交易归集方法及装置与流程

1.本发明涉及分布式技术领域，尤其涉及交易归集方法及装置。


背景技术：

2.本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
3.外汇交易市场是24小时的金融交易市场，具有交易体量大、参与门槛低的特点。商业银行作为普通客户购售汇的唯一渠道，而且众多客户对外汇有投资需求，每日会在商业银行达成大量普通客户外汇交易。这些交易在银行前台销售系统达成，由银行中台对实时汇总的外汇头寸进行风险管控对外平盘，因此对交易的实时性要求高。但是外汇交易量大，交易由前端销售系统逐笔送入头寸管理系统会存在性能问题，头寸无法实时更新，影响中台头寸监控。外汇头寸管理针对头寸进行管理，除头寸与成本价外，不关心其他交易要素。
4.目前，亟需一种交易归集方法，减少交易报文数量，提高交易处理的效率。


技术实现要素：

5.本发明实施例提供一种交易归集方法，用以减少交易报文笔数，提高处理效率，该方法包括：
6.获取历史交易的相关信息；
7.将历史交易的相关信息输入到交易量预测模型，获得预测的每单位时间内的交易量；
8.将预测的每单位时间内的交易量输入到归集参数预判模型中，其中，在所述的归集参数预判模型中已预设归集参数和归集参数的波动因子，根据归集参数及预测的每单位时间内的交易量，确定当前的决定性归集参数，根据归集参数的波动因子判断是否需要调整当前的决定性归集参数；
9.若需要调整，对当前的决定性归集参数进行调整，根据调整后的当前的决定性归集参数，将相应的多笔交易归集为一笔头寸交易；
10.若不需要调整，根据当前的决定性归集参数，将相应的多笔交易归集为一笔头寸交易。
11.本发明实施例还提供一种交易归集装置，用以减少交易报文笔数，提高处理效率，该装置包括：
12.信息获取模块，用于获取历史交易的相关信息；
13.交易量预测模块，用于将历史交易的相关信息输入到交易量预测模型，获得预测的每单位时间内的交易量；
14.归集参数预判模块，用于将预测的每单位时间内的交易量输入到归集参数预判模型中，其中，在所述的归集参数预判模型中已预设归集参数和归集参数的波动因子，根据归集参数及预测的每单位时间内的交易量，确定当前的决定性归集参数，根据归集参数的波
动因子判断是否需要调整当前的决定性归集参数；
15.归集参数调整模块，用于若需要调整，对当前的决定性归集参数进行调整，根据调整后的当前的决定性归集参数，将相应的多笔交易归集为一笔头寸交易；
16.交易归集模块，用于若不需要调整，根据当前的决定性归集参数，将相应的多笔交易归集为一笔头寸交易。
17.本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述交易归集方法。
18.本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述交易归集方法。
19.本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述交易归集方法。
20.本发明实施例中，与现有技术中忽略历史交易的相关信息相比，本发明实施例通过获取历史交易的相关信息；将历史交易的相关信息输入到交易量预测模型，获得预测的每单位时间内的交易量；将预测的每单位时间内的交易量输入到归集参数预判模型中，其中，在所述的归集参数预判模型中已预设归集参数和归集参数的波动因子，根据归集参数及预测的每单位时间内的交易量，确定当前的决定性归集参数，根据归集参数的波动因子判断是否需要调整当前的决定性归集参数；若需要调整，对当前的决定性归集参数进行调整，根据调整后的当前的决定性归集参数，将相应的多笔交易归集为一笔头寸交易；若不需要调整，根据当前的决定性归集参数，将相应的多笔交易归集为一笔头寸交易。在上述过程中，本发明实施例基于历史交易的相关信息，调整归集策略，将多笔交易归集成一笔头寸交易，再发送到头寸管理系统，从而减少交易报文笔数，提高处理效率。
附图说明
21.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
22.图1为本发明实施例中交易归集方法的流程图；
23.图2为本发明实施例中获得预测的每单位时间内的交易量的流程图；
24.图3为本发明实施例中交易归集装置的示意图；
25.图4为本发明实施例中交易归集装置的原理图；
