大宗商品交易异常事件强度检测方法技术

一种大宗商品交易异常事件强度检测方法，通过构建异常事件的强度模型后计算异常事件的强度。本发明专利技术针对不同量级的数据差异使用相同的计算方法都可以得到较好的效果，可以满足不同交易平台对不同异常事件的需求，便于交易平台的配置与使用。平台的配置与使用。平台的配置与使用。

【技术实现步骤摘要】
大宗商品交易异常事件强度检测方法


[0001]本专利技术涉及的是一种信息处理领域的技术，具体是一种根据大宗商品中交易异常事件的一些数值上的特征计算其强度的方法。旨在为异常事件强度的计算提供一种统一、科学的方法，同时满足异常事件数值较大时异常事件的强度指示同一数量级的数值，数值较小时指示更为精细的变化。

技术介绍

[0002]大宗商品领域交易量大，在一个大宗商品交易平台中，可能发生着许多的异常。例如存在用户自买自卖、频繁报撤单或用户间相互交易等影响市场价格的行为。在发现上述事件后，如何对这些事件的强度进行衡量是一个重要问题。例如自买自卖交易金额的数量可能有上千万时，才与造成市场价格的波动几个百分点具有同样严重的后果。且在不同的交易平台，由于交易规则和市场规模的不同，每个事件的异常等级也应该有所区分。如何在同一个计算方法中，将多个不同的数据综合考虑，从而得到关于某事件的异常事件的强度是一个在对大宗商品进行异常监测后所必须考虑的问题。

