业务交易额的预测系统的制作方法
【技术领域】
[0001] 本发明涉及数据挖掘时序领域，尤其涉及一种业务交易额的预测系统。
【背景技术】
[0002] T+0结算交易业务要求企业自备资金池，用于对各代理商交易业务提成的垫付。自 备资金池设置过小会影响业务的发展，设置过大又会造成资金成本的浪费，因此对于交易 额的提前预测变得非常有必要。现有的统计方法如移动平均、指数平滑的结果都过于粗糙， 其它的如季节分解、ARMA方法一方面要求数据的时间具有连贯性，另一方面在考虑相关因 素影响的时候又变得不是很灵活。由于T+0业务具有操作上的灵活性，在周末业务刚刚起 步、节假日业务关闭的情况下，上述算法就不能够完全满足实际需要。
【发明内容】
[0003] 针对现有技术存在的问题，本发明提供了一种业务交易额的预测系统，考虑了多 种业务额的影响因素，提高了交易额预测的精度。
[0004] 本发明采用如下技术方案：
[0005] -种业务交易额的预测系统，所述预测系统包括：
[0006] 业务异常检测模块，判断一时段内的历史业务交易额数据是否正常；
[0007] 趋势指数测算模块，与所述业务异常检测模块连接，当所述历史业务交易额数据 正常，根据所述历史业务交易额数据得到趋势指数；
[0008] 周期指数测算模块，与所述业务异常检测模块连接，当所述历史业务交易额数据 正常，根据所述历史业务交易额数据得到周期指数；
[0009] 季节指数测算模块，与所述业务异常检测模块连接，当所述历史交易额正常，根据 所述历史业务交易额数据得到季节指数；
[0010]交易额预测模块，分别与所述趋势指数测算模块、所述周期指数测算模块、所述季 节指数测算模块连接，根据所述趋势指数、所述周期指数、所述季节指数对业务交易额进行 预测，得到业务交易额预测值。
[0011]优选的，所述预测系统还包括：
[0012] 异常数据修正模块，分别与所述业务异常检测模块、所述交易额预测模块连接；以 及，
[0013] 当所述历史业务交易额异常时，所述异常数据修正模块对所述历史业务交易额数 据进行修正，得到修正历史业务交易额数据，所述交易额预测模块根据所述修正历史业务 历史交易额、所述趋势指数、所述周期指数、所述季节指数对业务交易额进行预测，得到业 务交易额预测值。
[0014] 优选的，所述历史业务交易额数据包括日期、时段以及与所述日期、时段对应的历 史业务交易额。
[0015] 优选的，所述业务异常检测模块包括，
[0016] 初始化单元，初始化所述历史业务交易额数据；
[0017] 训练单元，与所述初始化单元连接，学习所述历史业务交易额数据的统计规律，得 到具有上限指标和下限指标的规则集；
[0018] 异常检测单元，与所述训练单元连接，判断所述历史业务数据额是否在所述规则 集的上线指标与所述下线指标的范围内；以及
[0019] 若是则所述历史业务交易额数据正常，否则所述历史业务交易额数据异常。
[0020] 优选的，所述训练单元包括：
[0021] 读取单元，读取所述历史业务交易额数据；
[0022] 比例指数单元，与所述读取单元连接，按照日期计算各个时段的历史业务交易额 数据的比例指数；
[0023] 计算单元，分别与所述比例指数单元、所述读取单元连接，计算各个时段的所述比 例指数的均值和标准差，并且计算各个时段的所述历史业务交易额数据的均值和标准差； [0024]规则集单元，根据所述比例指数的均值和标准差、所述历史业务交易额数据的均 值和标准差，得到具有上限指标和下限指标的规则集。
[0025]优选的，所述计算单元包括：
[0026]比例指数计算单元，计算各个时段的所述比例指数的均值和标准差;其中，
[0027] 所述比例指数的均值PrBAR的计算公式为：
[0028]所述比例指数的标准差PrSD的计算公式为：
[0029]
[0030] 交易额数据计算单元，计算各个时段的所述历史业务交易额数据的均值和标准 差;其中，
[0031 ]所述历史业务交易额数据的均值TrBAR的计算公式为：
[0032]
[0033]所述历史业务交易额数据的标准差TrSD的计算公式为：
[0034]
[0035] 其中，d为日期编码;r为时段编码;η为所述历史业务交易额数据对应的工作日数 量。
[0036]优选的，所述异常检测单元包括：
[0037] 全日异常检测单元，计算一交易日的各个时段的比例指数，得到第一比例指数，判 断所述第一比例指数是否在所述规则集的上线指标与所述下线指标的范围内；
