基于指令流毒性指标的证券交易风险预警方法及系统与流程

本发明属于数据风险预警领域，尤其涉及一种基于指令流毒性指标的证券交易风险预警方法。

背景技术：

随着金融市场电子化交易的迅速普及，尤其是融合量化交易技术的新型电子化交易市场的飞速发展，量化交易及其监管成为了前沿和热点问题。对这些市场的监管的实时性和准确性都提出了更高的要求。而在2013年8月16日上午发生了光大乌龙指事件，我国沪指突然在不到一分钟内脉冲式急速拉高了一百多点，涨幅超过5％，成交额达到了87亿元。无独有偶，继光大乌龙指事件后，美国高盛公司的股票期权电子交易出现重大失误，导致当日开盘后的期权价格出现大幅波动，而在仅隔两天之后，美国纳斯达克交易所又出现行情问题，市场在三个小时内无法正常运作。类似极端事件在过去的一段事件内都发生过不止一次，范围涉及国内外，那么未来很有可能会再次发生，且频度可能越来越高，造成的影响越来越严重。

光大乌龙指事件及类似极端事件的发生，使得量化交易的监管变得十分迫切。鉴于量化交易市场瞬息万变的特点，量化交易的监管应当使用量化手段来实施。那么量化监管就需要有相应的指标与体系，可以测量高频市场的指令流毒性且不需要对难以获取的参数进行估计，可以预测短期毒性诱导的波动，特别是当涉及到大的价格波动的时。

综合国内外研究而言，国外研究学者从市场微观结构——信息模型出发，研究得出指令流毒性指标(VPIN)模型来直接估计高频交易中的指令流毒性，并基于“闪电崩盘”提供了验证。但VPIN模型中的关键参数设定是由研究者的经验值而定，并非一个科学的值，该模型算法仍有待提升。

现有的测量指令流毒性的方法中样本的采集较为单一，并且在VPIN计算中，采用固定时间间隔的方式对参数进行估计，使得指令流毒性指标(VPIN)计算结果不准确。

技术实现要素：

为了解决现有技术的缺点，本发明的第一目的是提供一种基于指令流毒性指标的证券交易风险预警方法。

本发明的一种基于指令流毒性指标的证券交易风险预警方法，该方法在风险预警服务器内完成，该方法具体包括：

步骤(1)：从证券交易服务器内实时获取交易信息；交易信息包括交易时间和交易时间点处的交易量，交易量包括买量和卖量，交易时间点为分钟时刻点或小时时刻点；

步骤(2)：将实时获取的交易信息按照交易时间连续存储至若干个交易信息集合中，每个交易信息集合所容纳的总交易量均等于预设交易量阈值；当一个交易信息集合内的总交易量等于预设交易量阈值时，再继续将交易信息存储至其他交易信息集合中；

步骤(3)：根据每个交易信息集合中的买量和卖量差的绝对值与相应交易信息集合所容纳的总交易量的比值，得到每个交易信息集合的等交易量交易概率；

步骤(4)：以当前交易时间为界限，求取在当前交易时间之前且最接近当前交易时间的n个连续交易信息集合的平均等交易量交易概率，并作为当前交易时间的流毒性指标；其中，n为正整数；

步骤(5)：将当前交易时间的流毒性指标与预设流毒性指标阈值范围比较，当前者落在后者范围内，输出风险预警信号。

本发明的该方法从证券交易服务器内实时获取包括交易时间和交易时间点处的交易量的交易信息作为样本分析及计算，将实时获取的交易信息按照交易时间连续存储至若干个容纳总交易量为预设交易量阈值的交易信息集合中，再根据每个交易信息集合中的买量和卖量差的绝对值与相应交易信息集合所容纳的总交易量的比值，得到每个交易信息集合的等交易量交易概率，然后在当前交易时间之前且最接近当前交易时间的n个连续交易信息集合的平均等交易量交易概率，并作为当前交易时间的流毒性指标；其中，n为正整数；该方法提高了当前交易时间的流毒性指标计算的速度，量化了交易市场，通过流毒性指标与预设流毒性指标阈值范围比较，来启动报警机制，减少交易，保证其能在瞬时止损，使得交易市场事前预警更加准确、可靠。

