CN113850678A - 一种行情数据管理方法、***、设备及存储介质 - Google Patents
一种行情数据管理方法、***、设备及存储介质 Download PDFInfo
- Publication number
- CN113850678A CN113850678A CN202111128347.0A CN202111128347A CN113850678A CN 113850678 A CN113850678 A CN 113850678A CN 202111128347 A CN202111128347 A CN 202111128347A CN 113850678 A CN113850678 A CN 113850678A
- Authority
- CN
- China
- Prior art keywords
- data
- market
- market data
- analysis model
- target product
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/219—Managing data history or versioning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24552—Database cache management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种行情数据管理方法、***、设备及存储介质。该方法包括:从预设的数据缓存表中提取目标产品的至少一路当前源行情数据;基于行情数据库中相对所述目标产品存储的历史源行情数据,确定预先所设定至少一个数据分析模型对应的基准评价数据;从各路当前源行情数据选定输入各所述数据分析模型的输入数据,结合相应的基准评价数据,获得各数据分析模型输出的数据分析结果;根据各所述数据分析结果,确定所述目标产品的发布行情数据。本发明实施例,通过基于当前源行情数据与历史源行情数据对行情数据进行管理,实现了行情数据发布的精准性,提高了金融行业自动化检测效率,更好地解决了其***漏洞的问题,消除了潜在的隐患。
Description
技术领域
本发明实施例涉及数据处理技术领域,尤其涉及一种行情数据管理方法、***、设备及存储介质。
背景技术
随着金融行业各领域的业务的不断上涨,金融行业的行情数据也变得多种多样。众所周知的金融行业的行情数据例如有,外汇的行情数据、贵金属的行情数据、一些衍生品的行情数据等等,这些行情数据的实时变化也反映出了金融领域内一些市场的变化,也是金融行业和客户进行交易的基础所在。
行情数据是交易过程中最基本、最重要的部分。金融行业只有及时的获取行情数据,才能对当前市场的变化更加了解,从而更好的服务个人。现有技术中,金融行业对于从一级市场获取到的行情数据,通过人工点差的方式直接发布二级市场,与客户进行交易,对于发布的行情数据未进行进一步的分析,从而造成行情数据的发布容易出错,且存在***漏洞问题,给金融行业带来很大的风险、隐患。
发明内容
本发明提供一种行情数据管理方法、***、设备及存储介质,以实现了对发布到二级市场行情数据的精准确定。
第一方面,本发明实施例提供了一种行情数据管理方法,包括:
从预设的数据缓存表中提取目标产品的至少一路当前源行情数据;
基于行情数据库中相对所述目标产品存储的历史源行情数据,确定预先所设定至少一个数据分析模型对应的基准评价数据;
从各路当前源行情数据选定输入各所述数据分析模型的输入数据,结合相应的基准评价数据,获得各数据分析模型输出的数据分析结果;
根据各所述数据分析结果,确定所述目标产品的发布行情数据。
第二方面,本发明实施例还提供了一种行情数据管理***,该***包括:
