交易异常告警方法和装置与流程

本发明涉及交易处理，特别涉及金融领域，尤其涉及一种交易异常告警方法和装置。

背景技术：

1、资产数据往往会受各种金融因素和社会因素的影响而波动，在相关的交易中，若资产数据的波动幅度过大，则不利于相关交易处理的协调和统筹，从而不利于交易的顺利进行，且可能导致交易方的损失，因此，资产数据的波动幅度过大会导致对应的交易异常。而对于这种交易异常的告警，往往需要预测目标资产数据波动的情况，从而以目标资产数据波动的情况为依据来进行交易异常告警。

2、现有技术中，对于交易异常告警的方式，主要为由相关工作人员对目标资产进行分析，从而预测目标资产的波动情况，进而来进行交易异常告警。但是，上述方式，由于依赖工作人员的工作经验，且进行分析的依据信息可能与资产数据波动情况的相关性不强，致使诸如不存在异常时却进行误告警或存在异常时却没有告警的情况较多，因此会导致交易异常告警的准确性较低。

3、综上所述，现有技术中存在交易异常告警的准确性较低，从而使交易异常告警的效率较低的问题。

技术实现思路

1、本发明的一个目的在于提供一种交易异常告警方法，以解决现有技术中交易异常告警的准确性较低，从而使交易异常告警的效率较低的问题。本发明的另一个目的在于提供一种交易异常告警装置。本发明的再一个目的在于提供一种计算机设备。本发明的还一个目的在于提供一种可读介质。

2、为了达到以上目的，本发明的一方面公开了一种交易异常告警方法，所述方法包括：

3、基于目标资产以及与所述目标资产对应的关联资产共同对应的资产数据关联影响模型、所述目标资产的当前目标数据、所述关联资产的当前关联数据和当前利率，得到目标资产在多个未来时间点的变动前未来数据；

4、基于预期的利率变动幅度、所述资产数据关联影响模型、当前目标数据、当前关联数据和当前利率，得到所述目标资产在多个所述未来时间点的变动后未来数据；

5、基于多个所述未来时间点对应的变动前未来数据和变动后未来数据，判断所述目标资产是否存在交易异常，若是，进行交易异常告警。

6、可选的，进一步包括：

7、在所述基于目标资产以及与所述目标资产对应的关联资产共同对应的资产数据关联影响模型、所述目标资产的当前目标数据、所述关联资产的当前关联数据和当前利率，得到目标资产在多个未来时间点的变动前未来数据之前，基于预设的数据动力函数，构建目标资产的初始目标模型和与目标资产对应的关联资产的初始关联模型；

8、基于所述目标资产的目标历史数据信息、所述关联资产的关联历史数据信息、对应的历史利率和所述初始目标模型，得到资产数据关联影响模型中的目标模型；

9、基于所述目标历史数据信息、关联历史数据信息、历史利率和初始关联模型，得到所述资产数据关联影响模型中的关联模型。

10、可选的，所述基于预设的数据动力函数，构建目标资产的初始目标模型和与目标资产对应的关联资产的初始关联模型，包括：

11、基于多个所述数据动力函数，分别构建对应目标资产自身对目标资产数据影响的第一数据项、对应关联资产对目标资产数据影响的第二数据项、对应关联资产和目标资产共同对目标资产数据影响的第三数据项、对应关联资产自身对关联资产数据影响的第四数据项、对应目标资产对关联资产数据影响的第五数据项、对应关联资产和目标资产共同对关联资产数据影响的第六数据项；

12、基于预设的第一数据变化量数据项、时间差数据项、所述第一数据项、第二数据项和第三数据项，构建所述初始目标模型；

13、基于预设的第二数据变化量数据项、所述时间差数据项、第四数据项、第五数据项和第六数据项，构建所述初始关联模型。

14、可选的，所述基于所述目标资产的目标历史数据信息、所述关联资产的关联历史数据信息、对应的历史利率和所述初始目标模型，得到资产数据关联影响模型中的目标模型，包括：

15、基于所述目标历史数据信息中多个历史时间点的历史目标数据，得到所述历史时间点对应的历史目标数据变化量；

16、将所述目标历史数据信息中多个历史时间点的历史目标数据、历史目标数据变化量、所述关联历史数据信息中多个所述历史时间点的历史关联数据、所述历史利率和对应相邻的所述历史时间点的历史时间差代入到所述初始目标模型中，得到多个待定性目标模型；

