[发明专利]一种交易系统的监控方法及装置

权利要求书

1.一种交易系统的监控方法，其特征在于，所述方法包括：

获取当前时刻的交易数据和多个历史交易数据；

利用自回归移动平均模型对所述多个历史交易数据进行处理，得到目标交易数据；

将所述当前时刻的交易数据和目标交易数据输入预测模型中，使所述预测模型利用所述当前时刻的交易数据和所述目标交易数据进行交易数据预测，输出预设时间的交易数据，其中，所述预测模型是利用所述历史交易数据对循环神经网络进行训练得到的；

从多个预警范围中确定出所述预设时间的交易数据，所处的目标预警范围，其中，每个所述预警范围为一个状态簇中的最小历史交易数据至最大历史交易数据的范围，所述状态簇通过对所述多个历史交易数据进行聚类得到；

将所述目标预警范围对应的状态，确定为交易系统处于所述预设时间的状态。

2.根据权利要求1所述的方法，其特征在于，所述利用自回归移动平均模型对所述多个历史交易数据进行处理，得到目标交易数据，包括：

利用所述自回归移动平均模型对所述多个历史交易数据进行自回归项计算和滑动平均项计算；

根据自回归项计算得到的结果和滑动平均项计算得到的结果，确定目标交易数据，其中，所述目标交易数据包括所述自回归项计算得到的结果与所述滑动平均项计算得到的结果的和、所述自回归项计算得到的结果，以及所述滑动平均项计算得到的结果。

3.根据权利要求1所述的方法，其特征在于，所述利用自回归移动平均模型对所述多个历史交易数据进行处理，得到目标交易数据之前，还包括：

利用预设的归一化处理方法，对所述多个历史交易数据进行归一化处理；

所述利用自回归移动平均模型对所述多个历史交易数据进行处理，得到目标交易数据，包括：

利用自回归移动平均模型对归一化处理后的所述多个历史交易数据进行处理，得到目标交易数据。

4.根据权利要求3所述的方法，其特征在于，所述将所述当前时刻的交易数据和所述目标交易数据输入预测模型中，使所述预测模型利用所述当前时刻的交易数据和所述目标交易数据进行交易数据预测，输出预设时间间隔后的交易数据之后，还包括：

利用与所述预设的归一化处理方法对应的逆归一化处理方法，对所述预设时间的交易数据进行逆归一化处理；

所述多个预警范围中确定出所述预设时间的交易数据，所处的目标预警范围，包括：

从多个预警范围中确定出逆归一化处理后的所述预设时间间隔后的交易数据，所处的目标预警范围。

5.根据权利要求1所述的方法，其特征在于，所述利用历史交易数据训练循环神经网络得到的过程，包括：

获取第一历史时间段内的多个历史交易数据；其中，相邻的两个所述历史交易数据的间隔为预设时间间隔；

对所述多个历史交易数据进行归一化处理，得到多个训练数据；

利用所述自回归移动平均模型分别对每个所述训练数据进行自回归项计算以及进行滑动平均项计算；

分别将每个所述训练数据、该训练数据的自回归项计算得到的结果、该训练数据的滑动平均项计算得到的结果和该训练数据的自回归项计算得到的结果与滑动平均项计算得到的结果的和，输入循环神经网络中进行迭代训练，直至所述循环神经网络收敛，得到预测模型。

6.根据权利1所述的方法，其特征在于，所述设置多个预警范围的过程，包括：

获取交易实数序列；其中，所述交易实数序列由第二历史时间段内的多个历史交易数据组成；

对所述交易实数序列中的历史交易数据进行归一化处理；

利用EM聚类算法对进行了归一化处理后的所述交易实数序列进行聚类，得到多个状态簇；

分别基于每个所述状态簇中的最大历史交易数据和最小历史交易数据，设置每个状态簇对应的预警范围以及每个所述预警范围对应的状态；其中，一个所述状态簇对应的预警范围的为所述状态簇中的最大历史交易数据至最小历史交易数据的范围。