进一步地，在所述步骤(2)中，还包括对交易信息集合按照交易时间进行编码和排序。

本发明通过对交易信息集合按照交易时间进行编码和排序，能够更加准确地获取在当前交易时间之前且最接近当前交易时间的n个连续交易信息集合，进一步地，准确地求取n个连续交易信息集合的平均等交易量交易概率，也就是当前交易时间的流毒性指标，最终提高了预警的准确性和可靠性。

本发明为了使监控人员能够远程实时监控证券交易过程，进而获取风险预警信息，该方法还包括：

风险预警服务器将输出的风险预警信号传送至监控人员的移动终端，来实时获取证券交易信息。

其中，风险预警服务器还与云端服务器相连，云端服务器用于存储风险预警服务器输出的风险预警信息，进而缓解了风险预警服务器的存储压力，最终提高了风险预警服务器的运行速度。

云端服务器与移动终端相互通信。其中，移动终端以手机为例：

风险预警服务器将输出的风险预警信息传送至云端服务器，云端服务器再将风险预警信息以短信的方式发送至手机终端，这样监控人员能够通过接收短信的方式来实时获取证券交易的风险预警信息。

本发明的第二目的是提供一种基于指令流毒性指标的证券交易风险预警系统。

本发明的一种基于指令流毒性指标的证券交易风险预警系统，该系统包括：

交易信息获取模块，其用于从证券交易服务器内实时获取交易信息；交易信息包括交易时间和交易时间点处的交易量，交易量包括买量和卖量，交易时间点为分钟时刻点或小时时刻点；

交易信息存储模块，其用于将实时获取的交易信息按照交易时间连续存储至若干个交易信息集合中，每个交易信息集合所容纳的总交易量均等于预设总交易量阈值；当一个交易信息集合内的总交易量等于预设总交易量阈值时，再继续将交易信息存储至其他交易信息集合中；

等交易量信息交易概率计算模块，其用于根据每个交易信息集合中的买量和卖量，计算出每个交易信息集合的等交易量信息交易概率；

当前交易时间流毒性指标计算模块，其用于以当前交易时间为界限，求取位于当前交易时间之前且最接近当前交易时间的n个连续交易信息集合的平均等交易量信息交易概率，并作为当前交易时间的流毒性指标；其中，n为正整数；

风险预警模块，其用于将当前交易时间的流毒性指标与预设流毒性指标阈值范围比较，当前者落在后者范围内，输出风险预警信号。

该系统提高了当前交易时间的流毒性指标计算的速度，量化了交易市场，通过流毒性指标与预设流毒性指标阈值范围比较，来启动报警机制，减少交易，保证其能在瞬时止损，使得交易市场事前预警更加准确、可靠。

进一步地，该系统还包括：交易信息集合编码排序模块，其用于对交易信息集合按照交易时间进行编码和排序。

本发明通过对交易信息集合按照交易时间进行编码和排序，能够更加准确地获取在当前交易时间之前且最接近当前交易时间的n个连续交易信息集合，进一步地，准确地求取n个连续交易信息集合的平均等交易量交易概率，也就是当前交易时间的流毒性指标，最终提高了预警的准确性和可靠性。

本发明还提供了另一种基于指令流毒性指标的证券交易风险预警系统。

该基于指令流毒性指标的证券交易风险预警系统，包括：

存储器，其用于将实时从证券交易服务器中接收的交易信息按照交易时间连续存储至若干个交易信息集合中，每个交易信息集合所容纳的总交易量均等于预设交易量阈值；当一个交易信息集合内的总交易量等于预设交易量阈值时，再继续将交易信息存储至其他交易信息集合中；其中，交易信息包括交易时间和交易时间点处的交易量，交易量包括买量和卖量，交易时间点为分钟时刻点或小时时刻点；

风险预警服务器，被配置为：

调取存储器中交易信息集合内的交易信息；

根据每个交易信息集合中的买量和卖量差的绝对值与相应交易信息集合所容纳的总交易量的比值，得到每个交易信息集合的等交易量交易概率；

以当前交易时间为界限，求取在当前交易时间之前且最接近当前交易时间的n个连续交易信息集合的平均等交易量交易概率，并作为当前交易时间的流毒性指标；其中，n为正整数；

将当前交易时间的流毒性指标与预设流毒性指标阈值范围比较，当前者落在后者范围内，输出风险预警信号。

本发明的该系统提高了当前交易时间的流毒性指标计算的速度，量化了交易市场，通过流毒性指标与预设流毒性指标阈值范围比较，来启动报警机制，减少交易，保证其能在瞬时止损，使得交易市场事前预警更加准确、可靠。

