953A - 预测未来事件的服务平台 - Google Patents

Abstract

一种预测未来事件的服务平台，从底至顶一共包括五层，分别是物理层，数据层，数据交流层，功能模块层和用户平台层。其中，物理层是支撑平台的硬件层；数据层为上层提供数据库的支撑服务；数据交流层提供上层功能模块层与下层数据层之间的传输接口，负责功能模块层中各模块之间的数据交换服务；功能模块层提供服务平台上所应用的操作模块，它包括六大功能模块：用户管理模块，财富管理模块，合约交易模块，合约管理模块，交易统计模块和高级分析模块；用户平台层提供应用模块的接口，使用Web服务器提供Web服务。具有用户参与性强，信息收集度大，预测准确率高以及更具有连续性、日期性和概率性。能够更早更准确的对未来事件作出评估。

Description

预测未来事件的服务平台

技术领域

本发明涉及一种服务平台，尤其是涉及一种预测未来事件的服务平台。

背景技术

未来事件的预测服务是近年来新兴起的一种预测服务模式，是急速兴起的明星金融商品。简单的说，是通过金融的手段和工具从人群中收集智慧和知识，综合并挖掘信息用来服务大众和社会的一种产品。

在全球金融资讯大发展的时代，事件期货的成长速度远远超过了其他金融衍生性产品。理论上说，任何未来事件都可以包装成期货产品来进行交易。尽管有各种不同的表现形式，所有的未来事件期货交易都是基于大数定律的统计理论，大量随机独立的判断的平均值无限逼近事件发生概率的真值。

当前比较流行的未来预测平台往往都是一些简化的二值模型。在现实中，一个成功的预测未来事件的服务平台要同时满足用户参与性强，信息收集度大以及预测准确率高等的要求。但，现有的预测未来事件的服务平台还存在较多的不足之处。例如：当前某最著名的未来事件交易所针对“美国经济会在2008面临衰退”的未来预测期货产品(www:Intrade.com上提供)。在2008年4月24日，该期货价格为54.7点，表明当前大众预测54.7％的可能美国经济将在2008进入衰退，其概率随着交易的不断进行而动态变化。它的未来事件预测平台是通过市场机制让参与者以点数的方式进行未来事件交易的合约。其报酬由该事件的结果决定。因此，合约的价格可视为整体市场对该事件发生几率的预测。当合约到期时，即确定该事件“发生”或是“未发生”。若发生，该合约的交易价格为一固定金额(如100点)；若未发生，该合约的交易价格为零。这个模型的预测结果是一个确定的两值问题，要么发生要么不发生。这就是简化的二值模型。它的不足之处是缺乏连续性，不能根据事件发展的动态实时更改。因为现实中的数据和问题往往是连续和模糊的。所以很多现实的问题没有办法用以上的模型来表述出来。

发明内容

本发明的目的在于克服上述预测未来事件服务平台的不足之处，提供一种具有连续性、日期性和概率性，能够更早更准确的对未来事件作出评估的预测未来事件的服务平台。

为了达到上述的目的，本发明采取的技术方案是：提供一种预测未来事件的服务平台，它包括：

支撑平台的物理层；

置于物理层之上的数据层，用于存储数据的数据库，它包括用户管理数据库模块，虚拟财富数据库模块和交易数据库模块；

位于数据层之上的数据交流层，它提供上下层数据传输的接口，用于提取下层数据层内的数据传送给上层，并将上层的数据存储于下层数据库之内；

位于数据交流层之上的功能模块层，用于服务应用的操作，它包括用户管理模块，财富管理模块，合约交易模块，合约管理模块，交易统计模块，高级分析模块以及人机界面；其中合约交易模块是核心模块，它分别与财富管理模块、合约管理模块、交易统计模块、高级分析模块以及人机界面相连接；操作通过人机界面进入用户管理模块，完成注册、登入、管理、审核以及存储用户的信息和帐户后进入财富管理模块；财富管理模块对于虚拟帐户和虚拟财富的操作完成后进入合约交易模块；合约交易模块进行合约(期货)交易、计算、调整市场预期价格，并将合约成交及计算的结果送入合约管理模块、交易统计模块和高级分析模块；合约管理模块对于合约生命期和合约状态进行管理以及监管合约的交易；交易统计模块对于合约交易模块送来的数据进行统计分析，并通过数据交流层存储于数据层中的数据库中以及显示其数据；高级分析模块接收到合约交易模块送来的用户操作记录日志和交易统计模块的数据统计组合出每次交易的原始数据及收集的数据，通过特征提取成为人工分析和机器挖掘的输入，经过分析和挖掘最后输出可视化的结果；

