[发明专利]交易数据智能分析方法、电子装置及计算机可读存储介质

说明书

本发明涉及一种机器学习技术，揭露了一种交易数据智能分析方法，该方法包括：通过业务调研获取原始交易数据并分析交易特征；根据原始交易数据和交易特征创建异常交易因子体系；根据所述异常交易因子体系进行数据获取、清洗和分析；通过机器学习算法对所获取的数据建立无监督模型；根据所述模型进行交易数据的异常分析。本发明还提供一种电子装置及计算机可读存储介质。本发明提供的交易数据智能分析方法、电子装置及计算机可读存储介质能够根据异常交易因子体系建立模型，实现交易数据的智能分析。

技术领域

本发明涉及机器学习技术领域，尤其涉及一种交易数据智能分析方法、电子装置及计算机可读存储介质。

背景技术

现有的对债券交易或股票交易的分析过程，一般包括业务调研，逻辑梳理，数据获取、清洗和分析，规则类模型或统计建模，模型验证等步骤。但是，该过程需要依赖业务经验做大量数据处理和模型阀值设定，受业务经验影响很大，模型建立的难度比较高，且分析结果可能不准确。另外，在后续模型运营过程中，模型优化方向不明确，优化难度大。

发明内容

有鉴于此，本发明提出一种交易数据智能分析方法、电子装置及计算机可读存储介质，以解决至少一个上述技术问题。

首先，为实现上述目的，本发明提出一种交易数据智能分析方法，该方法包括步骤：

通过业务调研获取原始交易数据并分析交易特征；

根据原始交易数据和交易特征创建异常交易因子体系；

根据所述异常交易因子体系进行数据获取、清洗和分析；

通过机器学习算法对所获取的数据建立无监督模型；及

根据所述模型进行交易数据的异常分析。

可选地，该方法在根据所述模型进行交易数据的异常分析之前还包括步骤：

根据所建立的模型对样本数据进行分析，针对分析结果进行模型验证；

当验证通过时，执行根据所述模型进行交易数据的异常分析的步骤；

当验证不通过时，根据所述异常交易因子体系对所述模型进行调整和优化。

可选地，所述交易包括债券交易和股票交易。

可选地，所述异常交易因子体系包括根据所述原始交易数据和交易特征进行梳理和提炼得到的多个衍生变量，其中：

当所述交易为债券交易时，所述衍生变量包括价格偏离、反向交易、债项评级变化；

当所述交易为股票交易时，所述衍生变量包括反向交易、同向交易、快进快出。

可选地，所述模型通过Python语言调用XGboost算法建立。

此外，为实现上述目的，本发明还提供一种电子装置，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的交易数据智能分析系统，所述交易数据智能分析系统被所述处理器执行时实现如下步骤：

通过业务调研获取原始交易数据并分析交易特征；

根据原始交易数据和交易特征创建异常交易因子体系；

根据所述异常交易因子体系进行数据获取、清洗和分析；

通过机器学习算法对所获取的数据建立无监督模型；及

根据所述模型进行交易数据的异常分析。

可选地，所述交易数据智能分析系统被所述处理器执行时还实现步骤：

根据所建立的模型对样本数据进行分析，针对分析结果进行模型验证；