17、对多个所述待定性目标模型进行求解，确定对应的所述第一数据项的第一项系数、所述第二数据项的第二项系数和第三数据项的第三项系数，并基于所述第一项系数、第二项系数、第三项系数和初始目标模型，得到所述目标模型。

18、可选的，所述基于所述目标历史数据信息、关联历史数据信息、历史利率和初始关联模型，得到所述资产数据关联影响模型中的关联模型，包括：

19、基于所述关联历史数据信息中多个历史时间点的历史关联数据，得到所述历史时间点对应的历史关联数据变化量；

20、将所述目标历史数据信息中多个历史时间点的历史目标数据、所述关联历史数据信息中多个所述历史时间点的历史关联数据、历史关联数据变化量、所述历史利率和对应相邻的所述历史时间点的历史时间差代入到所述初始关联模型中，得到多个待定性关联模型；

21、对多个所述待定性关联模型进行求解，确定对应的所述第四数据项的第四项系数、所述第五数据项的第五项系数和第六数据项的第六项系数，并基于所述第四项系数、第五项系数、第六项系数和初始关联模型，得到所述关联模型。

22、可选的，进一步包括：

23、在基于目标资产以及与所述目标资产对应的关联资产共同对应的资产数据关联影响模型、所述目标资产的当前目标数据、所述关联资产的当前关联数据和当前利率，得到目标资产在多个未来时间点的变动前未来数据之前，

24、基于所述目标资产的多个校验时间点的校验目标数据、所述关联资产的多个所述校验时间点的校验关联数据、对应的校验利率和对应相邻的所述校验时间点的校验时间差，判断所述资产数据关联影响模型是否适用，若否，进行模型适用性告警。

25、可选的，所述基于所述目标资产的多个校验时间点的校验目标数据、所述关联资产的多个所述校验时间点的校验关联数据、对应的校验利率和对应相邻的所述校验时间点的校验时间差，判断所述资产数据关联影响模型是否适用，包括：

26、将对应的所述校验时间差、校验利率、最早的所述校验时间点对应的所述校验目标数据以及校验关联数据输入到所述资产数据关联影响模型中的目标模型和关联模型中进行交叉迭代运算，得到所述目标资产的多个所述校验时间点的测试输出数据；

27、基于对应的所述校验目标数据和测试输出数据，确定多个所述校验时间点对应的误差率；

28、判断是否不存在对应误差率大于或等于预设误差率阈值的所述校验时间点，若否，进行模型适用性告警。

29、可选的，所述基于目标资产以及与所述目标资产对应的关联资产共同对应的资产数据关联影响模型、所述目标资产的当前目标数据、所述关联资产的当前关联数据和当前利率，得到目标资产在多个未来时间点的变动前未来数据，包括：

30、将预设的预测时间差、所述当前目标数据、当前关联数据和当前利率输入到所述资产数据关联影响模型中的目标模型和关联模型中进行交叉迭代运算，得到所述目标资产在多个未来时间点的变动前未来数据。

31、可选的，所述基于预期的利率变动幅度、所述资产数据关联影响模型、当前目标数据、当前关联数据和当前利率，得到所述目标资产在多个所述未来时间点的变动后未来数据，包括：

32、基于所述利率变动幅度和当前利率，得到预期变动后利率；

33、将所述预测时间差、所述当前目标数据、当前关联数据和预期变动后利率输入到所述资产数据关联影响模型中的目标模型和关联模型中进行交叉迭代运算，得到所述目标资产在多个未来时间点的变动后未来数据。

