黄金拷贝价格数据确定方法及装置[发明专利]

(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 202010009454.0
(22)申请日 2020.01.06
(71)申请人 中国工商银行股份有限公司
地址 100140 北京市西城区复兴门内大街
55号
(72)发明人 张佩玉　温丽明　梁森　钟锐填　
(74)专利代理机构 北京三友知识产权代理有限
公司 11127
代理人 赵平　周永君
(51)Int.Cl.
G06K 9/62(2006.01)
G06Q 10/04(2012.01)
G06Q 30/02(2012.01)
G06Q 40/04(2012.01)
(54)发明名称黄金拷贝价格数据确定方法及装置(57)摘要本发明公开了一种黄金拷贝价格数据确定方法及装置，该方法包括：获取金融产品的业务数据，其中，所述业务数据包括价格信息以及产品特征信息；将所述金融产品的业务数据输入到训练好的聚类模型中，得到数据簇，并将所述数据簇的簇心作为所述金融产品的业务数据对应的黄金拷贝价格数据，其中，所述聚类模型为根据各金融产品的历史业务数据以及各金融产品的历史黄金拷贝价格数据采用预设的聚类算法训练得出。

本发明实现了准确、高效的确定金融产品的黄金拷贝价格数据的有益效果，并可以对金融产品的未来黄金拷贝价格数据进行准确的
预测。

权利要求书2页 说明书13页 附图3页CN 111209963 A 2020.05.29
C N 111209963
A
1.一种黄金拷贝价格数据确定方法，其特征在于，包括：
获取金融产品的业务数据，其中，所述业务数据包括价格信息以及产品特征信息；
将所述金融产品的业务数据输入到训练好的聚类模型中，得到数据簇，并将所述数据簇的簇心作为所述金融产品的业务数据对应的黄金拷贝价格数据，其中，所述聚类模型为根据各金融产品的历史业务数据以及各金融产品的历史黄金拷贝价格数据采用预设的聚类算法训练得出。

2.根据权利要求1所述的黄金拷贝价格数据确定方法，其特征在于，还包括：
获取训练好的未来黄金拷贝价格预测模型，其中，所述未来黄金拷贝价格预测模型为根据各金融产品的历史业务数据以及各金融产品的历史黄金拷贝价格数据采用预设的机器学习算法训练得出；
将所述金融产品的业务数据输入到所述未来黄金拷贝价格预测模型中，得到金融产品的未来黄金拷贝价格数据。

3.根据权利要求1所述的黄金拷贝价格数据确定方法，其特征在于，还包括：
获取各金融产品的历史业务数据以及各金融产品的历史黄金拷贝价格数据；
根据各金融产品的历史业务数据以及各金融产品的历史黄金拷贝价格数据采用K均值算法训练出所述聚类模型，其中，在训练时根据各金融产品的历史业务数据在特征属性上的相似程度进行分类，通过各金融产品的历史黄金拷贝价格数据以及预设的评价函数对各金融产品的历史业务数据的相似度进行评价，得到样本模糊动态分类置信度评价，通过迭代训练，使得样本模糊动态分类评价满足预设要求。

4.根据权利要求2所述的黄金拷贝价格数据确定方法，其特征在于，还包括：
获取各金融产品的历史业务数据以及各金融产品的历史黄金拷贝价格数据；
根据各金融产品的历史业务数据以及各金融产品的历史黄金拷贝价格数据采用支持向量机回归算法训练出所述未来黄金拷贝价格预测模型。

5.根据权利要求2所述的黄金拷贝价格数据确定方法，其特征在于，还包括：
判断金融产品的未来黄金拷贝价格数据是否超出预设的黄金拷贝预警阀值范围；
若是，向用户发送预警信息。

6.根据权利要求2所述的黄金拷贝价格数据确定方法，其特征在于，还包括：
计算金融产品的未来黄金拷贝价格数据对应的金融市场资本杠杆率；
若所述金融市场资本杠杆率超过预设值，向用户发送预警信息。