[0038] 半日异常检测单元，计算半个交易日的各个时段的比例指数，得到第二比例指数， 判断所述第二比例指数是否在所述规则集的上线指标与所述下线指标的范围内。
[0039]优选的，所述趋势指数测算模块包括：
[0040] 调取单元，调取所述历史业务交易额数据；
[0041] 时段指数单元，与所述调取单元连接，将所述历史业务交易额数据按照时段分为 多个部分，计算各个部分的每个交易日的时段指数；
[0042]趋势指数单元，与所述时段指数单元连接，按照所述各个部分的时段指数的分位 值计算各个部分的趋势指数；
[0043]趋势修正单元，与所述趋势指数单元连接，对各个部分的所述趋势指数进行修正， 以使各个部分的所述趋势指数的和为1。
[0044]优选的，所述各个部分的分位值的和为1，并且各个部分的分位值均在分位值的中 位数的两端。
[0045]优选的，所述周期指数测算模块包括：
[0046]均值计算单元，计算周期内各个时段比例指数的均值；
[0047]周期测算单元，与所述均值计算单元连接，根据所述各个时段比例指数的均值计 算所述周期指数。
[0048]优选的，所述季节指数测算模块包括：
[0049] 排除单元，计算季节影响的多个阶段的比例指数；
[0050] 季节指数单元，与所述排除单元连接，根据所述季节影响的多个阶段的比例指数 计算所述季节指数。
[0051] 本发明的有益效果是：
[0052]本发明的系统在参考了时间序列多种算法的基础上，整合了包含T+0结算业务的 趋势性、月季节性、周期性、时段加速度和异常修正等多个方面的数据，形成了一个可以应 对业务中经常发生的大部分场景的全新的预测系统。该系统可以有效响应业务趋势、月季 节性因素和周期性因素的影响带来的交易变化，也可以利用异常修正算法响应由于系统性 技术故障带来的异常指标的影响，时段加速度因素检测可以提高特殊性因素带来的业务交 易量突变，总体上达到对交易额很好的预测效果。
【附图说明】
[0053]图1为本发明一种交易额的预测系统的结构示意图；
[0054]图2为本发明训练单元的工作原理图；
[0055] 图3为本发明趋势指数测算模块的工作原理图；
[0056] 图4为本发明规则训练过程中的数据结构图；
[0057] 图5为本发明各时段交易额比例的变化趋势图；
[0058] 图6为本发明交易额趋势的数据结构图；
[0059]图7为本发明总体预测的效果图。
【具体实施方式】
[0060] 需要说明的是，在不冲突的情况下，下述技术方案，技术特征之间可以相互组合。
[0061] 下面结合附图对本发明的【具体实施方式】作进一步的说明：
[0062] 本实施例主要是对交易额的预测提供一种预测模型，本实施例的模型已经取得了 较好的预测效果，其总体的预测效果如图7所示，该预测模型是基于本发明的预测系统实现 的，本实施例预测模型的目标:实现对T0结算业务全天交易额的预测。
[0063] 该模型的输入数据为：日期、时段、交易额；
[0064] 该模型的输出数据为：日期、预测的交易额；
[0065] 输入与输出的数据范围可以为:正常工作日，排除周末，法定节假日；
[0066] 该模型的预测时点：当日14:00至14:30之间，13时数据产生之后;上述的模型参数 仅为本发明的一种实施例，其参数的具体数值可以根据实际情况进行设定，所以并不构成 本发明的限定。
[0067] 实施例一
[0068] 如图1所示，一种业务交易额的预测系统，所述预测系统包括：
[0069] 业务异常检测模块，判断一时段内的历史业务交易额数据是否正常；
[0070] 趋势指数测算模块，与所述业务异常检测模块连接，当所述历史业务交易额数据 正常，根据所述历史业务交易额数据得到趋势指数；
[0071] 周期指数测算模块，与所述业务异常检测模块连接，当所述历史业务交易额数据 正常，根据所述历史业务交易额数据得到周期指数；
[0072] 季节指数测算模块，与所述业务异常检测模块连接，当所述历史交易额正常，根据 所述历史业务交易额数据得到季节指数；
[0073] 交易额预测模块，分别与所述趋势指数测算模块、所述周期指数测算模块、所述季 节指数测算模块连接，根据所述趋势指数、所述周期指数、所述季节指数对业务交易额进行 预测，得到业务交易额预测值。
[0074] 异常数据修正模块，分别与所述业务异常检测模块、所述交易额预测模块连接；以 及，
[0075] 当所述历史业务交易额异常时，所述异常数据修正模块对所述历史业务交易额数 据进行修正，得到修正历史业务交易额数据，所述交易额预测模块根据所述修正历史业务 历史交易额、所述趋势指数、所