CN109509097A - 异常交易行为监控方法、装置、计算机设备及存储介质 - Google Patents
异常交易行为监控方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109509097A CN109509097A CN201811423640.8A CN201811423640A CN109509097A CN 109509097 A CN109509097 A CN 109509097A CN 201811423640 A CN201811423640 A CN 201811423640A CN 109509097 A CN109509097 A CN 109509097A
- Authority
- CN
- China
- Prior art keywords
- trading activity
- monitoring
- default
- abnormal
- parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明实施例公开了一种异常交易行为监控方法、装置、计算机设备及存储介质，其中所述方法包括实时获取交易系统中的交易行为数据；若接收到异常交易行为监控请求，根据异常交易行为监控请求确定待监控的异常交易行为类型；从预设数据库中调用与该待监控的异常交易行为类型相匹配的预设监控规则；根据与所调用的预设监控规则相关联的预设评价指数函数以及监控参数和参数阈值计算实时获取的所述交易行为数据为待监控的异常交易行为类型时的评价指数；当所述评价指数大于或者等于预设报警阈值时，生成相应的报警提示信息。本发明能够量化交易行为的异常程度，以便监管者连续监控客户的所有交易行为，并根据异常程度对交易行为进行分类处置。
Description
技术领域
本发明涉及数据处理领域，尤其涉及一种异常交易行为监控方法、装置、计算机设备及存储介质。
背景技术
证券期货业是一个高度数字化的智力密集型行业，在证券交易过程中投资者和监管机构之间处处充满了博弈。为保证资本市场的健康有序，法律要求相关机构必须对投资者的异常交易行为进行监管。证券市场经过近三十年的发展，针对异常交易行为监管，我国已经建立了相对比较完备的法律法规体系。证券公司作为直接面向投资者的证券经营机构，也担负着对异常交易进行监控的职责，证券公司急需增强自身的监控能力，提高客户服务质量，防止出现系统性风险。
而客户异常交易行为通常具有隐蔽性、复杂性和长期性，如何识别异常交易有一定的难度，特别是法律法规中对异常交易行为的规定一般较为笼统和模糊。目前采用的关于客户异常交易行为的参数阈值法在一定程度上解决了异常行为的识别问题，但仍存在以下的问题和缺点：
1.无法评估报警前交易行为。如果客户交易行为各项参数未超过阈值，系统一般不予提示，故无法针对客户的每一笔交易订单进行评估和计算，不便于发现潜在的问题并给予及时响应。
2.预警机制复杂且阈值不连续。为了及时发现和提醒用户可能的异常交易行为，证券公司一般会对参数设置多级阈值，当触碰低级别阈值时“预警”、触碰高级别阈值时正式“报警”。这种方法参数管理复杂，阈值设置的层级越多虽然管理越精细，但其管理难度也越大。相邻层级的阈值设置存在跳跃性，而客户交易订单参数的组合数量是无穷的，故无法做到连续评估客户交易行为的异常程度。
3.交易行为异常程度不便于比较排序。在识别异常行为类型的算法中，一般来讲参数值越大代表异常程度越高，但是同一算法往往涉及多个参数，同一类异常行为存在多种算法和多种参数组合，不同的异常行为参数不同，这使得使用参数阈值法来比较交易行为之间的异常程度变得非常困难。
4.无法直观精细表达交易行为的异常程度。参数阈值法识别到异常交易行为之后，其异常程度一般只能分为“预警”或“报警”两个大类来进行提醒，无法做到精细化管理，无法直观表达交易行为的异常程度，不满足后续分类处置的要求。
发明内容
本发明实施例提供一种异常交易行为监控方法、装置、计算机设备及存储介质，其能够量化交易行为的异常程度，以便监管者连续监控客户的所有交易行为，并根据异常程度对交易行为进行分类处置。
第一方面，本发明实施例提供了一种异常交易行为监控方法，该方法包括：
实时获取交易系统中的交易行为数据；
若接收到异常交易行为监控请求，根据所述异常交易行为监控请求确定待监控的异常交易行为类型；
从预设数据库中调用与该待监控的异常交易行为类型相匹配的预设监控规则，所述预设数据库包括多个预设监控规则，不同的预设监控规则对应不同类型的异常交易行为，每个预设监控规则均关联有相应的预设评价指数函数以及监控参数和参数阈值；
根据与所调用的预设监控规则相关联的预设评价指数函数以及监控参数和参数阈值计算实时获取的所述交易行为数据为待监控的异常交易行为类型时的评价指数；
当所述评价指数大于或者等于预设报警阈值时，生成相应的报警提示信息。
第二方面，本发明实施例还提供了一种异常交易行为监控装置，该装置包括：
数据获取单元，用于实时获取交易系统中的交易行为数据；
类型确定单元，用于若接收到异常交易行为监控请求，根据所述异常交易行为监控请求确定待监控的异常交易行为类型；
调用单元，用于从预设数据库中调用与该待监控的异常交易行为类型相匹配的预设监控规则，所述预设数据库包括多个预设监控规则，不同的预设监控规则对应不同类型的异常交易行为，每个预设监控规则均关联有相应的预设评价指数函数以及监控参数和参数阈值；
计算单元，用于根据与所调用的预设监控规则相关联的预设评价指数函数以及监控参数和参数阈值计算实时获取的所述交易行为数据为待监控的异常交易行为类型时的评价指数；
处理单元，用于当所述评价指数大于或者等于预设报警阈值时，生成相应的报警提示信息。
第三方面，本发明实施例还提供了一种计算机设备，其包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时可实现上述方法。