当前数据提取模块,用于从预设的数据缓存表中提取目标产品的至少一路当前源行情数据;
基准数据确定模块,用于基于行情数据库中相对所述目标产品存储的历史源行情数据,确定预先所设定至少一个数据分析模型对应的基准评价数据;
分析结果获得模块,用于从各路当前源行情数据选定输入各所述数据分析模型的输入数据,结合相应的基准评价数据,获得各数据分析模型输出的数据分析结果;
数据发布模块,用于根据各所述数据分析结果,确定所述目标产品的发布行情数据。
第三方面,本发明实施例还提供了一种计算机设备,包括:
一个或多个处理器,
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述第一方面任一所述的行情数据管理方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一方面所述的行情数据管理方法。
本发明实施例所提供的技术方案中,通过从预设的数据缓存表中提取目标产品的至少一路当前源行情数据,基于行情数据库中相对所述目标产品存储的历史源行情数据,确定预先所设定至少一个数据分析模型对应的基准评价数据,然后从各路当前源行情数据选定输入各所述数据分析模型的输入数据,结合相应的基准评价数据,获得各数据分析模型输出的数据分析结果,最后根据各所述数据分析结果,确定所述目标产品的发布行情数据。本发明实施例中的上述技术方案,通过从预设的数据缓存表中提取目标产品的至少一路当前源行情数据,然后从行情数据库中提取相对目标产品存储的历史源行情数据,以基于所提取的当前源行情数据以及历史源行情数据确定预先所设定至少一个数据分析模型对应的基准评价数据,与现有技术相比,所采用的数据分析模型有效避免了金融行业行情数据发布时的易错问题,同时在行情数据发布之后,对所发布的行情数据进行收集,并进行进一步的质量分析,能够使金融行业内部***进行自检,且降低了金融行业存在的各类风险以各类隐患问题。
附图说明
图1是本发明实施例一中的一种行情数据管理方法的流程图;
图2是本发明实施例二中的一种行情数据管理方法的流程图;
图2a是本发明实施例二中的一种行情数据管理方法的流程图;
图3是本发明实施例三中的一种行情数据管理***的结构示意图;
图4是本发明实施例四中的一种计算机设备的结构示意图;
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
本发明使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例一
图1为本发明实施例一提供的一种行情数据管理方法的流程图,本实施例可适用于对行情数据进行监管以及分析时的情况,该方法可以由一种行情数据管理***来执行,该***采用软件和/或硬件的方式来实现,该***可配置于计算机设备中。
该方法具体包括如下步骤:
S101、从预设的数据缓存表中提取目标产品的至少一路当前源行情数据。
其中,预设的数据缓存表可以理解为预先设定的在缓存服务器中的缓存数据表,用于存放实时进来的源行情数据。预设的数据缓存表可以理解为将需要频繁访问的行情数据内容存放在离用户较近、访问速度更快的***中,以便提高内容访问速度,缓存服务器可以是存放频繁访问内容的服务器。
可以知道的是,目标产品是源行情数据的来源产品。例如可以是贵金属类、也可以为外汇类、还可以为衍生品,本实施例对此不做限制。其中,贵金属类即指贵重的金属,例如金、银等;外汇指货币在各国间的流动以及把一个国家的货币兑换成另一个国家的货币,以用于交易或其他;衍生品可以为远期、期货和互换等。
需要说明的是,源行情数据是指行情报价机构的报价源对行情数据的报价数据。当前源行情数据可以理解为从行情报价机构在当前执行时刻下实时输入的源行情数据,针对每个目标产品,预设的数据缓存表中均对应存在了一家或多家行情报价源机构提供的当前源行情数据,通过本步骤可直接从数据缓存表中获取到至少一路当前源行情数据。
