一种金融领域关联交易的检测方法技术

本发明专利技术属于金融大数据挖掘技术领域，具体为一种金融领域关联交易的检测方法。本发明专利技术方法包括：采用带符号的委托量作为投资者交易活动的特征变量，建立带符号委托量序列；建立投资者交易的统一聚集的带符号委托量序列；计算两个投资者交易行为相似性，建立多个投资者相关系数矩阵；根据一个交易日的相关系数矩阵，构建单日权重图，多个单日权重图合并为一个综合权重图，综合权重图中的一个连通子图对应的投资者集合就是一个潜在关联交易组。本发明专利技术的方法可以在市场风险形成之前采取预防措施，避免演变为重大的风险事件，交易业务一线监管机构可由此开发一套快捷直观的关联交易组监视和发现工具，用于市场监管和风险管理。

【技术实现步骤摘要】
一种金融领域关联交易的检测方法
本专利技术属于金融大数据挖掘
，具体涉及金融市场上各种关联交易的检测方法。
技术介绍
在金融市场上，交易行为是指投资者在交易所平台上买卖金融投资产品的操作和行为。尽管规范的交易活动是市场的主流，但异常交易行为也时常发生，如价格操作和内幕交易，特别在新兴金融市场上，异常交易行为时有出现。金融市场的异常行为不仅影响市场的运行机制、扭曲投资产品的交易价格，也威胁着市场的系统安全和交易的公平性，伤害着正直投资者的交易兴趣。近年来，一种新的异常交易行为正日益出现。一些经验丰富的交易者为了追逐个人利益最大化，组成一个关联交易者小团伙，互相合作操纵某些金融产品的价格运行，误导其他投资者，从中牟取暴利。关联交易活动正成为一种险恶的、隐蔽的市场操纵类型。对于市场监管者和风险管理者来说，从茫茫的市场参与者和巨量的交易数据中发掘出隐藏的关联交易是一个艰巨的任务。这个重大挑战近年来吸引着越来越多市场监管者和研究者的密切关注。通过对市场参与者买卖操作的经验观察和实际分析，可以发现一些检测关联交易的线索。一个关联交易组内的成员之间在交易活动上极其相似，但是和组外的交易者却大相径庭。相似交易行为意味着组内成员在几乎相同或相近的时间点上进行某个投资产品的买卖活动(即同买同卖)，而且他们委托数量是相关的，多少相随变化(即同多同少)。相反，普通交易者之间的交易行为几乎完全不相干，买卖时间和数量不存在明显规律的协同变化。无可否认，一些“聪明的”交易者可能会采取不同的交易策略来抵消交易活动中关联的变化趋势，使其交易行为表现得既普通又正常，制造假象，逃脱监测。但是，成功的伪装不仅需要交易者高超的操盘技能，也可能为了减少交易行为的关联，执行不利的操作，从而付出额外的代价。本专利技术重点检测第一种关联交易行为，即交易者间显示了相似的交易行为模式。目前，还没有根据交易行为的相似性来研究期货市场上关联交易检测的相关工作。但是，已经有一些工作从不同视角研究金融市场上异常交易活动这个主题，例如价格操纵，它是一个重要的交易欺诈行为，已经有不同方法对其进行研究，包括基于模式识别的方法(PalshikarinCOMAD2000)，行为统计模型(KhwajainJ.Finan.Econ2005,HanseninAppl.Econ.Lett.2004,AggarwalinJ.Business2006)，逼仓的理性期望理论(AlleninRev.Finan.2006)和领域驱动数据挖掘(OuinPRICAI2008)。随着金融市场上异常交易活动的日益兴起，投资者之间的关联交易活动引起了研究者们的关注，并从不同方向进行探索，其目的之一是为了解释市场操纵行为。为了从规范的交易操作中识别出不规范的交易模式，Franke等人(GfKl2007)提出了基于谱聚类的检测方法。他们构建了一个交易者网络，描述交易者的行为，并刻画市场。如果市场的实际行为偏离了规则允许的交易行为，则被视为异常活动，将被报告。但是，这个研究使用的是一个实验性的股票市场数据。Palshikar等人(DataMin.Knowl.Discov2008)提出一个图聚类算法，检测关联交易者群体。