本发明实施例提供了一种异常交易行为监控方法、装置、计算机设备及存储介质。其中，所述方法包括：实时获取交易系统中的交易行为数据；若接收到异常交易行为监控请求，根据异常交易行为监控请求确定待监控的异常交易行为类型；从预设数据库中调用与该待监控的异常交易行为类型相匹配的预设监控规则；根据与所调用的预设监控规则相关联的预设评价指数函数以及监控参数和参数阈值计算实时获取的所述交易行为数据为待监控的异常交易行为类型时的评价指数；当所述评价指数大于或者等于预设报警阈值时，生成相应的报警提示信息。本发明实施例能够量化交易行为的异常程度，以便监管者连续有效地监控客户的所有交易行为，并根据异常程度对交易行为进行分类处置，尤其是能够精准地识别异常交易行为从而及时报警，不仅提高了监管者的风控能力，还能提高券商等经营者对投资者的服务能力。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种异常交易行为监控方法的流程示意图；
图2是本发明另一实施例提供的一种异常交易行为监控方法的流程示意图；
图3是本发明实施例提供的一种异常交易行为监控装置的示意性框图；
图4是本发明另一实施例提供的一种异常交易行为监控装置的示意性框图；
图5是本发明实施例提供的一种计算机设备结构组成示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
请参阅图1，图1是本发明实施例提供的一种异常交易行为监控方法的示意流程图。该方法可以运行在智能手机(如Android手机、IOS手机等)、平板电脑、笔记本电脑以及智能设备等终端中。如图1所示，该方法的步骤包括步骤S101～S104。
步骤S101，实时获取交易系统中的交易行为数据。
在本实施例中，在证券期货交易过程中，常会出现异常交易行为，为了分析交易系统中的交易行为的异常程度，需要实时获取交易系统中的交易行为数据。一般情况下，不同的交易行为均会对应有相应的交易行为数据。
步骤S102，若接收到异常交易行为监控请求，根据所述异常交易行为监控请求确定待监控的异常交易行为类型。
在本实施例中，异常交易行为一般是指大笔申报、连续申报或者密集申报，以影响证券交易价格的交易行为。其可以根据自身特征被划分为不同类型，对于不同类型的异常交易行为的识别使用的识别规则是不相同的，例如连续交易、拉抬打压、虚假申报、涨跌停大额申报等。另外，每个类型的异常交易行为哈可以继续分为多个子类，例如不同的交易时段、不同的标的的证券交易行为识别算法或者参数阈值可不尽相同。
故若用于进行异常交易行为监控的终端在接收到监控者在终端上所发送的异常交易行为监控请求，则表明监控者此时需要对实时获取的交易行为数据进行相应的类型的异常交易行为分析，即可判断实时获取的交易行为数据对应的交易行为是否为异常交易行为，该异常交易行为监控请求中包括了进行异常交易行为相应的类型。因此，可以根据所述异常交易行为监控请求确定待监控的异常交易行为类型。
步骤S103，从预设数据库中调用与该待监控的异常交易行为类型相匹配的预设监控规则，所述预设数据库包括多个预设监控规则，不同的预设监控规则对应不同类型的异常交易行为，每个预设监控规则均关联有相应的预设评价指数函数以及监控参数和参数阈值。
在本实施例中，预设数据库中存放有多个不同的预设监控规则。不同类型的异常交易行为对应不同的预设监控规则，当监控者需要判断获取的交易行为数据是否为某一类型的异常交易行为时，需要调用与该类型的异常交易行为相匹配的预设监控规则。同时，每个预设监控规则均关联有相应的预设评价指数函数以及相应的监控参数和参数阈值。
例如，异常交易行为中的其中一类为“大额申报、高(低)价申报、连续申报、虚假申报”，其具体定义是指“开盘集合竞价阶段，以高于(低于)前收盘价(上市首日为发行价)3％的价格申报买入(卖出)的数量超过新股当日实际上市流通量的5‰”。其中，“申报价格”、“申报数量”为该预设监控规则的监控参数，“3％”、“5‰”为参数阈值，“高于(低于)前收盘价”、“超过新股当日实际上市流通量”为其预设监控规则。
步骤S104，根据与所调用的预设监控规则相关联的预设评价指数函数以及监控参数和参数阈值计算实时获取的所述交易行为数据为待监控的异常交易行为类型时的评价指数。
在本实施例中，所调用的预设监控规则关联有监控参数和参数阈值，以便于监控着通过终端计算出相应的评价指数。其中，具体是从交易行为数据中分析出相应的监控参数的值，将相应的监控参数的值放入预设评价指数函数中进行计算后，能够确定相应的评价指数。当然，也可以将参数阈值放入预设评价指数函数中，从而计算得到预设报警阈值，当然，也可以根据参数阀值以及用户的自身需求自行设置相应的预设报警阀值。
作为进一步的实施例，在确定了每类异常交易行为的预设监控规则、监控参数和参数阈值后，可以为每类异常交易行为定义一个量化的预设评价指数函数，该预设评价指数函数的输入参数即为各个监控参数的值，同时得到的函数值则用于表达相应的异常行为的严重程度。
作为可选的，若所述监控参数记为P＝(p1,p2,…,pn)，所述参数阈值记为所述预设评价指数函数记为f(P)＝f(p1,p2,…,pn)，该预设评价指数函数满足以下条件：
其一，其中fmax为评价指数的最大值；
其二，f(0)＝0，f(P0)＝K，f(Pmax)＝fmax，其中 为第i个参数的最大值，K为报警阈值；
其三，f(P)对任何一个参数pi单调递增；
其四，f(P)是一个连续函数，且值空间的分布与对应类型的异常交易行为的分布相符合。
其中，K作为评价指数的报警阈值，即指当预设评价指数函数的值超过K时，需要对异常行为进行报警提醒。一般的，若f(P)对某个参数pi单调递减，则可以将该参数替换为-pi，所以只需考虑单调递增的要求。
具体的，可以根据客户委托、交易所成交回报、行情、时间等因素，按客户分别计算每类异常交易行为的评价指数，盘中实时逐笔计算或盘后统计计算。
作为更进一步地实施例，所述待监控的异常交易行为类型为连续交易，连续交易是指对单一证券品种在一段时期内进行大量且连续交易，其具体的识别的预设监控规则是可以是“投资者在某一段时期内交易某只特定证券，其任何相邻交易之间的间隔都不超过100个交易日，且在每个有交易操作的交易日内其买卖合计成交量在全市场占比超过10％，若满足上述条件的交易日超过10个或者其等价情况(即每交易日成交占比没有超过10％，但累计效果等同超过10次10％的情况)则触碰报警”。而为了更为精准地判断实时获取的交易行为数据是否属于异常交易行为的数据，还需定义其对应的预设评价指数函数为：