7.一种黄金拷贝价格数据确定装置，其特征在于，包括：
业务数据获取单元，用于获取金融产品的业务数据，其中，所述业务数据包括价格信息以及产品特征信息；
黄金拷贝价格数据确定单元，用于将所述金融产品的业务数据输入到训练好的聚类模型中，得到数据簇，并将所述数据簇的簇心作为所述金融产品的业务数据对应的黄金拷贝价格数据，其中，所述聚类模型为根据各金融产品的历史业务数据以及各金融产品的历史黄金拷贝价格数据采用预设的聚类算法训练得出。

8.根据权利要求7所述的黄金拷贝价格数据确定装置，其特征在于，还包括：
未来黄金拷贝价格预测模型单元，用于获取训练好的未来黄金拷贝价格预测模型，其中，所述未来黄金拷贝价格预测模型为根据各金融产品的历史业务数据以及各金融产品的
历史黄金拷贝价格数据采用预设的机器学习算法训练得出；
未来黄金拷贝价格数据确定单元，用于将所述金融产品的业务数据输入到所述未来黄金拷贝价格预测模型中，得到金融产品的未来黄金拷贝价格数据。

9.根据权利要求7所述的黄金拷贝价格数据确定装置，其特征在于，还包括：
聚类模型训练单元，用于根据各金融产品的历史业务数据以及各金融产品的历史黄金拷贝价格数据采用K均值算法训练出所述聚类模型，其中，在训练时根据各金融产品的历史业务数据在特征属性上的相似程度进行分类，通过各金融产品的历史黄金拷贝价格数据以及预设的评价函数对各金融产品的历史业务数据的相似度进行评价，得到样本模糊动态分类置信度评价，通过迭代训练，使得样本模糊动态分类评价满足预设要求。

10.根据权利要求8所述的黄金拷贝价格数据确定装置，其特征在于，还包括：
未来黄金拷贝价格预测模型训练单元，用于根据各金融产品的历史业务数据以及各金融产品的历史黄金拷贝价格数据采用支持向量机回归算法训练出所述未来黄金拷贝价格预测模型。

11.根据权利要求8所述的黄金拷贝价格数据确定装置，其特征在于，还包括：
第一预警单元，用于判断金融产品的未来黄金拷贝价格数据是否超出预设的黄金拷贝预警阀值范围；并在超出预设的黄金拷贝预警阀值范围时向用户发送预警信息。

12.根据权利要求8所述的黄金拷贝价格数据确定装置，其特征在于，还包括：
第二预警单元，用于计算金融产品的未来黄金拷贝价格数据对应的金融市场资本杠杆率；并在所述金融市场资本杠杆率超过预设值时向用户发送预警信息。

13.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任一项所述的方法。

14.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序在计算机处理器中执行时实现如权利要求1至6任意一项所述的方法。

黄金拷贝价格数据确定方法及装置
技术领域
[0001]本发明涉及金融领域，具体而言，涉及一种黄金拷贝价格数据确定方法及装置。

背景技术
[0002]金融市场中金融产品的价格由于数据供应商、地区等不同会产生多个价格数据，而其中最优的价格数据被称为黄金拷贝价格数据。

例如金融市场上某只债券sec1在彭博报价为ask＝105.672，bid＝105.196；在路透报价为ask＝105.794，bid＝105.474。

银行根据一定规则，对金融市场上该支债券sec1的价格数据进行整合处理，得到这个债券sec1的黄金拷贝价格数据Mid＝105.xxx。

而银行确定黄金拷贝价格数据的过程被称为对债券sec1进行黄金拷贝(goldcopy)。

现有技术中，银行对于金融市场中金融产品进行黄金拷贝的时效性和自动化程度不高，人工成本大。

现有技术缺少一种准确、高效的确定金融产品的黄金拷贝价格数据的方法。

发明内容
[0003]本发明为了解决上述背景技术中的至少一个技术问题，提出了一种黄金拷贝价格数据确定方法及装置。

[0004]为了实现上述目的，根据本发明的一个方面，提供了一种黄金拷贝价格数据确定方法，该方法包括：
[0005]获取金融产品的业务数据，其中，所述业务数据包括价格信息以及产品特征信息；[0006]将所述金融产品的业务数据输入到训练好的聚类模型中，得到数据簇，并将所述数据簇的簇心作为所述金融产品的业务数据对应的黄金拷贝价格数据，其中，所述聚类模型为根据各金融产品的历史业务数据以及各金融产品的历史黄金拷贝价格数据采用预设的聚类算法训练得出。

