CN117011049A - 一种基金交易系统中批量交易的方法 - Google Patents

Abstract

本发明提出一种基金交易系统中批量交易的方法，包括如下步骤：S1.根据客户业务数据实时动态生成模板文件；S2.数据文件各列同基金交易实体字段智能化匹配；S3.内存中批量并发执行基金交易，针对批量基金交易中数据量大并且需要快速完成的场景，提供了专门的内存中分组、计算、处理，并发执行的方案。本发明支持多账户批量交易，一键完成所有申购、赎回等操作，同时，本发明支持批量导入多个账户的多笔交易，极速高效，采用智能化技术对数据进行识别和匹配，大大降低校验错误率，提高交易准确性和可靠性；本发明在客户使用便捷性、个性化支持、批量执行性能上方面进行了创新和改进，有助于进一步提升批量交易的执行效率，降低批量交易的业务风险。

Description

一种基金交易系统中批量交易的方法

技术领域

本发明涉及交易方法技术领域，特别是一种基金交易系统中批量交易的方法。

背景技术

基金交易系统是一种金融交易系统，用于管理和执行基金的买卖交易。在传统的基金交易系统中，客户需要逐笔处理不同基金产品的交易，效率低下。为了解决这个问题，部分基金行业公司在自己的基金交易系统中增加了批量交易的功能，提供了多笔基金交易集中录入、提交并执行的方法，通常做法为：客户从基金交易系统下载模板文件并录入交易信息，完成后将交易数据文件上传至基金交易系统，由基金交易系统批量执行。引入批量交易功能后，基金交易系统处理多笔基金交易的效率获得极大提升，但也迎来新的问题和挑战：1.基金交易数据文件中的交易数据需要手工录入，尤其当涉及大批量数据时，录入工作繁琐且容易出错，客户经常感到不便；2.基金交易系统在读取数据文件时，需要将数据文件各列映射至基金交易实体字段，据此读取数据，完成批量交易。此过程中，映射关系建立和维护，是一个需要重点考虑的问题。3.基金交易系统中，批量交易功能一般涉及多笔基金交易，当大批量执行交易时，程序的处理性能至关重要，快速的系统响应往往带来愉悦的客户体验，反之则带来糟糕的客户体验。因此，如何进一步提高批量交易的执行性能是一个挑战。

发明内容

鉴于此，本发明为了解决传统批量基金交易的一些不足，提出了一种基金交易系统中批量交易的方法，具体方案如下：

一种基金交易系统中批量交易的方法，包括如下步骤：

S1.根据客户业务数据实时动态生成模板文件，客户下载数据模板文件时，后台根据登录客户信息，实时查询客户业务数据，动态构建单元格中数据，实时生成客户专属模板文件；

S2.数据文件各列同基金交易实体字段智能化匹配，批量导入基金交易数据时，数据文件各列同基金交易实体字段映射关系，通过此算法实现智能化自动匹配映射；

S3.内存中批量并发执行基金交易，针对批量基金交易中数据量大并且需要快速完成的场景，提供了专门的内存中分组、计算、处理，并发执行的方案。

进一步的，所述步骤S1中，客户下载数据模板文件时，读取客户所属机构、客户ID、角色信息，根据客户信息查询该客户管理的账户名称列表，交易账号列表等客户专属业务数据，将客户专属业务数据填充到模板文件中对应列的下拉框中，生成客户专属模板文件，返回给客户。

进一步的，所述步骤S2中包括有表头的数据文件和无表头的数据文件的识别，有表头的数据文件各列同基金交易实体字段的匹配，以及无表头的数据文件各列同基金交易实体字段的匹配。

进一步的，所述有表头的数据文件和无表头的数据文件的识别，读取数据文件的第一行(可能为表头也可能为数据行)内容，按约定分割符分割为列文本后，组成列文本列表，对列表中列文本进行过滤器分析(使用关键字包含过滤器、数字包含过滤器、正则表达式匹配过滤器)，依据基金交易数据的特征进行分析，来判断是表头还是数据行，基于基金的认购、申购、赎回表头上包含账户、名称、基金、代码、交易、类型等文本的特征判断，列文本经过关键字包含过滤器和正则表达式匹配过滤器分析后，可以判断第一行是否为表头(有表头的数据文件)，基于基金的认购、申购、赎回行数据上包含数字列(认购金额、申购金额、赎回份额)的特征判断，列文本经过数字包含过滤器分析后，可以判断第一行是否为数据行(无表头的数据文件)。

