[发明专利]一种用于判断垄断行为的大数据感知方法及系统

权利要求书

1.一种用于判断垄断行为的大数据感知方法，其特征在于，所述用于判断垄断行为的大数据感知方法包括：

通过对重点行业产品信息进行监测，确定生产企业的地理分布、市场影响力分布，查看生产企业的地理分布、市场影响力分布，分析重点行业产品价格变动与全省产品价格变动，获得重点行业产品价格变动与全省产品价格变动的趋势异同分析数据；基于分析数据识别市场存在异常价格变动风险时反映出的价格变动期，若市场存在异常价格变动的风险，将识别出价格变动期，进行预警信息反馈，并可视化示出；

所述用于判断垄断行为的大数据感知方法包括以下步骤：

步骤一，获取企业基本信息数据、税务数据、销售数据；对获取的数据进行清洗和处理；

步骤二，基于结构突变理论从时空两个维度确定产品价格波动特征的异质性，识别企业对产品价格的垄断行为；

步骤三，进行可视化参数设置，基于设置的可视化参数进行识别结果的可视化展示以及整体分析报告的下载；

所述步骤二中基于结构突变理论从时空两个维度确定产品价格波动特征的异质性，识别企业对产品价格的垄断行为包括以下步骤：

(1)对处理后的数据进行聚类分析，得到多个分组，并计算每个企业所在分组的组内相关系数和组间相关系数，得到具有价格串谋的特征和具有垄断特征的数据；

(2)Bai-Perron内生结构突变检验方法的思路如下：

假设某个T期的时间序列数据存在k个潜在突变点，产生k+1个分割区间，并且该数据的生成过程如下：

y_t＝x′_tβ+z′_tγ_j+u_t

其中，t为突变点的时刻，t＝T₁,...,T_n,n＝1,...,k+1，y_t为被解释变量，解释变量由x′_t和z′_t两部分组成，x′_t表示系数未发生改变的变量，z′_t表示系数发生改变的变量，β和γ_j为相应的系数向量，u_t为残差项；

Bai-Perron结构突变检验分为三步：第一步，针对式中每个可能的分割点，利用普通最小二乘法，计算出β和γ_j的估计值，并得到对应的残差平方和；第二步，比较不同分割方式得到的残差平方和，取最小残差平方和的分割：第三步，对时间序列的生成过程是否发生结构突变进行显著性检验；

(3)对时间序列的生成过程是否发生结构突变进行显著性检验，得到若干个结构变点，对相邻两个结构变点划分出的时间区间检验是否产生了具有长期记忆性的波动，GARCH模型是用来描述波动率能得到很好效果的时间序列模型；对于一个时间序列r_q，令a_q＝r_q-μ_q＝r_q-E(r_q|F_q-1)，称{a_q}服从GARCH(m,s)模型，{a_q}如果满足

其中，q为时间序列的时刻，F_q-1表示截止到时刻q-1的收益率信息，μ_q为常数，a_q为不相关的白噪声序列，σ_q是波动率，是收益率的条件标准差，ε_q为零均值单位方差的独立同分布白噪声列，的模型是r_q的波动率方程，m、s为GARCH模型的参数，α₀、β_j为常数项；

(4)对所有企业的产品建立空间相关性模型，根据聚类分析所得的不同分组，采用一阶时间相关系数分析计算每个企业所在分组的组内相关系数和组间相关系数。

2.如权利要求1所述用于判断垄断行为的大数据感知方法，其特征在于，所述步骤一中对获取的数据进行清洗和处理包括：

首先，对获取的数据进行缺失值的处理、数据标准化、异常值的检测处理；

其次，对价格数据的多时间维度进行聚合和转换；同时将处理后的数据存储入预先构建的基础库、主题库中。