[0007]可选的，该黄金拷贝价格数据确定方法还包括：
[0008]获取训练好的未来黄金拷贝价格预测模型，其中，所述未来黄金拷贝价格预测模型为根据各金融产品的历史业务数据以及各金融产品的历史黄金拷贝价格数据采用预设的机器学习算法训练得出；
[0009]将所述金融产品的业务数据输入到所述未来黄金拷贝价格预测模型中，得到金融产品的未来黄金拷贝价格数据。

[0010]可选的，该黄金拷贝价格数据确定方法还包括：
[0011]获取各金融产品的历史业务数据以及各金融产品的历史黄金拷贝价格数据；[0012]根据各金融产品的历史业务数据以及各金融产品的历史黄金拷贝价格数据采用K 均值算法训练出所述聚类模型，其中，在训练时根据各金融产品的历史业务数据在特征属性上的相似程度进行分类，通过各金融产品的历史黄金拷贝价格数据以及预设的评价函数对各金融产品的历史业务数据的相似度进行评价，得到样本模糊动态分类置信度评价，通过迭代训练，使得样本模糊动态分类评价满足预设要求。

[0013]可选的，该黄金拷贝价格数据确定方法还包括：
[0014]获取各金融产品的历史业务数据以及各金融产品的历史黄金拷贝价格数据；[0015]根据各金融产品的历史业务数据以及各金融产品的历史黄金拷贝价格数据采用支持向量机回归算法训练出所述未来黄金拷贝价格预测模型。

[0016]可选的，该黄金拷贝价格数据确定方法还包括：
[0017]判断金融产品的未来黄金拷贝价格数据是否超出预设的黄金拷贝预警阀值范围；[0018]若是，向用户发送预警信息。

[0019]可选的，该黄金拷贝价格数据确定方法还包括：
[0020]计算金融产品的未来黄金拷贝价格数据对应的金融市场资本杠杆率；
[0021]若所述金融市场资本杠杆率超过预设值，向用户发送预警信息。

[0022]为了实现上述目的，根据本发明的另一方面，提供了一种黄金拷贝价格数据确定装置，该装置包括：
[0023]业务数据获取单元，用于获取金融产品的业务数据，其中，所述业务数据包括价格信息以及产品特征信息；
[0024]黄金拷贝价格数据确定单元，用于将所述金融产品的业务数据输入到训练好的聚类模型中，得到数据簇，并将所述数据簇的簇心作为所述金融产品的业务数据对应的黄金拷贝价格数据，其中，所述聚类模型为根据各金融产品的历史业务数据以及各金融产品的历史黄金拷贝价格数据采用预设的聚类算法训练得出。

[0025]可选的，该黄金拷贝价格数据确定装置还包括：
[0026]未来黄金拷贝价格预测模型单元，用于获取训练好的未来黄金拷贝价格预测模型，其中，所述未来黄金拷贝价格预测模型为根据各金融产品的历史业务数据以及各金融产品的历史黄金拷贝价格数据采用预设的机器学习算法训练得出；
[0027]未来黄金拷贝价格数据确定单元，用于将所述金融产品的业务数据输入到所述未来黄金拷贝价格预测模型中，得到金融产品的未来黄金拷贝价格数据。

[0028]可选的，该黄金拷贝价格数据确定装置还包括：
[0029]聚类模型训练单元，用于根据各金融产品的历史业务数据以及各金融产品的历史黄金拷贝价格数据采用K均值算法训练出所述聚类模型，其中，在训练时根据各金融产品的历史业务数据在特征属性上的相似程度进行分类，通过各金融产品的历史黄金拷贝价格数据以及预设的评价函数对各金融产品的历史业务数据的相似度进行评价，得到样本模糊动态分类置信度评价，通过迭代训练，使得样本模糊动态分类评价满足预设要求。

[0030]可选的，该黄金拷贝价格数据确定装置还包括：
[0031]未来黄金拷贝价格预测模型训练单元，用于根据各金融产品的历史业务数据以及各金融产品的历史黄金拷贝价格数据采用支持向量机回归算法训练出所述未来黄金拷贝价格预测模型。