进一步地，所述风险预警服务器，还被配置为：对交易信息集合按照交易时间进行编码和排序。本发明通过对交易信息集合按照交易时间进行编码和排序，能够更加准确地获取在当前交易时间之前且最接近当前交易时间的n个连续交易信息集合，进一步地，准确地求取n个连续交易信息集合的平均等交易量交易概率，也就是当前交易时间的流毒性指标，最终提高了预警的准确性和可靠性，其中，n为正整数。

进一步地，所述风险预警服务器还与预警器相连，所述预警器用于接收风险预警信号并进行预警提示。

进一步地，所述风险预警服务器还与显示器相连，所述显示器用于显示风险预警信号。

进一步地，所述风险预警服务器还与云端服务器相连。本发明利用云端服务器来存储风险预警服务器输出的信息，分担了风险预警服务器的大数据存储任务及风险，提高了风险预警服务器的计算速度。

进一步地，所述云端服务器与远程监控终端相连。这样监控人员能够通过远程监控终端实时通过云端服务器来查看风险预警服务器输出的风险预警信息。

本发明为了使监控人员能够远程实时监控证券交易过程，进而获取风险预警信息，该方法还包括：

风险预警服务器将输出的风险预警信号传送至监控人员的移动终端，来实时获取证券交易信息。

其中，风险预警服务器还与云端服务器相连，云端服务器用于存储风险预警服务器输出的风险预警信息，进而缓解了风险预警服务器的存储压力，最终提高了风险预警服务器的运行速度。

云端服务器与移动终端相互通信。其中，移动终端以手机为例：

风险预警服务器将输出的风险预警信息传送至云端服务器，云端服务器再将风险预警信息以短信的方式发送至手机终端，这样监控人员能够通过接收短信的方式来实时获取证券交易的风险预警信息。

本发明的有益效果为：

本发明从证券交易服务器内实时获取包括交易时间和交易时间点处的交易量的交易信息作为样本分析及计算，将实时获取的交易信息按照交易时间连续存储至若干个容纳总交易量为预设交易量阈值的交易信息集合中，再根据每个交易信息集合中的买量和卖量差的绝对值与相应交易信息集合所容纳的总交易量的比值，得到每个交易信息集合的等交易量交易概率，然后在当前交易时间之前且最接近当前交易时间的n个连续交易信息集合的平均等交易量交易概率，并作为当前交易时间的流毒性指标；其中，n为正整数；该方法提高了当前交易时间的流毒性指标计算的速度，量化了交易市场，通过流毒性指标与预设流毒性指标阈值范围比较，来启动报警机制，减少交易，保证其能在瞬时止损，使得交易市场事前预警更加准确、可靠。

附图说明

图1是本发明的一种基于指令流毒性指标的证券交易风险预警方法流程图。

图2是2013年8月16日当月主力合约VPIN表现。

图3是光大乌龙指当天VPIN的累积分布图。

图4是光大乌龙指当天的VPIN表现。

图5是本发明的一种基于指令流毒性指标的证券交易风险预警系统结构图。

图6是本发明的另一种基于指令流毒性指标的证券交易风险预警系统结构图。

具体实施方式

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。

图1是本发明的一种基于指令流毒性指标的证券交易风险预警方法流程图。

如图1所示的基于指令流毒性指标的证券交易风险预警方法，该方法在风险预警服务器内完成，该方法具体包括：

步骤(1)：从证券交易服务器内实时获取交易信息；交易信息包括交易时间和交易时间点处的交易量，交易量包括买量和卖量，交易时间点为分钟时刻点或小时时刻点。

Easley在他的一系列论文中阐述了如何用一个微观模型来估计个股使用交易数据来决定知情交易的可能性即PIN。这个微观模型认为交易是流动性提供者与交易者(持仓者)之间在交易期间反复的游戏。交易期间记为i＝1，...，I。在每个交易阶段的一开始都是市场进行自然选择不管是否有信息事件发生。这些信息事件均为独立事件，发生的概率记为α。如果是事件的发生是有益的，那么知情交易者知道头寸在交易的最终将会有的价值。如果事件的发生是不利的，那么头寸将会有Y_i的价值，可以看出好信息发生的概率记为(1-β)，自然坏消息发生的概率为β。当一个信息事件发生后或者没有发生后，这个阶段的交易从交易者的到达开始。

