CN116049710A - 一种商品价格智能预警管理系统及方法 - Google Patents

Abstract

本发明涉及商品价格预警技术领域，IPC分类号：g06q，更具体的涉及一种商品价格智能预警管理系统及方法。本发明的目的在于提供设计一种商品价格智能预警管理系统及方法，涵盖商品的数据采集、风险识别、警情计算和展示通知等管理模块，实现对商品价格的高效管理和预警功能。

Description

一种商品价格智能预警管理系统及方法

技术领域

本发明涉及商品价格预警技术领域，IPC分类号：G06Q，更具体的涉及一种商品价格智能预警管理系统及方法。

背景技术

商品的市场价格涉及居民的切身利益，直接影响居民的日常生活，是关系民生的重要因素。在经济体制转轨时期，由于市场发育不成熟，经营者行为不规范，法律制度不健全，商品的市场价格受到商品供求状况、自然灾害、公共事件、人为炒作等多种因素的影响，容易形成价格的剧烈波动，影响了社会稳定和居民日常生活。因此，建立和完善商品的价格监测预警机制与平台系统，有利于及时发现价格波动中的异常情况，及时应对和规避价格风险，保证正常的民生需求，促进经济社会的平稳健康发展。

现有技术1(CN112269912B)公开了一种农业大数据价格预警管理系统及方法，通过对农产品价格数据的采集、价格预警信息的识别、预警信息的管理方面，实现利用农业大数据对农业生产经营的价格管理功能，预警数据合理，推送结果及时有效。现有技术2(CN112418952B)公开了一种基于大数据分析的农产品市场价格预警管理云计算平台，通过获取各种农产品生长期间的各天气数据，提取往年农产品市场中各种农产品的历史价格，计算目前各种农产品供应量的价格影响系数，并统计农产品市场中各种农产品的储存时间，计算目前各种农产品价格的综合影响系数，对比分析各农产品的价格是否处于稳定阶段，将价格处于波动阶段的各种农产品进行预警显示，从而确保能够及时预警，维持了农产品市场供需的平衡。

目前开展的价格监测和预警主要是对居民部分生活消费品基本生活用品的及工、农业生产资料价格的监测，随着价格监测形势和任务及群众关心的热点、舆情信息来看，下一步价格监测的品种和数量也会进一步增加，监测面也越来越宽。但商品价格虚高、隐蔽性问题越来越复杂，商户配合性不够，有些商品涉及商业秘密，调查和监测难度也越来越大。此外，现有所开展的价格监测只是从本局网站上公示，社会影响力小，与行业协会、社会公共服务平台联系少，利用新兴媒体资源不够，价格信息在服务群众方面做得还不够。已有的商品价格预警方法存在监测不及时、不准确、不全面的问题，而且没有形成通用的预警标准体系，难以对商品价格进行有效监测。

现阶段商品价格的波动受到居民的消费能力、价格心理预期、供求关系等因素的影响，导致商品的价格波动是较为复杂的变化过程，对商品价格进行智能预警，成为亟需解决的问题。

发明内容

本发明的目的在于提供设计一种商品价格智能预警管理系统及方法，涵盖商品的数据采集、风险识别、警情计算和展示通知等管理模块，实现对商品价格的高效管理和预警功能。

为实现上述目的，本发明提供如下技术方案：

一种商品价格智能预警管理系统及方法，包括数据采集模块、风险识别模块、警情计算模块、展示通知模块；所述数据采集模块能够实时获取商品价格、百度指数、商品出厂价等信息；所述风险识别模块基于均值比波动系数模型用于设定异常价格风险、异常传导风险类型和识别预警机制；所述警情计算模块利用风险识别模块的结果进行警情等级分类和汇总排序，形成预警结果；所述展示通知模块基于警情计算的结果，自动形成页面警情展示，建立舆情分析报告，并通过短信、微信、邮件等渠道进行消息传递。