位于功能模块层之上的用户平台层，它包括Web服务器提供Web服务，通过人机界面使用功能模块层内的功能模块。

本发明的服务平台具有显著的效益。

●如上述本发明服务平台的结构，因为本发明包括数据层、数据交流层、功能模块层以及用户平台层，所以本发明具有用户参与性强，信息收集度较大，预测准确率较高以及更具有连续性、日期性和概率性。相比上述在先的服务平台，本发明能够更早更准确的对未来事件作出评估。

●如上述本发明服务平台的结构，本发明结合了最前沿的信息发掘技术和大众参与的优势，通过挖掘收集的信息服务于用户，用量身定制的咨询服务为广大的用户(公众，政府，企业)提供未来战略咨询和决策的支持。

●本发明的服务平台因为包括六大功能模块，解决了连续性问题的预测。对于连续性问题的本身就是一个数值，比如说一个将要上市的产品价格的预测。如iPhone(智能手机)二代产品预期在中国市场上的售价。应用上述本发明的服务平台所做的预测期货产品是：当前大众预期价格为2000元人民币；

若某买方预期价格会低于2000元人民币，则没有期货产品交易；

若某买方预期价格会高于2000元人民币，

某买方当前有虚拟币可以投资，则某买方投资4000元虚拟币，“下单”：当前大众预期价格为2000元人民币，每股价值虚拟币200元，某买方同意购买20股，每股当前价格为200元虚拟币，总共投资为4000元虚拟币。从这个例子清楚显示出不是在先技术中的二值模型，而是具有连续性。

●本发明的服务平台因为包括六大功能模块，解决了日期性问题的预测。日期性问题的本身是一个日期，比如说一个产品将要上市的日期。例如马上要上市的iPhone(智能手机)二代产品预期在中国市场上发售日期的预测。如，当前大众预测日期2008年12月20日上市(发售)，若买方预测会早于2008年12月20日上市，则没有期货产品交易；若买方预测会晚于2008年12月20日上市，则有期货产品交易。

●本发明的服务平台因为包括六大功能模块，解决了随着事件发展的动态实时更改概率性问题的预测。例如，事件发生清算结果为：一定发生，概率为100％(到期日价格为100点)和一定不发生，概率为0％(到期日价格为0点)两种可能，期间所有的概率浮动在1-100％之间。

●本发明服务平台如上述的结构，它是基于建立未来事件期货的理念，是从大众中收集智慧和知识的平台。通过金融的手段与广大民众关心的未来事件结合在一起，借助市场的产品深度挖掘有用的信息。

●本发明的服务平台因为包括六大功能模块，相较于传统资讯整合，本发明未来预测的平台(期货)提供了让参与者说实话的动机。参与者所提供的信息(价格)最终会关系到本身“财富”的增减。因此，提供不实情报者或意图操控价格者最后可能会蒙受“经济”损失。而且未来预测平台(期货)会促进拥有内幕消息的投资人的参与，引导市场“价格”趋近于未来事件发生的真实概率。

●本发明的服务平台因为包括六大功能模块，相较于传统公众调查，本发明未来预测平台(期货)可以实时动态地反映公众对事件发生的期望。在交易期间，参与者可以在价格与交易量变化中评估其他参与者所掌握的资讯，从而进一步修正自己的交易策略。在不断地修正交易策略的过程中，参与者个人主观判断所得的资讯会逐渐转变为具有宏观、远见的整合性资讯。因此，相对于传统的公众调查，预测市场的中后期交易就会越来越准确。

