CN110705654A - 用于监控资产的方法、装置、电子设备及介质 - Google Patents
用于监控资产的方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN110705654A CN110705654A CN201911010715.4A CN201911010715A CN110705654A CN 110705654 A CN110705654 A CN 110705654A CN 201911010715 A CN201911010715 A CN 201911010715A CN 110705654 A CN110705654 A CN 110705654A
- Authority
- CN
- China
- Prior art keywords
- data
- monitoring
- target
- vector
- monitoring data
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- 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
-
- 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
- G06Q40/06—Asset management; Financial planning or analysis
Abstract
本公开提供了一种用于监控资产的方法,该方法包括:获取目标资产的交易数据;处理目标资产的交易数据,得到监控数据向量;以监控数据向量作为单类支持向量机模型的输入,以确定监控数据向量是否存在异常;以及在确定监控数据向量存在异常的情况下,采用目标分析模型确定监控数据向量中的异常数据。本公开还提供了一种用于监控资产的装置、一种电子设备及一种计算机可读存储介质。
Description
技术领域
本公开涉及电子技术领域,更具体地,涉及一种用于监控资产的方法、装置、电子设备及介质。
背景技术
随着电子技术与互联网技术的发展,当前市场对新信息的响应速度越来越快。这无疑对信息获取及电子设备的处理能力提出了更高的要求。
在实现本公开构思的过程中,发明人发现相关技术中至少存在如下问题:金融市场瞬息万变,用户往往希望及时获得资产的状态信息。同时,由于资本市场的种类繁杂,技术指标较多,用户往往希望能够指定需求的数据。相关技术中规则化的资产预警工具虽然具有“预警提醒”功能,但其一般需要用户输入显式的规则,对于较少进行资产投资的用户而言,往往不清楚如何进行规则设定。再者,相关技术中规则化的资产预警涉及的资产类型较为固定,只能是一些股票、债券或大盘指数等,且仅能监控单个资产的特性,无法涉及到资产之间的联动关系。综上可知,相关技术存在对新用户不友好、用户体验差及预警效果差的问题。
发明内容
有鉴于此,本公开提供了一种能够自动监控资产并自动判断是否存在异常的用于监控资产的方法、装置、电子设备及介质。
本公开的一个方面提供了一种用于监控资产的方法,该方法包括:获取目标资产的交易数据;处理目标资产的交易数据,得到监控数据向量;以监控数据向量作为单类支持向量机模型的输入,以确定监控数据向量是否存在异常;以及在确定监控数据向量存在异常的情况下,采用目标分析模型确定监控数据向量中的异常数据。
根据本公开的实施例,上述获取目标资产的交易数据包括以下至少两种:调用股票平台提供的API接口,获取目标股票的交易数据;调用基金平台提供的API接口,采用rqalpha工具获取目标基金的交易数据;和调用数字货币交易平台提供的API接口,获取目标数字货币的交易数据。
根据本公开的实施例,上述交易数据包括至少两个目标资产的交易数据;以及监控数据向量中包括至少两个目标资产中任意两个资产之间的协方差。
根据本公开的实施例,上述采用目标分析模型确定监控数据向量中的异常数据包括:根据处理目标资产多个时刻的交易数据得到的多个监控数据向量,采用沙谱利附加解释模型确定存在异常的监控数据向量中每个数据的沙谱利附加解释值;以及确定沙谱利附加解释值为负数、且沙谱利附加解释值最小的数据为存在异常的监控数据向量中的异常数据。
根据本公开的实施例,上述方法还包括在确定监控数据向量中的异常数据之后:根据异常数据,向用户推送报警信息。
根据本公开的实施例,上述处理目标资产的交易数据,得到监控数据向量包括:根据目标资产的交易数据,采用计算模型得到目标资产的多个指标数据;以及响应于多个指标数据中至少一个指标数据被选中,根据被选中的至少一个指标数据,生成监控数据向量。
本公开的另一方面提供了一种用于监控资产的装置,该装置包括:交易数据获取模块,用于获取目标资产的交易数据;监控数据向量获得模块,用于处理目标资产的交易数据,得到监控数据向量;第一确定模块,用于以多个监控数据作为单类支持向量机模型的输入,以确定监控数据向量是否存在异常;以及第二确定模块,用于在监控数据向量存在异常的情况下,采用目标分析模型确定监控数据向量中的异常数据。
根据本公开的实施例,上述用于监控资产的装置还包括:信息推送模块,用于在第二确定模块确定异常数据后,根据异常数据,向用户推送报警信息。
本公开的另一方面提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行如上所述的用于监控资产的方法。
本公开的另一方面提供了一种计算机可读存储介质,存储有计算机可执行指令,所述指令在被处理器执行时使处理器执行如上所述的用于监控资产的方法。