进一步，所述数据采集模块，包括价格数据模块、高频数据模块、关联数据模块；

进一步，所述数据采集模块采用人工手动填报、批量文档导入、网络数据抓取、网络应用接口对接上传中一种或几种获取商品价格及其相关数据；

进一步优选地，所述价格数据模块用于获取商品价格数据；

进一步优选地，所述高频数据模块用于获取网络舆情、百度指数和交易信息等数据；

进一步优选地，所述关联数据模块用于统计天气、疫情等因素对商品价格的影响。

进一步，所述风险识别模块包括价格波动预警模型和价格传导预警模型；

进一步优选地，所述风险识别模块中价格波动预警模型对商品价格的风险预警处理方式包括：

1)以时间T为分析时间阶段，此阶段某种商品价格序列为A1， A2，…，An；

2)计算序列中每一个价格与前N个价格的中位数的差值，然后对差值进行从小到大排序，获得价格差值的序列Plist＝P1，…Pj；

3)获得Plist的第一四分位数Q1和第三四分位数Q3，计算Plist 的四分位距PQ13＝Q3-Q1；

4)根据Plist中差值的绝对值和M倍PQ13的差异情况进行价格低风险、中风险和高风险的识别；

在本发明中，采用价格波动预警模型能够在一定程度上，消除由商品基期值不稳定性；能够对商品价格变化比较灵敏，更好的处理警情分析。

进一步优选地，所述风险识别模块中的价格传导预警模型对商品价格的风险预警处理方式为：

1)以时间T为分析时间阶段，此阶段某种商品的某种价格营销因素的数据序列为B1，B2，…，Bn；

2)计算序列中每一个数据与前N个数据的中位数的差值，然后对差值进行从小到大排序，获得数据差值的序列Tlist＝T1，…Tj；

3)获得Tlist的第一四分位数Q1和第三四分位数Q3，计算Tlist 的四分位距TQ13＝Q3-Q1；

4)根据Tlist中差值的绝对值和M倍TQ13的差异情况进行影响因素数据低风险、中风险和高风险的识别；

5)再根据影响因素对价格的传导时间和大小情况对价格进行预测，使用价格波动预警模型对外界因素影响下的价格序列进行预警分析；

在本发明中，采用价格传导预警模型通过结合目标的关联因素综合评价目标的风险等级并进行预警，提高风险预警检测的准确度。

进一步，所述警情计算模块是根据风险识别中的预警模型的数值进行初步分析后，再将不同类别的商品根据警情严重程度和警情次数进行排序汇总，形成警情列表；

进一步，对所述警情列表中对应商品进行归因分析，获取不同采集点或不同商品小类的商品价格波动贡献率排序，用于确定引起价格预警的原因；

进一步，所述警情计算模块还包括基于二次指数平滑的BP神经网络预测模型对商品价格未来走势进行预测；

在本发明中，通过BP神经网络预测模型对原始数据进行二次平滑处理,大大提高了预测精度，为商品价格的变化提供了一个参考，更有利于商品预警挖掘和趋势分析。

进一步，所述展示通知功模块，可以在网页或App中进行警情汇总列表展示，相关警情的严重程度可以通过不同颜色标识进行区分展示包括：商品警情：可以通过折线图以及其中标注的警情时间点进行详细展示；价格警情：自动生成警情分析报告，描述警情现状、分析警情原因、预测价格走势；信息通知：针对不同系统用户可以进行警情消息通知设置，包括消息触发机制、发送周期和通知方式(微信、短信、邮件、系统站内消息)等。

进一步，所述警情预警目标分为某一天警情和某一阶段警情；所述某一天的警情，时间T可以采用某一天向前一个月的时间；所述某一阶段的警情，时间T可以选择包含这一时间阶段的任意时间段。

本发明还公开了一种价格监测预警方法，包括以下步骤：

1)通过数据采集平台采用人工手动填报、批量文档导入、网络数据抓取、网络应用接口对接上传中一种或几种获取商品价格及其相关数据；

2)基于风险识别中价格波动预警模型和价格传导预警模型进行商品价格低风险、中风险和高风险的识别以及外界因素对价格的传导时间和大小情况进行预警分析及预测；

3)根据风险识别中的预警模型进行初步分析后，将不同类别的商品根据警情严重程度和警情次数进行排序汇总，形成警情列表；并针对警情列表中的对应商品进行深入分析，获取不同采集点对不同商品价格波动贡献率排序，用于确定引起价格预警的原因；基于二次指数平滑的BP神经网络预测模型对商品价格未来走势进行预测；