附图说明

图1是本发明服务平台一实施例的结构示意图；

图2是本发明服务平台中功能模块层一实施例的具体结构示意图；

图3是功能模块层中合约交易模块第一实施例的具体流程图；

图4是功能模块层中合约交易模块第二实施例的具体流程图

图5是图4合约交易模块第二实施例合成总供给曲线的流程图；

图6是图4合约交易模块第二实施例合成总需求曲线的流程图；

图7是图4合约交易模块中交易计算子模块一实施例的具体流程图。

具体实施方式

以下结合附图详细描述本发明的技术方案。

图1是本发明服务平台一实施例的结构示意图。如图1所示，本发明服务平台包括：

支撑平台的物理层5；

置于物理层5之上的数据层4，数据层4用于存储数据的数据库44，它

包括用户管理数据库模块、虚拟财富数据库模块和交易数据库模块；

位于数据层4之上的数据交流层3，它提供上下层数据传输的接口，用于提取下层数据层4内的数据流33传送给上层，并将上层的数据流33存储于下层数据库44之内；

位于数据交流层3之上的功能模块层2，用于服务应用的操作，具体功能模块层22包括用户管理模块201，财富管理模块202，合约交易模块203，合约管理模块204，交易统计模块205，高级分析模块206以及人机界面(图2示)；其中合约交易模块203是核心模块，它分别与财富管理模块202、合约管理模204块、交易统计模块205、高级分析模块206以及人机界面相连接(图2示)；操作通过人机界面进入用户管理模块201，完成注册、登入、管理、审核以及存储用户的信息和帐户后进入财富管理模块202；财富管理模块202对于虚拟帐户和虚拟财富的操作完成后进入合约交易模块203；合约交易模块203进行期货交易计算，调整市场预期价格，合约成交及计算的结果送入合约管理模块204、交易统计模块205和高级分析模块206；合约管理模块204对于合约的生命期和合约状态进行管理以及监管合约的交易；交易统计模块205对于合约交易模块送来的数据进行统计分析，并通过数据交流层存储于数据层中的交易数据库模块中以及显示数据；高级分析模块206接收到合约交易模块送来的用户操作记录日志和交易统计模块的数据统计组合出每次交易的原始数据及收集的数据，通过特征提取成为人工分析机器掘挖的输入，经过分析和挖掘最后输出可视化的结果；

位于功能模块层2之上的用户平台层1，它包括Web服务器11提供Web服务，通过人机界面使用功能模块层2内的功能模块。

如图1所示，本发明服务平台从底至顶一共包括五层，分别是物理层5，数据层4，数据交流层3，功能模块层2和用户平台层1。

如图1所示，最底层为物理层5，也是本发明的支撑平台的硬件层。此层包括实现本发明服务平台所必需的硬件设备，它包括前台web服务器，数据库服务器及应用服务器。在本实施例中均为Dell PowerEdge服务器或lenovo万全服务器。如图1所示，所有服务器均以千兆网络连接55，其对外将以千兆网络连入Internet。

从第二层到第五层均为软件层。

第二层数据层4是为上层提供数据库44的支撑服务。在本实施例中是通过MySQL(开放源代码的关系型数据库系统)数据库(软件)搭建数据库的数据层。其数据库44包括用户管理数据库模块、虚拟财富数据库模块和交易数据库模块；上层所有数据均储存于此数据层4中的数据库44内。

第三层为数据交流层3，它提供上层功能模块层2中各个模块与下层数据层4中数据库44之间的传输接口，同时也负责各个模块间的数据交换服务。

第四层功能模块层2提供了本发明服务平台所有的应用模块。它存储在物理层5上的应用服务器内。包括用户管理模块201，财富管理模块202，合约管理模块203，合约交易模块204，合约统计模块205及高级分析模块206六大类模块。

第五层为用户平台层1，它提供用户与应用下层功能模块层的接口，在本实施例中，使用web服务作为其接口。Web服务由web服务器提供。用户通过访问web服务来使用相应的功能模块。

下面按照具体的应用程序对第四层的功能模块层2进行详细地说明。

如图1所示，第四层功能模块层2一共包括六大功能模块：用户管理模块201，财富管理模块202，合约交易模块203，合约管理模块204，交易统计模块205以及高级分析模块206。整个预测未来事件服务平台的使用流程为：操作(管理员或用户)通过人机界面首先进入用户管理模块进行注册，登录等操作；完成登录操作后，用户信息将会被导入财富管理模块；财富管理模块对虚拟财富和虚拟账户进行相关操作；完成登录操作后，(用户)还可以进入合约交易模块，在合约交易模块中(用户)进行交易并得到相应交易合约的结果。合约的数据和生命期由合约管理模块进行实时管理；完成合约交易后，交易数据和用户日志将会送入交易统计模块和高级分析模块中；交易统计模块对数据进行统计分析，将其结果存储和显示；高级分析模块进行日志和数据收集，通过特征提取进行人工分析和机器挖掘，最后输出可视化的结果。