26.图5为本发明实施例中计算机设备的示意图。
具体实施方式
27.为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
28.图1为本发明实施例中交易归集方法的流程图，包括：
29.步骤101，获取历史交易的相关信息；
30.步骤102，将历史交易的相关信息输入到交易量预测模型，获得预测的每单位时间内的交易量；
31.步骤103，将预测的每单位时间内的交易量输入到归集参数预判模型中，其中，在所述的归集参数预判模型中已预设归集参数和归集参数的波动因子，根据归集参数及预测的每单位时间内的交易量，确定当前的决定性归集参数，根据归集参数的波动因子判断是否需要调整当前的决定性归集参数；
32.步骤104，若需要调整，对当前的决定性归集参数进行调整，根据调整后的当前的决定性归集参数，将相应的多笔交易归集为一笔头寸交易；
33.步骤105，若不需要调整，根据当前的决定性归集参数，将相应的多笔交易归集为一笔头寸交易。
34.在步骤101中，获取历史交易的相关信息。
35.在一实施例中，历史交易的相关信息包括：历史交易达成时间和外部政策、事件、风险信息。
36.具体实施例中，从各个公开信息渠道获取的可能造成外汇波动的外部政策、事件、风险信息。
37.在步骤102中，将历史交易的相关信息输入到交易量预测模型，获得预测的每单位时间内的交易量。
38.如图2所示，为本发明实施例中获得预测的每单位时间内的交易量的流程图，在一实施例中，获得预测的每单位时间内的交易量，包括：
39.步骤201，根据历史交易达成时间，可以得到历史交易中每单位时间内交易量的一组数据，对该组数据进行抽样，得到每单位时间内平均交易量q；
40.步骤202，根据当前外部政策、事件、风险信息，预测出影响每单位时间内平均交易量的波动因子w；
41.步骤203，将所述的每单位时间内平均交易量q和所述的波动因子w输入到交易量预测模型x＝f(q,w)，获得预测的每单位时间内的交易量x。
42.在步骤103中，将预测的每单位时间内的交易量输入到归集参数预判模型中，其中，在所述的归集参数预判模型中已预设归集参数和归集参数的波动因子，根据归集参数及预测的每单位时间内的交易量，确定当前的决定性归集参数，根据归集参数的波动因子判断是否需要调整当前的决定性归集参数。
43.在一实施例中，所述归集参数包括：最小归集周期t和最小归集交易数m。
44.具体实施例中，最小归集周期t表示若距离上次归集达到t个单位时间，则触发新的归集。最小归集交易数m表示若未归集的交易笔数达到m，则触发新的归集。t与m值越小，交易归集的频率越频繁。
45.在一实施例中，根据归集参数及预测的每单位时间内的交易量，确定当前的决定性归集参数，包括：
46.计算最小归集周期t个单位时间内的预测交易量xt，判断最小归集周期t个单位时间内的预测交易量与最小归集交易数的大小关系，其中，x为预测的每单位时间内的交易量；
47.当xt≤m时，优先触发最小归集周期t进行交易归集，所述的最小归集周期为当前的决定性归集参数；
48.当xt＞m时，优先触发最小归集交易数m进行交易归集，所述的最小归集交易数为当前的决定性归集参数。
49.在一实施例中，根据归集参数的波动因子判断是否需要调整当前的决定性归集参数，包括：
50.获取前一个单位时间内的交易量n；
51.在当前的决定性归集参数为最小归集周期t时，
52.若t个单位时间内的预测交易量xt在[nt(1-α),nt(1+α)]区间内，则不调整当前的决定性归集参数，若xt在[nt(1-α),nt(1+α)]区间外，则调整当前的决定性归集参数；
[0053]
其中，α为归集参数的波动因子；
[0054]
在当前的决定性归集参数为最小归集交易数m时，
[0055]
若最小归集交易数m在[nt(1-α),nt(1+α)]区间内，则不调整当前的决定性归集参数，若最小归集交易数m在[nt(1-α),nt(1+α)]区间外，则调整当前的决定性归集参数。
[0056]
具体实施过程中，波动因子α是一个百分比，表示归集参数需要调整的百分比。
[0057]
在步骤104中，若需要调整，对当前的决定性归集参数进行调整，根据调整后的当前的决定性归集参数，将相应的多笔交易归集为一笔头寸交易。
[0058]
在一实施例中，若需要调整，对当前的决定性归集参数进行调整，包括：
[0059]