进一步的，所述有表头的数据文件各列同基金交易实体字段的匹配，对于有表头的数据文件，读取表头(第一行)数据，同基金交易数据字段进行算法匹配，获取匹配结果，目前支持精确匹配、关键字模糊匹配、关键字正则表达式匹配3种匹配算法。

进一步的，所述无表头的数据文件各列同基金交易实体字段的匹配中对于无表头的数据文件，抽样选取5行(行数可配置，默认5)样例数据，按约定分割符分割为列文本后，对各列文本进行智能分析，匹配基金交易实体字段，具体步骤如下：

(1).以1％的采样率(采样率可配置，默认1％)使用随机行抽样算法(抽样算法可配置，目前支持随机行抽样算法和行数平均抽样算法两种)选取样例行数据；

(2).循环读取样例行数据，按照约定分隔符将其分割为列文本，每条样例行数据循环执行(3)-(5)的操作；

(3).对各列文本使用中文分词器(IKAnalyzer)进行分词，形成关键字；

(4).对分词后的关键字进行清洗(去空格、去助词、去重等处理)；

(5).将清洗后的关键字映射为基金交易实体字段(关键字同基金交易实体字段映射表，一个可以动态添加数据项的数据集)，如果映射成功，则该列对基金交易实体字段的匹配度增加1分；

(6).行数据循环完成后，各列对基金交易实体字段的匹配度会有一个总分值，当总分值大于抽样行数的50％(基准百分比可配置，默认50％)时，则认为该列对基金交易实体字段匹配成功。

进一步的，所述步骤S3中内存中批量并发执行基金交易，批量读取5000行(批量最大行数可配置，默认5000行，当实际行数小于批量最大行数时取实际行数)的基金交易数据，批量读入基金交易关联的基金和账户数据，用于后续在内存中完成基金、账户业务校验和交易执行，在内存中对基金和账户相同交易的数据进行合并，启动可配置线程池开启并发校验，校验过程中依赖的数据(基金限额、是否代销)均从内存中读取，最大程度减少IO操作，对校验后的基金交易数据，启动可配置线程池开启并发执行。执行过程中所依赖的数据(基金名称、基金类型、持仓数据)均从内存中读取。

与现有技术相比，本发明具有如下有益效果：

本发明支持多账户批量交易，一键完成所有申购、赎回等操作，同时，本发明支持批量导入多个账户的多笔交易，极速高效，采用智能化技术对数据进行识别和匹配，大大降低校验错误率，提高交易准确性和可靠性，减少交易风险；基于内存的分组、计算、处理技术，支持批量交易秒级完成，极速高效；本发明在客户使用便捷性、个性化支持、批量执行性能上方面进行了创新和改进，有助于进一步提升批量交易的执行效率，降低批量交易的业务风险。

附图说明

图1为本发明的流程示意图。

图2为本发明的客户专属模板文件示意图；

图3为本发明的有表头的数据文件内容示意图；

图4为本发明的无表头的数据文件内容示意图；

图5为本发明的有表头的数据文件输入各列、基金交易实体字段、匹配映射结果示意图；

图6为本发明的无表头的数据文件输入各列、基金交易实体字段、匹配映射结果示意图。

具体实施方式

下面结合附图对本发明做进一步说明。

实施例1,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，所描述的实施例仅仅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。