下面再进一步介绍六大功能模块之间的相互关系。

用户管理模块201将审核通过后的用户个人信息通过用户帐户管理连接到财富管理模块202背后的数据库进行帐号金融操作；

财富管理模块202通过合约资金冻结连接到合约交易模块203和合约管理模块204；财富管理模块202从合约管理模块204读出合约交易所需的资金，进行审核后，冻结该笔资金；合约交易模块203使用交易计算功能进行交易所需的计算；当交易结算完成时，合约交易模块203和财富管理模块交换交易信息，通过虚拟财富功能在用户虚拟帐户上扣除冻结资金；

合约管理模块204通过合约交易模块203与财富管理模块202连接。根据预先制定的合约内容通过合约生命期管理和财富管理交换购买合约的资金需求。合约交易监管功能负责审核来自合约交易模块的交易计算请求；

合约交易模块203是六大模块的核心，连接到除用户管理模块201以外的所有模块。每当交易请求发生，同时此次用户操作也被存入高级分析模块206的日志收集(数据库)内，该模块203的交易计算功能得到财富管理模块202输入的冻结资金并且向合约管理模块的合约交易监管功能发出计算请求。得到批准后，进行期货交易计算，调整市场预期价格。当合约成交，交易结算功能将此次操作存入交易统计模块的数据统计数据库内，并关联到高级分析模块的日志收集数据库的该次用户操作记录。最后，交易结算完成，合约交易模块和财富管理模块交换交易信息，通过虚拟财富功能在用户虚拟帐户上扣除冻结资金。

交易统计模块203作为数据决策支持连接到高级分析模块并且向用户输出历史数据和k线图以供参考。每次成功交易的记录都被存在数据统计数据库并且通过高级分析模块的数据收集整合到对应的该次用户操作。

图2是本发明服务平台中功能模块层2一实施例的具体结构示意图。如图2所示，功能模块层2包括用户管理模块201，财富管理模块202，合约交易模块203，合约管理模块204，交易统计模块205，高级分析模块206以及人机界面207。

如图2所示，所述用户管理模块201包括用户注册子模块，用户登入子模块，用户信息管理子模块和用户帐户管理子模块。每一个子模块相当于一个应用程序。新用户完成注册后可以登录服务平台。用户信息管理子模块(子程序)管理用户的个人信息。其个人信息包含：

1)身份辨识信息：用户真实姓名，帐户id，登录密码，对应数据库辨识id等；

2)用户联系信息：Email地址，用户住址，电话号码等。

用户帐户管理子模块(子程序)管理用户的帐户信息，包括虚拟财富的贷款，转账和充值。同时，更多的虚拟财富管理功能可以链接至财富管理模块进行。

如图2所示，所述财富管理模块202包括：虚拟账户操作子模块，虚拟财富操作子模块，虚拟财富分红子模块，合约资金冻结子模块。同样是每一个子模块相当于一个应用(子)程序。它提供用户虚拟财富的各项基本操作，是核心的合约交易模块的辅助模块。

所述的虚拟账户操作子模块包括建立新帐户，激活或冻结已存在的帐户。在用户注册的时候，接受指令并在用户数据库模块内建立一个新的条目。

所述的虚拟财富操作子模块(应用程序)包括虚拟账户的充值，虚拟账户的转账以及虚拟财富借贷。帐户充值应用程序在接到(管理员)指令后，对用户数据库模块中的用户余额进行更新。帐户转账应用程序在接到用户指令后，将指定数额的虚拟财富从转出方用户转到输入方用户，并对涉及此项操作的两个用户余额进行更新。虚拟财富操作(应用程序)在接到指令后，转入相应用户指定数目的虚拟财富，并按照指定的利息收取该用户虚拟财富利息。该用户应在指定日期内必须连本带息输入到(偿还给)财富管理模块(或称虚拟财富管理员)，否则将对该用户进行虚拟财富的罚款。

虚拟财富分红子模块(应用程序)用于在接到(管理员)指令后，对所涉及的用户群体给予制定数额的虚拟财富充值。

合约资金冻结子模块用于在交易进行过程中，对买入某合约的用户进行相关书目虚拟财富的冻结。

如图2所示，合约交易模块203是本发明服务平台的核心功能模块，是针对预测未来事件的合约交易模块。它包括：用户操作子模块(应用程序)，交易计算子模块(应用程序)和交易结算子模块(应用程序)。

本发明根据不同客户群对于未来事件服务平台的需求，分别针对连续性(或日期性)及概率性问题提供两个实施例。这两个实施例使用两种独立的用户交易的计算方式。第一实施例是针对大众网民和普通用户提供一种连续性问题预测的产品。具体的流程如图3所示。