在当前的决定性归集参数为最小归集周期t，且xt＞nt(1+α)时，
[0060]
计算调整比例根据调整比例降低最小归集周期t，得到调整后的最小归集周期
[0061]
在当前的决定性归集参数为最小归集周期t，且xt＜nt(1-α)时，
[0062]
计算调整比例根据调整比例提高最小归集周期t，得到调整后的最小归集周期
[0063]
在当前的决定性归集参数为最小归集交易数m，且m＞nt(1+α)时，
[0064]
计算调整比例根据调整比例降低最小归集交易数m，得到调整后的最小归集交易数
[0065]
在当前的决定性归集参数为最小归集交易数m，且m＜nt(1-α)时，
[0066]
计算调整比例根据调整比例提高最小归集交易数m，得到调整后的最小归集交易数
[0067]
在步骤105中，若不需要调整，根据当前的决定性归集参数，将相应的多笔交易归集为一笔头寸交易。
[0068]
具体实施过程中，进行交易归集时，计算交易共有s笔，每笔交易购买的数量为m1,m2......ms，成交价格为p1,p2......ps，则：
[0069]
归集交易数为：
[0070][0071]
归集交易的金额为：
[0072][0073]
综上所述，在本发明实施例提出的方法中，获取历史交易的相关信息；将历史交易的相关信息输入到交易量预测模型，获得预测的每单位时间内的交易量；将预测的每单位时间内的交易量输入到归集参数预判模型中，其中，在所述的归集参数预判模型中已预设归集参数和归集参数的波动因子，根据归集参数及预测的每单位时间内的交易量，确定当前的决定性归集参数，根据归集参数的波动因子判断是否需要调整当前的决定性归集参数；若需要调整，对当前的决定性归集参数进行调整，根据调整后的当前的决定性归集参数，将相应的多笔交易归集为一笔头寸交易；若不需要调整，根据当前的决定性归集参数，将相应的多笔交易归集为一笔头寸交易。在上述过程中，本发明实施例基于历史交易的相关信息，调整归集策略，将多笔交易归集成一笔头寸交易，再发送到头寸管理系统，从而减少交易报文笔数，提高处理效率。
[0074]
本发明实施例还提出一种交易归集装置，其原理与交易归集方法类似，这里不再赘述。图3为本发明实施例提出的交易归集装置的示意图，包括：
[0075]
信息获取模块301，用于获取历史交易的相关信息；
[0076]
交易量预测模块302，用于将历史交易的相关信息输入到交易量预测模型，获得预测的每单位时间内的交易量；
[0077]
归集参数预判模块303，用于将预测的每单位时间内的交易量输入到归集参数预判模型中，其中，在所述的归集参数预判模型中已预设归集参数和归集参数的波动因子，根据归集参数及预测的每单位时间内的交易量，确定当前的决定性归集参数，根据归集参数的波动因子判断是否需要调整当前的决定性归集参数；
[0078]
归集参数调整模块304，用于若需要调整，对当前的决定性归集参数进行调整，根据调整后的当前的决定性归集参数，将相应的多笔交易归集为一笔头寸交易；
[0079]
交易归集模块305，用于若不需要调整，根据当前的决定性归集参数，将相应的多笔交易归集为一笔头寸交易。图4为本发明实施例中交易归集装置的原理图。
[0080]
在一实施例中，历史交易的相关信息包括：历史交易达成时间和外部政策、事件、风险信息。
[0081]
在一实施例中，交易量预测模块302，具体用于：
[0082]
根据历史交易达成时间，可以得到历史交易中每单位时间内交易量的一组数据，对该组数据进行抽样，得到每单位时间内平均交易量q；
[0083]
根据当前外部政策、事件、风险信息，预测出影响每单位时间内平均交易量的波动因子w；
[0084]
将所述的每单位时间内平均交易量q和所述的波动因子w输入到交易量预测模型x＝f(q,w)，获得预测的每单位时间内的交易量x。
[0085]
在一实施例中，所述归集参数包括：最小归集周期t和最小归集交易数m。
[0086]
在一实施例中，归集参数预判模块303，具体用于：
[0087]
计算最小归集周期t个单位时间内的预测交易量xt，判断最小归集周期t个单位时间内的预测交易量与最小归集交易数的大小关系，其中，x为预测的每单位时间内的交易量；
[0088]
当xt≤m时，优先触发最小归集周期t进行交易归集，所述的最小归集周期为当前的决定性归集参数；
[0089]
当xt＞m时，优先触发最小归集交易数m进行交易归集，所述的最小归集交易数为当前的决定性归集参数。
