[发明专利]一种针对大宗商品内幕交易行为的自适应检测方法与系统

说明书

本发明公开了一种针对大宗商品内幕交易行为的自适应检测方法与系统，该系统提取出交易用户的历史交易行为数据，使用多个交易指标进行刻画，通过时间序列异常检测方法识别交易指标当中的异常子序列来判断异常的时间区间。在在进行时间序列异常检测时，将时间序列划分为待检测集合和已检测集合，在迭代过程中每次选取最有可能发生内幕交易的时间区间，然后自适应地将时间序列划分为需要检测的时间区间并进行检测，通过自监督学习的方法衡量每个时间区间的交易行为的相似性，对检测的时间区间给出异常程度。基于此内幕交易行为的自适应检测方法与系统，帮助监管部门更好地对市场进行监管，维护交易市场的稳定和公平。

技术领域

本发明属于大宗商品电子商务监管技术领域，具体涉及一种针对大宗商品内幕交易行为的自适应检测方法与系统。

背景技术

伴随着信息技术的发展，大宗商品电子交易市场的发展日益迅速。它通过电子交易系统为生产者，销售者以及大宗商品交易提供相关的电子交易，融资，结算，交收和价格预测等一体化服务，促进了大宗商品交易市场的商品流通。在大宗商品电子的交易过程中，有存在内幕交易风险的可能。例如某些金融机构或者监管部门的工作人员因地位或者职务上的便利而能够知悉普通外部投资者无法知道的内幕信息，通过内幕信息它们能够为自己或者他人进行相应的交易行为从而来谋取利益。而由于交易行为众多，内幕交易行为隐藏在其中，因此通过系统算法帮助监管人员挖掘出可能发生内幕交易行为的时间区间是十分重要的。

当内幕交易行为发生时，由于内幕信息仅仅对某些商品产生价格上的影响，因此内幕交易人员为了谋求利益，会依据该内幕信息对某些特定的商品进行买卖，来为自己谋取额外的利益。这种买卖行为区别于其正常的买卖行为，通常会在短时间内对某种特定的商品投入大量的资金，从而获得比平常更高的收益。因此系统基于交易用户的交易数据分析其是否存在异常交易行为模式，来判断是否为内幕交易行为。所以将交易行为转化为多个交易指标，再识别指标当中的异常子序列来判断异常的时间区间。

时间序列异常检是指从时间序列中找出某些连续子序列区别于其他大部分子序列，对应到内幕交易行为检测方法与系统中，异常的子序列代表了发生内幕交易行为的区间，大部分子序列代表了发生正常交易行为的区间。使用自监督学习的方法通过衡量不同子序列之间的相似程度，判断是否某些子序列与其他子序列不同，识别出可能的异常序列。由于要将内幕交易发生的时间区间只占所有交易发生的时间区间的一部分，所以系统将监管的时间区间划分成若干个子区间，而如果划分较小的时间区间，由于交易行为众多，数据规模大时，需要耗费大量的时间进行检测。而如果划分为较大的时间区间，虽然能够较快地检测出可能发生的内幕交易行为时间区间，但由于给出的时间区间大，监管人员需要耗费大量的时间来排查该时间区间内的交易行为，因此削减了监管效果。

发明内容

为解决上述问题，本发明公开了一种针对大宗商品内幕交易行为的自适应检测方法与系统，能够根据交易时间区间的长度调整检测的时间区间，从而通过交易指标的计算和异常子序列的发现给出内幕交易检测的结果，帮助监管人员更好地监管内幕交易行为。

为达到上述目的，本发明的技术方案如下：

一种针对大宗商品内幕交易行为的自适应检测方法与系统，具体技术方案如下：