本公开的另一方面提供了一种计算机程序,所述计算机程序包括计算机可执行指令,所述指令在被执行时用于实现如上所述的用于监控资产的方法。
根据本公开的实施例,可以直接根据交易数据确定监控数据向量是否存在异常,并在存在异常的情况下确定异常数据。相较于现有技术中需要用户输入显式的规则,来根据该规则确定是否存在异常的技术方案,至少可以降低用户对投资知识的掌握量的要求,从而可以提高对新用户的友好性,提高用户体验。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的用于监控资产的方法、装置、电子设备及介质的应用场景;
图2示意性示出了根据本公开示例性实施例一的用于监控资产的方法的流程图;
图3示意性示出了根据本公开实施例的用于确定监控数据向量是否存在异常的高维特征空间的示意图;
图4示意性示出了根据本公开示例性实施例二的用于监控资产的方法的流程图;
图5示意性示出了根据本公开实施例的处理目标资产的交易数据得到监控数据向量的流程图;
图6示意性示出了根据本公开实施例的确定监控数据向量中的异常数据的流程图;
图7示意性示出了根据本公开实施例的用于监控资产的方法的实施架构;
图8示意性示出了根据本公开实施例的用于监控资产的装置的结构框图;以及
图9示意性示出了根据本公开实施例的适于执行用于监控资产的方法的电子设备的结构框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
本公开的实施例提供了一种用于监控资产的方法、装置、电子设备及介质。其中用于监控资产的方法包括:获取目标资产的交易数据;处理目标资产的交易数据,得到监控数据向量;以监控数据向量作为单类支持向量机模型的输入,以确定监控数据向量是否存在异常;以及在确定监控数据向量存在异常的情况下,采用目标分析模型确定监控数据向量中的异常数据。
图1示意性示出了根据本公开实施例的用于监控资产的方法、装置、电子设备及介质的应用场景100。需要注意的是,图1所示仅为可以应用本公开实施例的应用场景的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的应用场景100可以包括终端设备101、102、103。
该终端设备101、102、103可以是具有处理功能的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等。该终端设备101、102、103上可以安装有各种客户端应用,例如投资类应用(股票投资类应用、基金投资类应用和/或电子货币投资类应用)、搜索类应用、网页浏览器应用、邮箱客户端等(仅为示例)。
根据本公开的实施例,该终端设备101、102、103例如可以从各投资类应用提供的应用程序编程接口(API接口,Application Programming Interface)获取投资类应用中监控的目标资产的交易数据。并根据该交易数据确定监控的目标资产是否存在异常。
根据本公开的实施例,该终端设备101、102、103例如还可以包括显示屏,以将对目标资产的监控结果展示给用户,以便于用户根据监控结果确定是否对目标资产进行交易。
根据本公开的实施例,如图1所示,该应用场景100例如还可以包括网络104和服务器105,网络104用于在终端设备101、102、103和服务器105之间提供通信链路的介质。服务器105可以通过网络104来从终端设备101、102、103中安装的各类投资类应用提供的API接口获取监控的目标资产的交易数据。该服务器105例如还可以根据交易数据对目标资产进行监控,确定目标资产是否存在异常。
需要说明的是,本公开实施例所提供的用于监控资产的方法一般可以由终端设备101、102、103或者服务器105执行。相应地,本公开实施例所提供的信息处理装置一般可以设置于终端设备101、102、103中或设置于服务器105中。
应该理解,上述终端设备101、102、103,网络104和服务器105的类型仅仅是示意性的,根据实现需要,可以具有任意类型的终端设备101、102、103,网络104和服务器105。
图2示意性示出了根据本公开示例性实施例一的用于监控资产的方法的流程图,图3示意性示出了根据本公开实施例的用于确定监控数据向量是否异常的高维特征空间的示意图。
如图2所示,本公开实施例的用于监控资产的方法包括操作S210~操作S240。
在操作S210,获取目标资产的交易数据。
根据本公开的实施例,该操作S210例如可以通过各种投资类应用提供的API接口来获取目标资产的交易数据。目标资产的交易数据例如可以包括目标资产的资产代码、当前日期。该交易数据例如还可以包括以下至少之一:当前日期中当前时刻之前的最高价、当前日期中当前时刻之前的最低价、当前日期的开盘价以及当前日期的收盘价、当前时刻统计的当前日期的日成交额等。其中,在当前日期还未收盘时,当前日期的收盘价例如可以为当前时刻的市场价。
根据本公开的实施例,目标资产的交易数据例如还可以包括根据日成交额确定的目标资产的换手率。该换手率=日成交额/目标资产的总市值。
根据本公开的实施例,为了便于获取交易数据,操作S210例如可以包括:先响应于用户输入的信息,确定目标资产。再根据目标资产的代码从各API接口获取交易数据。其中,用户输入的信息例如可以包括:关键字、代码、图片或语音信息等。
根据本公开的实施例,目标资产例如可以包括股票、基金和/或数字货币等。其中,为了便于对多种不同类型的目标资产进行统一监控,操作S210获取的交易数据例如可以包括至少两种目标资产的交易数据。例如,可以包括股票与基金的交易数据,或者股票与数字货币的交易数据,或者可以包括股票、基金和数字货币的交易数据。