技术实现思路

[0003]本专利技术针对现有技术存在的上述不足，提出一种大宗商品交易异常事件强度检测方法，针对不同量级的数据差异使用相同的计算方法都可以得到较好的效果，可以满足不同交易平台对不同异常事件的需求，便于交易平台的配置与使用。
[0004]本专利技术是通过以下技术方案实现的：
[0005]本专利技术涉及一种大宗商品交易异常事件强度检测方法，具体包括：
[0006]1)构建异常事件的强度模型：对于某种可能为异常的事件，其异常的强弱可能与多种因素相关。例如对于自买自卖影响市场价格的事件，其进行的自买自卖交易次数、交易金额、对市场价格的影响幅度等都会成为判定其异常强弱的方面。设某事件第i种因素的数值为x
i
，则需要找到一个具体的方法F，以得到该事件的异常事件的强度A＝F(x1,x2,x3,
…
,x
n
)。
[0007]2)计算异常事件的强度：对于事件中的每个因素x
i
，设定两个参数值α
i
与β
i
，对于该因素x
i
的异常事件的强度A
i
＝f(x
i
,α
i
,β
i
)，则该异常事件的异常事件的强度为)，则该异常事件的异常事件的强度为0≤A
i
<10，0≤A<10；当因素固定大于某一值或可能为负值时，将其转换为在[0,+∞)的范围内。
[0008]所述的异常事件，根据强弱划分为：无异常、轻微异常、异常、严重异常。
[0009]当异常事件的强度A满足A＝0时，认为该事件无异常；当满足0<A<5时，认为该事件的异常等级为轻微异常；当满足5≤A<8时，认为该事件的异常等级为异常；当满足8≤A<10时，认为该事件的异常等级为严重异常。
[0010]所述的参数值α
i
代表用户设置的轻微异常与异常的分解线，x
i
大于α
i
时，时，
[0011]所述的参数值β
i
代表用户设置的异常与严重异常的分解线，x
i
大于β
i
时，时，
[0012]本专利技术涉及一种实现上述方法的系统，包括：异常事件输入单元、异常事件参数设置单元和异常事件检测单元，其中：异常事件输入单元根据输入的事件的可量化的信息，进行数据范围预处理，将所有数据的取值范围放在[0,+∞)之间；异常事件参数设置单元根据不同事件类型，获取相对对应的参数；异常事件检测单元根据异常事件输入单元处理后的信息，与异常事件参数设置单元获取的事件参数进行配对并分别为每个异常事件计算异常强度。
附图说明
[0013]图1为选择α
i
＝104，β
i
＝106时，异常事件的强度随因素变化的曲线，此时因素可能为自买自卖金额等大额项；
[0014]图2为选择α
i
＝10，β
i
＝50时，异常事件的强度随因素变化的曲线，此时因素可能为自买自卖交易次数等；
[0015]图3为选择α
i
＝0.03，β
i
＝0.05时，异常事件的强度随因素变化的曲线，此时因素可能为自买自卖造成市场价格变化等。
具体实施方式
[0016]如图1所示，为本实施例涉及一种大宗商品交易异常事件强度检测方法，包括以下步骤：
[0017]步骤一、采集异常事件的因素：为了对异常事件进行强度的判定，首先需要利用每类事件一些可以量化的特征，例如自买自卖金额、利益输送金额、自买自卖次数、撤单次数、撤单频率等。假定所有特征越大代表事件越不正常，否则取绝对值。对于取值范围不为[0,+∞)的参数，需要将其最小值平移到0。
[0018]步骤二、确定异常事件的参数：对于每类异常事件，需要对其的每个因素x
i
对应的参数α
i
和参数β
i
进行设置，设置方法为，交易市场根据自身交易的实际情况，对于x
i
选择其感兴趣的异常区间，在该区间内的异常事件的强度的等级即为异常，比该区间大的为严重异常，将区间的左、右边界分别作为α
i
与β
i
。
[0019]对于某交易平台来时，某事件的特定金额落在一定区间内是比较感兴趣的，比该区间小的事件可能并不是非常严重的事件，具体数据并不需要特别关心，而比该区间大的事件为非常严重的事件，其严重程度需要立即处理，具体数值在这里已经不具有比较意义了。
[0020]步骤三、进行监测：对于给定的事件，根据确定的参数及因素，得到该事件的异常事件的强度，并异常事件的强度与异常等级的对应关系转换为异常等级分类存储及警告。
最终由交易平台的人员根据异常等级及强度对相应的异常事件进行复查。
[0021]进行模拟实验，与归一化、平移取对数再进行归一化的方法进行对比。具体实验为，设置3种模拟事件的场景，并针对三种方法独立设置其合适的参数值。第一种场景下，事件因素的分布为1000到107之间的随机分布，第二种场景下，事件因素的分布为5到100的随机分布，第三种场景下，事件因素的分布为0.001到0.1的随机分布。其中归一化方法为对于一组数据的最小值a与最大值b，有平移取对数再进行归一化的方法为，先将数的范围由[a,b]平移至[1,b
‑
a+1]，再取对数后进行归一化。对于每种实验场景，均为本专利技术涉及的方法选择合适的参数。
[0022]在表格中列出事件的异常强度随事件因素的变化。
[0023]表1：实验一数量级较大场景下的异常强度计算结果因素范围在1000到1071000104105106107本方法(103,106)3.335.006.678.008.89本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大宗商品交易异常事件强度检测方法，其特征在于，构建异常事件的强度模型并确定异常事件的参数，然后计算异常事件的强度，具体为：对于事件中的每个因素x
i
，设定两个参数值α
i
与β
i
，对于该因素x
i
的异常事件的强度A
i
＝f(x
i
,α
i
,β
i
)，则该异常事件的异常事件的强度为当因素固定大于某一值或可能为负值时，将其转换为在[0,+∞)的范围内。2.根据权利要求1所述的大宗商品交易异常事件强度检测方法，其特征是，所述的异常事件，根据强弱划分为：无异常、轻微异常、异常、严重异常；当异常事件的强度A满足A＝0时，认为该事件无异常；当满足0<A<5时，认为该事件的异常等级为轻微异常；当满足5≤A<8时，认为该事件的异常等级为异常；当满足8≤...

【专利技术属性】
技术研发人员：易平，李仪浩，李想，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：