在本实施例中,金融行业的行情接收器会实时不断的接收来自各行情情报机构所报送的一级市场源行情数据,然后将接收到的源行情数据存入缓存服务器中的数据缓存表中以及数据库中,用于金融行业对行情数据的分析以及进行实时的报价。其中,一级市场,也称发行市场或初级市场,是资本需求者将证券首次出售给公众时形成的市场。它是新证券和票据等金融工具的买卖市场,是筹集资金的公司或政府机构将其新发行的股票和债券等证券销售给最初购买者的金融市场。
需要说明的是,从预设的数据缓存表中提取目标产品的至少一路当前源行情数据的方式可以为:一级市场的各行情报价机构会实时不断的向金融行业发送各个行情的报价源数据,金融行业在接收到源行情数据之后,会将源行情数据存入预设的数据缓存表以及数据库中,当金融行业想知道某一产品的当前源行情数据时,可以从预设的数据缓存表中提取出该目标产品的一家或多家的行情报价源机构提供的当前源行情数据。
S102、基于行情数据库中相对目标产品存储的历史源行情数据,确定预先所设定至少一个数据分析模型对应的基准评价数据。
其中,行情数据库可以理解为按照数据结构来组织、存储和管理数据的仓库,是一个长期存储在计算机内的、有组织的、可共享的、统一管理的大量数据的集合。行情数据库中的行情数据来源于一级市场行情数据机构对目标产品的报价源数据,行情数据机构实时的报价源数据以及之前的报价源数据都在行情数据库中存放。行情数据库的存储空间很大,可以存放百万条、千万条、上亿条数据。而且行情数据库并不是随意地将数据进行存放,是有一定的规则的,这样可以提高对行情数据库中数据查询的效率。
可以知道的是,历史源行情数据可以理解为行情数据库中存放的之前某一段时间内目标产品的报价源数据。示例性的,历史源行情数据可以为两个星期前的报价源数据,也可以为一个月前的报价源数据,还可以为一年前的报价源数据,本实施例对此不做限制。
在本实施例中,数据分析模型可以理解为选用模型对数据进行分析与处理。示例性的,数据分析模型可以为横向分析模型、纵向分析模型等等。
需要说明的是,基准评价数据可以理解为对数据横向分析模型以及数据纵向分析模型的输入数据进行加工、解析处理所形成的。其中,数据加工、解析处理可以理解为将目标产品的过去某一段时间内的历史源行情数据进行一定的汇总,然后求出目标产品在此段时间内的历史源行情数据报价的一个平均值;也可以是将目标产品近段时间内的多路源行情数据进行汇总,从而求出的目标产品近段时间内的多路源行情数据报价的差值,还可以为求出目标产品在此段时间内的历史源行情数据报价与当前实时行情数据的差值,本实施例在此不做限制。
可以知道的是,基准评价数据可以理解为评价行情数据合格的标准。基准评价数据可以包括:横向基准评价数据和纵向基准评价数据,用于评价数据横向分析模型与数据纵向分析模型中实时行情数据是否在合理的范围内。
需要知道的是,基于行情数据库中相对目标产品存储的历史源行情数据,确定预先所设定至少一个数据分析模型对应的基准评价数据的方式为:首先从预设的行情数据库中获取目标产品的各路的历史源行情数据,然后针对每一路的历史源行情数据,获取基于至少一个历史时间点下对应的第一历史时间点数据,用于确定数据横向分析模型对应的横向基准评价数据,最后获取基于各路历史源行情数据在指定历史时间点下对应的第二历史时间点数据,用于确定数据纵向分析模型对应的纵向基准评价数据。
S103、从各路当前源行情数据选定输入各数据分析模型的输入数据,结合相应的基准评价数据,获得各数据分析模型输出的数据分析结果。
其中,各路当前源行情数据可以理解为多家行情数据机构的行情报价源数据。示例性的,可以为A行情数据报价机构对目标产品的报价源数据,也可以B行情数据报价机构对目标产品的报价源数据。