在交易数据包括至少两种目标资产的交易数据的情况下,获取目标资产的交易数据包括以下至少两种:调用股票平台提供的API接口,获取目标股票的交易数据;调用基金平台提供的API接口,采用rqalpha工具获取目标基金的交易数据;和调用数字货币交易平台提供的API接口,获取目标数字货币的交易数据。其中,rqalpha工具是由米筐科技Ricequant开源的Python算法交易和回测引擎,该rqalpha工具能够从数据获取、算法交易、回测引擎、实盘模拟、实盘交易到数据分析,为程序化交易提供全套解决方案。通过使用该rqalpha工具,可以实现目标基金的交易数据的自动化获取。
在操作S220,处理目标资产的交易数据,得到监控数据向量。
根据本公开的实施例,监控数据向量例如可以由目标资产的量化指标构成。其中,量化指标可以是响应于用户选择确定的,还可以是默认设置的。例如,若目标资产的量化指标包括资产的日涨跌幅r、资产的日换手率t,且目标资产包括a1、a2和a3三个资产时,监控数据向量n=[r1 r2 r3 t1 t2 t3]。
根据本公开的实施例,操作S220例如可以包括先通过处理目标资产的交易数据得到交易数据的量化指标的取值,然后再将目标资产的量化指标的取值拼接得到监控数据向量。根据本公开的实施例,该操作S220例如可以通过图5描述的操作S521~操作S522来执行,在此不再赘述。
在操作S230,以监控数据向量作为单类支持向量机模型的输入,以确定监控数据向量是否存在异常。
根据本公开的实施例,该操作S230可以包括:将监控数据向量输入单类支持向量机(One Class Support Vector Machine,OCSVM),根据该OCSVM的输出来确定监控数据向量是否存在异常。例如,若OCSVM的输出为0,则说明监控数据向量存在异常,而若OCSVM的输出为1,则监控数据向量不存在异常。
根据本公开的实施例,该OCSVM的工作原理可以为:将输入的监控数据向量通过核函数(kernel function)映射到如图3所示的高维特征空间,以使得OCSVM具有更良好的聚集性。其中,图3所示仅为高维特征空间的一个二维空间(X-Y轴构成的二维空间)的截面。训练好的OCSVM设定有最优超平面,该最优超平面用于实现监控数据向量与坐标原点O的最大分离。当输入的监控数据向量位于最优超平面的靠近坐标原点O的一侧时,确定监控数据向量存在异常,该OCSVM的输出为0。
根据本公开的实施例,OCSVM可以是通过大量的样本数据训练得到的。其中,多个样本数据可以是通过类似于操作S220得到的多个监控数据向量与多个标签相互组合得到的。其中,标签可以用于指示监控数据向量是否存在异常。OCSVM通过将该大量的样本数据得到的确定结果与多个标签相比对,来逐渐优化最优超平面的位置。
在操作S240,在确定监控数据向量存在异常的情况下,采用目标分析模型确定监控数据向量中的异常数据。
根据本公开的实施例,目标分析模型例如可以包括沙谱利附加解释(SHAP,Shapley Additive exPlanation)模型等能够用于解释单类支持向量机模型的输出的模型。通过该目标分析模型可以为监控数据向量产生一个预测值,还可以确定监控数据向量中每个数据所分配到的数值。根据监控数据向量中每个数据分配的数值,例如可以确定监控数据向量中的异常数据为分配的数值对预测值起负作用的数据。
根据本公开的实施例,上述SHAP模型仅作为示例以利于理解本公开,本公开对此不做限定。该操作S240例如可以通过图6描述的操作S641~操作S642来执行,在此不再赘述。
根据本公开的实施例,为了实现对目标资产的监控,该操作S210~操作S240例如可以是实时执行的。其中,考虑到不同类型的资产的交易数据的更新模式不同,对应股票和数字货币类的目标资产,操作S210可以实时的获取交易数据。对于基金类的目标资产,操作S210可以在基金平台公布净值后进行交易数据的获取。
综上可知,本公开实施例通过单类支持向量机和目标分析模型的结合使用,可以实现对目标资产的量化指标的自动监控及异常判断,而无需用户输入显式的规则。因此,本公开实施例的用于监控资产的方法,可以降低用户对投资知识的掌握量的要求,从而可以提高对新用户的友好性,提高用户体验。
根据本公开的实施例,在确定监控数据向量中存在异常数据的情况下,为了便于用户及时知晓,还可以向用户发送报警信息。
图4示意性示出了根据本公开示例性实施例二的用于监控资产的方法的流程图。
如图4所示,本公开实施例的用于监控资产的方法除了操作S210~操作S240之外,还可以包括在确定监控数据向量中的异常数据之后执行的操作S450,根据异常数据,向用户推送报警信息。
根据本公开的实施例,该操作S450例如可以包括;先根据异常数据,确定该异常数据表征的量化指标;然后向用户推送确定的量化指标存在异常的报警信息。
根据本公开的实施例,该报警信息例如可以通过短信、邮件、客户端应用或小程序(Mini Program)等方式进行推送。其中,对于不同方式的推送,需要预先获取的信息不同。例如,若通过短信推送,则需要用户预先输入接收短信的手机号码。该报警信息的推送方式可以由用户自定义设定或选择,本公开对此不做限定。
图5示意性示出了根据本公开实施例的处理目标资产的交易数得到监控数据向量的流程图。
如图5所示,得到监控数据向量的操作S220例如可以包括操作S521~操作S522。
在操作S521,根据目标资产的交易数据,采用计算模型得到目标资产的多个指标数据。