[0090]
在一实施例中，归集参数预判模块303，还用于：
[0091]
获取前一个单位时间内的交易量n；
[0092]
在当前的决定性归集参数为最小归集周期t时，
[0093]
若t个单位时间内的预测交易量xt在[nt(1-α),nt(1+α)]区间内，则不调整当前的决定性归集参数，若xt在[nt(1-α),nt(1+α)]区间外，则调整当前的决定性归集参数；
[0094]
其中，α为归集参数的波动因子；
[0095]
在当前的决定性归集参数为最小归集交易数m时，
[0096]
若最小归集交易数m在[nt(1-α),nt(1+α)]区间内，则不调整当前的决定性归集参数，若最小归集交易数m在[nt(1-α),nt(1+α)]区间外，则调整当前的决定性归集参数。
[0097]
在一实施例中，归集参数调整模块304，具体用于：
[0098]
在当前的决定性归集参数为最小归集周期t，且xt＞nt(1+α)时，
[0099]
计算调整比例根据调整比例降低最小归集周期t，得到调整后的最小归集周期
[0100]
在当前的决定性归集参数为最小归集周期t，且xt＜nt(1-α)时，
[0101]
计算调整比例根据调整比例提高最小归集周期t，得到调整后的最小归集周期
[0102]
在当前的决定性归集参数为最小归集交易数m，且m＞nt(1+α)时，
[0103]
计算调整比例根据调整比例降低最小归集交易数m，得到调整后的最小归集交易数
[0104]
在当前的决定性归集参数为最小归集交易数m，且m＜nt(1-α)时，
[0105]
计算调整比例根据调整比例提高最小归集交易数m，得到调整后的最小归集交易数
[0106]
本发明实施例还提供一种计算机设备，图5为本发明实施例中计算机设备的示意图，所述计算机设备500包括存储器510、处理器520及存储在存储器510上并可在处理器520上运行的计算机程序530，所述处理器520执行所述计算机程序530时实现上述基于区块链的优惠券支付方法。本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述参数本地化方法。
[0107]
综上所述，在本发明实施例提出的装置中，获取历史交易的相关信息；将历史交易的相关信息输入到交易量预测模型，获得预测的每单位时间内的交易量；将预测的每单位时间内的交易量输入到归集参数预判模型中，其中，在所述的归集参数预判模型中已预设归集参数和归集参数的波动因子，根据归集参数及预测的每单位时间内的交易量，确定当前的决定性归集参数，根据归集参数的波动因子判断是否需要调整当前的决定性归集参数；若需要调整，对当前的决定性归集参数进行调整，根据调整后的当前的决定性归集参数，将相应的多笔交易归集为一笔头寸交易；若不需要调整，根据当前的决定性归集参数，将相应的多笔交易归集为一笔头寸交易。在上述过程中，本发明实施例基于历史交易的相关信息，调整归集策略，将多笔交易归集成一笔头寸交易，再发送到头寸管理系统，从而减少交易报文笔数，提高处理效率。
[0108]
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述交易归集方法。
[0109]
本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述交易归集方法。
[0110]
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，本发明可采用完全硬件实施例、完全软件实施例、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、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0111]
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。
[0112]
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。
[0113]
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。
[0114]
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。