4)警情展示平台对于商品的警情可以通过折线图以及其中标注的警情时间点进行详细展示；对于价格警情，自动生成警情分析报告，描述警情现状、分析警情原因、预测价格走势；对不同系统用户可以进行警情消息通知设置，包括消息触发机制、发送周期和通知方式。

与现有技术相比，本发明的有益效果在于：

1)在本发明中，采用价格波动预警模型能够在一定程度上，消除由商品基期值不稳定性，能够对商品价格变化比较灵敏，更好的处理警情分析；

2)在本发明中，采用价格传导预警模型通过结合目标的关联因素综合评价目标的风险等级并进行预警，提高风险预警检测的准确度；

3)在本发明中，通过BP神经网络预测模型对原始数据进行二次平滑处理,大大提高了预测精度，为商品价格的变化提供了一个参考，更有利于商品预警挖掘和趋势分析；

本发明中，在商品价格数据、高频数据和关联数据的商品大数据基础上，构建了商品大数据管理、智能化警情分析、可视化展示通知的综合管理系统，实现了商品价格的数据管理、预警挖掘、原因分析、趋势预测、自动报告的完整分析流程。

附图说明

参考所附附图，以更加充分的描述本发明的实施例。然而，所附附图仅用于说明和阐述，并不构成对发明的限制。

图1为本发明一种商品价格智能预警管理系统及方法的功能框图。

具体实施方式

图1为本发明一种商品价格智能预警管理系统及方法的功能框图。

如图1所示，本发明提供一种商品价格智能预警管理系统，包括数据采集模块、风险识别模块、警情计算模块、展示通知模块；

数据采集模块能够实时获取商品价格、百度指数、商品出厂价等信息；

风险识别模块基于均值比波动系数模型用于设定异常价格风险、异常传导风险类型和识别预警机制；

警情计算模块利用风险识别模块的结果进行警情等级分类和汇总排序，形成预警结果；

展示通知模块基于警情计算的结果，自动形成页面警情展示，建立舆情分析报告，并通过短信、微信、邮件等渠道进行消息传递。

数据采集模块，包括价格数据模块、高频数据模块、关联数据模块；

数据采集模块采用人工手动填报、批量文档导入、网络数据抓取、网络应用接口对接上传中一种或几种获取商品价格及其相关数据；

价格数据模块用于获取商品价格数据；

高频数据模块用于获取网络舆情、百度指数和交易信息等数据；

关联数据模块用于统计天气、疫情等因素对商品价格的影响。

风险识别模块包括价格波动预警模型和价格传导预警模型；

风险识别模块中价格波动预警模型对商品价格的风险预警处理方式包括：

1)以时间T为分析时间阶段，此阶段某种商品价格序列为A1，A2，…，An；

2)计算序列中每一个价格与前N个价格的中位数的差值，然后对差值进行从小到大排序，获得价格差值的序列Plist＝P1，…Pj；

3)获得Plist的第一四分位数Q1和第三四分位数Q3，计算Plist 的四分位距PQ13＝Q3-Q1；

4)根据Plist中差值的绝对值和M倍PQ13的差异情况进行价格低风险、中风险和高风险的识别；

在本发明中，采用价格波动预警模型能够在一定程度上，消除由商品基期值不稳定性；能够对商品价格变化比较灵敏，更好的处理警情分析。

风险识别模块中的价格传导预警模型对商品价格的风险预警处理方式为：

1)以时间T为分析时间阶段，此阶段某种商品的某种价格营销因素的数据序列为B1，B2，…，Bn；

2)计算序列中每一个数据与前N个数据的中位数的差值，然后对差值进行从小到大排序，获得数据差值的序列Tlist＝T1，…Tj；

3)获得Tlist的第一四分位数Q1和第三四分位数Q3，计算Tlist 的四分位距TQ13＝Q3-Q1；

4)根据Tlist中差值的绝对值和M倍TQ13的差异情况进行影响因素数据低风险、中风险和高风险的识别；