根据本公开的实施例,该指标数据例如可以为前述的量化指标的取值。该多个指标数据例如可以包括技术指标类量化指标的取值,例如可以包括以下至少之一:日涨跌幅的取值、日换手率的取值、日MACD(Moving Average Convergence Divergence)指标的取值、日布林线指标的取值、日随机(KDJ)指标的取值、日振动升降(ASI)指标的取值等。其中,日MACD指标是利用收盘价的短期指数移动平均线与长期指数移动平均线之间的聚合与分离状况,对买进、卖出时机做出研判的技术指标。日布林线指标是利用统计原理,求出股价的标准差及其信赖区间的指标,从而便于确定股价的波动范围及未来走势,利用波带显示股价的安全高低价位。日KDJ指标是根据统计学原理,通过一个特定的周期内出现过的最高价、最低价及最后一个计算周期的收盘价及这三者之间的比例关系,来计算最后一个计算周期的未成熟随机值的指标。日ASI指标以开盘价、最高价、最低价、收盘价及前一交易日的各种价格相比较作为计算因子,来研判市场方向性的指标。
根据本公开的实施例,为了丰富量化指标,操作S210获取的目标资产的交易数据还可以包括当前时刻之前的预定时段(例如一周、一个月、一个季度或一年等)内的交易数据。因此,多个指标数据还可以包括收益类量化指标和/或风险类量化指标的取值。
根据本公开的实施例,收益类量化指标例如可以包括以下至少之一:年度收益率、季度收益率、月度收益率、周度收益率、年度超额收益率、季度超额收益率、月度超额收益率和周度超额收益率。风险类量化指标例如可以包括以下至少之一:年度夏普率、季度夏普率、月度夏普率。周度夏普率、年度回撤、季度回撤、月度回撤、周回撤、年度波动率、季度波动率、月度波动率和周波动率等。其中,夏普率为可以同时对收益与风险加以综合考虑的指标,若夏普率取值为正数,表示报酬率高于波动风险,取值为负数则表示报酬率低于波动风险。
根据本公开的实施例,前述收益类指标、风险类指标和/或技术指标类指标的取值例如可以通过使用量化策略平台quantopian体系下的回测工具(例如zipline包)进行计算得到。因此,操作S521中的计算模型为zipline包中包括的计算模型。该计算模型与量化指标相对应。
根据本公开的实施例,考虑到多个资产之间的变化规律具有一定的联动关系。因此,为了进一步提高确定监控数据向量是否存在异常的准确率,监控数据向量中还可以包括至少两个目标资产中任意两个资产之间的协方差。该协方差用于度量两个目标资产之间关系的统计量。该协方差例如可以通过以下公式(1)计算得到:
其中,cov(c,d)例如可以为至少两个目标资产中目标资产c与目标资产d之间在当前时刻之前的一个季度的协方差。n为一个季度包括的天数,st与qt分别为资产c和资产d在一个季度中的第t天的收益,与分别为资产c和资产d在n天中的日均收益。
在操作S522,响应于多个指标数据中至少一个指标数据被选中,根据被选中的至少一个指标数据,生成监控数据向量。
根据本公开的实施例,终端设备101、102、103例如可以向用户展示所有的量化指标,以供用户选择需要监控目标资产的哪些指标。该操作S522例如可以包括:响应于用户点击多个量化指标中的至少一个量化指标,确定该至少一个量化指标对应的至少一个指标数据被选中。然后将该至少一个指标数据组合得到监控数据向量。
根据本公开的实施例,监控数据向量中包括的指标数据除了可以包括选中的至少一个指标数据外,还可以包括默认的指标数据。该默认的指标数据可以包括日涨跌幅r、日换手率t及不同资产的协方差cov。例如,若至少一个指标数据包括日MACD指标的取值,目标资产包括a1、a2和a3,则通过操作S522得到的监控数据向量n′=[r1 r2 r3 t1 t2 t3 MACD1MACD2 MACD3 cov11 cov12 cov13 cov22 cov23 cov33]。
图6示意性示出了根据本公开实施例的确定监控数据向量中的异常数据的流程图。
如图6所示,在目标分析模型为SHAP模型的情况下,采用目标分析模型确定监控数据向量中的异常数据的操作S240例如可以包括S641~操作S642。
在操作S641,根据处理目标资产多个时刻的交易数据得到的多个监控数据向量,采用SHAP模型确定存在异常的监控数据向量中每个数据的SHAP值。
其中,多个监控数据向量为根据操作S210在多个时刻获得的多组交易数据,分别采用操作S220依次得到的多个监控数据向量。对于多个监控数据向量中的第j个监控数据向量,通过SHAP模型确定的预测值为yj,该yj的取值采用以下公式(2)计算得到:
yj=ybase+f(xj,1)+f(xj,2)+…+f(xj,k); 公式(2)其中,ybase为多个监控数据向量的预测值的均值,f(xj,1)为第j个监控数据向量中的第一个数据的SHAP值,f(xj,2)为第j个监控数据向量中的第二个数据的SHAP值,依次类推,f(xj,k)为第j个监控数据向量中的第k个数据(最后一个数据)的SHAP值。根据该公式(2)可以看出,监控数据向量中每个数据的SHAP值可以在一定程度上反应该数据对监控数据向量的预测值的影响,且该影响还存在正负性,SHAP值为正数,则对监控数据向量的预测值具有正影响,若SHAP值为正数,则对监控数据向量的预测值具有负影响。其中,SHAP模型计算每个数据的SHAP值采用的函数f()例如可以包括以下任意一个算法包括的函数:LIME算法、DeepLIFT算法或Propagation算法等。
根据本公开的实施例,例如可以确定对监控数据向量的预测值的负影响最大的数据为异常数据。因此在操作S642,确定SHAP值为负数、且SHAP值最小的数据为存在异常的监控数据向量中的异常数据。
图7示意性示出了根据本公开实施例的用于监控资产的方法的实施架构。