其中，监控参数xi、监控参数yi分别为该投资者在第i个有交易操作的交易日内其买、卖成交量占全市场成交量的比例，α是满足以下方程式的常数：定义g0＝0。
具体的，定义g0＝0，即以第1次出现距上一次交易已超过100个交易日的某交易日为该时段的开始日。
步骤S105，当所述评价指数大于或者等于预设报警阈值时，生成相应的报警提示信息。
在本实施例中，预设报警阈值可以通过将已有的参数阈值代入预设评价指数函数中计算得到，可以根据监控者的需求进行相应的设置，在本实施例中并不做限定。故当计算得到的评价指数大于或者等于预设报警阈值，终端则相应地生成报警提示信息，以提供监控者跟进检查处理。评价指数的量化对投资者每笔交易都能够进行量化评估，直观的展现了交易行为的异常程度，使得不同投资者不同异常行为之间都可以直接比较排序，大大方便了监控报警和处置，同时也提高了报警的有效性。
例如每个交易日收市后，监控终端可以为每位投资者分别计算其“连续交易”异常评价指数，若评价指数大于70则预警、大于90则报警。其中，70则为预设预警阈值，90则为预设报警阈值。
进一步地，所述方法还可以包括以下步骤：
步骤S106，当所述评价指数大于或等于预设预警阈值，且小于所述预设报警阈值时，生成相应的预警提示信息，所述预设预警阈值小于所述预设报警阈值。
在本实施例中，预设预警阈值也可以根据监控者的实际需求进行相应的设置。当所述评价指数大于或等于预设预警阈值，且小于所述预设报警阈值时，终端能够相应地生成预警提示信息，以确保终端更为灵活地服务与监控者，便于监控者管理相应的交易行为。
总之，利用评价指数的分级设定严重程度分类区间，不同的区间可设置不同的处置流程，例如评价指数较小时即预警，可以通过电话短信等手段提醒对应投资者；若评价指数较高时，可以当面约谈投资者，甚至直接阻断投资者的交易委托。
同时，评价指数的量化的计算提高了经营机构、监管机构对投资者异常交易行为的精准度和覆盖度，提供了事前风控功能，实现了对交易行为的量化评估，大大提升了行业的监管和风控能力，降低市场系统性风险发生的可能性；其还可以为投资者提供事前预警的能力，投资者在每笔交易之后可事前或实时查看自身交易行为可能的异常程度的评价指数，故可及时调整交易策略，避免进一步成为事实上的违规操作，提高券商对投资者的服务能力。
请参阅图2，图2是本发明另一实施例提供的一种异常交易行为监控方法的示意流程图。该方法可以运行在智能手机(如Android手机、IOS手机等)、平板电脑、笔记本电脑以及智能设备等终端中。如图5所示，该方法的步骤包括步骤S201～S205。其中与上述实施例中的步骤S101-S105类似的步骤的相关解释和详细说明在此不再赘述，下面详细说明的为本实施例中所增加的步骤。
步骤S201，实时获取交易系统中的交易行为数据。
步骤S202a，显示多种类型的异常交易行为以供用户进行选择监控，并生成异常交易行为监控请求。
在本实施例中，在证券期货交易过程中，通常会存在多种类型的异常交易行为，为了便于监控者选择对实时获取的交易行为数据进行何种类型的异常交易行为的监控分析，监控者可在终端上自行选择所需的异常交易行为的类型进行监控分析。监控者在终端上进行选择操作之后，则终端会生成相应的异常交易行为监控请求。
步骤S202，若接收到异常交易行为监控请求，根据所述异常交易行为监控请求确定待监控的异常交易行为类型。
步骤S203，从预设数据库中调用与该待监控的异常交易行为类型相匹配的预设监控规则，所述预设数据库包括多个预设监控规则，不同的预设监控规则对应不同类型的异常交易行为，每个预设监控规则均关联有相应的预设评价指数函数以及监控参数和参数阈值。
步骤S204，根据与所调用的预设监控规则相关联的预设评价指数函数以及监控参数和参数阈值计算实时获取的所述交易行为数据为待监控的异常交易行为类型时的评价指数。
步骤S205，当所述评价指数大于或者等于预设报警阈值时，生成相应的报警提示信息。
本领域普通技术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，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等。
请参阅图3，对应上述一种异常交易行为监控方法，本发明实施例还提出一种异常交易行为监控装置，该装置100包括：数据获取单元101、类型确定单元102、调用单元103、计算单元104以及处理单元105。
所述数据获取单元101，用于实时获取交易系统中的交易行为数据。
在本实施例中，在证券期货交易过程中，常会出现异常交易行为，为了分析交易系统中的交易行为的异常程度，需要实时获取交易系统中的交易行为数据。一般情况下，不同的交易行为均会对应有相应的交易行为数据。
所述类型确定单元102，用于若接收到异常交易行为监控请求，根据所述异常交易行为监控请求确定待监控的异常交易行为类型。
在本实施例中，异常交易行为一般是指大笔申报、连续申报或者密集申报，以影响证券交易价格的交易行为。其可以根据自身特征被划分为不同类型，对于不同类型的异常交易行为的识别使用的识别规则是不相同的，例如连续交易、拉抬打压、虚假申报、涨跌停大额申报等。另外，每个类型的异常交易行为哈可以继续分为多个子类，例如不同的交易时段、不同的标的的证券交易行为识别算法或者参数阈值可不尽相同。
故若用于进行异常交易行为监控的终端在接收到监控者在终端上所发送的异常交易行为监控请求，则表明监控者此时需要对实时获取的交易行为数据进行相应的类型的异常交易行为分析，即可判断实时获取的交易行为数据对应的交易行为是否为异常交易行为，该异常交易行为监控请求中包括了进行异常交易行为相应的类型。因此，可以根据所述异常交易行为监控请求确定待监控的异常交易行为类型。