图3是合约交易模块203第一实施例的具体流程，当用户通过用户管理模块的用户审核，并在合约交易模块中用户操作子模块的确认交易信息后，交易计算子模块开始启动。

如图3所示，交易计算子模块开始启动后，首先进行步骤01，计算预期价格的变化；步骤02，根据上面计算出的预期价格变化调整大众预期的价值；步骤03，用户下单后，扣除用户下单的金额后，结束。

当财富管理模块收到虚拟财富操作子模块的请求，通过合约交易模块进入合约管理模块用合约监督功能(子模块)审核交易内容，不合格的交易为：

(a)报价合约金额超过用户虚拟资产；

(b)报价合约金额折算的虚拟股数量超过该合约最大发行数量。

当被确定是不合格的交易时，该交易被取消并报告对应的用户。

当审核通过后，通过财富管理模块的合约资金冻结子模块确认当前交易金额，进入合约交易模块。根据当前大众的预测价格和用户的购买金额，计算出此次交易的期货数量。如果当前的每股期货的价格是200元虚拟币，用户投入10000元虚拟币就可以购买50股。

如图3所示，步骤01，合约交易模块通过交易计算子模块计算预期价格变化。这个变化的值等于购入期货的数量乘以合约设定的弹性系数，可以理解为此次交易对整体预测期望价格上涨或者下跌的影响。例如，如果弹性系数是1，50股对当前市场的反映就是50个预期价值单位(如人民币)；

如图3所示，步骤02，对于相应的方向预期涨跌，由合约交易模块作出对大众预期价值的调整。如果购买的期货是智能手机(iPhone)的价格上涨，总体的预期价值上升50元人民币，同时每股虚拟币的价格也按照同样的百分点作出相应的调整。如果交易前的智能手机(iPhone)市场预期价值是1000元人民币，每个虚拟股是200元虚拟币，交易后智能手机(iPhone)市场预期价值就是1050元人民币，对应的每个虚拟股是210元虚拟币，上升5％；

如图3所示，步骤03，最后，交易完成，合约交易模块通过交易结算子模块连接到财富管理模块通过虚拟财富操作子模块在用户账户上扣除相应的交易虚拟币。

在上述的第一实施例开始之初，还需要通过合约管理模块中的合约生命期管理子模块和合约状态管理子模块预先设定合约内容以及初始定价。

合约的设定就是对合约问题的定义。比如说对苹果公司将要上市的新手机价格的预测。初始定价是作为合约设定方提出的最初的对合约的期望价格，例如：对于苹果公司将要上市的智能手机(iPhone)二代产品的价格预测的初始值为2000元人民币。弹性系数是指用户每购买一个虚拟股对市场期望的影响系数。例如，弹性系数为1就是说每股对应的价格期望为1元人民币，用户A购买20股预测智能手机(iPhone)价格将会高于2000元人民币，就会使得大众的预测价格上涨(提高)到2020元人民币。

上述第一实施例(即第一种计算方式)的特点在于操作简单，交易可以实时操作。一旦用户确认下单，该合约将立刻被送往合约交易模块并能进行交易。交易中将会动态的体现在大众预期的价格变化上，所以该实施例的特点是一旦确认下单，用户无法撤消。

图4是功能模块层中合约交易模块第二实施例的具体流程图。在第二实施例中，合约交易模块中交易计算子模块的计算方式为供求曲线相交方式。采用更复杂的模型来提高预测准确率。具体来说就是合约交易模块不参与虚拟合约交易，所有的交易都是在参与用户的供求双方之间完成。该方式的特点是过程透明，准确率高。但是，交易必须等待买家或者卖家的接盘，所以不能实时操作。

如图4所示，合约交易模块的用户操作子模块启动后，开始执行：步骤001，合成总供给曲线，任意给定合约的总供给曲线指的是在整个市场上，有多少股份合约愿意以某个价格卖出。本实施例中，采用排序搜索的方式合成总供给曲线，具体的流程如图5所示；步骤002，合成总需求曲线，任意给定合约的总需求曲线指的是在整个市场上，有多少股份合约愿意以某个价格买入。本实施例中采用排序搜索的方式合成总需求曲线，具体的流程如图6所示；步骤003，根据上面合成总供给曲线和合成总需求曲线，进行交易计算，具体计算流程如图7所示。