如图7所示,用于监控资产的方法的实施架构需要包括数据库71、OCSVM模型72和SHAP模型。
该方法首先包括通过操作S701获取股票资产、基金资产和/或数字货币资产的交易数据,然后通过操作S702对交易数据进行整合计算,得到多个量化指标,并将该量化指标存储至数据库71中。然后通过操作S703和操作S704来获取用户选择的目标资产和选择需要监控的量化指标。根据该量化指标和目标资产从数据库71中获取相应目标资产的量化指标。通过操作S705根据获取的目标资产的量化指标生成训练样例,完成训练OCSVM模型的数据准备。然后对OCSVM模型进行训练,得到训练好的OCSVM模型。
然后在实际监控过程中,通过操作S701实时获取各种资产的交易数据,并通过操作S702得到各种资产的量化指标。然后通过操作S706实时的获取目标资产的量化指标的取值形成监控数据向量(例如定时获取)。将该监控数据向量作为OCSVM模型的输入,通过操作S707来根据该OCSVM的输出确定监控数据向量是否存在异常,若不存在异常,则结束后返回重复执行操作S706~操作S707。若监控数据向量存在异常,则执行操作S708,通过SHAP模型找出监控数据向量中的异常维度(即异常数据)。然后通过操作S709查询该维度对应的含义(异常数据对应的量化指标),最后通过操作S710根据异常数据对应的量化指标向用户发送报警信息。
图8示意性示出了根据本公开实施例的用于监控资产的装置的结构框图。
如图8所示,本公开实施例的用于监控资产的装置800可以包括交易数据获取模块810、监控数据向量获得模块820、第一确定模块830和第二确定模块840。
交易数据获取模块810用于获取目标资产的交易数据。该交易数据获取模块810例如可以用于执行S210,在此不再赘述。
监控数据向量获得模块820用于处理目标资产的交易数据,得到监控数据向量。该监控数据向量获得模块820例如可以用于执行S220,在此不再赘述。
第一确定模块830用于以多个监控数据作为单类支持向量机模型的输入,以确定监控数据向量是否存在异常。该第一确定模块830例如可以用于执行S230,在此不再赘述。
第二确定模块840用于在监控数据向量存在异常的情况下,采用目标分析模型确定监控数据向量中的异常数据。该第二确定模块840例如可以用于执行S240,在此不再赘述。
根据本公开的实施例,上述交易数据获取模块810例如可以通过以下方法中的至少两种来获取交易数据:调用股票平台提供的API接口,获取目标股票的交易数据;调用基金平台提供的API接口,采用rqalpha工具获取目标基金的交易数据;和调用数字货币交易平台提供的API接口,获取目标数字货币的交易数据。
根据本公开的实施例,上述交易数据包括至少两个目标资产的交易数据。上述监控数据向量中包括至少两个目标资产中任意两个资产之间的协方差。
根据本公开的实施例,如图8所示,上述第二确定模块840例如可以包括SHAP值确定子模块841和异常数据确定子模块842。其中,SHAP值确定子模块841用于根据处理目标资产多个时刻的交易数据得到的多个监控数据向量,采用SHAP模型确定存在异常的监控数据向量中每个数据的SHAP值。异常数据确定子模块842用于确定SHAP值为负数的数据为存在异常的监控数据向量中的异常数据。SHAP值确定子模块841和异常数据确定子模块842例如可以分别用于执行操作S641~操作S642,在此不再赘述。
根据本公开的实施例,如图8所示,上述用于监控资产的装置800还可以包括信息推送模块850,用于在第二确定模块840确定监控数据向量中的异常数据后,根据异常数据,向用户推送报警信息。该信息推送模块850例如可以用于执行操作S450,在此不再赘述。
根据本公开的实施例,如图8所示,上述监控数据向量获得模块820例如可以包括计算子模块821和向量生成子模块822。计算子模块821用于根据目标资产的交易数据,采用计算模型得到目标资产的多个指标数据。向量生成子模块822用于响应于多个指标数据中至少一个指标数据被选中,根据被选中的至少一个指标数据,生成监控数据向量。计算子模块821和向量生成子模块822例如可以分别用于执行操作S521~操作S522,在此不再赘述。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,交易数据获取模块810、监控数据向量获得模块820、第一确定模块830、第二确定模块840、信息推送模块850、计算子模块821、向量生成子模块822、SHAP值确定子模块841、以及异常数据确定子模块842中的任意多个可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,交易数据获取模块810、监控数据向量获得模块820、第一确定模块830、第二确定模块840、信息推送模块850、计算子模块821、向量生成子模块822、SHAP值确定子模块841、以及异常数据确定子模块842中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,交易数据获取模块810、监控数据向量获得模块820、第一确定模块830、第二确定模块840、信息推送模块850、计算子模块821、向量生成子模块822、SHAP值确定子模块841、以及异常数据确定子模块842中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图9示意性示出了根据本公开实施例的适于执行用于监控资产的方法的电子设备的结构框图。