需要知道的是,在从各路当前源行情数据选定输入各数据分析模型的输入数据之前需要先对输入的行情数据进行数据加工、解析,然后在将加工、解析后的数据作为输入数据输入到各数据分析模型中。其中,数据加工、解析可以是将目标产品的过去某一段时间内的历史源行情数据进行一定的汇总,然后求出目标产品在此段时间内的历史源行情数据报价的一个平均值;也可以是将目标产品近段时间内的多路源行情数据进行汇总,从而求出的目标产品近段时间内的多路源行情数据报价的差值。其中,过去某一段时间内可以为一个月前,也可为一年前,还可以为两年前,本实施例对此不做限制。其中,近段时间内可以为一天前,也可以为一个小时前,本实施例对此不做限制。
在本实施例中,数据分析结果可以理解为经过对目标产品相关的一路和/或多路当前源行情数据以及历史源行情数据的横向数据分析和/或纵向数据分析,然后与其相应的基准评价数据相结合,从而得到的合理的分析结果。
需要知道的是,从各路目标产品的当前源行情数据中任选一路目标源行情数据作为数据横向分析模型的输入数据,然后从行情数据库中取得该同类目标产品的某一段时间内历史行情数据均值,最后将目标源行情数据与横向基准评价数据进行差值计算,获得第一浮动数据。如果第一浮动数据小于第一浮动阈值,将各目标源行情数据确定为第一合格行情数据,并作为数据横向分析模型的横向数据分析结果。
需要知道的是,将各路目标产品的当前源行情数据作为数据纵向分析模型的输入数据,然后从预设的数据缓存表中取得各路该同类目标产品的近段时间内的行情数据均值,最后将各路目标产品的当前源行情数据与纵向基准评价数据进行差值计算,获得第二浮动数据序列,确定第二浮动数据系列中小于第二浮动阈值的第二浮动数据,将各第二浮动数据分别关联的当前源行情数据确定为第二合格行情数据,所得到的各第二合格行情数据作为数据纵向分析模型的纵向数据分析结果。
S104、根据各数据分析结果,确定目标产品的发布行情数据。
可以知道的,发布行情数据可以理解为将最终得到的目标产品的行情数据发布到二级市场进行实时交易。其中,二级市场是指已发行的有价证券买卖流通的场所,是有价证券所有权转让的市场。它为证券持有者提供变现能力,在其需要现金时能够出卖证券得以兑现,并且使新的储蓄者有投资的机会。
需要知道的是,根据各数据分析结果,确定目标产品的发布行情数据的方式为:经过数据横向分析模型以及数据纵向分析模型,从而会得出横向数据分析结果中的第一合格行情数据以及纵向数据分析结果中包含的各第二合格行情数据。在得到第一合格行情数据和第二合格行情数据之后,需要从中进行数据筛选,将合格的行情数据保留,将不合格的行情数据筛选掉,获得目标产品的目标行情数据。然后在获得目标行情数据之后,还需要对获得的目标产品的目标行情数据进行一定的定价策略,此时的定价策略需要有一个监管的阀值范围,之后就可以将该目标产品的行情数据发布到二级市场进行交易。
在本实施例中,发布到二级市场进行交易的行情数据可以反馈到预设的数据缓存表以及行情数据库中,用于对金融行业的行情数据做一定的质量报告分析,对金融行业进行了风险评估,从而能够更加精准的进行报价策略,更好的服务于客户。
本发明实施例所提供的技术方案中,通过从预设的数据缓存表中提取目标产品的至少一路当前源行情数据,基于行情数据库中相对所述目标产品存储的历史源行情数据,确定预先所设定至少一个数据分析模型对应的基准评价数据,然后从各路当前源行情数据选定输入各所述数据分析模型的输入数据,结合相应的基准评价数据,获得各数据分析模型输出的数据分析结果,最后根据各所述数据分析结果,确定所述目标产品的发布行情数据。本发明实施例中的上述技术方案,通过基于当前源行情数据与历史源行情数据对行情数据进行管理,实现了行情数据发布的精确性,提高了金融行业自动化检测效率,更好地解决了其***漏洞的问题,消除了企业潜在的隐患。
可选的,在根据各数据分析结果,确定所述目标产品的发布行情数据之后,还包括:
基于所述发布行情数据,结合预先所设定至少一个质量分析模型,确定所述目标产品的质量分析报告。