[0032]可选的，该黄金拷贝价格数据确定装置还包括：
[0033]第一预警单元，用于判断金融产品的未来黄金拷贝价格数据是否超出预设的黄金拷贝预警阀值范围；并在超出预设的黄金拷贝预警阀值范围时向用户发送预警信息。

[0034]可选的，该黄金拷贝价格数据确定装置还包括：
[0035]第二预警单元，用于计算金融产品的未来黄金拷贝价格数据对应的金融市场资本
杠杆率；并在所述金融市场资本杠杆率超过预设值时向用户发送预警信息。

[0036]为了实现上述目的，根据本发明的另一方面，还提供了一种计算机设备，包括存储器、处理器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计算机程序时实现上述黄金拷贝价格数据确定方法中的步骤。

[0037]为了实现上述目的，根据本发明的另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序在计算机处理器中执行时实现上述黄金拷贝价格数据确定方法中的步骤。

[0038]本发明的有益效果为：本发明采用机器学习的方法根据各金融产品的历史业务数据以及各金融产品的历史黄金拷贝价格数据采用预设的聚类算法训练出聚类模型，进而根据聚类模型确定出当前金融产品的业务数据的黄金拷贝价格数据，实现了准确、高效的确定金融产品的黄金拷贝价格数据的有益效果。

附图说明
[0039]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

在附图中：
[0040]图1是本发明实施例黄金拷贝价格数据确定方法的第一流程图；
[0041]图2是本发明实施例黄金拷贝价格数据确定方法的第二流程图；
[0042]图3是本发明实施例对预测的未来黄金拷贝价格数据进行预警的第一流程图；[0043]图4是本发明实施例对预测的未来黄金拷贝价格数据进行预警的第二流程图；[0044]图5是本发明实施例黄金拷贝价格数据确定装置的第一结构框图；
[0045]图6是本发明实施例黄金拷贝价格数据确定装置的第二结构框图；
[0046]图7是本发明实施例黄金拷贝价格数据确定装置的第三结构框图；
[0047]图8是本发明实施例黄金拷贝价格数据确定装置的第四结构框图；
[0048]图9是本发明实施例计算机设备示意图。

具体实施方式
[0049]为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。

基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

[0050]本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。

因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。

而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

[0051]需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“包括”和“具
有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

[0052]需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面将参考附图并结合实施例来详细说明本发明。

[0053]本发明提供了一种金融产品的黄金拷贝价格数据确定方法，方法包括：获取金融市场的不同场景历史业务数据和历史黄金拷贝价格数据；根据不同场景历史业务数据和历史黄金拷贝价格数据对预先建立的机器学习模型进行训练；利用训练后的聚类模型对金融市场价格数据进行黄金拷贝，以及利用训练好的未来黄金拷贝价格预测模型对未来的金融市场价格黄金拷贝数据进行预测。

本发明通过对金融市场金融产品的业务数据进行特征值提取并进行机器学习训练，实现对金融产品价格数据的黄金拷贝，并对金融产品的未来黄金拷贝数据进行预测，本发明支持银行充分利用金融市场上各类数据，并为市场风险控制及时提供金融市场(包括外汇类市场数据和商品类市场等)参考数据。

[0054]图1是本发明实施例黄金拷贝价格数据确定方法的第一流程图，如图1所示，本发明实施例的黄金拷贝价格数据确定方法包括步骤S101至步骤S102。

[0055]步骤S101，获取金融产品的业务数据，其中，所述业务数据包括价格信息以及产品特征信息。

[0056]在本发明实施例中，金融产品的业务数据可以为从各类金融市场数据供应商(比如彭博、路透、MARKIT、MORNINGSTAR、10X等)获取的金融产品的业务数据，该金融产品的业务数据可以为多个金融产品的业务数据。

在本发明可选实施例中，金融产品的业务数据可以包括多个特征值属性，特征值属性总体可以分为价格信息以及产品特征信息，其中价格信息包括ASK价格、BID价格等，产品特征信息包括RUNNING_COUPON、起息日期、到期日、期限等。

