[发明专利]异常产品识别方法及系统

说明书

本发明提供一种异常产品识别方法及系统。该异常产品识别方法包括：获取当前交易数据；将当前交易数据输入预先创建的第一最优神经网络模型中，得到当前交易概率；根据当前交易概率确定当前客户点差关联数据；将当前客户点差关联数据输入预先创建的第二最优神经网络模型中，得到当前点差数据；根据当前点差数据与实际点差数据识别异常产品。本发明可以高效准确识别异常产品，降低交易风险，提高客户的交易体验。

技术领域

本发明涉及产品识别技术领域，具体地，涉及一种异常产品识别方法及系统。

背景技术

银行金融市场产品的点差按照中间价在买入价和卖出价之间的差价得出。举例：如银行纸黄金中间价是300元，银行买入价是299.4元，银行卖出价是300.4元，则表示该行的纸黄金点差是0.4元单边点差，投资者进行一买一卖操作，则要付出0.8元/克的点差。产品的点差是业务人员凭借个人经验主观设置的，错误设置的点差会导致产品异常。现有技术无法识别异常产品，而异常产品会干扰正常的市场交易，提高银行交易风险，降低客户的交易体验。

发明内容

本发明实施例的主要目的在于提供一种异常产品识别方法及系统，以高效准确识别异常产品，降低交易风险，提高客户的交易体验。

为了实现上述目的，本发明实施例提供一种异常产品识别方法，包括：

获取当前交易数据；

将当前交易数据输入预先创建的第一最优神经网络模型中，得到当前交易概率；

根据当前交易概率确定当前客户点差关联数据；

将当前客户点差关联数据输入预先创建的第二最优神经网络模型中，得到当前点差数据；

根据当前点差数据与实际点差数据识别异常产品。

本发明实施例还提供一种异常产品识别系统，包括：

第一获取单元，用于获取当前交易数据；

当前交易概率单元，用于将当前交易数据输入预先创建的第一最优神经网络模型中，得到当前交易概率；

点差关联数据单元，用于根据当前交易概率确定当前客户点差关联数据；

当前点差数据单元，用于将当前客户点差关联数据输入预先创建的第二最优神经网络模型中，得到当前点差数据；

异常产品识别单元，用于根据当前点差数据与实际点差数据识别异常产品。

本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，处理器执行计算机程序时实现所述的异常产品识别方法的步骤。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现所述的异常产品识别方法的步骤。

本发明实施例的异常产品识别方法及系统先将当前交易数据输入第一最优神经网络模型中得到当前交易概率，再根据当前交易概率确定当前客户点差关联数据，然后将当前客户点差关联数据输入第二最优神经网络模型中得到当前点差数据，最后根据当前点差数据与实际点差数据识别异常产品，可以高效准确识别异常产品，降低交易风险，提高客户的交易体验。

附图说明

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，下面描述中的附图仅仅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。

图1是本发明实施例中异常产品识别方法的流程图；

图2是本发明实施例中创建第一最优神经网络模型的流程图；