基于机器学习技术的证券程序化交易异常分析系统及方法与流程

1.本发明涉及证券交易分析技术领域，特别涉及基于机器学习技术的证券程序化交易异常分析系统及方法。


背景技术：

2.证券交易是指证券持有人依照交易规则，将证券转让给其他投资者的行为，证券交易是一种已经依法发行并经投资者认购的证券的买卖，是一种具有财产价值的特定权利的买卖，也是一种标准化合同的买卖，证券交易已经开始从人工操作往程序化、智能化、自动化的方向发展，程序化交易有着人工交易不能比拟的优势，可以摆脱人类情绪对交易的影响，不受人的体能精力限制，能够快速处理大量的数据，在短时间内作出决策，因此，越来越多的机构以及个人投资者开始寻求能够满足其要求的程序化交易系统。
3.专利号为cn201710436669.9的专利提供了一种证券程序化交易系统和交易方法，其支持跨周期、跨品种的数据调用，可支持各种套利策略的程序化实现，帮助交易者更好的控制交易风险，并可以通过程序化策略自动发现无风险套利的机会；支持多种数学算法，可以为策略开发者提供更多的策略计算工具，助力开发出更具盈利能力的交易策略，扩展的交易策略的范围；为程序化交易爱好者简化了程序化交易的进入门槛，同时高标准的支持了程序化交易开发的平台能力，使得过去大型私募和基金才有财力做到的程序化交易能力，也为广大的交易者提供了同等能力的程序化交易平台；实现策略托管服务器，托管服务器的优势在于保证运行的环境的稳定可靠。
4.而上述专利存在以下问题：1、由于证券的线上程序化交易的普及，交易时间范围内的交易量较大，当程序化交易出现问题时，系统内的异常问题分析能力较差；2、市面上常用的异常问题处理、分析及建议系统通常只具备实际问题单独处理的能力，而遇到重复错误的问题时，需要重新进行问题分析及建议，导致处理效率较低，处理效果较差。