34、可选的，所述基于多个所述未来时间点对应的变动前未来数据和变动后未来数据，判断所述目标资产是否存在交易异常，包括：

35、基于对应的所述变动前未来数据和变动后未来数据，得到所述未来时间点对应的目标数据变化幅度；

36、判断是否存在对应目标数据变化幅度大于或等于预设的数据变化幅度阈值的所述未来时间点，若是，进行交易异常告警。

37、可选的，所述基于多个所述未来时间点对应的变动前未来数据和变动后未来数据，判断所述目标资产是否存在交易异常，包括：

38、基于对应的所述变动前未来数据和变动后未来数据，得到所述未来时间点对应的目标数据变化幅度；

39、基于所述目标数据变化幅度和所述变动前未来数据或变动后未来数据，得到所述未来时间点对应的目标数据变化率；

40、判断是否存在对应目标数据变化率大于或等于预设的数据变化率阈值的所述未来时间点，若是，进行交易异常告警。

41、为了达到以上目的，本发明的另一方面公开了一种交易异常告警装置，所述装置包括：

42、第一预测模块，用于基于目标资产以及与所述目标资产对应的关联资产共同对应的资产数据关联影响模型、所述目标资产的当前目标数据、所述关联资产的当前关联数据和当前利率，得到目标资产在多个未来时间点的变动前未来数据；

43、第二预测模块，用于基于预期的利率变动幅度、所述资产数据关联影响模型、当前目标数据、当前关联数据和当前利率，得到所述目标资产在多个所述未来时间点的变动后未来数据；

44、异常告警模块，用于基于多个所述未来时间点对应的变动前未来数据和变动后未来数据，判断所述目标资产是否存在交易异常，若是，进行交易异常告警。

45、本发明还公开了一种计算机设备，包括存储器、处理器以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程序时实现如上所述方法。

46、本发明还公开了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述方法。

47、本发明提供的交易异常告警方法和装置，通过基于目标资产以及与所述目标资产对应的关联资产共同对应的资产数据关联影响模型、所述目标资产的当前目标数据、所述关联资产的当前关联数据和当前利率，得到目标资产在多个未来时间点的变动前未来数据，能够使用与目标资产和关联资产之间对应数据影响特性相关的模型，以对应的实际当前数据和利率为输入进行运算处理，准确快速地预测目标资产在当前利率下的未来数据，从而提高了整体交易异常告警的准确性；通过基于预期的利率变动幅度、所述资产数据关联影响模型、当前目标数据、当前关联数据和当前利率，得到所述目标资产在多个所述未来时间点的变动后未来数据，能够使用与目标资产和关联资产之间对应数据影响特性相关的模型，以对应的实际当前数据、利率和预测利率变动幅度为输入进行运算处理，准确快速地预测目标资产在利率变动后的同时间未来数据，从而提高了整体交易异常告警的准确性；通过基于多个所述未来时间点对应的变动前未来数据和变动后未来数据，判断所述目标资产是否存在交易异常，若是，进行交易异常告警，能够综合以反映目标资产相对波动情况的同时间的变动前未来数据和变动后未来数据为依据，提高交易异常告警的准确性。

48、本发明提供的交易异常告警方法和装置，一方面能够以程序、函数、算法、软件或应用等形式实现自动化执行，从而大幅度减少了对工作人员工作经验的依赖，另一方面能够充分考虑与目标资产相关的关联资产和对应利率对目标资产数据的影响，使分析的依据信息与资产数据波动情况具有较强的相关性。具体的，利率的变动与目标资产数据的波动密切相关，且目标资产数据的波动还进一步受到其对应关联资产情况的影响，而确定的变动前未来数据，为假设利率不变的情况下，预测的目标资产的未来数据，且该变动前未来数据与目标资产自身情况、关联资产情况和利率均密切对应相关；确定的变动后未来数据，为假设利率产生变动的情况下(与实际情况相符，实际情况中利率经常产生变动)，预测的目标资产的未来数据，且该变动后未来数据同样与目标资产自身情况、关联资产情况和利率均密切对应相关，从而，综合变动前未来数据和变动后未来数据能够直观准确地表征利率变动对目标资产数据波动情况的影响，且由于还采用了对应的关联资产信息为依据，也使综合变动前未来数据和变动后未来数据能够直观准确地表征关联资产的情况对目标资产数据波动情况的影响，符合相关的经济规律。因此，本发明提供的交易异常告警方法和装置，能够极大程度上提高预测目标资产数据波动情况的准确性，从而极大程度上提高了以目标资产数据波动情况为依据进行的交易异常告警的准确性。

49、综上所述，本发明提供的交易异常告警方法和装置，能够提高交易异常告警的准确性，从而提高了交易异常告警的效率。