本公开提供了一种交易保证金的确定方法，可以应用于金融领域或其他领域。该确定方法包括：获取用于确定交易保证金的交易数据，并确定所述交易数据对应的产品类型；基于预先训练的与所述产品类型对应的路径选择模型，确定所述交易保证金的目标计算路径，其中，所述路径选择模型是基于决策树算法预先训练得到的；以及按照所述交易数据和所述目标计算路径，确定所述交易保证金。本公开还提供了一种交易保证金的确定装置、设备、存储介质和程序产品。存储介质和程序产品。存储介质和程序产品。
【技术实现步骤摘要】
交易保证金的确定方法、装置和电子设备
[0001]本公开涉及金融领域，更具体地，涉及一种交易保证金的确定方法、装置、设备、介质和程序产品。
技术介绍
[0002]交易保证金是指金融市场进行交易时需要缴纳的保证金。
[0003]在实现本公开构思的过程中，专利技术人发现，目前在确定交易保证金时，需要先利用蒙特卡洛算法进行多次模拟，以选择出最优计算路径，然而，由于模拟过程复杂，涉及的因素多，无法准确、快速的选取出最优的计算路径，导致交易保证金的计算速度慢，计算效率低。
技术实现思路
[0004]鉴于上述问题，本公开提供了一种交易保证金的确定方法、装置、设备、介质和程序产品。
[0005]根据本公开的第一个方面，提供了一种交易保证金的确定方法，所述方法包括：获取用于确定交易保证金的交易数据，并确定所述交易数据对应的产品类型；基于预先训练的与所述产品类型对应的路径选择模型，确定所述交易保证金的目标计算路径，其中，所述路径选择模型是基于决策树算法预先训练得到的；以及按照所述交易数据和所述目标计算路径，确定所述交易保证金。
[0006]根据本公开的实施例，按照以下方式构建与所述产品类型对应的路径选择模型：获取与所述产品类型对应的样本数据，其中，所述样本数据包括历史交易数据和历史目标计算路径；和基于所述样本数据，利用决策树算法构建与所述产品类型对应的路径选择模型。
[0007]根据本公开的实施例，所述基于所述样本数据，利用决策树算法构建与所述产品类型对应的路径选择模型的步骤包括：S1.基于所述样本数据，建立初始路径选择模型；S2.根据所述历史目标计算路径和所述初始路径选择模型，计算得到残差；S3.拟合所述残差，得到残差决策树；S4.利用所述残差决策树更新所述初始路径选择模型，得到更新后的路径选择模型；以及S5.将所述更新后的路径选择模型替换所述初始路径选择模型，返回执行S2
‑
S4的步骤，直至达到预设次数后，将最新更新后的路径选择模型作为与所述产品类型对应的路径选择模型。
[0008]根据本公开的实施例，所述基于预先训练的与所述产品类型对应的路径选择模型，确定所述交易保证金的目标计算路径的步骤包括：从所述交易数据中提取影响因素数据，其中，所述影响因素数据为影响目标计算路径选择的数据；和将所述影响因素数据输入到所述路径选择模型中，得到所述路径选择模型输出的所述交易保证金的目标计算路径。
[0009]根据本公开的实施例，所述从所述交易数据中提取影响因素数据的步骤包括：确定与所述产品类型对应的影响因素，其中，所述影响因素包括影响目标计算路径选择的因
素；和从所述交易数据中提取与所述影响因素对应的影响因素数据。
[0010]根据本公开的实施例，所述确定与所述产品类型对应的影响因素的步骤包括：确定与所述产品类型对应的候选影响因素；和对所述候选影响因素进行降维处理，得到与所述产品类型对应的影响因素。
[0011]根据本公开的实施例，所述按照所述交易数据和所述目标计算路径，确定所述交易保证金的步骤包括：将所述交易数据按照所述目标计算路径进行计算，得到敏感度；和基于所述交易数据和所述敏感度，计算得到交易保证金。
[0012]根据本公开的实施例，所述产品类型包括：利率类、外汇类、信用类、股票类和商品类中的一种。
[0013]本公开的第二方面提供了一种交易保证金的确定装置，包括：获取模块，用于获取用于确定交易保证金的交易数据，并确定所述交易数据对应的产品类型；第一确定模块，用于基于预先训练的与所述产品类型对应的路径选择模型，确定所述交易保证金的目标计算路径，其中，所述路径选择模型是基于决策树算法预先训练得到的；以及第二确定模块，用于按照所述交易数据和所述目标计算路径，确定所述交易保证金。
[0014]根据本公开的实施例，所述第一确定模块包括模型训练单元，所述模型训练单元包括第一获取子模块，用于获取与所述产品类型对应的样本数据，其中，所述样本数据包括历史交易数据和历史目标计算路径；和构建子模块，用于基于所述样本数据，利用决策树算法构建与所述产品类型对应的路径选择模型。