本实施例，参照如图1所示：本专利的具体方案分为三个步骤：

S1.根据客户业务数据实时动态生成模板文件

客户下载模板文件时，

1.读取客户所属机构、客户ID、角色信息。

2.根据客户信息查询该客户管理的账户名称列表，交易账号列表等客户专属业务数据。

3.将客户专属业务数据填充到模板文件中对应列的下拉框中，生成客户专属模板文件，返回给客户。如图2所示为客户专属模板文件；

S2.数据文件各列同基金交易实体字段智能化匹配

包含：有表头的数据文件和无表头的数据文件的识别；有表头的数据文件各列同基金交易实体字段的匹配；无表头的数据文件各列同基金交易实体字段的匹配。

1.有表头的数据文件和无表头的数据文件的识别

(1).读取数据文件的第一行(可能为表头也可能为数据行)内容，按约定分割符分割为列文本后，组成列文本列表。

(2).对列表中列文本进行过滤器分析(目前使用关键字包含过滤器、数字包含过滤器、正则表达式匹配过滤器)，依据基金交易数据的特征进行分析，来判断是表头还是数据行。

(3).基于基金的认购、申购、赎回表头上包含账户、名称、基金、代码、交易、类型等文本的特征判断，列文本经过关键字包含过滤器和正则表达式匹配过滤器分析后，可以判断第一行是否为表头(有表头的数据文件)。有表头的数据文件内容如图3所示。

(4).基于基金的认购、申购、赎回行数据上包含数字列(认购金额、申购金额、赎回份额)的特征判断，列文本经过数字包含过滤器分析后，可以判断第一行是否为数据行(无表头的数据文件)。无表头的数据文件内容如图4所示。

2.有表头的数据文件各列同基金交易实体字段的匹配

对于有表头的数据文件，读取表头(第一行)数据，同基金交易数据字段进行算法匹配，获取匹配结果。目前支持精确匹配、关键字模糊匹配、关键字正则表达式匹配3种匹配算法。数据文件输入各列、基金交易实体字段、匹配映射结果如图5所示：

3.无表头的数据文件各列同基金交易实体字段的匹配

对于无表头的数据文件，抽样选取5行(行数可配置，默认5)样例数据，按约定分割符分割为列文本后，对各列文本进行智能分析，匹配基金交易实体字段。具体步骤如下：

(1).以1％的采样率(采样率可配置，默认1％)使用随机行抽样算法(抽样算法可配置，目前支持随机行抽样算法和行数平均抽样算法两种)选取样例行数据。

(2).循环读取样例行数据，按照约定分隔符将其分割为列文本，每条样例行数据循环执行(3)-(5)的操作。

(3).对各列文本使用中文分词器(IKAnalyzer)进行分词，形成关键字。

(4).对分词后的关键字进行清洗(去空格、去助词、去重等处理)。

(5).将清洗后的关键字映射为基金交易实体字段(关键字同基金交易实体字段映射表，一个可以动态添加数据项的数据集)，如果映射成功，则该列对基金交易实体字段的匹配度增加1分。

(6).行数据循环完成后，各列对基金交易实体字段的匹配度会有一个总分值，当总分值大于抽样行数的50％(基准百分比可配置，默认50％)时，则认为该列对基金交易实体字段匹配成功。数据文件输入各列、基金交易实体字段、匹配映射结果如图6所示：

S3.内存中批量并发执行基金交易

1.批量读取5000行(批量最大行数可配置，默认5000行。当实际行数小于批量最大行数时取实际行数)的基金交易数据。

2.批量读入基金交易关联的基金和账户数据，用于后续在内存中完成基金、账户业务校验和交易执行。

3.在内存中对基金和账户相同交易的数据进行合并，启动可配置线程池开启并发校验，校验过程中依赖的数据(基金限额、是否代销)均从内存中读取，最大程度减少IO操作。

4.对校验后的基金交易数据，启动可配置线程池开启并发执行。执行过程中所依赖的数据(基金名称、基金类型、持仓数据)均从内存中读取，进一步提升并发执行效率。

采用本实施例可以一键完成所有申购、赎回等操作，省时提效，实时动态生成千人千面的客户专属模板文件，使得客户录入基金交易数据更加便捷，同时最大程度避免误录错录的可能，采用智能化技术对数据进行识别和匹配，大大降低校验错误率，提高交易准确性和可靠性，减少交易风险，基于内存的分组、计算、处理技术，支持批量交易秒级完成，极速高效，该方法可广泛应用于基金交易系统中，具有市场前景和商业价值，可以提高金融机构的核心竞争力。

以上描述了本发明的基本原理和主要特征，本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内，发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (7)