所述调用单元103，用于从预设数据库中调用与该待监控的异常交易行为类型相匹配的预设监控规则，所述预设数据库包括多个预设监控规则，不同的预设监控规则对应不同类型的异常交易行为，每个预设监控规则均关联有相应的预设评价指数函数以及监控参数和参数阈值。
在本实施例中，预设数据库中存放有多个不同的预设监控规则。不同类型的异常交易行为对应不同的预设监控规则，当监控者需要判断获取的交易行为数据是否为某一类型的异常交易行为时，需要调用与该类型的异常交易行为相匹配的预设监控规则。同时，每个预设监控规则均关联有相应的预设评价指数函数以及相应的监控参数和参数阈值。
所述计算单元104，用于根据与所调用的预设监控规则相关联的预设评价指数函数以及监控参数和参数阈值计算实时获取的所述交易行为数据为待监控的异常交易行为类型时的评价指数。
在本实施例中，所调用的预设监控规则关联有监控参数和参数阈值，以便于监控着通过终端计算出相应的评价指数。其中，具体是从交易行为数据中分析出相应的监控参数的值，将相应的监控参数的值放入预设评价指数函数中进行计算后，能够确定相应的评价指数。当然，也可以将参数阈值放入预设评价指数函数中，从而计算得到预设报警阈值，当然，也可以根据参数阀值以及用户的自身需求自行设置相应的预设报警阀值。
作为进一步的实施例，在确定了每类异常交易行为的预设监控规则、监控参数和参数阈值后，可以为每类异常交易行为定义一个量化的预设评价指数函数，该预设评价指数函数的输入参数即为各个监控参数的值，同时得到的函数值则用于表达相应的异常行为的严重程度。
作为可选的，若所述监控参数记为P＝(p1,p2,…,pn)，所述参数阈值记为所述预设评价指数函数记为f(P)＝f(p1,p2,…,pn)，该预设评价指数函数满足以下条件：
其一，其中fmax为评价指数的最大值；
其二，f(0)＝0，f(P0)＝K，f(Pmax)＝fmax，其中 为第i个参数的最大值，K为报警阈值；
其三，f(P)对任何一个参数pi单调递增；
其四，f(P)是一个连续函数，且值空间的分布与对应类型的异常交易行为的分布相符合。
其中，K作为评价指数的报警阈值，即指当预设评价指数函数的值超过K时，需要对异常行为进行报警提醒。一般的，若f(P)对某个参数pi单调递减，则可以将该参数替换为-pi，所以只需考虑单调递增的要求。
具体的，可以根据客户委托、交易所成交回报、行情、时间等因素，按客户分别计算每类异常交易行为的评价指数，盘中实时逐笔计算或盘后统计计算。
作为更进一步地实施例，所述待监控的异常交易行为类型为连续交易，连续交易是指对单一证券品种在一段时期内进行大量且连续交易，其具体的识别的预设监控规则是可以是“投资者在某一段时期内交易某只特定证券，其任何相邻交易之间的间隔都不超过100个交易日，且在每个有交易操作的交易日内其买卖合计成交量在全市场占比超过10％，若满足上述条件的交易日超过10个或者其等价情况(即每交易日成交占比没有超过10％，但累计效果等同超过10次10％的情况)则触碰报警”。而为了更为精准地判断实时获取的交易行为数据是否属于异常交易行为的数据，还需定义其对应的预设评价指数函数为：
其中，监控参数xi、监控参数yi分别为该投资者在第i个有交易操作的交易日内其买、卖成交量占全市场成交量的比例，α是满足以下方程式的常数：定义g0＝0。
具体的，定义g0＝0，即以第1次出现距上一次交易已超过100个交易日的某交易日为该时段的开始日。
所述处理单元105，用于当所述评价指数大于或者等于预设报警阈值时，生成相应的报警提示信息。
在本实施例中，预设报警阈值可以通过将已有的参数阈值代入预设评价指数函数中计算得到，可以根据监控者的需求进行相应的设置，在本实施例中并不做限定。故当计算得到的评价指数大于或者等于预设报警阈值，终端则相应地生成报警提示信息，以提供监控者跟进检查处理。评价指数的量化对投资者每笔交易都能够进行量化评估，直观的展现了交易行为的异常程度，使得不同投资者不同异常行为之间都可以直接比较排序，大大方便了监控报警和处置，同时也提高了报警的有效性。
进一步地，所述方法中的处理单元105还用于当所述评价指数大于或等于预设预警阈值，且小于所述预设报警阈值时，生成相应的预警提示信息，所述预设预警阈值小于所述预设报警阈值。
在本实施例中，预设预警阈值也可以根据监控者的实际需求进行相应的设置。当所述评价指数大于或等于预设预警阈值，且小于所述预设报警阈值时，终端能够相应地生成预警提示信息，以确保终端更为灵活地服务与监控者，便于监控者管理相应的交易行为。
请参阅图4，对应上述一种异常交易行为监控方法，本发明另一实施例还提出一种异常交易行为监控装置，该装置200包括：数据获取单元201、显示单元202a、类型确定单元202、调用单元203、计算单元204以及处理单元205。
所述数据获取单元201，用于实时获取交易系统中的交易行为数据。
所述显示单元202a，用于显示多种类型的异常交易行为以供用户进行选择监控，并生成异常交易行为监控请求。
在本实施例中，在证券期货交易过程中，通常会存在多种类型的异常交易行为，为了便于监控者选择对实时获取的交易行为数据进行何种类型的异常交易行为的监控分析，监控者可在终端上自行选择所需的异常交易行为的类型进行监控分析。监控者在终端上进行选择操作之后，则终端会生成相应的异常交易行为监控请求。
所述显示单元202，用于若接收到异常交易行为监控请求，根据所述异常交易行为监控请求确定待监控的异常交易行为类型。
所述调用单元203，用于从预设数据库中调用与该待监控的异常交易行为类型相匹配的预设监控规则，所述预设数据库包括多个预设监控规则，不同的预设监控规则对应不同类型的异常交易行为，每个预设监控规则均关联有相应的预设评价指数函数以及监控参数和参数阈值。
所述计算单元204，用于根据与所调用的预设监控规则相关联的预设评价指数函数以及监控参数和参数阈值计算实时获取的所述交易行为数据为待监控的异常交易行为类型时的评价指数。
所述处理单元205，用于当所述评价指数大于或者等于预设报警阈值时，生成相应的报警提示信息。