5)再根据影响因素对价格的传导时间和大小情况对价格进行预测，使用价格波动预警模型对外界因素影响下的价格序列进行预警分析；

在本发明中，采用价格传导预警模型通过结合目标的关联因素综合评价目标的风险等级并进行预警，提高风险预警检测的准确度。

警情计算模块是根据风险识别中的预警模型的数值进行初步分析后，再将不同类别的商品根据警情严重程度和警情次数进行排序汇总，形成警情列表；

对所述警情列表中对应商品进行归因分析，获取不同采集点或不同商品小类的商品价格波动贡献率排序，用于确定引起价格预警的原因；

基于二次指数平滑的BP神经网络预测模型对商品价格未来走势进行预测；

在本发明中，通过BP神经网络预测模型对原始数据进行二次平滑处理,大大提高了预测精度，为商品价格的变化提供了一个参考，更有利于商品预警挖掘和趋势分析。

展示通知功模块可以在网页或App中进行警情汇总列表展示，相关警情的严重程度可以通过不同颜色标识进行区分展示包括：

1)商品警情：可以通过折线图以及其中标注的警情时间点进行详细展示；

2)价格警情：自动生成警情分析报告，描述警情现状、分析警情原因、预测价格走势；

3)信息通知：针对不同系统用户可以进行警情消息通知设置，包括消息触发机制、发送周期和通知方式(微信、短信、邮件、系统站内消息)等。

警情预警目标分为某一天警情和某一阶段警情；所述某一天的警情，时间T可以采用某一天向前一个月的时间；所述某一阶段的警情，时间T可以选择包含这一时间阶段的任意时间段。

本发明还公开了一种商品价格智能预警管理，包括以下步骤：

1)通过数据采集平台采用人工手动填报、批量文档导入、网络数据抓取、网络应用接口对接上传中一种或几种获取商品价格及其相关数据；

2)基于风险识别中价格波动预警模型和价格传导预警模型进行商品价格低风险、中风险和高风险的识别以及外界因素对价格的传导时间和大小情况进行预警分析及预测；

3)根据风险识别中的预警模型进行初步分析后，将不同类别的商品根据警情严重程度和警情次数进行排序汇总，形成警情列表；并针对警情列表中的对应商品进行深入分析，获取不同采集点对不同商品价格波动贡献率排序，用于确定引起价格预警的原因；基于二次指数平滑的BP神经网络预测模型对商品价格未来走势进行预测；

4)警情展示平台对于商品的警情可以通过折线图以及其中标注的警情时间点进行详细展示；对于价格警情，自动生成警情分析报告，描述警情现状、分析警情原因、预测价格走势；对不同系统用户可以进行警情消息通知设置，包括消息触发机制、发送周期和通知方式。

Claims (10)

1.一种商品价格智能预警管理系统，其特征在于，包括数据采集模块、风险识别模块、警情计算模块、展示通知模块；所述数据采集模块能够实时获取商品价格、百度指数、商品出厂价等信息；所述风险识别模块基于均值比波动系数模型用于设定异常价格风险、异常传导风险类型和识别预警机制；所述警情计算模块利用风险识别模块的结果进行警情等级分类和汇总排序，形成预警结果；所述展示通知模块基于警情计算的结果，自动形成页面警情展示，建立舆情分析报告，并通过短信、微信、邮件等渠道进行消息传递。

2.根据权利要求1所述的一种商品价格智能预警管理系统，其特征在于，所述数据采集模块，包括价格数据模块、高频数据模块、关联数据模块；

所述数据采集模块采用人工手动填报、批量文档导入、网络数据抓取、网络应用接口对接上传中一种或几种获取商品价格及其相关数据。

3.根据权利要求2所述的一种商品价格智能预警管理系统，其特征在于，所述价格数据模块用于获取商品价格数据；所述高频数据模块用于获取网络舆情、百度指数和交易信息等数据；所述关联数据模块用于统计天气、疫情等因素对商品价格的影响。