技术实现要素：

5.本发明的目的在于提供基于机器学习技术的证券程序化交易异常分析系统及方法，利用数据库比对模块实现对交易资料关键词与内部正常交易数据进行比对，用以快速查找程序化异常的出处，同时设置常用异常范例数据库进行异常交易信息的储存，当出现相同问题的程序化异常问题时，只需提取常用异常范例数据库中内容及解决方案，并提交至人工分析模块进行二次审查后，经由异常分析汇总评级模块和证券交易建议模块反馈至使用者用户终端处，以解决异常化问题，而新出现的新型异常问题后，经过异常交易人工分析模块分析及建议后，将处理信息发送至常用异常范例数据库，以提高后续相同问题的审核处理效率，以解决上述背景技术中提出的问题。
6.为实现上述目的，本发明提供如下技术方案：
基于机器学习技术的证券程序化交易异常分析系统，包括包括证券交易资料录入模块、交易化资料关键词提取模块、数据库比对模块、常用异常范例数据库、云端证券交易信息数据库、异常交易人工分析模块、异常分析汇总评级模块和证券交易建议模块；所述证券交易资料录入模块，用于用户的证券交易资料的数据库关联下载，或人工手动录入；所述交易资料关键词提取模块，用于数据库下载资料或手动录入的交易资料中关键词的提取，并发送数据库比对请求；所述数据库比对模块，用于将交易数据提取关键词与数据库内交易数据及各类操作数据进行比对，查找证券程序化交易异常问题；所述常用异常范例数据库，通过提取证券程序化交易异常数据，并与异常范例数据库内容进行数据比对，分析证券程序化交易异常问题；所述云端证券交易信息数据库，提供外部大数据证券交易信息，收集并储存各类程序化证券交易信息；所述异常交易人工分析模块，人工检查证券程序化交易内容，并对程序化交易异常问题进行人工排查与分析；所述异常分析汇总评级模块，收集证券程序化异常问题及分析结果，根据问题严重程度进行评级；所述证券交易建议模块，根据证券程序化异常问题的评级，提供系统推荐解决方案或使用人工服务进行解决方案的推荐。
7.进一步的，所述证券交易资料录入模块包括交易资料信息下载模块和人工录入模块。
8.进一步的，所述交易资料关键词提取模块的运行流程，包括如下步骤：s101：识别数据库中证券交易资料下载信息或手动录入的信息内容，根据常用信息及数据库内的设定信息提取内容关键词；s102：根据提取关键词内容进行异常信息分类，并排列各个分类的分析优先度，同时根据信息内容提出粗略解决方案；s103：向云端证券交易信息数据库发送比对申请，并将比对用信息提交至数据库比对模块。
9.进一步的，所述数据库比对模块的运行流程，包括如下步骤：s201：收集交易资料关键词提取模块发送的程序化交易关键词，并向常用异常范例数据库发送比对请求；s202：将程序化交易关键词与数据库内正常交易的信息数据进行比对，查找程序化交易关键词内异常词条并记录；s203：接收常用异常范例数据库中的内容，并使用该内容对程序化交易关键词进行二次比对，再次确认证券程序化交易异常内容；s204：根据程序化交易异常内容的出现频率，自动分析出现异常问题的可能性，并通过数据库系统对异常问题进行分析，并将分析结果发送至异常交易人工分析模块进行审核。
10.进一步的，所述异常交易人工分析模块的运行流程，包括如下步骤：
s301：后台工作人员通过登录信息登录异常交易人工分析模块；s302：逐条查看分析和审核数据库比对模块发送的交易异常问题分析结果；s303：若分析结果及建议内容没问题，则反馈至证券交易使用人员终端，同时将数据发送至常用异常范例数据库进行储存；s304：若分析结果或建议内容错误，则将其储存至异常交易人工分析模块内的临时数据库中；s305：提取临时数据库中的交易数据及异常信息，采用人工分析并反馈至使用者终端，再将数据发送至常用异常范例数据库进行储存。
11.进一步的，所述常用异常范例数据库采用系统移植性好且响应速度快的oracle数据库，数据库比对模块中使用mysql关系数据库。
12.本发明提供另一种技术方案：基于机器学习技术的证券程序化交易异常分析系统的使用方法，包括以下步骤：s1：通过证券交易资料录入模块进行证券程序化交易信息的数据下载，或通过人工输入的方式由使用人员录入证券程序化交易信息的录入，并进行实时审核；s2：由交易资料关键词提取模块对审核通过后的录入信息进行关键词提取，并向内部数据库发送比对请求；s3：由数据库比对模块接收比对请求，提取内部数据库证券交易数据信息，并进行信息关键词的比对，同时发送比对请求至常用异常范例数据库；s4：常用异常范例数据库访问云端证券交易信息数据库进行数据更新，并将异常范例信息反馈至数据库比对模块；s5：由数据库比对模块再次进行证券程序化交易异常范例数据的比对，查找证券程序化交易的异常问题，并将分析结果发送至异常交易人工分析模块进行审核；s6：后台审核分析通过异常交易人工分析模块进行异常问题的再次人工查验，查验后的信息则由异常交易人工分析模块发送至异常分析汇总评级模块进行评级，并通过证券交易建议模块将建议信息反馈至使用者终端；s7：将该证券程序化交易异常信息反馈至常用异常范例数据库进行备案储存。
13.与现有技术相比，本发明的有益效果是：1、本发明提出的基于机器学习技术的证券程序化交易异常分析系统及方法，现有技术中，由于证券的线上程序化交易的普及，交易时间范围内的交易量较大，当程序化交易出现问题时，系统内的异常问题分析能力较差，而利用数据库比对模块实现对交易资料关键词与内部正常交易数据进行比对，用以快速查找程序化异常的出处，当出现相同问题的程序化异常问题时，只需提取常用异常范例数据库中内容及解决方案，并提交至人工分析模块进行二次审查后，经由异常分析汇总评级模块和证券交易建议模块反馈至使用者用户终端处，以解决异常化问题。
14.2、本发明提出的基于机器学习技术的证券程序化交易异常分析系统及方法，现有技术中，市面上常用的异常问题处理、分析及建议系统通常只具备实际问题单独处理的能力，而遇到重复错误的问题时，需要重新进行问题分析及建议，导致处理效率较低，处理效果较差，而设置常用异常范例数据库进行异常交易信息的储存，而新出现的新型异常问题后，经过异常交易人工分析模块分析及建议后，将处理信息发送至常用异常范例数据库，后