图5是合约交易模块第二实施例合成总供给曲线的具体流程。如图5所示，合约交易模块的用户操作子模块启动后，开始执行：

步骤0011，搜索所有卖方报价，按价格从低到高排序，{(P1、Q1)，(P2、Q2)...(Pn、Qn)}；

其中，(Pi，Qi)指的是在价格Pi，有Qi股合约意愿卖出；

P1是所有意愿卖方中的最低报价；

Pn是所有意愿卖方中的最高报价。

步骤0012，按照价格从低到高，累计价格为Pi，全市场愿意供给Qtotal_i；

步骤0013，根据上面获得的二维数组(采用绘图工具)生成总供给曲线。并将二维数组{(Pi，Qtotal_i)}写入数据库内。

在本实施例中，该合约的总供给曲线通过(系统的)绘图工具(例如plot)从二维数组{(Pi，Qtotal_i)}直接获得。

图6是合约交易模块第二实施例合成总需求曲线的流程。如图6所示，

步骤0021，搜索所有买方报价，按价格从低到高排序，{(P1、Q1)，(P2、Q2)…(Pn、Qn)}；

其中，(Pi，Qi)指的是在价格Pi，有Qi股合约意愿买入。

P1是所有意愿买方中的最低报价。

Pn是所有意愿买方中的最高报价。

步骤0022，按照价格从低到高，累计价格为Pi，全市场愿意买入Qtotal_i；

步骤0023，根据上面获得的二维数组(采用绘图工具plot)生成总需求曲线。并将二维数组{(Pi，Qtotal_i)}写入数据库内。

在本实施例中，该合约的总需求曲线通过绘图工具(例如plot)从二维数组{(Pi，Qtotal_i)}直接获得。

图7合约交易模块中交易计算子模块一实施例的具体流程。如图7所示，

步骤0031，首先对于上述生成的(由图5、图6的流程生成)总供给曲线和总需求曲线进行比较，如果总供给曲线中的最低报价大于总需求曲线中的最高报价，则无成交量，交易结束；如果总供给曲线中的最低报价小于总需求曲线中的最高报价，则进行下一步；

步骤0032，从总供给曲线最低报价Ps_min与总需要曲线最高报价Pd_max的中间值开始迭代，直到给出成交价格P和成交量Q。具体迭代的方式如下：

(a)令P₁＝P_min，P₂＝P_max，其中P_min为总供给曲线的最低报价点，P_max为总需求曲线的最高报价点。设定最小迭代差值δ(通常设为1)；

(b)若Q_sell ^mintQ_buy ^max(填上中文含义)，则市场成交量为Q_buy ^max，卖家成交量等于Q_buy ^max/Q_sell ^min乘以卖家意愿成交数量。市场成交价为P_buy ^min。本次交易完成；

(c)若 $Q_{\mathrm{sell}}^{\max }<Q_{\mathrm{buy}}^{\min },$ 则市场成交量为Q_sell ^max，买家成交量等于Q_sell ^max/Q_buyl ^min乘以买家意愿成交数量。市场成交价为P_buy ^max。本次交易完成；

(d)确定下一次迭代点pdar。

$\mathrm{pdar}=\frac{p_1+p_2}{2}$

(e)计算pbar点对应的市场总供应Qsell和总需求Qbuy.

如果|Qsell-Qbuy|＜δ，则停止迭代；

如果|Qbuy-Qsell|＜δ，则P₂＝pbar；

如果|Qbuy-Qsell|＞δ则P₁＝pbar。

(f)返回(d)。

如图2所示，合约交易模块203中的交易结算子模块(应用程序)收到交易计算子模块的“交易计算结束”的指令后，将会对该交易涉及的所有用户进行结算。成交用户的余额将会在用户数据库模块里进行更新。合约拥有者的信息也将会在合约数据库模块里进行更新。该第二实施例(交易方式)的特点是能够组织用户之间的交易，这一点与第一实施例是不同的。

如图2所示，合约交易模块203中的用户操作子模块(应用程序)包括：用户报价，报价审核，用户下单，用户撤单。其中，用户报价包括对给定ID的未来事件合约进行报价的各项功能。用户通过点击“报价”按键激活报价应用程序。该应用程序在获得用户输入的报价信息后(包括：意愿买/卖的未来事件合约数量，意愿买/卖的未来合约价格，意愿买/卖的方式)，将报价信息写入合约报价数据库模块里，并自动发送指令到报价审核操作(应用程序)；