4.根据权利要求1所述的一种商品价格智能预警管理系统，其特征在于，所述风险识别模块包括价格波动预警模型和价格传导预警模型。

5.根据权利要求4所述的一种商品价格智能预警管理系统，其特征在于，所述风险识别模块中价格波动预警模型对商品价格的风险预警处理方式包括：

S-1)以时间T为分析时间阶段，此阶段某种商品价格序列为A1，A2，…，An；

S-2)计算序列中每一个价格与前N个价格的中位数的差值，然后对差值进行从小到大排序，获得价格差值的序列Plist＝P1，…Pj；

S-3)获得Plist的第一四分位数Q1和第三四分位数Q3，计算Plist的四分位距PQ13＝Q3-Q1；

S-4)根据Plist中差值的绝对值和M倍PQ13的差异情况进行价格低风险、中风险和高风险的识别。

6.根据权利要求4所述的一种商品价格智能预警管理系统，其特征在于，所述风险识别模块中的价格传导预警模型对商品价格的风险预警处理方式包括：

S2-1)以时间T为分析时间阶段，此阶段某种商品的某种价格营销因素的数据序列为B1，B2，…，Bn；

S2-2)计算序列中每一个数据与前N个数据的中位数的差值，然后对差值进行从小到大排序，获得数据差值的序列Tlist＝T1，…Tj；

S2-3)获得Tlist的第一四分位数Q1和第三四分位数Q3，计算Tlist的四分位距TQ13＝Q3-Q1；

S2-4)根据Tlist中差值的绝对值和M倍TQ13的差异情况进行影响因素数据低风险、中风险和高风险的识别；

S2-5)再根据影响因素对价格的传导时间和大小情况对价格进行预测，使用价格波动预警模型对外界因素影响下的价格序列进行预警分析。

7.根据权利要求1所述的一种商品价格智能预警管理系统，其特征在于，所述警情计算模块是根据风险识别中的预警模型的数值进行初步分析后，再将不同类别的商品根据警情严重程度和警情次数进行排序汇总，形成警情列表；

对所述警情列表中对应商品进行归因分析，获取不同采集点或不同商品小类的商品价格波动贡献率排序，用于确定引起价格预警的原因；所述警情计算模块还包括基于二次指数平滑的BP神经网络预测模型对商品价格未来走势进行预测。

8.根据权利要求1所述的一种商品价格智能预警管理系统，其特征在于，所述展示通知功模块，可以在网页或App中进行警情汇总列表展示，相关警情的严重程度可以通过不同颜色标识进行区分展示包括：

商品警情：可以通过折线图以及其中标注的警情时间点进行详细展示；

价格警情：自动生成警情分析报告，描述警情现状、分析警情原因、预测价格走势；

信息通知：针对不同系统用户可以进行警情消息通知设置，包括消息触发机制、发送周期和通知方式(微信、短信、邮件、系统站内消息)等。

9.根据权利要求1所述的一种商品价格智能预警管理系统，其特征在于，所述警情预警目标分为某一天警情和某一阶段警情；所述某一天的警情，时间T可以采用某一天向前一个月的时间；所述某一阶段的警情，时间T可以选择包含这一时间阶段的任意时间段。

10.一种如权利要求1-9任一项所述一种商品价格智能预警系统的方法，其特征在于，本发明还公开了一种商品价格智能预警方法，包括以下步骤：

1)通过数据采集平台采用人工手动填报、批量文档导入、网络数据抓取、网络应用接口对接上传中一种或几种获取商品价格及其相关数据；

2)基于风险识别中价格波动预警模型和价格传导预警模型进行商品价格低风险、中风险和高风险的识别以及外界因素对价格的传导时间和大小情况进行预警分析及预测；

3)根据风险识别中的预警模型进行初步分析后，将不同类别的商品根据警情严重程度和警情次数进行排序汇总，形成警情列表；并针对警情列表中的对应商品进行深入分析，获取不同采集点对不同商品价格波动贡献率排序，用于确定引起价格预警的原因；基于二次指数平滑的BP神经网络预测模型对商品价格未来走势进行预测；

4)警情展示平台对于商品的警情可以通过折线图以及其中标注的警情时间点进行详细展示；对于价格警情，自动生成警情分析报告，描述警情现状、分析警情原因、预测价格走势；对不同系统用户可以进行警情消息通知设置，包括消息触发机制、发送周期和通知方式。

Images