图9示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图9所示,根据本公开实施例的电子设备900包括处理器901,其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。处理器901例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器901还可以包括用于缓存用途的板载存储器。处理器901可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 903中,存储有电子设备900操作所需的各种程序和数据。处理器901、ROM902以及RAM 903通过总线904彼此相连。处理器901通过执行ROM 902和/或RAM 903中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 902和RAM 903以外的一个或多个存储器中。处理器901也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备900还可以包括输入/输出(I/O)接口905,输入/输出(I/O)接口905也连接至总线904。电子设备900还可以包括连接至I/O接口905的以下部件中的一项或多项:包括键盘、鼠标等的输入部分906;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907;包括硬盘等的存储部分908;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器910上,以便于从其上读出的计算机程序根据需要被安装入存储部分908。
根据本公开的实施例,根据本公开实施例的方法流程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分909从网络上被下载和安装,和/或从可拆卸介质911被安装。在该计算机程序被处理器901执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 902和/或RAM 903和/或ROM 902和RAM 903以外的一个或多个存储器。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (10)
1.一种用于监控资产的方法,包括:
获取目标资产的交易数据;
处理所述目标资产的交易数据,得到监控数据向量;
以所述监控数据向量作为单类支持向量机模型的输入,以确定所述监控数据向量是否存在异常;以及
在确定所述监控数据向量存在异常的情况下,采用目标分析模型确定所述监控数据向量中的异常数据。
2.根据权利要求1所述的方法,其中,所述获取目标资产的交易数据包括以下至少两种:
调用股票平台提供的API接口,获取目标股票的交易数据;
调用基金平台提供的API接口,采用rqalpha工具获取目标基金的交易数据;和
调用数字货币交易平台提供的API接口,获取目标数字货币的交易数据。
3.根据权利要求1所述的方法,其中,所述交易数据包括至少两个目标资产的交易数据;以及所述监控数据向量中包括所述至少两个目标资产中任意两个资产之间的协方差。
4.根据权利要求1所述的方法,其中,所述采用目标分析模型确定所述监控数据向量中的异常数据包括:
根据处理所述目标资产多个时刻的交易数据得到的多个监控数据向量,采用沙谱利附加解释模型确定存在异常的所述监控数据向量中每个数据的沙谱利附加解释值;以及
确定沙谱利附加解释值为负数、且沙谱利附加解释值最小的数据为存在异常的所述监控数据向量中的异常数据。
5.根据权利要求1所述的方法,其中,所述方法还包括在确定所述监控数据向量中的异常数据之后:
根据所述异常数据,向用户推送报警信息。
6.根据权利要求1所述的方法,其中,处理所述目标资产的交易数据,得到监控数据向量包括:
根据所述目标资产的交易数据,采用计算模型得到所述目标资产的多个指标数据;以及
响应于所述多个指标数据中至少一个指标数据被选中,根据被选中的所述至少一个指标数据,生成所述监控数据向量。
7.一种用于监控资产的装置,包括:
交易数据获取模块,用于获取目标资产的交易数据;
监控数据向量获得模块,用于处理所述目标资产的交易数据,得到监控数据向量;
第一确定模块,用于以所述多个监控数据作为单类支持向量机模型的输入,以确定所述监控数据向量是否存在异常;以及
第二确定模块,用于在所述监控数据向量存在异常的情况下,采用目标分析模型确定所述监控数据向量中的异常数据。
8.根据权利要求7所述的装置,还包括:
信息推送模块,用于在所述第二确定模块确定所述异常数据后,根据所述异常数据,向用户推送报警信息。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行权利要求1~6中任一项所述的用于监控资产的方法。
10.一种计算机可读存储介质,其上存储有计算机可执行指令,该指令被处理器执行时使处理器执行权利要求1~6中任一项所述的用于监控资产的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911010715.4A CN110705654B (zh) | 2019-10-22 | 2019-10-22 | 用于监控资产的方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911010715.4A CN110705654B (zh) | 2019-10-22 | 2019-10-22 | 用于监控资产的方法、装置、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110705654A true CN110705654A (zh) | 2020-01-17 |