需要说明的是，所属领域的技术人员可以清楚地了解到，上述异常交易行为监控装置100和各单元的具体实现过程，可以参考前述方法实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。
由以上可见，在硬件实现上，以上数据获取单元101、类型确定单元102、调用单元103、计算单元104以及处理单元105等可以以硬件形式内嵌于或独立于异常交易行为分析的装置中，也可以以软件形式存储于异常交易行为监控装置的存储器中，以便处理器调用执行以上各个单元对应的操作。该处理器可以为中央处理单元(CPU)、微处理器、单片机等。
上述异常交易行为监控装置可以实现为一种计算机程序的形式，计算机程序可以在如图5所示的计算机设备上运行。
图5为本发明一种计算机设备的结构组成示意图。该设备可以是终端，终端可以是智能手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等具有通信功能的电子设备。
参照图5，该计算机设备300包括通过系统总线301连接的处理器302、存储器、内存储器304和网络接口305，其中，存储器可以包括非易失性存储介质303和内存储器304。
该非易失性存储介质303可存储操作系统3031和计算机程序3032，该计算机程序3032被执行时，可使得处理器302执行一种异常交易行为监控方法。
该处理器302用于提供计算和控制能力，支撑整个计算机设备300的运行。
该内存储器304为非易失性存储介质303中的计算机程序3032的运行提供环境，该计算机程序3032被处理器302执行时，可使得处理器302执行一种异常交易行为监控方法。
该网络接口305用于与其它设备进行网络通信。本领域技术人员可以理解，图5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300的限定，具体的计算机设备300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。
其中，所述处理器302用于运行存储在存储器中的计算机程序3032，以实现如上述实施例中的异常交易行为监控方法中的步骤。
应当理解，在本申请实施例中，处理器302可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器302还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的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。该计算机程序可存储于一存储介质中，该存储介质为计算机可读存储介质。该计算机程序被该计算机系统中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。
因此，本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序，该计算机程序被处理器执行时使处理器执行如上述实施例中的异常交易行为监控方法中的步骤。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的。例如，各个单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，终端，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种异常交易行为监控方法，其特征在于，所述方法包括：
实时获取交易系统中的交易行为数据；
若接收到异常交易行为监控请求，根据所述异常交易行为监控请求确定待监控的异常交易行为类型；
从预设数据库中调用与该待监控的异常交易行为类型相匹配的预设监控规则，所述预设数据库包括多个预设监控规则，不同的预设监控规则对应不同类型的异常交易行为，每个预设监控规则均关联有相应的预设评价指数函数以及监控参数和参数阈值；
根据与所调用的预设监控规则相关联的预设评价指数函数以及监控参数和参数阈值计算实时获取的所述交易行为数据为待监控的异常交易行为类型时的评价指数；
当所述评价指数大于或者等于预设报警阈值时，生成相应的报警提示信息。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
当所述评价指数大于或等于预设预警阈值，且小于所述预设报警阈值时，生成相应的预警提示信息，所述预设预警阈值小于所述预设报警阈值。
3.如权利要求1所述的方法，其特征在于，若所述监控参数记为P＝(p1,p2,…,pn)，所述参数阈值记为所述预设评价指数函数记为f(P)＝f(p1,p2,…,pn)，该预设评价指数函数满足以下条件：
其一，其中fmax为评价指数的最大值；
其二，f(0)＝0，f(P0)＝K，f(Pmax)＝fmax，其中 为第i个参数的最大值，K为报警阈值；
其三，f(P)对任何一个参数pi单调递增；
其四，f(P)是一个连续函数，且值空间的分布与对应类型的异常交易行为的分布相符合。
4.如权利要求3所述的方法，其特征在于，所述待监控的异常交易行为类型为连续交易，其对应的预设评价指数函数为：
其中，监控参数xi、监控参数yi分别为该投资者在第i个有交易操作的交易日内其买、卖成交量占全市场成交量的比例，α是满足以下方程式的常数：定义g0＝0。
5.如权利要求1所述的方法，其特征在于，所述若接收到异常交易行为监控请求，根据所述异常交易行为监控请求确定待监控的异常交易行为类型的步骤之前，还包括：
显示多种类型的异常交易行为以供用户进行选择监控，并生成异常交易行为监控请求。
6.一种异常交易行为监控装置，其特征在于，所述装置包括：
数据获取单元，用于实时获取交易系统中的交易行为数据；
类型确定单元，用于若接收到异常交易行为监控请求，根据所述异常交易行为监控请求确定待监控的异常交易行为类型；
调用单元，用于从预设数据库中调用与该待监控的异常交易行为类型相匹配的预设监控规则，所述预设数据库包括多个预设监控规则，不同的预设监控规则对应不同类型的异常交易行为，每个预设监控规则均关联有相应的预设评价指数函数以及监控参数和参数阈值；