他们认为关联交易群体内部成员之间交易量非常大，而和群体外其他交易者交易量就很小。为了检测这样的关联交易群体，他们使用模拟的交易数据，构建了股票流图，描述交易者之间的交易关系，并利用图聚类方法发现关联交易群体。Cao等人(KDD2010)认为市场操纵来自一群幕后操纵者的交易活动：幕后操纵者们通力合作，精心安排他们交易的价格、数量和时间，从而操纵市场上三个交易活动序列：买入委托序列、卖出委托序列和成交序列。他们提出了耦合隐马尔科夫模型方法，描述幕后操纵群组成员间的交互行为，进一步从股票的委托薄数据中检测异常操纵交易行为。实际上，关联勾结行为检测在其它领域也进行过探索，包括在线拍卖系统(TrevathaninITNG2007,TrevathaninJ.Comput.2007)、在线推荐系统(LaminWWW2004,SuinWWW2005,ChiritainWIDM2005,ZhanginKDD2006)、在线评价系统(ZhanginWAW2004,WanginExpertSyst.Appl.2008,LiuinProceedingofAsilomarConferenceonSignals,SystemsandComputers2008)和端对端文件共享网络(FeldmaninProceedingsofEC2004,LianinICDCS,2007)。这些系统的解决方案在各自特定的环境下有非常有效的，能够发现关联勾结行为，但对于金融市场上不同的运行和交互机制，这些方法没有一个适用于金融市场上的关联交易行为的检测，具体有三个原因：(1)金融市场上的交易活动是非常复杂的；(2)在一个普通的交易日内，市场上有数百万到数千万的委托单送入交易所的电子交易系统，如此之大规模数据量对于在线拍卖和评价系统中是闻所未闻的；(3)这些领域内的行为评价体系和两个幕后勾结者的行为交互模式不适用于金融市场上高频委托流背后关联交易行为的描述和检测。
技术实现思路
针对金融市场上难以识别关联交易行为的问题，本专利技术提出一种新的金融领域关联交易的检测方法，可以有效地从众多的市场参与者和巨量的交易数据中发掘出隐藏的关联交易行为。本专利技术提出的金融领域关联交易的检测方法，是基于交易行为相似性的关联交易检测方法，具体步骤如下：(1)采用带符号的委托量作为投资者交易活动的特征变量(这个变量能够真实可靠地反映投资者的交易活动意图)，建立带符号委托量序列；(2)建立投资者交易活动的统一聚集的带符号委托量序列，以消除投资者下单时间差所产生的噪音干扰；(3)对于任意两个投资者，计算两者交易行为相似性，即计算任何两个符合长度要求的聚集带符号委托量序列的相关系数；然后对于多个投资者，建立相关系数矩阵；(4)关联交易组的发现：根据一个交易日的相关系数矩阵，构建单日权重图，当相关系数大于一个预定值时，对应的边存在；多个单日权重图合并为一个综合权重图，综合权重图中每一个边的权重为其在多个单日权重图中出现的次数，如果边权重小于预定值，将被抛弃；综合权重图中的一个连通子图对应的投资者集合就是一个潜在关联交易组。实验结果表明，本专利技术的方法可以有效地在大量的交易者和巨量的交易数据中搜寻金融交易中违规违法的小团体。本专利技术的方法也可应用于研究投资者其它行为的相似性，例如，投资者每日持仓变化的相似性，这可以帮助我们从更大时间粒度上研究关联交易和寻找关联交易组。本专利技术的方法中选用的特征变量没有涉及任何价格信息，对于委托价格信息完全透明，它不仅适用于限价委托单，也适用于市价委托单，以及其它价格属性的委托单。下面，进一步介绍本专利技术方法各步骤的具体技术细节：步骤(1)所述用带符号的委托量作为投资者交易活动的特征变量，建立带符号委托量序列；其具体做法如下：首先分析交易过程中限价委托单的具体内容。限价委托单是指投资者以指定价格而非市价买卖金融产品的委托单。一个限价委托单包含有买卖方向、委托价格和委托数量等基本信息。在这些基本信息项中，哪一项能够用于描述投资者交易意图呢？为了回本文档来自技高网...