CN110705654B CN110705654B (zh) | 2022-11-08 |
Family
ID=69201429
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911010715.4A Active CN110705654B (zh) | 2019-10-22 | 2019-10-22 | 用于监控资产的方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110705654B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111784053A (zh) * | 2020-07-01 | 2020-10-16 | 深圳前海微众银行股份有限公司 | 交易风险检测方法、设备及可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102339389A (zh) * | 2011-09-14 | 2012-02-01 | 清华大学 | 一种基于密度的参数优化单分类支持向量机故障检测方法 |
CN103439933A (zh) * | 2013-08-13 | 2013-12-11 | 清华大学 | 一种应用ocsvm的生产过程自适应监控系统及方法 |
CN103439964A (zh) * | 2013-08-13 | 2013-12-11 | 清华大学 | 一种ocsvm监控模型的在线更新系统及方法 |
CN103455943A (zh) * | 2013-09-02 | 2013-12-18 | 深圳市国泰安信息技术有限公司 | 一种股票或股票投资组合波动率的预测方法、装置 |
CN108322347A (zh) * | 2018-02-09 | 2018-07-24 | 腾讯科技(深圳)有限公司 | 数据检测方法、装置、检测服务器及存储介质 |
CN108647891A (zh) * | 2018-05-14 | 2018-10-12 | 口口相传(北京)网络技术有限公司 | 数据异常归因分析方法及装置 |
CN108961059A (zh) * | 2018-07-11 | 2018-12-07 | 海南新软软件有限公司 | 数字货币异常交易监控方法、装置及系统 |
CN110311927A (zh) * | 2019-07-30 | 2019-10-08 | 中国工商银行股份有限公司 | 数据处理方法及其装置、电子设备和介质 |
-
2019
- 2019-10-22 CN CN201911010715.4A patent/CN110705654B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102339389A (zh) * | 2011-09-14 | 2012-02-01 | 清华大学 | 一种基于密度的参数优化单分类支持向量机故障检测方法 |
CN103439933A (zh) * | 2013-08-13 | 2013-12-11 | 清华大学 | 一种应用ocsvm的生产过程自适应监控系统及方法 |
CN103439964A (zh) * | 2013-08-13 | 2013-12-11 | 清华大学 | 一种ocsvm监控模型的在线更新系统及方法 |
CN103455943A (zh) * | 2013-09-02 | 2013-12-18 | 深圳市国泰安信息技术有限公司 | 一种股票或股票投资组合波动率的预测方法、装置 |
CN108322347A (zh) * | 2018-02-09 | 2018-07-24 | 腾讯科技(深圳)有限公司 | 数据检测方法、装置、检测服务器及存储介质 |
CN108647891A (zh) * | 2018-05-14 | 2018-10-12 | 口口相传(北京)网络技术有限公司 | 数据异常归因分析方法及装置 |
CN108961059A (zh) * | 2018-07-11 | 2018-12-07 | 海南新软软件有限公司 | 数字货币异常交易监控方法、装置及系统 |
CN110311927A (zh) * | 2019-07-30 | 2019-10-08 | 中国工商银行股份有限公司 | 数据处理方法及其装置、电子设备和介质 |
Non-Patent Citations (2)
Title |
---|
邓森林等: "基于一类支持向量机的财务数据异常模式识别", 《信息工程大学学报》 * |
雨田耳门: "机器学习的解读方法总结_Two Sigma_对冲基金文章翻译计划031", 《知乎》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111784053A (zh) * | 2020-07-01 | 2020-10-16 | 深圳前海微众银行股份有限公司 | 交易风险检测方法、设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110705654B (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10152752B2 (en) | Methods and systems for computing trading strategies for use in portfolio management and computing associated probability distributions for use in option pricing | |