计算单元，用于根据与所调用的预设监控规则相关联的预设评价指数函数以及监控参数和参数阈值计算实时获取的所述交易行为数据为待监控的异常交易行为类型时的评价指数；
处理单元，用于当所述评价指数大于或者等于预设报警阈值时，生成相应的报警提示信息。
7.如权利要求6所述的装置，其特征在于，所述处理单元还用于当所述评价指数大于或等于预设预警阈值，且小于所述预设报警阈值时，生成相应的预警提示信息，所述预设预警阈值小于所述预设报警阈值。
8.如权利要求7所述的装置，其特征在于，若所述监控参数记为P＝(p1,p2,…,pn)，所述参数阈值记为所述预设评价指数函数记为f(P)＝f(p1,p2,…,pn)，该预设评价指数函数满足以下条件：
其一，其中fmax为评价指数的最大值；
其二，f(0)＝0，f(P0)＝K，f(Pmax)＝fmax，其中 为第i个参数的最大值，K为报警阈值；
其三，f(P)对任何一个参数pi单调递增；
其四，f(P)是一个连续函数，且值空间的分布与对应类型的异常交易行为的分布相符合。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-5中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器执行如权利要求1-5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811423640.8A CN109509097B (zh) | 2018-11-27 | 2018-11-27 | 异常交易行为监控方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811423640.8A CN109509097B (zh) | 2018-11-27 | 2018-11-27 | 异常交易行为监控方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109509097A true CN109509097A (zh) | 2019-03-22 |
| CN109509097B CN109509097B (zh) | 2020-05-05 |
Family
ID=65750713
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811423640.8A Active CN109509097B (zh) | 2018-11-27 | 2018-11-27 | 异常交易行为监控方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109509097B (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110570252A (zh) * | 2019-09-11 | 2019-12-13 | 贵州省烟草公司六盘水市公司 | 一种卷烟价格预警方法、系统及装置 |
| CN111177250A (zh) * | 2019-12-31 | 2020-05-19 | 华泰证券股份有限公司 | 一种异常交易监测方法、系统及存储介质 |
| CN111563679A (zh) * | 2020-04-30 | 2020-08-21 | 支付宝(杭州)信息技术有限公司 | 数据处理方法以及装置 |
| CN111738868A (zh) * | 2020-06-11 | 2020-10-02 | 北京向上一心科技有限公司 | 反洗钱反恐怖融资风险监测方法、装置、计算机设备和存储介质 |
| CN111737080A (zh) * | 2020-06-11 | 2020-10-02 | 北京向上一心科技有限公司 | 异常交易嫌疑的监测方法、装置、计算机设备和存储介质 |
| CN112150162A (zh) * | 2020-11-24 | 2020-12-29 | 深圳华锐金融技术股份有限公司 | 交易账户的监管方法、装置、计算机设备和存储介质 |
| CN112363831A (zh) * | 2020-11-10 | 2021-02-12 | 上海华锐软件有限公司 | 风控处理方法、装置、计算机设备和存储介质 |
| CN112598342A (zh) * | 2021-03-05 | 2021-04-02 | 北京每日优鲜电子商务有限公司 | 用于数据展示设备的报警控制方法、装置、设备和介质 |
| CN113112043A (zh) * | 2021-05-12 | 2021-07-13 | 中国工商银行股份有限公司 | 一种异常资源转移情况的确定方法、装置和设备 |
| CN113256422A (zh) * | 2021-06-09 | 2021-08-13 | 深圳华锐金融技术股份有限公司 | 分仓账户识别方法、装置、计算机设备和存储介质 |
| CN113487407A (zh) * | 2021-07-01 | 2021-10-08 | 中国工商银行股份有限公司 | 数据处理方法、装置及电子设备 |
| CN117372076A (zh) * | 2023-08-23 | 2024-01-09 | 广东烟草广州市有限公司 | 一种异常交易数据监控方法、装置、设备及存储介质 |
| CN118096376A (zh) * | 2024-04-23 | 2024-05-28 | 山东建筑大学 | 一种自动化证券交易风险监控系统大数据的智能分析方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106202389A (zh) * | 2016-07-08 | 2016-12-07 | 中国银联股份有限公司 | 一种基于交易数据的异常监测方法及装置 |
| CN107784075A (zh) * | 2017-09-25 | 2018-03-09 | 平安科技（深圳）有限公司 | 基于关联交易的数据处理方法、装置和计算机设备 |