根据在整个交易的泊松过程。发生了一个事件的交易期间，指令从知情交易者到达的概率记为θ。这些交易者当他们拥有好消息的时候买入，拥有坏消息的时候卖出。每一个阶段，指令从不知情买者和卖者分别以ε的概率到达。

这个结构模型与交易背后的不可见的信息和下单过程的可观察到的市场结果(比如说买和卖)相关。之前的文献关注用最大似然法估计决定以上这些过程的参数。直观的说，模型解释了不知情交易中正常水平下的一只股票中的买和卖，并且使用数据来定义不知情交易指令流的概率，即ε。异常的买或卖的量解释了知情交易，并用这个量来定义θ。存在异常买量或卖量的交易阶段数用来定义α和β。计算指令流毒性的计量方式PIN值的模型标准的途径使用了最大似然法来估计不可观测到的参数(α，β，θ，ε)操纵着交易中的随机过程，并且PIN源自于这些参数估计。

计算VPIN是基于成交量划分的时间而非时钟时间。实现基于成交量的取样方法是将交易序列以均匀成交量分组，称为一个“成交量篮子”。一个成交量篮子是成交量加总的一组交易。完成篮子的最后一笔交易如比所需要的大，超过的成交量将被划分到下一个篮子，按照这样的成交量篮子取样后我们获取到一个观测值。构建成交量篮子时对每一笔买入和卖出成交量进行分类，成交量的方向与交易指令单毒性存在潜在联系，结合总成交量水平和成交量的方向可以指示出存在新信息的可能性。

步骤(2)：将实时获取的交易信息按照交易时间连续存储至若干个交易信息集合中，每个交易信息集合所容纳的总交易量均等于预设交易量阈值；当一个交易信息集合内的总交易量等于预设交易量阈值时，再继续将交易信息存储至其他交易信息集合中；

在所述步骤(2)中，还包括对交易信息集合按照交易时间进行编码和排序。

本发明通过对交易信息集合按照交易时间进行编码和排序，能够更加准确地获取在当前交易时间之前且最接近当前交易时间的n个连续交易信息集合，进一步地，准确地求取n个连续交易信息集合的平均等交易量交易概率，也就是当前交易时间的流毒性指标，最终提高了预警的准确性和可靠性。

为了实现交易量的独立取样，将一组连续交易放进等交易量篮子外生地定义V。一个交易量篮子是一段交易的总交易量为V的集合。如果需要完成的交易篮子的最后一笔交易比需要的交易量大，那么超过需要量的部分被放入下一个交易量篮子。将￡＝1，...，n，记为等交易量篮子的序号。交易量篮子的取样使得我们可以在按照可比较的信息内容将整个交易划分成交易阶段。交易的不平衡对流动性提供者有意义的经济影响。

在短时间间隔中整合交易，然后在时间间隔的开始和结束的时候使用标准化的价格变化来决定买量和卖量。整合交易能减轻交易分裂的影响，使用标准化的价格变化使得交易量分布以概率计算(叫做体积分布)。具体到这一章，我们计算买量和卖量(V_τ^B和V_τ^S)用一分钟的时间条(之后会展示我们的研究结果同样适用于其它时间段的整合)，但是分析也可以用交易量的分段。

这里，t(τ)是在第τ交易量篮子最后的时间限制，p_i和p_i-1表示第i和i-1分钟的价格，Z是标准正态分布的累积分布函数，σ_ΔP是这个交易量篮子中始末两个价格的标准差。作为一种选择，如果价格上涨，买量的权重更多于卖量。权重取决于价格变化的多大与价格变化的分布相关。

交易量概率分布和the Lee-Ready算法的一个关键的区别是后者记下量不是买就是卖，同时前者认为一部分交易量是买剩下的是量是卖量。换一句话说，the Lee-Ready算法提供了离散的分类(classification)，等交易量算法是连续的。这意味着即使在极端情况下一个时间限制充满了一个交易量篮子，交易量会仍然完美的分布根据BULK CLASSIFICATION(取决于)。

