本发明涉及证券交易，具体涉及一种自动化证券交易风险监控系统大数据的智能分析方法。
背景技术：
1、近年来随着证券市场的快速发展，自动化证券交易风险监控系统在保护投资者利益、防范市场风险方面发挥着重要作用。但是随着交易数据的爆炸式增长，如何对大数据进行智能分析，提高风险监控的效率和准确性，成为了亟待解决的问题。
2、在对用户的自动化证券交易数据进行智能分析的过程中，通常分析用户的历史交易数据，将拥有相似的交易数据的用户聚为一类，根据聚类结果来分析用户的交易习惯。现有聚类算法通常利用交易数据之间的欧式距离分析交易数据之间的相似性，由于用户每天的交易数据比较复杂，涉及多个证券的操作且每个证券的买入卖出操作的价格不断变化，导致传统的欧式距离不能准确反映交易数据之间相似性，使聚类结果不准确，进而分析用户的交易习惯出现误差，降低对证券风险监控的准确率。
技术实现思路
1、为了解决因证券交易数据较为复杂使交易数据之间的欧式距离无法准确反映交易数据之间的相似性，使聚类结果不准确，导致证券风险监控出现误差的技术问题，本发明的目的在于提供一种自动化证券交易风险监控系统大数据的智能分析方法，所采用的技术方案具体如下：
2、本发明提出了一种自动化证券交易风险监控系统大数据的智能分析方法，该方法包括：
3、获取至少两个用户在当天与其之前预设历史时间段内每天的证券交易数据，每天的证券交易数据包含不同证券的交易详情数据，每个证券的交易详情数据包含不同笔交易，每笔交易包含委托价格、成交价格、委托时间、成交时间、成交数量与交易类型，交易类型分买入型与卖出型；
4、选取任意一个证券的交易详情数据作为目标数据；根据目标数据中交易类型为卖出型与买入型的交易的成交价格的差值以及成交数量的差值，获取目标数据的交易合理度；结合目标数据中每笔交易的委托价格与成交价格的差异，委托时间与成交时间之间的间隔以及交易合理度，得到目标数据的交易特征值；
5、对于每个用户，将用户在预设历史时间段内每天的证券交易数据作为用户的历史交易数据；基于用户的历史交易数据包含的不同证券的交易详情数据的交易特征值，获取用户的历史交易数据的证券特征值；依据用户在预设历史时间段内每天中同一证券数量的波动情况，得到用户的证券修正系数；
6、根据所述证券修正系数调整任意两个用户的所述证券特征值的差异，获得任意两个用户的历史交易数据之间的距离度量指标；
7、基于所述距离度量指标对用户进行聚类，根据获取的聚类簇内用户的历史交易数据的证券特征值与当天的证券交易数据中证券的交易详情数据的交易特征值的差异，监控每个用户在当天的证券交易数据的风险。
8、进一步地，所述目标数据的交易合理度的计算公式如下：
9、；式中，为目标数据的所述交易合理度；为目标数据中交易类型为买入型的交易笔数；为目标数据中交易类型为买入型的第m1笔交易的成交价格；为目标数据中交易类型为买入型的第m1笔交易的成交数量；为目标数据中交易类型为卖出型的交易笔数；为目标数据中交易类型为卖出型的第m2笔交易的成交价格；为目标数据中交易类型为卖出型的第m2笔交易的成交数量；为目标数据中交易类型为买入型的所有交易的成交数量的总和；q2为目标数据中交易类型为卖出型的所有交易的成交数量的总和；为预设正数；norm为归一化函数。
10、进一步地，所述目标数据的交易特征值的计算公式如下：
11、；式中，为目标数据的所述交易特征值；k为目标数据的总交易笔数；为目标数据的第k笔交易的委托价格；为目标数据的第k笔交易的成交价格；为目标数据的第k笔交易的委托时间；为目标数据的第k笔交易的成交时间；为目标数据的交易合理度；为预设正数；为绝对值函数。
12、进一步地，所述用户的历史交易数据的证券特征值的获取方法，包括：
