[发明专利]交易检测方法、智能设备及计算机存储介质

说明书

本发明公开了交易检测方法、智能设备及计算机存储介质，所述方法包括：对历史时间序列数据预处理、时间序列建模、异常检测以及异常数据报警，其中，所述历史时间序列数据预处理主要用于修正历史交易中的缺失和突变为零的数据；所述时间序列建模用于根据历史时间序列数据对交易系统建立时间序列模型；所述异常检测通过对建立的时间序列模型的拟合残差序列进行分析，检测出异常数据；所述异常数据报警用于调用第三方接口以提供实时的异常监测提醒，解决现有技术中难以准确有效的检测交易系统中的异常数据，降低交易风险。

技术领域

本发明涉及金融交易技术领域，尤其涉及一种交易检测方法、智能设备及计算机存储介质。

背景技术

随着互联网技术的快速发展，通常采用互联网技术对处理复杂的金融业务，现有技术中在对金融业务进行监测的过程中，通常对金融业务对应的历史数据设置异常阈值或异常百分比的方法来判断异常情况，当金融业务复杂且请求办理数据量大时，难以准确有效的检测出异常数据，导致交易风险提高。

发明内容

本申请实施例通过提供一种交易检测方法、智能设备及计算机存储介质，旨在解决现有技术中难以准确有效的检测交易系统中的异常数据。

本申请实施例提供了一种交易检测方法，所述交易检测方法，包括：

获取预设时间段内的时间序列数据；

根据所述时间序列数据以及预测模型得到待预测时刻对应的交易预测值；

基于所述待预测时刻对应的交易实际值、所述交易预测值以及预设阈值的关系，以检测所述待预测时刻对应的交易预测值是否异常。

在一实施例中，所述获取预设时间段内的时间序列数据的步骤之前包括：

获取历史时间序列数据；

采用所述历史时间序列数据对预设模型进行训练以得到所述预测模型，其中，所述预设模型为自回归移动平均模型。

在一实施例中，所述获取历史时间序列数据的步骤之后包括：

采用插值算法对所述历史时间序列数据进行预处理，得到预处理后的历史时间序列数据。

在一实施例中，所述采用所述历史时间序列数据对预设模型进行训练以得到所述预测模型的步骤之前包括：

采用差分算法对所述历史时间序列数据进行平稳处理；

根据平稳处理后的所述历史时间序列数据对预设模型进行训练以得到所述预测模型。

在一实施例中，所述根据平稳处理后的所述历史时间序列数据对预设模型进行训练以得到所述预测模型的步骤包括：

获取平稳处理后的所述历史时间序列数据，并根据平稳处理后的所述历史时间序列数据得到交易差分值；

根据所述交易差分值得到所述预设模型的阶数；

获取所述预设模型的自回归系数以及移动平均系数；

根据所述交易差分值、所述阶数、所述自回归系数以及所述移动平均系数，以得到所述预测模型。

在一实施例中，所述基于所述待预测时刻对应的交易实际值、所述交易预测值以及预设阈值的关系，以检测所述待预测时刻对应的交易预测值是否异常的步骤包括：

获取所述待预测时刻对应的交易实际值与所述交易预测值之间的差值；

比对所述差值与预设阈值，并根据比对结果检测所述待预测时刻对应的交易预测值是否异常。

在一实施例中，所述预设阈值包括第一预设阈值以及第二预设阈值；所述比对所述差值与预设阈值，并根据比对结果检测所述待预测时刻对应的交易预测值是否异常的步骤包括：