报价审核操作(应用程序)根据未来事件合约的规定，将不合格的用户报价返回到服务器内并报告对应的用户。

不合格用户报价包括：

(a)单股报价超出0至100点范围；

(b)报价合约数不是正整数；

(c)报价合约数超过该合约最大发行数量。

用户下单操作(应用程序)在接到指令后，将等待用户输入的确认信息。一旦用户确认下单，该报价单对应的数据条目将会被拷贝到下单数据库模块中，并等待交易算法应用程序进行对其进行交易计算。

用户撤单操作(应用程序)在接到用户指令后，将会对用户所特指的下单数据库模块的条目进行查询。如果该条目的交易状态仍为“未成交”，用户撤单应用程序将会把该条目从下单数据库模块中删除。如果该条目的交易状态为“已成交”，该应用程序将返回“无法撤单”的消息。

如图2所示，所述的合约管理模块204用于对未来事件合约进行统一管理。它包括：合约生命期管理子模块，合约交易监管子模块和合约状态管理子模块。其中：

合约生命期管理子模块用于根据合约交易模块的结果产生新合约或注销某个已存在的合约；

合约交易监管子模块用于对所有合约操作进行监督，主要监督内容包括合约内容条款，合约交易量以及合约交易用户群体；

合约状态管理子模块用于在接到合约生命期管理子模块的指令后，从合约数据库中对相应的合约ID进行状态的调整。

如图2所示，所述的交易统计模块205包括数据统计子模块，数据分析子模块和数据显示子模块。其中：

交易统计子模块用于在交易结束之后，对交易数据进行简单的统计，包括交易均价，方差等的统计，并发布给用户；

数据分析子模块对原始交易数据进行初步分析，包括对于期货价格的历史变动情况，Moving Average(移动均值)等的分析；

数据显示子模块用于将分析的结果转化为用户可视的图标格式发布到客户终端。

如图2所示，所述的高级分析模块206包括数据收集子模块，日志收集子模块，特征提取子模块，人工分析子模块，机器挖掘子模块和结果可视化输出子模块。其中：

数据收集子模块用于对每一次交易的记录。在本实施例中，所有的合约交易都将会以log的形式写入(合约)交易数据库模块中。所有交易的统计量，如交易量，交易金额，成交峰值等，将会实时生成并输出给用户作为参考；

日志收集子模块用于对每个用户每天的操作的记录，存储在用户管理

数据库模块中，构成原始交易数据，即每个用户每天的所有交易操作记录。

人工分析子模块，用于对于数据的特征如客户的类型，产品的特征等进行分析。由于数据量非常巨大，普通的人工分析非常困难，所以本实施中借助于人工智能技术对数据进行特征提取，用降维和聚类的方式对概念/类进行特征化加以区分，即用汇总的、简洁的、精确的方式描述每个类和概念。例如可以研究用户人数增加20％的产品的特征；例如，关联规则分析：关联规则是展示属性-值频繁的在给定数据集中一起出现的条件。例如：沃尔玛通过对数据的分析得出啤酒与尿布的关联规则，即买啤酒的人往往会买尿布，直接导致销量大增。在本发明的平台里，可以通过对不同类型用户和他们所关心产品的类型发现关联规则，以致能够对新用户推荐他们最可能感兴趣的虚拟期货产品。

高级分析模块的最大特色在于采用的最新的数据挖掘方法智能分析用户的行为，有效的利用和管理整体资源。通过这些方法，管理者可以对客户层次以及表现，进行分类，评出等级。从而可减少产品制定的麻木性，提高系统的使用效率。同时还可发现在期货预测中起决定作用的主导因素，从而更早更及时的预测出真实事件的走向。更值得一提的是通过对数据的分析还可发现用户购买行为、发现顾客购买模式和趋势，改进服务质量，取得更好的顾客保持力和满意程度，提高产品的接受度，设计更好的虚拟期货产品与分销策略，减少管理者的时间投入成本。

机器挖掘子模块(或称平台挖掘子模块)用于通过特征提取进行综合分析，判定树分类和预测未来事件。所述判定树分类和预测：机器挖掘子模块通过分析过去的数据和对应的类别来判断未知类别的新数据的类别被称为分类；当被预测的值是数值数据时，通常称为预测；预测包含值预测和基于可用数据的分布趋势识别；假定问题是分类，就针对数据中的特征建立判定树，其中分类应最大限度地区别每一个类别。例如，根据所有产品的描述特征，如价格，创建者，生命周期，产品类型(日期，连续)和题材(娱乐，金融)导出判定树模型，发现价格是最能区别产品受欢迎程度的因素，在确定价格为节点之后，进一步区分每类对象的其他特征。这样的判定树可以帮助机器挖掘子模块(或称管理者)了解产品受欢迎程度的要素，能够更有效地挖掘出新产品。