[0015]根据本公开的实施例，所述构建子模块构建与所述产品类型对应的路径选择模型的步骤包括：S1.基于所述样本数据，建立初始路径选择模型；S2.根据所述历史目标计算路径和所述初始路径选择模型，计算得到残差；S3.拟合所述残差，得到残差决策树；S4.利用所述残差决策树更新所述初始路径选择模型，得到更新后的路径选择模型；以及S5.将所述更新后的路径选择模型替换所述初始路径选择模型，返回执行S2
‑
S4的步骤，直至达到预设次数后，将最新更新后的路径选择模型作为与所述产品类型对应的路径选择模型。
[0016]根据本公开的实施例，所述第一确定模块包括提取单元，用于从所述交易数据中提取影响因素数据，其中，所述影响因素数据为影响目标计算路径选择的数据；和输入单元，用于将所述影响因素数据输入到所述路径选择模型中，得到所述路径选择模型输出的所述交易保证金的目标计算路径。
[0017]根据本公开的实施例，所述提取单元包括第二确定子模块，用于确定与所述产品类型对应的影响因素，其中，所述影响因素包括影响目标计算路径选择的因素；和提取子模块，用于从所述交易数据中提取与所述影响因素对应的影响因素数据。
[0018]根据本公开的实施例，所述第二确定子模块包括第三确定子模块，用于确定与所述产品类型对应的候选影响因素；和降维子模块，用于对所述候选影响因素进行降维处理，得到与所述产品类型对应的影响因素。
[0019]根据本公开的实施例，所述第二确定模块包括第一计算单元，用于将所述交易数据按照所述目标计算路径进行计算，得到敏感度；和第二计算单元，用于基于所述交易数据和所述敏感度，计算得到交易保证金。
[0020]本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得
一个或多个处理器执行上述方法。
[0021]本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述方法。
[0022]本公开的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述方法。
附图说明
[0023]通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：
[0024]图1示意性示出了根据本公开实施例的交易保证金的确定方法、装置、设备、介质和程序产品的应用场景图；
[0025]图2示意性示出了根据本公开实施例的交易保证金的确定方法流程图；
[0026]图3示意性示出了根据本公开实施例的构建路径选择模型的流程图；
[0027]图4示意性示出了根据本公开实施例的交易保证金的确定装置的结构框图；以及
本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种交易保证金的确定方法，其特征在于，所述方法包括：获取用于确定交易保证金的交易数据，并确定所述交易数据对应的产品类型；基于预先训练的与所述产品类型对应的路径选择模型，确定所述交易保证金的目标计算路径，其中，所述路径选择模型是基于决策树算法预先训练得到的；以及按照所述交易数据和所述目标计算路径，确定所述交易保证金。2.根据权利要求1所述的方法，其特征在于，按照以下方式构建与所述产品类型对应的路径选择模型：获取与所述产品类型对应的样本数据，其中，所述样本数据包括历史交易数据和历史目标计算路径；和基于所述样本数据，利用决策树算法构建与所述产品类型对应的路径选择模型。3.根据权利要求2所述的方法，其特征在于，所述基于所述样本数据，利用决策树算法构建与所述产品类型对应的路径选择模型的步骤包括：S1.基于所述样本数据，建立初始路径选择模型；S2.根据所述历史目标计算路径和所述初始路径选择模型，计算得到残差；S3.拟合所述残差，得到残差决策树；S4.利用所述残差决策树更新所述初始路径选择模型，得到更新后的路径选择模型；以及S5.将所述更新后的路径选择模型替换所述初始路径选择模型，返回执行S2
‑
S4的步骤，直至达到预设次数后，将最新更新后的路径选择模型作为与所述产品类型对应的路径选择模型。4.根据权利要求1所述的方法，其特征在于，所述基于预先训练的与所述产品类型对应的路径选择模型，确定所述交易保证金的目标计算路径的步骤包括：从所述交易数据中提取影响因素数据，其中，所述影响因素数据为影响目标计算路径选择的数据；和将所述影响因素数据输入到所述路径选择模型中，得到所述路径选择模型输出的所述交易保证金的目标计算路径。5.根据权利要求4所述的方法，其特征在于，所述从所述交易数...
【专利技术属性】
技术研发人员：罗阳，陈茜茜，朱佳宁，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。