13、对于用户在预设历史时间段内每天的证券交易数据，将每天的证券交易数据包含的不同证券的交易详情数据的所述交易特征值的均值，作为每天的证券交易数据的交易详情值；
14、计算用户在预设历史时间段内每天的所述交易详情值的均值作为用户的历史交易数据的所述证券特征值。
15、进一步地，所述依据用户在预设历史时间段内每天中同一证券数量的波动情况，得到用户的证券修正系数的方法，包括：
16、获取用户在预设历史时间段内每天交易证券的证券代码；
17、根据用户在预设历史时间段内每天中存在同一证券代码的数量，得到用户的不同的证券数量序列；
18、以时间为横轴，以证券代码的数量作为纵轴建立二维坐标系；对于用户的每个证券数量序列，将证券数量序列中每个元素在所述二维坐标系中进行标注，得到证券数量序列中每个元素的特征坐标点；对所述二维坐标系中的所述特征坐标点进行曲线拟合得到数量波动曲线段；将所述数量波动曲线段上相邻的两个极值点之间的曲线段作为子波动曲线段；
19、对于每个子波动曲线段，将子波动曲线段的两个端点之间的斜率作为子波动曲线段的综合斜率值；结合用户的每个证券数量序列对应的每个所述子波动曲线段上所述特征坐标点的数量与所述综合斜率值，获得用户的每个证券数量序列的稳定特征值；
20、计算用户的所有证券数量序列的所述稳定特征值的均值，作为用户的证券修正系数。
21、进一步地，所述用户的不同的证券数量序列的方法，包括：
22、由每天交易证券的证券代码构成每天的证券集合，将用户在预设历史时间段内每天的证券集合按照时序排列得到用户的历史证券序列；将历史证券序列中每个证券集合中证券代码的标识值均设置为0；
23、从历史证券序列中第一个证券集合内任意选取一个证券代码作为分析代码，将分析代码的标识值更新为1；将历史证券序列中每个证券集合的符号值设置为0，将分析代码所在的证券集合的符号值更新为1；
24、将历史证券序列中第二个与第三个证券集合作为待分析集合，判断每个待分析集合内是否均存在分析代码，若是，将每个待分析集合的符号值更新为1，并将每个待分析集合内分析代码的标识值更新为1，统计每个待分析集合中分析代码的总数量；确定新的待分析集合，并判断新的待分析集合内是否存在分析代码，遍历历史证券序列；若否，将历史证券序列中符号值等于1的证券集合中分析代码的总数量依据证券集合的下标顺序排列，得到分析代码的证券数量序列，并将历史证券序列中证券集合的符号值重置为0；
25、确定新的分析代码，新的分析代码的确定规则为：从历史证券序列中第一个证券集合中任意选取一个标识值等于0的证券代码作为新的分析代码，获取新的分析代码的证券数量序列，遍历第一个证券集合，之后遍历第二个证券集合中标识值等于0的证券代码，以此类推；得到用户所有的证券数量序列。
26、进一步地，所述用户的每个证券数量序列的稳定特征值的计算公式如下：
27、；式中，为用户的第h个所述证券数量序列的所述稳定特征值；为用户的第h个证券数量序列对应的所述子波动曲线段的总数量；为用户的第h个证券数量序列对应的第r个子波动曲线段上所述特征坐标点的总数量；为用户的第h个证券数量序列对应的第r个子波动曲线段的所述综合斜率值；为用户的第h个证券数量序列中元素的总数量；为用户的第v个证券数量序列中元素的总数量；h为用户的证券数量序列的总个数。
28、进一步地，所述任意两个用户的历史交易数据之间的距离度量指标的计算公式如下：
29、；式中，为第q个用户与第w个用户的历史交易数据之间的所述距离度量指标；为第q个用户的历史交易数据的所述证券特征值；为第q个用户的所述证券修正系数；为第t个用户的历史交易数据的所述证券特征值；为第t个用户的所述证券修正系数。