步骤(3)：根据每个交易信息集合中的买量和卖量差的绝对值与相应交易信息集合所容纳的总交易量的比值，得到每个交易信息集合的等交易量交易概率。

步骤(4)：以当前交易时间为界限，求取在当前交易时间之前且最接近当前交易时间的n个连续交易信息集合的平均等交易量交易概率，并作为当前交易时间的流毒性指标；其中，n为正整数。

等交易量信息交易概率，VPIN流毒性指标为:

估计VPIN值需要选择V，即每个篮子的交易量，并且n是篮子的数量通常近似交易不平衡的期望。初始规定V为日平均交易量的50分之一。如果选择n＝50，将会在50个篮子中估计VPIN指标，日平均交易量相当于找到了一个日VPIN值。

每生成一个交易量篮子都会更新VPIN指标。这样，当51个篮子满了后，舍弃掉第一个篮子并且根据2-51个篮子来计算新的VPIN。通过交易量的时间来更新VPIN是因为两个原因。首先，想要的更新VPIN的速度模拟信息到达市场的速度。使用交易量作为信息的到达完成这个目标的代表。其次，希望每一次更新以相当数量的信息为基础。交易量可以非常不平衡在用较低的参与分割整个交易期，并且在如此小的交易量的段，它似乎未必有新的信息发生。所以用时钟时间更新VPIN指标会导致更新基于大量异构的信息。

举个例子，2010年5月6日的E-mini S&P 500期货交易。这一天的交易量是极高，于是我们的程序算出了137个VPIN指标的估计值，相较于平均每天50个估计值。因为我们的样本长度(n)仍然是50，在2010年5月6日用来估计VPIN指标的时间范围只有几个小时，一般的为24小时。

步骤(5)：将当前交易时间的流毒性指标与预设流毒性指标阈值范围比较，当前者落在后者范围内，输出风险预警信号。

下面基于光大乌龙指来验证本发明的该方法：

选取的是样本为我国沪深300股指期货市场2013年5月2日至12月31日的当月主力合约的高频交易数据。

首先，据证监会测算，180ETF与沪深300指数在2013年1月4日至8月21日期间的相关系数达99.82％，即巨量申购和成交180ETF成份股对沪深300指数，180ETF、50ETF和股指期货合约价格均产生重大影响；同时，巨量申购和成交可能对投资者判断产生重大影响，从而对沪深300指数，180ETF、50ETF和股指期货合约价格产生重大影响，不同市场之间的联动影响不容忽视。

首先，光大乌龙指事件发生在2013年8月16日，于是决定选择样本期间为2013年5月至12月。其次，在选取样本数据中，对于乌龙指当天的数据经过反复思考论证，决定使用次月主力合约的当天数据而非当月主力合约中的当天数据。因为光大乌龙指事件发生在8月16日，恰逢8月当月主力合约的交割日。上午发生了乌龙指事件光大买入了一揽子股票触发了一系列买卖交易，引致股市出现疯狂的上涨。下午开盘以后，光大证券策略投资部为了对冲上午股票买入的风险，将已经买入的股票申购成50ETF和180ETF在二级市场出售并逐步卖IF309、IF1312股指期货空头合约。统计结果表明，策略投资部在下午交易时段50ETF、180ETF交易金额约为18.9亿元，进行风险对冲的股指期货合约张数累计约为6877张，IF1309约为6727张、IF1312约为150张，这些统计数据并没有包括上午卖出的253张IF1309空头合约，如若全部计算在内，这些用于对冲的新增股指期货空头合约总计约为7130张，几乎全部的空头合约都集中IF1309(次月合约)。尽管A股出现了较大的市场异动，但IF1308合约(当月合约)交割一切正常，顺利交割，交割量处于正常水平，未出现异常变动。如图2所示，虽然价格有拉升，但交易量却没有明显跟上的迹象。交易量在小范围内放大，只有极少的大量买卖单入场。并未出现异动。可以看出乌龙指当天的影响主要体现在次月合约中，更能吻合市场的真实情形，于是最终决定使用次月合约中的当天数据来替换当月合约中的当天数据。

