[发明专利]一种大宗商品交易中的监管商品智能化推荐方法与系统

说明书

本发明公开了一种大宗商品交易中的监管商品智能化推荐方法与系统。分为四个部分：大宗商品交易数据和行情数据的数据处理，行情数据关联商品发现，交易数据关联商品发现，构建关联商品集进行智能化推荐监管商品。本发明解决了大宗商品交易监管中存在的商品监管范围模糊和不确定的问题。首先，对商品的历史行情信息和交易信息进行数据预处理操作。其次，分析不同商品行情数据（价格波动等）的相关性，得到价格波动关联商品。然后，分析不同商品交易数据（交易行为等）的相关性，得到交易事件关联商品。最后，综合以上两步形成的关联商品，最后，构建关联商品集合，并根据监管任务信息对监管商品进行智能化推荐。

技术领域

本发明属于大宗商品电子商务监管技术领域，尤其涉及一种 大宗商品交易中的监管商品智能化推荐方法与系统。

背景技术

在大宗商品电子交易监管的过程中，监管任务的对象通常包括具 体的交易商品。由监管方发起的监管请求中可能需要多种不同的商品， 并且在监管的过程中还会涉及到其他的一些关联商品。传统的监管方 式，商品监管对象是单一固定的，易出现监管商品不全面等问题的出 现；而且当前大宗商品电子商务市场交易模式复杂多变，交易过程中 存在着诸多风险，因此对于大宗商品交易的监管十分必要。然而在实 际应用过程中，需要监管的商品对象往往设置单一、指向不明确，这 些问题加剧了异常商品的查验难度，使得异常商品的关联商品及其上 下游商品的异常更加难以被发现。例如，在市场交易中，铁矿石价格 的走高，往往可能是其上下游商品的价格异常导致的，而在之前不全 面的商品监管中，难以发现这种异常。因此，本发明提出的监管商品 智能化推荐方法显得尤为重要。

发明内容

为解决上述问题，本发明公开了一种大宗商品交易中的监管商品 智能化推荐方法与系统，该系统分为四个模块：商品交易数据和行情 数据的数据处理模块，行情数据关联商品发现模块，交易数据关联商 品发现模块，关联商品集构建及监管商品智能化推荐模块。系统中的 每个模块配合运行，根据监管任务信息以及监管商品的历史行情数据、 交易数据等，计算关联商品集，智能化推荐监管商品，让监管方更好 地选择合适的大宗商品进行监管。

主要方案如下所述：

第一部分是针对大宗商品交易数据和行情数据的数据处理。在实 际的大宗商品交易过程中，商品的交易价格波动将导致大量行情数据 产生，包括不同的价格月线、日线、分钟线等等；且数据维度多样， 包括一天内的最高价、最低价、开盘价、收盘价等，所以实际的价格 走势会非常复杂。考虑到以上大宗商品价格的实际特点，首先，针对 大宗商品的历史价格时间序列做相应的数据预处理操作。随后，为提 升行情数据的可读性，结合大宗商品交易市场的实际情况，选取每天 的收盘价作为当天的平均价格。最后，从交易数据中提取出交易商及 其参与涉及的交易商品，构建大宗商品交易事务集。

第二部分是分析不同商品行情数据的相似性，计算出价格波动关 联商品。首先根据上一步建立的商品历史价格时间序列，进行不同商 品之间的相似性度量。选取相关系数(即皮尔森相关系数，Pearson Correlation Coefficient)作为数学工具，度量两个变量之间的相关程 度，反映两个变量是正相关还是负相关。相关系数取值范围在[-1,1] 之间，-1表示绝对负相关，1表示绝对正相关，0表示没有相关性。 分别度量商品之间的短期价格相关性r_short和长期价格相关性 r_long，再同时考量上述两种价格相关性r_long和r_short，得到商品 价格波动关系的综合相关系数r_sim。若r_sim满足相似度阈值τ，则 认为这对商品为价格波动关联商品，并将其加入价格波动关联商品集 合中。