【技術實現步驟摘要】
本專利技術涉及證券交易檢測，尤其涉及基于機器學習的證券交易異常行為檢測系統。
技術介紹
1、隨著證券市場的快速發展，交易數據量急劇增長，交易行為也日益復雜。傳統的證券交易異常行為檢測方法難以適應復雜多變的市場環境和多樣化的交易行為。同時，現有方法在檢測的準確性、及時性和全面性方面存在不足，無法有效識別潛在的交易異常行為，固定規則的監測缺乏靈活性和適應性，難以精準識別那些通過復雜手段偽裝或隱藏的異常交易行為。
2、傳統的檢測方式還會產生誤判和漏判的情況，將正常交易誤判為異常行為，或者未能及時發現真正的異常交易。人工審核和固定規則監測的滯后性使得監管部門往往在異常行為發生后很長時間才能夠察覺，錯過了最佳的干預時機，導致異常行為的影響范圍進一步擴大。
3、因此，需要一種更加智能、高效的證券交易異常行為檢測系統來解決上述所提出的問題。
技術實現思路
1、本專利技術的目的在于：為了解決上述問題，而提出的基于機器學習的證券交易異常行為檢測系統。
2、為了實現上述目的，本專利技術采用了如下技術方案：
3、基于機器學習的證券交易異常行為檢測系統，包括：
4、時間窗口設置模塊，包括若干個時間窗口，且各個時間窗口所涵蓋的時長不同；交易分析模塊用于對證券用戶的交易行為、特定證券在市場上的變化進行分析，輸出用戶的交易分析結果與證券的變化結果；其中，交易分析結果包括窗口綜合異常值、金額影響評估值，變化結果包括證券交易綜異值，交易行為包括交易次數與間
5、用戶異常模塊，用于接收對證券用戶在時間窗口的窗口綜合異常值、金額影響評估值并進行加權處理，得到時間窗口對應的用戶異常值；
6、證券異常判斷模塊，用于接收特定證券對應的證券交易綜異值與其相應預設的交易異常閾值進行比對，若證券交易綜異值大于其交易異常閾值則生成證券異常信號；證券異常信號用于觸發對特征證券的證券用戶的用戶異常值進行分析，得到窗口異常總值；
7、處理模塊，用于接收證券異判斷模塊與用戶異常判斷模塊的輸出結果，將其輸出結果與相應閾值判斷生成相應執行策略并執行。
8、優選地，所述還包括數據采集模塊，所述數據采集模塊用于與證券交易所的交易數據庫建立連接，實時獲取用戶的賬戶基本信息、交易操作信息、市場的證券信息；其中，賬戶基本信息包括證券用戶的開戶時刻、交易操作信息包括證券用戶的交易時刻、交易金額、交易次數；證券信息包括特定證券的價格、成交量。
9、優選地，所述對證券用戶的交易行為中的交易次數與間隔進行分析，具體過程如下：
10、將證券用戶的開戶時刻與當前時刻之前的時間區域標記為賬戶存續時區；
11、獲取用戶在賬戶存續時區對特定證券任一時間窗口組任一時間窗口內的交易次數，將時間窗口組中所有時間窗口的交易次數進行均值計算窗口交易均次值；將時間窗口內的交易次數與其時間窗口組對應的窗口交易均次值進行差值計算，得到該時間窗口的交易次數均差值；獲取時間窗口內任意相鄰的兩次交易次數所對應的交易時刻之間的時間間隔標記為交易間隔；將時間窗口內的交易間隔進行標準差計算得到交隔波動值；將時間窗口的時長除以其對應的交易次數得到交易平均間隔；
12、將時間窗口對應的交易次數均差值、交隔波動值、交易平均間隔進行加權計算得到窗口異常評估值；設定異常交易波動允許范圍，若窗口異常評估值不處于異常交易波動允許范圍內時，則將該時間窗口標記為異常交易時間窗口；設定證券監測時區，獲取證券監測時區內時間窗口組中任一異常交易時間窗口的次數并標記為異交易次值；
13、對證券監測時區內所有異常交易時間窗口的窗口異常評估值進行加權處理得到窗口綜合異常值。
14、優選地，所述對證券用戶的交易行為中的交易金額進行分析，具體過程如下：
15、基于用戶的賬戶類型，設定額度交易閾值，若交易金額大于額度交易閾值，則將該交易標記為大額交易，反之若交易金額小于或等于額度交易閾值，則將該交易標記為小額交易；
16、對時間窗口內的大額交易進行分析，獲取時間窗口內的所有大額交易的交易金額進行求和得到窗口大額交易總額，將時間窗口內大額交易的交易金額除以窗口大額交易總額得到大額交易比值；將時間窗口內最大與最小的大額交易比值進行差值計算得到大額交易極差值；
17、獲取時間窗口內的所有大額交易的生成時刻，將相鄰大額交易的生成時刻進行時刻差計算得到大額鄰時差；在時間窗口內大額交易的次數大于二時，對時間窗口內的大額鄰時差進行標準差計算得到大額鄰差波動值；獲取時間窗口內大額交易的次數，記為大易次數；將大易次數除以時間窗口的總交易次數得到大額交易次數比值；將大額交易極差值、大額鄰差波動值、大額交易次數比值進行加權計算得到時間窗口對應的大額交易評估值；