续再次遇到该类型问题时，能够快速从常用异常范例数据库中查找近似处理案例，从而有效提高出效率。
附图说明
15.图1为本发明的证券程序化交易异常分析系统的系统模块图；图2为本发明的基于机器学习技术的证券程序化交易异常分析系统运行步骤流程图；图3为本发明的交易资料关键词提取模块的运行步骤流程图；图4为本发明的数据库比对模块的运行步骤流程图；图5为本发明的异常交易人工分析模块的运行步骤流程图。
具体实施方式
16.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。
17.请参阅图1，基于机器学习技术的证券程序化交易异常分析系统，包括包括证券交易资料录入模块、交易化资料关键词提取模块、数据库比对模块、常用异常范例数据库、云端证券交易信息数据库、异常交易人工分析模块、异常分析汇总评级模块和证券交易建议模块；证券交易资料录入模块，用于用户的证券交易资料的数据库关联下载，或人工手动录入，证券交易资料录入模块包括交易资料信息下载模块和人工录入模块；交易资料关键词提取模块，用于数据库下载资料或手动录入的交易资料中关键词的提取，并发送数据库比对请求；数据库比对模块，用于将交易数据提取关键词与数据库内交易数据及各类操作数据进行比对，查找证券程序化交易异常问题，数据库比对模块中使用mysql关系数据库；常用异常范例数据库，通过提取证券程序化交易异常数据，并与异常范例数据库内容进行数据比对，分析证券程序化交易异常问题，常用异常范例数据库采用系统移植性好且响应速度快的oracle数据库；云端证券交易信息数据库，提供外部大数据证券交易信息，收集并储存各类程序化证券交易信息；异常交易人工分析模块，人工检查证券程序化交易内容，并对程序化交易异常问题进行人工排查与分析；异常分析汇总评级模块，收集证券程序化异常问题及分析结果，根据问题严重程度进行评级；证券交易建议模块，根据证券程序化异常问题的评级，提供系统推荐解决方案或使用人工服务进行解决方案的推荐。
18.请参阅图2，为了更好的展现基于机器学习技术的证券程序化交易异常分析系统的使用流程，本实施例现提出基于机器学习技术的证券程序化交易异常分析系统的使用方
法，包括如下步骤：s1：通过证券交易资料录入模块进行证券程序化交易信息的数据下载，或通过人工输入的方式由使用人员录入证券程序化交易信息的录入，并进行实时审核；s2：由交易资料关键词提取模块对审核通过后的录入信息进行关键词提取，并向内部数据库发送比对请求；s3：由数据库比对模块接收比对请求，提取内部数据库证券交易数据信息，并进行信息关键词的比对，同时发送比对请求至常用异常范例数据库；s4：常用异常范例数据库访问云端证券交易信息数据库进行数据更新，并将异常范例信息反馈至数据库比对模块；s5：由数据库比对模块再次进行证券程序化交易异常范例数据的比对，查找证券程序化交易的异常问题，并将分析结果发送至异常交易人工分析模块进行审核；s6：后台审核分析通过异常交易人工分析模块进行异常问题的再次人工查验，查验后的信息则由异常交易人工分析模块发送至异常分析汇总评级模块进行评级，并通过证券交易建议模块将建议信息反馈至使用者终端；s7：将该证券程序化交易异常信息反馈至常用异常范例数据库进行备案储存。
19.请参阅图3，交易资料关键词提取模块的运行流程，包括如下步骤：s101：识别数据库中证券交易资料下载信息或手动录入的信息内容，根据常用信息及数据库内的设定信息提取内容关键词；s102：根据提取关键词内容进行异常信息分类，并排列各个分类的分析优先度，同时根据信息内容提出粗略解决方案；s103：向云端证券交易信息数据库发送比对申请，并将比对用信息提交至数据库比对模块。
20.请参阅图4，数据库比对模块的运行流程，包括如下步骤：s201：收集交易资料关键词提取模块发送的程序化交易关键词，并向常用异常范例数据库发送比对请求；s202：将程序化交易关键词与数据库内正常交易的信息数据进行比对，查找程序化交易关键词内异常词条并记录；s203：接收常用异常范例数据库中的内容，并使用该内容对程序化交易关键词进行二次比对，再次确认证券程序化交易异常内容；s204：根据程序化交易异常内容的出现频率，自动分析出现异常问题的可能性，并通过数据库系统对异常问题进行分析，并将分析结果发送至异常交易人工分析模块进行审核。
21.请参阅图5，异常交易人工分析模块的运行流程，包括如下步骤：s301：后台工作人员通过登录信息登录异常交易人工分析模块；s302：逐条查看分析和审核数据库比对模块发送的交易异常问题分析结果；s303：若分析结果及建议内容没问题，则反馈至证券交易使用人员终端，同时将数据发送至常用异常范例数据库进行储存；s304：若分析结果或建议内容错误，则将其储存至异常交易人工分析模块内的临时数据库中；
s305：提取临时数据库中的交易数据及异常信息，采用人工分析并反馈至使用者终端，再将数据发送至常用异常范例数据库进行储存。
22.综上所述：本发明基于机器学习技术的证券程序化交易异常分析系统及方法，利用数据库比对模块实现对交易资料关键词与内部正常交易数据进行比对，用以快速查找程序化异常的出处，同时设置常用异常范例数据库进行异常交易信息的储存，当出现相同问题的程序化异常问题时，只需提取常用异常范例数据库中内容及解决方案，并提交至人工分析模块进行二次审查后，经由异常分析汇总评级模块和证券交易建议模块反馈至使用者用户终端处，以解决异常化问题，而新出现的新型异常问题后，经过异常交易人工分析模块分析及建议后，将处理信息发送至常用异常范例数据库，以提高后续相同问题的审核处理效率，实现了系统内异常问题的分析及处理，同时有效提高了证券程序化交易异常问题的处理效率。
23.以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。