【技术保护点】
一种金融领域关联交易的检测方法，其特征在于，具体步骤如下：（1）采用带符号的委托量作为投资者交易活动的特征变量，建立带符号委托量序列；（2）建立投资者交易活动的统一聚集的带符号委托量序列，以消除投资者下单时间差所产生的噪音干扰；（3）对于任意两个投资者，计算两者交易行为相似性，即计算任何两个符合长度要求的聚集带符号委托量序列的相关系数；然后对于多个投资者，建立相关系数矩阵；（4）关联交易组的发现：根据一个交易日的相关系数矩阵，构建单日权重图，当相关系数大于一个预定值时，对应的边存在；多个单日权重图合并为一个综合权重图，综合权重图中每一个边的权重为其在多个单日权重图中出现的次数，如果边权重小于预定值，将被抛弃；综合权重图中的一个连通子图对应的投资者集合就是一个潜在关联交易组。

【技术特征摘要】
1.一种金融领域关联交易的检测方法，其特征在于，具体步骤如下：（1）采用带符号的委托量作为投资者交易活动的特征变量，建立带符号委托量序列；（2）建立投资者交易活动的统一聚集的带符号委托量序列，以消除投资者下单时间差所产生的噪音干扰；（3）对于任意两个投资者，计算两者交易行为相似性，即计算任何两个符合长度要求的聚集带符号委托量序列的相关系数；然后对于多个投资者，建立相关系数矩阵；（4）关联交易组的发现：根据一个交易日的相关系数矩阵，构建单日权重图，当相关系数大于一个预定值时，对应的边存在；多个单日权重图合并为一个综合权重图，综合权重图中每一个边的权重为其在多个单日权重图中出现的次数，如果边权重小于预定值，将被抛弃；综合权重图中的一个连通子图对应的投资者集合就是一个潜在关联交易组。2.根据权利要求1所述的金融领域关联交易的检测方法，其特征在于，步骤（1）中所述用带符号的委托量作为投资者交易活动的特征变量，建立带符号委托量序列；具体做法如下：首先分析交易过程中限价委托单的具体内容，将限价委托单中买卖方向和委托数量合并为带符号的委托数量，作为交易活动的特征变量；正号表示买入委托单的委托量，负号表示卖出委托单的委托量；记录一个交易时段内的带符号的委托量，即构成一个带符号委托量的序列；对一个投资者，用表示为他在时刻提交委托事件的带符号委托量，是序列的长度，带符号委托量的序列是一个不均匀间隔的事件序列。3.根据权利要求2所述的金融领域关联交易的检测方法，其特征在于，步骤（2）中所述建立投资者交易活动的统一聚集的带符号委托量序列，具体流程如下：设定一个时间窗口尺寸，对于一个带符号委托量序列，把这个序列分割成一系列长度为为连续窗口切片，每个窗口用时间索引标记，时间索引为从0开始的非负值；第一个窗口标记为0，第二个标记为1，以此类推；对于第个窗口，它的时间索引表示为，它覆盖了时间区间；把每个窗口内委托单的带符号委托量进行累计计算，得到一个单一的结果值，具体计算如下：对于第个窗口，聚集值是时间区间内所有带符号委托量的和，其计算公式为：（1）公式中，是时间戳时委托单的带符号委托量；由此，将一个带符号委托量序列转换为一个聚集时间序列，表示为；此外，丢弃那些聚集值等于零的聚集点，最终，得到聚集的带符号委托量序列，它是一个聚集时间序列；然后，过滤掉只有少量委托请求的投资者，即将每个聚集时间序列的长度和一...

【专利技术属性】
技术研发人员：周水庚，王俊杰，关佶红，
申请(专利权)人：复旦大学，
类型：发明
国别省市：上海,31