而图2中的当天的VPIN值也很好的反应出了IF1308合约在当天的流毒性很低。当天主力合约的交易量及交易次数均很小，其次波动性不大，并且VPIN值的传导都在0.35以下，风险水平非常低。可以看出乌龙指的绝大多数冲击都影响在次月主力合约。

其次，由于量化交易不止是在高频交易市场，也会涉及相对低频的交易市场。并且光大乌龙指事件在最开始也是在股票市场引致众多被瞬间拉升，那么VPIN指标的验证也应覆盖量化交易会涉及的相对低频的交易市场。目前对于VPIN在股票市场的研究还没有，对于新市场的探索性研究具有开创性，是十分必要且有价值与意义的。虽然股票市场是一个既非做市商制度也非T+0的交易市场，但其实当下由于ETF的存在使得股票市场已经是变相的T+0。那么经过对股票市场的验证，希望能得出为什么VPIN也能解释市场的波动或是预警性。如果VPIN指标经过验证也同样适用于股票市场，VPIN的兼容性更好，那么其在量化监管中的作用便更为显著。如果经过验证，VPIN不能解释股票市场的波动也不能做到预警，那么本文会提出不能解释的可能原因，对VPIN的架构该如何进行改造等。

据统计，光大乌龙指事件当天从11点05分至06分的仅仅一分钟内，上证50指数的成份股中，就有80％的股票出现了各被一个大单瞬间拉升的情形。于是本文在样本采集上选取沪市A股具有代表性的上证50指数的50只成分股，来代表整体股市情况。

通过大量搜集所需样本数据后，对样本数据进行预处理。

首先清洗数据，剔除零值、空值，根据VPIN模型参数整理出计算过程中必要的数据，主要包括交易事件，交易价格，交易量，交易方向(买/卖)等。将预处理完毕的数据批量导入MATLAB软件中。本文设定沪深300指数期货市场使用样本期日平均交易量的1/60做为交易量篮子(V)的大小，在股票市场中使用样本期平均交易量的1/2500做为交易量篮子(V)的大小。由于本文选取的是市场逐笔交易数据，若其中的某一笔交易量超出这个篮子剩余的空间，则会被放入下一个交易量篮子中。先聚集一个篮子内的交易量，交易量篮子内采用的是逐笔交易区分买卖交易量来聚合交易量篮子，从而计算出每一个交易量篮子内累积的卖量与买量的差的绝对值。利用差的绝对值除以交易量篮子的大小得到单一交易量篮子内的VPIN值，在一天中按交易量篮子个数滚动计算，得出每天的VPIN值。分别在两个交易市场，按照交易量时间来更新VPIN产生时间与标的的对应价格，并绘制出VPIN的表现情况。再继续滚动计算第二天以此类推，并将样本期间的VPIN值聚合得出样本期的整体VPIN演进情形，画出整体的VPIN演进图表。分别对两个市场的VPIN做描述性统计，分别提取出光大乌龙指当天沪深300指数期货市场的VPIN表现以及VPIN值的累积分布图(CDF)，股票市场具有代表的某几只股票的VPIN表现以及VPIN值得累积分布图(CDF)。

实证结果：

表(1)沪深300指数期货市场VPIN值描述性统计

对沪深300指数期货市场计算出的29734个VPIN值做统计，从表(1)可以得知，VPIN的偏度为1.341，说明该序列明显右偏；峰度系数为2.440，说明该序列具有厚尾的特征，从这些统计值可以看出样本期VPIN不服从标准正态分布。

对沪深300指数期货市场的计算出的VPIN值做频度统计，VPIN值绝大多数集中在0.1和0.2这样的低位上，小于等于0.2的占了70.29％。说明市场在大部分时间的表现还是较为稳定的。处于0.2到0.6之间的中间值占到了29.37％，说明市场虽有波动，但整体波动在合理范围内。而高于0.6的只占了0.64％，VPIN高位值出现的次数微乎其微，说明异常波动总是占了很小的部分，这就意味着，通过实时监测VPIN值的发展动态，如果VPIN值出现了较高的数字的时候，要引起足够的重视，极有可能市场会发生巨幅异常波动。