所述综合分析包括聚类分析和演变分析等。所述聚类分析：是数据依据最大化类内的相似性、最小化类间的相似性的原则进行聚类或分组，所形成的每个簇(聚类)可以看作一个对象类，由它可以导出规则。聚类是将观察到的内容组织成类分层的结构，就是把类似的事件组织在一起。

所述演变分析：是数据的分析描述为随时间变化的对象的规律或趋势，并对其建模。如对合约交易数据的演变分析可以识别整个合约市场和特定合约期货演变规律。这种规律可以帮助预测合约市场价格的未来走向，帮助机器挖掘子模块(管理员)对合约投资作出决策。

本发明服务平台如上述，对未来事件的预测能够有更多的参与者参加。例如，某事针对未来事件的民意调查，利用本发明的平台对该未来事件的民意调查随着事件的动态变化，则参与者的投票也不断的增加；而传统的针对未来事件的民意调查因为激励机制不够明显，且投票之后不能根据事件发展的动态实时更改。

Claims (8)

1.一种预测未来事件的服务平台，包括支撑平台的物理层，其特征在于包括：

置于物理层之上的数据层，用于存储数据的数据库，它包括用户

管理数据库模块，虚拟财富数据库模块和交易数据库模块；

位于数据层之上的数据交流层，它提供上下层数据传输的接口，用于提取下层数据层内的数据传送给上层，并将上层的数据存储于下层数据库之内；

位于数据交流层之上的功能模块层，用于服务应用的操作，它包括用户管理模块，财富管理模块，合约交易模块，合约管理模块，交易统计模块，高级分析模块以及人机界面；其中合约交易模块是核心模块，它分别与财富管理模块、合约管理模块、交易统计模块、高级分析模块以及人机界面相连接；操作通过人机界面进入用户管理模块，完成注册、登入、管理、审核以及存储用户的信息和帐户后进入财富管理模块；财富管理模块对于虚拟帐户和虚拟财富的操作完成后进入合约交易模块；合约交易模块进行合约交易、计算、调整市场预期价格，并将合约成交及计算的结果送入合约管理模块、交易统计模块和高级分析模块；合约管理模块对于合约生命期和合约状态进行管理以及监管合约交易；交易统计模块对于合约交易模块送来的数据进行统计分析，并通过数据交流层存储于数据层中的数据库中以及显示数据；高级分析模块接收到合约交易模块送来的用户操作记录日志和交易统计模块的数据统计组合出每次交易的原始数据及收集的数据，通过特征提取成为人工分析和机器挖掘的输入，经过分析和挖掘最后输出可视化的结果；

位于功能模块层之上的用户平台层，包括Web服务器提供Web服务，通过人机界面使用功能模块层内的功能模块。

2.根据权利要求1所述的预测未来事件的服务平台，其特征在于所述用户管理模块包括用户注册子模块，用户登入子模块，用户信息管理子模块和用户帐户管理子模块。

3.根据权利要求1所述的预测未来事件的服务平台，其特征在于所述财富管理模块包括：虚拟账户操作子模块，虚拟财富操作子模块，虚拟财富分红子模块以及合约资金冻结子模块。

4.根据权利要求1所述的预测未来事件的服务平台，其特征在于所述合约交易模块包括：用户操作子模块，交易计算子模块和交易结算子模块。

5.根据权利要求1所述的预测未来事件的服务平台，其特征在于所述合约管理模块包括：合约生命期管理子模块，合约交易监管子模块和合约状态管理子模块。

6.根据权利要求1所述的预测未来事件的服务平台，其特征在于所述交易统计模块包括数据统计子模块，数据分析子模块和数据显示子模块。

7.根据权利要求1所述的预测末来事件的服务平台，其特征在于所述高级分析模块包括日志收集子模块，数据收集子模块，特征提取子模块，人工分析子模块，机器挖掘子模块和结果可视化输出子模块。

8.根据权利要求1所述的预测未来事件的服务平台，其特征在于所述物理层包括前台web服务器，数据库服务器及应用服务器。

Images