| CN108520318A (zh) * | 2018-04-02 | 2018-09-11 | 深圳前海桔子信息技术有限公司 | 一种安全监控方法、装置、服务器和存储介质 |
| US20180322574A1 (en) * | 2015-08-28 | 2018-11-08 | Qing Miao | Risk-control-based quantitative trend transaction decision-making system and method |
-
2018
- 2018-11-27 CN CN201811423640.8A patent/CN109509097B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180322574A1 (en) * | 2015-08-28 | 2018-11-08 | Qing Miao | Risk-control-based quantitative trend transaction decision-making system and method |
| CN106202389A (zh) * | 2016-07-08 | 2016-12-07 | 中国银联股份有限公司 | 一种基于交易数据的异常监测方法及装置 |
| CN107784075A (zh) * | 2017-09-25 | 2018-03-09 | 平安科技（深圳）有限公司 | 基于关联交易的数据处理方法、装置和计算机设备 |
| CN108520318A (zh) * | 2018-04-02 | 2018-09-11 | 深圳前海桔子信息技术有限公司 | 一种安全监控方法、装置、服务器和存储介质 |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110570252A (zh) * | 2019-09-11 | 2019-12-13 | 贵州省烟草公司六盘水市公司 | 一种卷烟价格预警方法、系统及装置 |
| CN111177250A (zh) * | 2019-12-31 | 2020-05-19 | 华泰证券股份有限公司 | 一种异常交易监测方法、系统及存储介质 |
| CN111563679A (zh) * | 2020-04-30 | 2020-08-21 | 支付宝(杭州)信息技术有限公司 | 数据处理方法以及装置 |
| CN111738868A (zh) * | 2020-06-11 | 2020-10-02 | 北京向上一心科技有限公司 | 反洗钱反恐怖融资风险监测方法、装置、计算机设备和存储介质 |
| CN111737080A (zh) * | 2020-06-11 | 2020-10-02 | 北京向上一心科技有限公司 | 异常交易嫌疑的监测方法、装置、计算机设备和存储介质 |
| CN112363831A (zh) * | 2020-11-10 | 2021-02-12 | 上海华锐软件有限公司 | 风控处理方法、装置、计算机设备和存储介质 |
| CN112150162A (zh) * | 2020-11-24 | 2020-12-29 | 深圳华锐金融技术股份有限公司 | 交易账户的监管方法、装置、计算机设备和存储介质 |
| CN112598342A (zh) * | 2021-03-05 | 2021-04-02 | 北京每日优鲜电子商务有限公司 | 用于数据展示设备的报警控制方法、装置、设备和介质 |
| CN113112043A (zh) * | 2021-05-12 | 2021-07-13 | 中国工商银行股份有限公司 | 一种异常资源转移情况的确定方法、装置和设备 |
| CN113256422A (zh) * | 2021-06-09 | 2021-08-13 | 深圳华锐金融技术股份有限公司 | 分仓账户识别方法、装置、计算机设备和存储介质 |
| CN113256422B (zh) * | 2021-06-09 | 2021-11-19 | 深圳华锐金融技术股份有限公司 | 分仓账户识别方法、装置、计算机设备和存储介质 |
| CN113487407A (zh) * | 2021-07-01 | 2021-10-08 | 中国工商银行股份有限公司 | 数据处理方法、装置及电子设备 |
| CN117372076A (zh) * | 2023-08-23 | 2024-01-09 | 广东烟草广州市有限公司 | 一种异常交易数据监控方法、装置、设备及存储介质 |
| CN118096376A (zh) * | 2024-04-23 | 2024-05-28 | 山东建筑大学 | 一种自动化证券交易风险监控系统大数据的智能分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109509097B (zh) | 2020-05-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109509097A (zh) | 异常交易行为监控方法、装置、计算机设备及存储介质 | |
| Chabi-Yo et al. | Crash sensitivity and the cross section of expected stock returns | |
| US8577775B1 (en) | Systems and methods for managing investments | |
| US10140661B2 (en) | Systems and methods for managing investments | |
| CN106462794B (zh) | 安全智能网络系统 | |
| Metghalchi et al. | History of share prices and market efficiency of the Madrid general stock index | |