18、將大額交易極差值、大額鄰差波動值、大額交易次數比值、大額交易評估值標記為大額交易評估信息；
19、同理依據對時間窗口內的大額交易的分析過程，對時間窗口內的小額交易進行分析，得到小額交易評估信息以及小額交易評估值；
20、將時間窗口中的大額交易評估值與小額交易評估值的比值標記為大小額占比異值；
21、對時間窗口對應的大小額占比異值、大額交易評估值、小額交易評估值進行融合處理，得到金額影響評估值。
22、優選地，所述分析特定證券在市場上的變化，具體過程如下：
23、獲取用戶賬戶任一時間窗口內相鄰時刻的證券價格，將獲取的證券價格依據獲取時刻的順序進行排序；將證券價格與獲取時刻對應帶入第一折線圖中，將證券價格在折線圖中的點標記為價格點，連接兩個相鄰的價格點得到價格線，計算價格線的斜率；設立價格線的斜率允許范圍，將不處于價格線的斜率允許范圍內的價格線記為異常價格線；
24、識別異常價格線所對應兩個價格點的中心位置的時間標記為異常時刻；計算相鄰兩個異常時刻之間的時間間隔標記為異常相鄰時長，將異常價格線按照獲取時間順序依次進行編號，將異常價格線的獲取時刻編號以及異常相鄰時長對應帶入第二折線圖中；將異常相鄰時長在第二折線圖中的點標記為異常波點，連接兩個相鄰的異常波點得到異常波線，計算異常波線的斜率；設立異常波線斜率允許范圍，將斜率不處于異常波線斜率允許范圍內的異常波線記為異常波線率；
25、將異常波線率中斜率為正的異常波線率記為斜率一，異常波線率中斜率為負的異常波線率取絕對值之后記為斜率二；
26、分別將時間窗口內的斜率一、斜率二進行求和得到斜率一總值、斜率二總值，斜率一總值、斜率二總值加權計算得到異常斜率波動值；
27、對時間窗口內證券成交的前后差異進行分析，得到窗口成交異常總值、成交極差值；
28、將異常斜率波動值、成交異常總值、成交極差值進行加權計算得到證券交易綜異值。
29、優選地，所述時間窗口內證券成交的前后差異進行分析，得到窗口成交異常總值、成交極差值，具體分析如下：<本文檔來自技高網...
【技術保護點】
1.基于機器學習的證券交易異常行為檢測系統，其特征在于，包括：
2.根據權利要求1所述的基于機器學習的證券交易異常行為檢測系統，其特征在于，該系統還包括數據采集模塊，所述數據采集模塊用于與證券交易所的交易數據庫建立連接，實時獲取用戶的賬戶基本信息、交易操作信息、市場的證券信息；其中，賬戶基本信息包括證券用戶的開戶時刻、交易操作信息包括證券用戶的交易時刻、交易金額、交易次數；證券信息包括特定證券的價格、成交量。
3.根據權利要求1所述的基于機器學習的證券交易異常行為檢測系統，其特征在于，對證券用戶的交易行為中的交易次數與間隔進行分析，具體過程如下：
4.根據權利要求1所述的基于機器學習的證券交易異常行為檢測系統，其特征在于，對證券用戶的交易行為中的交易金額進行分析，具體過程如下：
5.根據權利要求1所述的基于機器學習的證券交易異常行為檢測系統，其特征在于，所述分析特定證券在市場上的變化，具體過程如下：
6.根據權利要求5所述的基于機器學習的證券交易異常行為檢測系統，其特征在于，所述時間窗口內證券成交的前后差異進行分析，得到
7.根據權利要求1所述的基于機器學習的證券交易異常行為檢測系統，其特征在于，所述對特征證券的證券用戶的用戶異常值進行分析，具體步驟如下：
8.根據權利要求1所述的基于機器學習的證券交易異常行為檢測系統，其特征在于，接收證券異判斷模塊與用戶異常判斷模塊的輸出結果，將其輸出結果與相應閾值判斷生成相應執行信令并執行，具體過程如下：
...【技術特征摘要】
1.基于機器學習的證券交易異常行為檢測系統，其特征在于，包括：
2.根據權利要求1所述的基于機器學習的證券交易異常行為檢測系統，其特征在于，該系統還包括數據采集模塊，所述數據采集模塊用于與證券交易所的交易數據庫建立連接，實時獲取用戶的賬戶基本信息、交易操作信息、市場的證券信息；其中，賬戶基本信息包括證券用戶的開戶時刻、交易操作信息包括證券用戶的交易時刻、交易金額、交易次數；證券信息包括特定證券的價格、成交量。
3.根據權利要求1所述的基于機器學習的證券交易異常行為檢測系統，其特征在于，對證券用戶的交易行為中的交易次數與間隔進行分析，具體過程如下：
4.根據權利要求1所述的基于機器學習的證券交易異常行為檢測系統，其特征在于，對證券用戶的交易行為中的交易金...
【專利技術屬性】
技術研發人員：楊德良，李爍權，柳剛強，孫杰，
申請(專利權)人：杭州中焯信息技術股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。