US11748654B2 (en) | Systems and methods of windowing time series data for pattern detection | |
US20200202428A1 (en) | Graphical structure model-based credit risk control | |
US20140081710A1 (en) | System And Method For Presenting Big Data Through A Web-Based Browser Enabed User Interface | |
US20180330437A1 (en) | System and method for online evaluation and underwriting of loan products | |
US11934290B2 (en) | Interactive model performance monitoring | |
US20200234218A1 (en) | Systems and methods for entity performance and risk scoring | |
US10838921B2 (en) | System and method for dynamically updating and displaying backtesting data | |
US11501107B2 (en) | Key-value memory network for predicting time-series metrics of target entities | |
CN112598472A (zh) | 产品推荐方法、装置、系统、介质和程序产品 | |
US20190279302A1 (en) | Automated electronic trade matching sytems and methods | |
US11410111B1 (en) | Generating predicted values based on data analysis using machine learning | |
US20140258176A1 (en) | System and method for dynamic visual representation of estimated financial data | |
WO2022026433A1 (en) | Environmental, social, and governance (esg) performance trends | |
WO2016123657A1 (en) | Computer implemented frameworks and methodologies configured to enable generation of a synthetic profit and loss report based on business data, and loan management based on including risk-based loan construction and pricing and/or pricing based on data analysis of default risk and loss given default parameters | |
CN110866625A (zh) | 促销指标信息生成方法和装置 | |
CN110705654B (zh) | 用于监控资产的方法、装置、电子设备及介质 | |
US20160035026A1 (en) | Online trading systems and methods | |
WO2020150597A1 (en) | Systems and methods for entity performance and risk scoring | |
US11928761B2 (en) | Method for identifying K-line form and electronic device | |
US20160171608A1 (en) | Methods and systems for finding similar funds | |
CN115063145A (zh) | 交易风险因子的预测方法、装置、电子设备和存储介质 | |
JP2022161031A (ja) | 予測モデルを適用して監視リストを生成する方法及びシステム | |
US20210357401A1 (en) | Automatic frequency recommendation for time series data | |
CN113010798A (zh) | 信息推荐方法、信息推荐装置、电子设备及可读存储介质 |
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 |