1.一种基金交易系统中批量交易的方法，其特征在于，包括如下步骤：

S1.根据客户业务数据实时动态生成模板文件，客户下载数据模板文件时，后台根据登录客户信息，实时查询客户业务数据，动态构建单元格中数据，实时生成客户专属模板文件；

S2.数据文件各列同基金交易实体字段智能化匹配，批量导入基金交易数据时，数据文件各列同基金交易实体字段映射关系，通过此算法实现智能化自动匹配映射；

S3.内存中批量并发执行基金交易，针对批量基金交易中数据量大并且需要快速完成的场景，提供了专门的内存中分组、计算、处理，并发执行的方案。

2.根据权利要求1所述的一种基金交易系统中批量交易的方法，其特征在于，所述步骤S1中，客户下载数据模板文件时，读取客户所属机构、客户ID、角色信息，根据客户信息查询该客户管理的账户名称列表，交易账号列表等客户专属业务数据，将客户专属业务数据填充到模板文件中对应列的下拉框中，生成客户专属模板文件，返回给客户。

3.根据权利要求1所述的一种基金交易系统中批量交易的方法，其特征在于，所述步骤S2中包括有表头的数据文件和无表头的数据文件的识别，有表头的数据文件各列同基金交易实体字段的匹配，以及无表头的数据文件各列同基金交易实体字段的匹配。

4.根据权利要求3所述的一种基金交易系统中批量交易的方法，其特征在于，所述有表头的数据文件和无表头的数据文件的识别，读取数据文件的第一行，可能为表头也可能为数据行内容，按约定分割符分割为列文本后，组成列文本列表，对列表中列文本进行过滤器分析使用关键字包含过滤器、数字包含过滤器、正则表达式匹配过滤器，依据基金交易数据的特征进行分析，来判断是表头还是数据行，基于基金的认购、申购、赎回表头上包含账户、名称、基金、代码、交易、类型等文本的特征判断，列文本经过关键字包含过滤器和正则表达式匹配过滤器分析后，可以判断第一行是否为表头，进而判断该数据文件是否为有表头的数据文件”，基于基金的认购、申购、赎回行数据上包含数字列认购金额、申购金额、赎回份额的特征判断，列文本经过数字包含过滤器分析后，可以判断第一行是否为数据行，进而判断该数据文件是否为无表头的数据文件。

5.根据权利要求3或4所述的一种基金交易系统中批量交易的方法，其特征在于，所述有表头的数据文件各列同基金交易实体字段的匹配，对于有表头的数据文件，读取表头第一行数据，同基金交易数据字段进行算法匹配，获取匹配结果，目前支持精确匹配、关键字模糊匹配、关键字正则表达式匹配3种匹配算法。

6.根据权利要求3所述的一种基金交易系统中批量交易的方法，其特征在于，所述无表头的数据文件各列同基金交易实体字段的匹配中，抽样选取5行样例数据，按约定分割符分割为列文本后，对各列文本进行智能分析，匹配基金交易实体字段，具体步骤如下：

(1)以1％的采样率使用随机行抽样算法，选取样例行数据；

(2)循环读取样例行数据，按照约定分隔符将其分割为列文本，每条样例行数据循环执行(3)-(5)的操作；

(3)对各列文本使用中文分词器IKAnalyzer进行分词，形成关键字；

(4)对分词后的关键字进行清洗(去空格、去助词、去重等处理)；

(5)将清洗后的关键字映射为基金交易实体字段(关键字同基金交易实体字段映射表，一个可以动态添加数据项的数据集)，如果映射成功，则该列对基金交易实体字段的匹配度增加1分；

(6)行数据循环完成后，各列对基金交易实体字段的匹配度会有一个总分值，当总分值大于抽样行数的50％，基准百分比可配置，默认50％时，则认为该列对基金交易实体字段匹配成功。

7.根据权利要求1所述的一种基金交易系统中批量交易的方法，其特征在于，所述步骤S3中内存中批量并发执行基金交易，批量读取5000行，批量最大行数可配置，默认5000行，当实际行数小于批量最大行数时取实际行数的基金交易数据，批量读入基金交易关联的基金和账户数据，用于后续在内存中完成基金、账户业务校验和交易执行，在内存中对基金和账户相同交易的数据进行合并，启动可配置线程池开启并发校验，校验过程中依赖的数据，基金限额、是否代销，均从内存中读取，最大程度减少IO操作，对校验后的基金交易数据，启动可配置线程池开启并发执行。执行过程中所依赖的数据，基金名称、基金类型、持仓数据均从内存中读取。