| WO2016077833A1 (en) | Unified option trading system | |
| WO2012073074A1 (en) | Liability risk driven system for optimized triggering risk exposure if insurance objects | |
| CN103218743A (zh) | 一种企业税务风险评估平台 | |
| US20130290158A1 (en) | Methods of making and executing investment transaction decisions | |
| CN111176635A (zh) | 模块化量化系统及其执行方法、电子设备 | |
| CN109214915A (zh) | 贷中风险评分方法、系统及计算机可读存储介质 | |
| Chan et al. | A new approach to measure speculation in the oil futures market and some policy implications | |
| US8521542B1 (en) | Systems and methods for classifying account data using artificial neural networks | |
| CN112927064A (zh) | 延期还款数据处理方法、装置、电子设备及存储介质 | |
| CN115689752A (zh) | 风控规则的调整方法、装置、设备及存储介质 | |
| Kumar et al. | Unbiasedness and risk premiums in the Indian currency futures market | |
| Lin et al. | Blockchain mechanism and distributional characteristics of cryptos | |
| CN111008894A (zh) | 银行客户信息周期提醒控制方法及装置 | |
| CN111178592A (zh) | 资源的逾期占用预测方法、装置及电子设备 | |
| US20200372571A1 (en) | Computing system for sharing networks providing dynamic reserving features and related methods | |
| Stefanova | High-speed technology trading innovations and capital market performance in Bulgaria | |
| US20200202432A1 (en) | Self-governing trade request management systems | |
| Moyo et al. | Application of logical analysis of data (lad) to credit risk ratings for banks in Zimbabwe | |
| CN112734585B (zh) | 医保基金支出的预测方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP02 | Change in the address of a patent holder |
Address after: Room 2301, building 5, Shenzhen new generation industrial park, 136 Zhongkang Road, Meidu community, Meilin street, Futian District, Shenzhen, Guangdong 518000 Patentee after: SHENZHEN ARCHFORCE FINANCIAL TECHNOLOGY Co.,Ltd. Address before: 603-604, block a, Tianjing building, Tian'an Digital City, Shatou street, Futian District, Shenzhen, Guangdong 518000 Patentee before: SHENZHEN ARCHFORCE FINANCIAL TECHNOLOGY Co.,Ltd. |
|
| CP02 | Change in the address of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: Room 2301, building 5, Shenzhen new generation industrial park, 136 Zhongkang Road, Meidu community, Meilin street, Futian District, Shenzhen, Guangdong 518000 Patentee after: Shenzhen Huarui Distributed Technology Co.,Ltd. Address before: Room 2301, building 5, Shenzhen new generation industrial park, 136 Zhongkang Road, Meidu community, Meilin street, Futian District, Shenzhen, Guangdong 518000 Patentee before: SHENZHEN ARCHFORCE FINANCIAL TECHNOLOGY Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder |