一种大宗商品交易中的监管商品智能化推荐方法与系统技术方案

本发明专利技术公开了一种大宗商品交易中的监管商品智能化推荐方法与系统。分为四个部分：大宗商品交易数据和行情数据的数据处理，行情数据关联商品发现，交易数据关联商品发现，构建关联商品集进行智能化推荐监管商品。本发明专利技术解决了大宗商品交易监管中存在的商品监管范围模糊和不确定的问题。首先，对商品的历史行情信息和交易信息进行数据预处理操作。其次，分析不同商品行情数据（价格波动等）的相关性，得到价格波动关联商品。然后，分析不同商品交易数据（交易行为等）的相关性，得到交易事件关联商品。最后，综合以上两步形成的关联商品，最后，构建关联商品集合，并根据监管任务信息对监管商品进行智能化推荐。

【技术实现步骤摘要】
一种大宗商品交易中的监管商品智能化推荐方法与系统
本专利技术属于大宗商品电子商务监管
，尤其涉及一种大宗商品交易中的监管商品智能化推荐方法与系统。
技术介绍
在大宗商品电子交易监管的过程中，监管任务的对象通常包括具体的交易商品。由监管方发起的监管请求中可能需要多种不同的商品，并且在监管的过程中还会涉及到其他的一些关联商品。传统的监管方式，商品监管对象是单一固定的，易出现监管商品不全面等问题的出现；而且当前大宗商品电子商务市场交易模式复杂多变，交易过程中存在着诸多风险，因此对于大宗商品交易的监管十分必要。然而在实际应用过程中，需要监管的商品对象往往设置单一、指向不明确，这些问题加剧了异常商品的查验难度，使得异常商品的关联商品及其上下游商品的异常更加难以被发现。例如，在市场交易中，铁矿石价格的走高，往往可能是其上下游商品的价格异常导致的，而在之前不全面的商品监管中，难以发现这种异常。因此，本专利技术提出的监管商品智能化推荐方法显得尤为重要。
技术实现思路
为解决上述问题，本专利技术公开了一种大宗商品交易中的监管商品智能化推荐方法与系统，该系统分为四个模块：商品交易数据和行情数据的数据处理模块，行情数据关联商品发现模块，交易数据关联商品发现模块，关联商品集构建及监管商品智能化推荐模块。系统中的每个模块配合运行，根据监管任务信息以及监管商品的历史行情数据、交易数据等，计算关联商品集，智能化推荐监管商品，让监管方更好地选择合适的大宗商品进行监管。主要方案如下所述：第一部分是针对大宗商品交易数据和行情数据的数据处理。在实际的大宗商品交易过程中，商品的交易价格波动将导致大量行情数据产生，包括不同的价格月线、日线、分钟线等等；且数据维度多样，包括一天内的最高价、最低价、开盘价、收盘价等，所以实际的价格走势会非常复杂。考虑到以上大宗商品价格的实际特点，首先，针对大宗商品的历史价格时间序列做相应的数据预处理操作。随后，为提升行情数据的可读性，结合大宗商品交易市场的实际情况，选取每天的收盘价作为当天的平均价格。最后，从交易数据中提取出交易商及其参与涉及的交易商品，构建大宗商品交易事务集。第二部分是分析不同商品行情数据的相似性，计算出价格波动关联商品。首先根据上一步建立的商品历史价格时间序列，进行不同商品之间的相似性度量。选取相关系数(即皮尔森相关系数，PearsonCorrelationCoefficient)作为数学工具，度量两个变量之间的相关程度，反映两个变量是正相关还是负相关。相关系数取值范围在[-1,1]之间，-1表示绝对负相关，1表示绝对正相关，0表示没有相关性。分别度量商品之间的短期价格相关性r_short和长期价格相关性r_long，再同时考量上述两种价格相关性r_long和r_short，得到商品价格波动关系的综合相关系数r_sim。若r_sim满足相似度阈值τ，则认为这对商品为价格波动关联商品，并将其加入价格波动关联商品集合中。第三部分是分析不同商品交易数据的相关性，计算出交易事件关联商品。首先，根据之前构建的大宗商品交易事务集，从中提取相应的交易商事务以及商品对应的项。随后，在基于关联规则算法的基础上进行算法改进：第一次扫描事务集，计算每个商品项的支持度计数，将不满足支持度阈值的商品项进行剪枝操作，构建频繁一项集。再根据频繁一项集构建候选二项集，第二次遍历事务集，将不满足阈值的项进行剪枝，构建频繁二项集。最后，根据频繁二项集中的商品遍历交易事务集，并进行置信度计算，将同时满足支持度阈值和置信度阈值的商品定义为交易事件关联商品，并将其加入交易事件关联商品集。第四部分是将之前得到的价格波动关联商品集和交易事件关联商品集进行整合，根据监管任务要求，进行商品监管对象的智能化推荐。以价格波动关联商品集合为主，构建关联商品集，再考虑交易事件关联商品集中出现的相同的商品，将其折合到关联商品集合中。最后，根据监管任务中的初始监管商品要求，在关联商品集中找到对应的商品，推荐给监管方，达到智能化推荐监管商品的目的。本专利技术分析不同商品行情数据的相关性得到价格波动关联商品。从数据库中提取所需商品的历史行情信息，对这些信息进行相应的数据预处理操作，并对不同商品之间的价格波动进行相似性度量，相似性满足阈值，即为它们是价格波动关联商品。其次，分析不同商品交易数据的相关性得到交易事件关联商品。从数据库中提取所需商品的交易信息，进行数据处理得到交易事务集，再对商品进行关联规则算法分析，满足关联规则(即支持度和置信度阈值)，则为交易事件关联商品。最后，综合以上两步形成的关联商品，构建大宗商品关联表，根据用户需求等条件，从当前监控的商品出发，在商品关联表中找到对应的关联商品，将其智能化推荐给监管方。该方法与系统意味着通过软件系统的计算，监管部门可以在监控相关商品时，根据监管任务信息、历史交易信息、行情信息等，对商品监管对象进行智能化选取，大幅提高监管的质量和效率。本专利技术有益效果：(1)提升商品监管范围选取的准确性本专利技术提出的方法与系统基于用户需求进行相关行情数据和交易数据的挖掘，有效地提升了商品监管范围选取的合理性和准确性，增加了发现异常商品的成功率。(2)动态适应性和容错性与传统的基于关联规则的商品推荐方法相比，本专利技术提出的智能化推荐方法只需要构建到频繁二项集就可以进行关联商品提取，简化了大宗商品电子交易相关数据处理，使得技术实现流程清晰，运行稳定。且增加了基于大宗商品行情数据的关联商品挖掘，进一步确保关联商品发现的可靠性，在某些交易数据缺乏的情况下，依旧可以得出行情数据关联商品，实现监管商品的智能化推荐，使得系统具有良好的动态适应性。同时系统之间的各个模块相对独立，且对数据的处理简洁明确，具有更高的容错性。附图说明图1是本专利技术方法的主要原理示意图。图2是发现交易事件关联商品示意图。图3是发现价格波动关联商品示意图。具体实施方式下面结合附图和具体实施方式，进一步阐明本专利技术，应理解下述具体实施方式仅用于说明本专利技术而不用于限制本专利技术的范围。需要说明的是，下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向，词语“内”和“外”分别指的是朝向或远离特定部件几何中心的方向。本实施例的大宗商品交易中的监管商品智能化推荐系统，包括：(1)数据处理该方法与系统的第一个部分是数据处理部分，将大宗商品电子交易市场中的行情数据和交易数据进行提取并处理成可用数据。如前文所述，大宗商品市场交易具有交易数量大、价格波动大、商品种类丰富、涵盖规模广等特点，在实际的交易过程中，将产生大量的行情数据，包括不同的商品价格月线、日线、分钟线等；且数据维度多样，包括一天内的最高价、最低价、开盘价、收盘价等，所以实际的价格走势会非常复杂。考虑到以上大宗商品价格的相关特点，再结合大宗商品交易市场的实际情况，有必要针对大宗商品的历史价格时间序列做相应数据预处理操作：①数据提取：在商品行情数据库中找到商品的历史价格日K数据。...

【技术保护点】
1.一种大宗商品交易中的监管商品智能化推荐系统，其特征在于:该系统包括四个模块：/n第一模块：大宗商品交易数据和和行情数据的数据处理模块；/n第二模块：大宗商品行情数据关联商品发现模块；/n第三模块：交易数据关联商品发现模块；/n第四模块：关联商品集构建及监管商品智能化推荐模块；/n其中系统中的每一个模块配合运行，根据监管任务信息以及大宗商品的历史行情数据、交易数据等，计算出关联商品集合，并智能化推荐监管商品，以达到优化商品监管对象的目的。/n

【技术特征摘要】
1.一种大宗商品交易中的监管商品智能化推荐系统，其特征在于:该系统包括四个模块：
第一模块：大宗商品交易数据和和行情数据的数据处理模块；
第二模块：大宗商品行情数据关联商品发现模块；
第三模块：交易数据关联商品发现模块；
第四模块：关联商品集构建及监管商品智能化推荐模块；
其中系统中的每一个模块配合运行，根据监管任务信息以及大宗商品的历史行情数据、交易数据等，计算出关联商品集合，并智能化推荐监管商品，以达到优化商品监管对象的目的。


2.根据权利要求1所述的大宗商品交易中的监管商品智能化推荐系统，其特征在于：所述大宗商品交易数据处理：首先，针对大宗商品的历史价格时间序列做相应的数据预处理操作；随后，为提升行情数据的可读性，结合大宗商品交易市场的实际情况，选取每天的收盘价作为当天的平均价格；最后，从交易数据中提取出交易商及其参与涉及的交易商品，构建大宗商品交易事务集。


3.根据权利要求2所述的大宗商品交易中的监管商品智能化推荐系统，其特征在于：所述大宗商品交易数据处理模块，首先进行数据清洗，只保留交易商数据以及交易的商品名称等数据；选取其中的商品数据建立商品集I，以描述相应算法的项和项集；项：每种商品对应一个项；项集：项的集合，包含n个项的项集称为n项集；选取其中的交易商建立交易商集T，以描述相应算法的事务和事务集；事务：每一个交易商的买卖行为对应一个事务；事务集：所有事务的集合。


4.根据权利要求1所述的大宗商品交易中的监管商品智能化推荐系统，其特征在于:所述的行情数据的数据处理模块包括以下数据预处理操作：①数据提取：在商品行情数据库中找到商品的历史价格日K数据；②数据填充：将历史数据中的空缺值按前一天的价格进行填充；③重新采样：取当天的收盘价closeprice作为该天的价格；最终建立可读的大宗商品的历史价格时间序列，例如，商品N的价格时间序列为：XN＝[x1,x2,...,xt,...,xn]。


5.根据权利要求4所述的大宗商品交易中的监管商品智能化推荐系统，其特征在于:其中大宗商品行情数据关联商品发现模块，根据行情数据的数据处理模块所建立的商品历史价格时间序列，分析不同商品之间的价格波动相似性得到相应的价格波动关联商品；
通过分析上一步建立的商品价格时间序列，例如商品M和商品N的价格时间序列：XM＝[x1,x2,...,xt,...,xn]和XN＝[x1,x2,...,xt,...,xn]；选取皮尔森相关系数...

【专利技术属性】
技术研发人员：蒋嶷川，叶杨展，刘婷，狄凯，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32