如表1所示，为本发明可选实施例的金融产品的业务数据的特征值属性和对应的属性值表格。

[0058]表1
[0059]步骤S102，将所述金融产品的业务数据输入到训练好的聚类模型中，得到数据簇，并将所述数据簇的簇心作为所述金融产品的业务数据对应的黄金拷贝价格数据，其中，所述聚类模型为根据各金融产品的历史业务数据以及各金融产品的历史黄金拷贝价格数据采用预设的聚类算法训练得出。

[0060]在本发明实施例中，本发明根据各金融产品的历史业务数据以及各金融产品的历史黄金拷贝价格数据采用预设的聚类算法训练出聚类模型，进而将当前获取的金融产品的业务数据输入到训练好的聚类模型中进行聚类，得到一个个数据簇，而这些数据簇的簇心就是各金融产品的黄金拷贝价格数据。

[0061]图2是本发明实施例黄金拷贝价格数据确定方法的第二流程图，如图2所示，本发明实施例的黄金拷贝价格数据确定方法还包括步骤S201和步骤S202。

[0062]步骤S201，获取训练好的未来黄金拷贝价格预测模型，其中，所述未来黄金拷贝价格预测模型为根据各金融产品的历史业务数据以及各金融产品的历史黄金拷贝价格数据采用预设的机器学习算法训练得出。

[0063]在本发明实施例中，本发明根据各金融产品的历史业务数据以及各金融产品的历史黄金拷贝价格数据采用支持向量机回归(SVR)算法训练出未来黄金拷贝价格预测模型，进而利用未来黄金拷贝价格预测模型对金融产品的未来黄金拷贝价格数据进行预测。

在本发明可选实施例中未来黄金拷贝价格预测模型可以根据当前的金融产品的业务数据预测
出下一天的各金融产品的未来黄金拷贝价格数据，在本发明的其他可选实施例中未来黄金
拷贝价格预测模型可以根据当前的金融产品的业务数据预测出接下来多天的各金融产品的未来黄金拷贝价格数据。

[0064]步骤S202，将所述金融产品的业务数据输入到所述未来黄金拷贝价格预测模型中，得到金融产品的未来黄金拷贝价格数据。

[0065]在本发明可选实施例中，本发明预测的未来黄金拷贝价格数据的数据结构可以如下所示：
[0066]
[0067]其中，datet1为预测的未来黄金拷贝价格数据的日期，为当前日期t加一日，datadatet1为预测的未来黄金拷贝价格数据。

[0068]由以上描述可以看出，本发明通过对金融市场金融产品的业务数据进行特征值提取并进行机器学习训练，实现对金融产品价格数据的黄金拷贝，并对金融产品的未来黄金拷贝数据进行预测，本发明支持银行充分利用金融市场上各类数据，并为市场风险控制及时提供金融市场(包括外汇类市场数据和商品类市场等)参考数据。

[0069]下面对本发明上述的聚类模型以及未来黄金拷贝价格预测模型的具体训练过程进行介绍。

[0070]在本发明可选实施例中，可选实施例中，上述步骤S102的聚类模型具体的训练过程可以包括：获取各金融产品的历史业务数据以及各金融产品的历史黄金拷贝价格数据；根据各金融产品的历史业务数据以及各金融产品的历史黄金拷贝价格数据采用K均值算法训练出所述聚类模型，其中，在训练时根据各金融产品的历史业务数据在特征属性上的相似程度进行分类，通过各金融产品的历史黄金拷贝价格数据以及预设的评价函数对各金融产品的历史业务数据的相似度进行评价，得到样本模糊动态分类置信度评价，通过迭代训练，使得样本模糊动态分类评价满足预设要求。

[0071]在本发明实施例中，在模型训练前需要先获取历史数据建立训练样本集合，本发明实施例的各金融产品的历史业务数据可以为从各类金融市场数据供应商(比如彭博、路透、MARKIT、MORNINGSTAR、10X等)获取的历史业务数据。

在本发明实施例中通过设置校验规则，对获取的历史业务数据最基本的合法性校验，减少大数据集中的数据的干扰“噪声”。

包括筛选业务数据、缺失信息处理、异常信息清理。