[发明专利]交易异常监测方法及装置

说明书

技术领域

本公开涉及金融安全监控领域，具体地，涉及一种交易异常监测方法及装置。

背景技术

为了防止在证券交易中出现违规行为，行监会需要对证券交易行为进行异常监测。目前，交易异常监测的方法通常是针对单一维度单一状态下的累加值的考量，如利用交易量来进行考量。例如，若某一账户连续三个交易日内的涨跌幅偏离值累计达到±20％时，行监会认为其属于异常波动。基于这样的标准，惯常的监测方式是针对个体账号交易量的波动进行回归等机器学习，通过判断实际值跟预测值之间的差值是否超过一定阀值来预测交易是否存在异常。这种指标性的异常预测方法只能对交易市场起到宏观预警的作用，是为了避免投资者在交易出现大幅度异常波动时损失大量资金。

而对于相关监控部门来说，最主要的关注点在于账户交易过程中是否有违规、内幕操作等行为。然而，现有的指标性异常预测方法无法区分造成异常波动的原因究竟是由内部异常操作引起的，还是由外界因素引起的。外界因素对交易的影响往往作用于市场内部的所有账户，例如房价上涨导致大量账户撤资，从而引发股市整体交易量的下降，基于现有的异常预测方法会预测到波动幅度较大并发出异常预警。但是这种波动主要是外界因素导致的，跟违规操作、内幕操作没有直接相关性。因此，如何去除外界因素对市场内部交易行为的影响是准确判断交易过程中是否存在违规、内幕等操作行为的关键。

发明内容

本公开是针对现有技术中由于无法去除外界因素对市场内部交易行为的影响而无法准确判断交易过程中是否存在违规、内幕等操作行为的问题，提供一种交易异常监测方法和装置。

为了实现上述目的，本公开提供一种交易异常监测方法，该方法包括：获取目标账户在第一时段内的第一交易行为数据；确定所述第一交易行为数据在与所述第一时段对应的相对坐标系中的第一映射点的坐标，其中，所述相对坐标系是根据多个参考账户在对应时段内的交易行为数据构建的；根据所述第一映射点的坐标，确定第一距离，其中，所述第一距离为所述第一映射点到与所述第一时段对应的所述相对坐标系的原点之间的距离；至少根据所述第一距离，判断所述目标账户在所述第一时段内的交易行为是否异常。

可选地，所述至少根据所述第一距离，判断所述目标账户在所述第一时段内的交易行为是否异常的步骤包括：在所述第一距离小于第一预设阈值时，判定所述目标账户在所述第一时段内的交易行为异常。

可选地，所述方法还包括：获取第二距离，其中，所述第二距离为所述目标账户在第二时段内的交易行为数据在与所述第二时段对应的相对坐标系中的第二映射点到与所述第二时段对应的所述相对坐标系的原点之间的距离，并且，所述第二时段早于所述第一时段；所述至少根据所述第一距离，判断所述目标账户在所述第一时段内的交易行为是否异常的步骤包括：根据所述第一距离和所述第二距离，判断所述目标账户在所述第一时段内的交易行为是否异常。

可选地，所述根据所述第一距离和所述第二距离，判断所述目标账户在所述第一时段内的交易行为是否异常的步骤包括：当所述第二距离大于所述第一距离、且所述第二距离与所述第一距离之间的差大于第二预设阈值时，判定所述目标账户在所述第一时段内的交易行为异常。

可选地，所述相对坐标系是通过以下方式构建的：获取多个参考账户在对应时段内的交易行为数据；根据所述多个参考账户在对应时段内的交易行为数据，构建参考交易行为矩阵；计算所述参考交易行为矩阵的特征向量及对应的特征值；利用按照特征值降序排序、排名在前L个的特征值所对应的特征向量来构建L维的相对坐标系，其中，L为大于或等于2的自然数。

可选地，所述确定所述第一交易行为数据在与所述第一时段对应的相对坐标系中的第一映射点的坐标的步骤包括：确定所述第一交易行为数据和与所述第一时段对应的相对坐标系的各个维度上的特征向量之间的相似度；根据所确定的相似度、以及与所述第一时段对应的相对坐标系的各个维度上的特征向量所对应的特征值，确定所述第一交易行为数据在与所述第一时段对应的相对坐标系中的第一映射点的坐标。

可选地，通过以下方式确定所述第一映射点的坐标：

Vⁱ＝λ_i×(corr(V,Q_i)+1)