通过对样本期间VPIN的整体情况的分析，下一步为了要验证VPIN的预警性，特意从样本期中提取出光大乌龙指当天的数据，分析当天VPIN的演进与指数价格的走势的关系。

对光大乌龙指事件发生当天的VPIN做累积分布统计，从图3中VPIN的累计分布曲线(CDF)能更直观的看到VPIN值的分布情况。图中接近90％的VPIN值都在0.4以下。说明在极少数情况下，VPIN值会高过0.4。在下面的分析中可将0.4作为一个高危临界值来对比。

图4中显示了光大乌龙指当天沪深300指数期货当月主力合约随时间发生的演进以及VPIN值。结合图3的累积分布曲线(CDF)来看，VPIN值从当天一开盘不久就显示出了走高的趋势，且在不到10点钟就出现高于0.4的VPIN值。紧接着在10点05分、17分又出现了高于0.5，甚至0.7的VPIN值。而此时价格并没有大幅的变化，也没有上升的趋势。说明VPIN指标在乌龙指发生至少1小时之前就指出当前市场具有较高的指令流毒性。而在乌龙指发生的前两分钟VPIN值达到了最高值0.78(接近1)，很直接地指出目前市场有高的指令流毒性，具有极高的风险水平。由此可以看出VPIN确实具有预警作用；而在剩下的一天市场也可以反映出预警效果。在早上光大出现乌龙指事件后，下午做空来对冲。虽然股指价格一路下跌，但VPIN在剩下的一天中却持续保持在较高的位置，即使在最后最低的价位处还显示出了高于0.5的值。说明市场仍处在较高的风险水平，市场参与者需小心谨慎。

本发明为了使监控人员能够远程实时监控证券交易过程，进而获取风险预警信息，该方法还包括：

风险预警服务器将输出的风险预警信号传送至监控人员的移动终端，来实时获取证券交易信息。

其中，风险预警服务器还与云端服务器相连，云端服务器用于存储风险预警服务器输出的风险预警信息，进而缓解了风险预警服务器的存储压力，最终提高了风险预警服务器的运行速度。

云端服务器与移动终端相互通信。其中，移动终端以手机为例：

风险预警服务器将输出的风险预警信息传送至云端服务器，云端服务器再将风险预警信息以短信的方式发送至手机终端，这样监控人员能够通过接收短信的方式来实时获取证券交易的风险预警信息。

本发明的该方法从证券交易服务器内实时获取包括交易时间和交易时间点处的交易量的交易信息作为样本分析及计算，将实时获取的交易信息按照交易时间连续存储至若干个容纳总交易量为预设交易量阈值的交易信息集合中，再根据每个交易信息集合中的买量和卖量差的绝对值与相应交易信息集合所容纳的总交易量的比值，得到每个交易信息集合的等交易量交易概率，然后在当前交易时间之前且最接近当前交易时间的n个连续交易信息集合的平均等交易量交易概率，并作为当前交易时间的流毒性指标；其中，n为正整数；该方法提高了当前交易时间的流毒性指标计算的速度，量化了交易市场，通过流毒性指标与预设流毒性指标阈值范围比较，来启动报警机制，减少交易，保证其能在瞬时止损，使得交易市场事前预警更加准确、可靠。

图5是本发明的一种基于指令流毒性指标的证券交易风险预警系统结构图。

如图5所示的一种基于指令流毒性指标的证券交易风险预警系统，该系统包括：

交易信息获取模块，其用于从证券交易服务器内实时获取交易信息；交易信息包括交易时间和交易时间点处的交易量，交易量包括买量和卖量，交易时间点为分钟时刻点或小时时刻点；

交易信息存储模块，其用于将实时获取的交易信息按照交易时间连续存储至若干个交易信息集合中，每个交易信息集合所容纳的总交易量均等于预设总交易量阈值；当一个交易信息集合内的总交易量等于预设总交易量阈值时，再继续将交易信息存储至其他交易信息集合中；

等交易量信息交易概率计算模块，其用于根据每个交易信息集合中的买量和卖量，计算出每个交易信息集合的等交易量信息交易概率；

当前交易时间流毒性指标计算模块，其用于以当前交易时间为界限，求取位于当前交易时间之前且最接近当前交易时间的n个连续交易信息集合的平均等交易量信息交易概率，并作为当前交易时间的流毒性指标；其中，n为正整数；