30、进一步地，所述基于所述距离度量指标对用户进行聚类，根据获取的聚类簇内用户的历史交易数据的证券特征值与当天的证券交易数据中证券的交易详情数据的交易特征值的差异，监控每个用户在当天的证券交易数据的风险的方法，包括：
31、基于任意两个用户的历史交易数据之间的距离度量指标，利用cure聚类算法对用户进行聚类，得到不同的聚类簇；
32、将每个聚类簇内所有用户的历史交易数据的所述证券特征值的均值作为每个聚类簇内用户的基准交易习惯值；
33、对于每个用户，获取用户在当天的证券交易数据的所述交易详情值；
34、判断用户在当天的所述交易详情值与所述基准交易习惯值之间的差值绝对值是否小于预设偏移阈值，若是，则用户的当天的证券交易不存在风险；若否，则用户的当天的证券交易存在风险。
35、进一步地，所述预设偏移阈值为5。
36、本发明具有如下有益效果：
37、在本发明实施例中，目标数据中交易类型为卖出型与买入型交易的成交价格的差值反映目标数据对应证券的变现收益，成交数量的差值反映变现率，综合两种因素进行分析使获取的交易合理度更加准确；每笔交易的委托价格与成交价格的差异以及委托时间与成交时间之间的间隔，体现交易是否存在激进行为，同时结合交易合理度，得到反映目标数据在交易过程中激进情况的交易特征值，综合每天的证券交易数据包含预设历史时间段内所有证券的交易详情数据得到用户的历史交易数据的证券特征值；证券交易的交易特征同时体现在用户对证券的持有时长，因不同用户对证券的持有时间与交易理念存在差异，导致用户的历史交易数据的证券特征值不能准确反映真实的交易特征，用户在预设历史时间段内每天中同一证券数量的波动情况反映证券的持有时长，因此，依据用户在预设历史时间段内每天中同一证券数量的波动情况，获取对用户的历史交易数据的证券特征值进行调整的证券修正系数，利用其调整用户的证券特征值的差异获得距离度量指标，减小复杂的交易数据对两个用户的历史交易数据之间距离的影响，使其能准确反映用户的历史交易数据之间的差异情况，提高聚类效果，提高对证券风险监控的准确率。
1.一种自动化证券交易风险监控系统大数据的智能分析方法，其特征在于，该方法包括：
2.根据权利要求1所述的一种自动化证券交易风险监控系统大数据的智能分析方法，其特征在于，所述目标数据的交易合理度的计算公式如下：
3.根据权利要求1所述的一种自动化证券交易风险监控系统大数据的智能分析方法，其特征在于，所述目标数据的交易特征值的计算公式如下：
4.根据权利要求1所述的一种自动化证券交易风险监控系统大数据的智能分析方法，其特征在于，所述用户的历史交易数据的证券特征值的获取方法，包括：
5.根据权利要求1所述的一种自动化证券交易风险监控系统大数据的智能分析方法，其特征在于，所述依据用户在预设历史时间段内每天中同一证券数量的波动情况，得到用户的证券修正系数的方法，包括：
6.根据权利要求5所述的一种自动化证券交易风险监控系统大数据的智能分析方法，其特征在于，所述用户的不同的证券数量序列的方法，包括：
7.根据权利要求5所述的一种自动化证券交易风险监控系统大数据的智能分析方法，其特征在于，所述用户的每个证券数量序列的稳定特征值的计算公式如下：
8.根据权利要求1所述的一种自动化证券交易风险监控系统大数据的智能分析方法，其特征在于，所述任意两个用户的历史交易数据之间的距离度量指标的计算公式如下：
9.根据权利要求4所述的一种自动化证券交易风险监控系统大数据的智能分析方法，其特征在于，所述基于所述距离度量指标对用户进行聚类，根据获取的聚类簇内用户的历史交易数据的证券特征值与当天的证券交易数据中证券的交易详情数据的交易特征值的差异，监控每个用户在当天的证券交易数据的风险的方法，包括：
10.根据权利要求9所述的一种自动化证券交易风险监控系统大数据的智能分析方法，其特征在于，所述预设偏移阈值为5。