风险预警模块，其用于将当前交易时间的流毒性指标与预设流毒性指标阈值范围比较，当前者落在后者范围内，输出风险预警信号。

该系统提高了当前交易时间的流毒性指标计算的速度，量化了交易市场，通过流毒性指标与预设流毒性指标阈值范围比较，来启动报警机制，减少交易，保证其能在瞬时止损，使得交易市场事前预警更加准确、可靠。

进一步地，该系统还包括：交易信息集合编码排序模块，其用于对交易信息集合按照交易时间进行编码和排序。

本发明通过对交易信息集合按照交易时间进行编码和排序，能够更加准确地获取在当前交易时间之前且最接近当前交易时间的n个连续交易信息集合，进一步地，准确地求取n个连续交易信息集合的平均等交易量交易概率，也就是当前交易时间的流毒性指标，最终提高了预警的准确性和可靠性。

图6是本发明的另一种基于指令流毒性指标的证券交易风险预警系统结构图。

如图6所示的该基于指令流毒性指标的证券交易风险预警系统，包括：

存储器，其用于将实时从证券交易服务器中接收的交易信息按照交易时间连续存储至若干个交易信息集合中，每个交易信息集合所容纳的总交易量均等于预设交易量阈值；当一个交易信息集合内的总交易量等于预设交易量阈值时，再继续将交易信息存储至其他交易信息集合中；其中，交易信息包括交易时间和交易时间点处的交易量，交易量包括买量和卖量，交易时间点为分钟时刻点或小时时刻点；

风险预警服务器，被配置为：

调取存储器中交易信息集合内的交易信息；

根据每个交易信息集合中的买量和卖量差的绝对值与相应交易信息集合所容纳的总交易量的比值，得到每个交易信息集合的等交易量交易概率；

以当前交易时间为界限，求取在当前交易时间之前且最接近当前交易时间的n个连续交易信息集合的平均等交易量交易概率，并作为当前交易时间的流毒性指标；其中，n为正整数；

将当前交易时间的流毒性指标与预设流毒性指标阈值范围比较，当前者落在后者范围内，输出风险预警信号。

本发明的该系统提高了当前交易时间的流毒性指标计算的速度，量化了交易市场，通过流毒性指标与预设流毒性指标阈值范围比较，来启动报警机制，减少交易，保证其能在瞬时止损，使得交易市场事前预警更加准确、可靠。

进一步地，所述风险预警服务器，还被配置为：对交易信息集合按照交易时间进行编码和排序。本发明通过对交易信息集合按照交易时间进行编码和排序，能够更加准确地获取在当前交易时间之前且最接近当前交易时间的n个连续交易信息集合，进一步地，准确地求取n个连续交易信息集合的平均等交易量交易概率，也就是当前交易时间的流毒性指标，最终提高了预警的准确性和可靠性，其中，n为正整数。

进一步地，所述风险预警服务器还与预警器相连，所述预警器用于接收风险预警信号并进行预警提示。

进一步地，所述风险预警服务器还与显示器相连，所述显示器用于显示风险预警信号。

进一步地，所述风险预警服务器还与云端服务器相连。本发明利用云端服务器来存储风险预警服务器输出的信息，分担了风险预警服务器的大数据存储任务及风险，提高了风险预警服务器的计算速度。

进一步地，所述云端服务器与远程监控终端相连。这样监控人员能够通过远程监控终端实时通过云端服务器来查看风险预警服务器输出的风险预警信息。

本发明为了使监控人员能够远程实时监控证券交易过程，进而获取风险预警信息，该方法还包括：

风险预警服务器将输出的风险预警信号传送至监控人员的移动终端，来实时获取证券交易信息。

其中，风险预警服务器还与云端服务器相连，云端服务器用于存储风险预警服务器输出的风险预警信息，进而缓解了风险预警服务器的存储压力，最终提高了风险预警服务器的运行速度。

云端服务器与移动终端相互通信。其中，移动终端以手机为例：

风险预警服务器将输出的风险预警信息传送至云端服务器，云端服务器再将风险预警信息以短信的方式发送至手机终端，这样监控人员能够通过接收短信的方式来实时获取证券交易的风险预警信息。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。