其中,质量分析模型可以理解为根据质量随机分析模型、质量反向分析模型以及质量极端分析模型所形成的质量分析报告。
需要说明的是,质量分析报告可以理解为包含三方面的内容,第一方面是来源于质量分析模型中,从行情数据库中随机取某段时间内的某个随机发布历史行情数据,首先将取出的数据进行打散处理,从中随机抽取目标产品的历史随机数据,然后将其与各路当前的源行情数据以及所发布到二级市场的行情数据进行对比,将比对的结果作为目标产品的一条质量分析信息;第二方面是来源于质量反向分析模型,发布二级市场的行情数据在一级市场的行情报价机构进行源行情报价数据输入时,其都会有相对应的规则而计算得到所报价的源行情数据,在金融行业得到一级市场权威报价机构的计算规则后,通过AI机器学习等方法,形成一套逻辑不同,但行情报价数据相一致的算法,获得相应的各反向行情数据,将发布行情数据分别与各反向行情数据进行比对,将比对结果作为目标产品所的一条质量分析信息;第三方面是来源于质量极端分析模型,从行情数据库中相对所述目标产品的历史行情数据,确定目标产品的行情数据浮动区间,将发布行情数据与行情数据浮动区间进行比对,并将比对结果作为目标产品的一条质量分析信息。
可选的,预先所设定质量分析模型包括:质量随机分析模型、质量反向分析模型以及质量极端分析模型;
相应的,所述基于所述发布行情数据,结合预先所设定至少一个质量分析模型,确定所述目标产品的质量分析报告,包括:
通过所述质量随机分析模型,从所述行情数据库中随机选定相对所述目标产品的历史随机数据;
将所述历史随机数据分别与各路当前源行情数据以及所述发布行情数据进行比对;
将比对结果作为所述目标产品所对应质量分析报告的一条质量分析信息。
在本实施例中,质量随机分析模型用于分析行情数据库中所选定的目标产品的过去某段时间内的历史随机数据与各路当前源行情数据以及发布行情数据的比对结果。质量反向分析模型用于分析所发布行情数据分别与反向行情数据的比对结果。质量极端分析模型用于分析发布行情数据与行情数据库中相对目标产品的历史行情数据浮动区间或阈值的比对结果。
其中,历史随机数据可以理解为行情数据库中,过去某一段时间内的历史行情数据,经过对历史行情数据的加工,将所选此段时间段内历史行情数据进行打散处理,然后从中随机选取的历史行情数据。
可以知道的是,各路当前源行情数据可以理解为一级市场各权威报价源数据机构实时报价的源行情数据。
在本实施例中,发布行情数据即为发布到二级市场进行交易的行情数据。
可以知道的是,质量分析信息可以理解为在质量报告中显示的对行情数据信息的分析结果。根据质量分析信息能够更好的帮助金融行业查找***所存在的漏洞,可以自查金融行业内部存在的潜在的隐患,更精准的向二级市场进行报价,更好的服务于客户。
可选的,基于发布行情数据,结合预先所设定至少一个质量分析模型,确定目标产品的质量分析报告,包括:
通过质量反向分析模型,采用设定的反向计算规则对各路当前源行情数据进行反向计算,获得相应的各反向行情数据;
将发布行情数据分别与各反向行情数据进行比对,并将比对结果作为目标产品所对应质量分析报告的一条质量分析信息。
需要说明的是,反向计算规则可以理解为背对背计算规则,在一级市场的行情数据报价机构进行源行情报价数据输入时,其都会有相对应的规则而计算得到所报价的源行情数据,在金融行业得到一级市场行情数据机构的计算规则后,金融行业会根据其他的算法,例如通过AI机器学习等方法,以形成一套逻辑不同,但行情报价数据相一致的方法,对一级市场的行情数据机构进行源行情报价数据输入的计算规则进行背对背计算。
在本实施例中,反向行情数据可以理解为由金融行业根据其他算法形成一套逻辑不同,但行情报价数据相一致的反向行情数据。
可选的,基于发布行情数据,结合预先所设定至少一个质量分析模型,确定目标产品的质量分析报告,包括:
通过质量极端分析模型,基于行情数据库中相对目标产品的历史行情数据,确定目标产品的行情数据浮动区间;
将发布行情数据与行情数据浮动区间进行比对,并将比对结果作为目标产品所对应质量分析报告的一条质量分析信息。
可以知道的是,行情数据浮动区间可以理解为在行情数据库中,根据过去某一段时间内的历史行情数据所得出的目标产品的上下浮动区间。示例性的,可以为2018年1月到2020年12月内目标产品行情数据的上下浮动区间范围为4-6。
需要说明的是,将发布到二级市场的行情数据与行情数据浮动区间进行对比,可以将比对结果作为质量分析报告的一条质量分析信息。通过质量极端分析模型,基于临界值、非法数据等,进一步探测金融行业的***应对特殊或极端情况的能力。
实施例二
图2为本发明实施例二提供地一种行情数据管理方法的流程图,本实施例在上述各实施例地基础上,进一步进行了细化。具体可以包含如下步骤:
S201、从预设的数据缓存表中提取目标产品的至少一路当前源行情数据。
可以知道的是,从预设的数据缓存表中提取目标产品的一路或多路的当前源行情数据。
具体的,本实施例可以通过行情数据库中相对目标产品存储的历史源行情数据,确定预先所设定至少一个数据分析模型对应的基准评价数据。具体步骤可以为S202至S204:
S202、从预设的行情数据库中获取所述目标产品的各路历史源行情数据。
具体的,从行情数据库中,可以获取目标产品来自一级市场多家行情数据报价机构的历史源行情数据。
需要说明的是,从预设的行情数据库中获取目标产品的各路历史源行情数据的方式为:一级市场行情数据机构的报价源行情数据实时不断的存入预设的缓存表以及行情数据库中,然后从行情数据库中就可以提取到目标产品的多家历史源行情数据。
S203、针对每一路历史源行情数据,基于至少一个历史时间点下对应的第一历史时间点数据,确定数据横向分析模型对应的横向基准评价数据;
其中,第一历史时间点数据可以理解为数据横向分析模型中选取目标产品某段时间的一路历史源行情数据。第一历史时间点数据是从行情数据库中获取的历史行情数据。
可以知道的是,数据横向分析模型用于分析目标产品某段时间的一路历史行情数据经过数据加工处理与当前目标产品源行情数据的比对。
需要说明的是,横向基准评价数据可以理解为目标产品某段时间的一路历史行情数据经过数据加工处理,比如计算均值、差值等等,得到的横向基准评价数据。
S204、基于各路历史源行情数据在指定历史时间点下对应的第二历史时间点数据,确定数据纵向分析模型对应的纵向基准评价数据。
其中,第二历史时间点数据可以理解为数据纵向分析模型中选取目标产品某段时间的多路历史源行情数据。第二历史时间点数据是从缓存表中获取的行情数据。
可以知道的是,数据纵向分析模型用于分析目标产品各路预设缓存表中的当前源行情数据进过数据的加工处理,与当前实时目标产品源行情数据的比对。
需要说明的是,纵向基准评价数据可以理解为目标产品各路预设缓存表中的当前源行情数据进过数据的加工处理,比如计算均值、求导等,得到的纵向基准评价数据。
具体的,通过从各路当前源行情数据选定输入各数据分析模型的输入数据,结合相应的基准评价数据,可以获得各数据分析模型输出的数据分析结果。具体可以为S205至S209:
S205、从各路当前源行情数据中任选一路目标源行情数据作为数据横向分析模型的输入数据,将目标源行情数据与横向基准评价数据进行差值计算,获得第一浮动数据;
需要说明的是,第一浮动数据可以理解为将根据标源行情数据与横向基准评价数据进行差值计算而得。其中,将目标源行情数据与所述横向基准评价数据进行差值计算可以理解为目标源行情数据与横向基准评价数据相减所得到的值。
S206、如果第一浮动数据小于第一浮动阈值,将各目标源行情数据确定为第一合格行情数据,并作为数据横向分析模型的横向数据分析结果。
其中,第一浮动阈值可以理解为目标产品在数据横向分析模型的阈值浮动范围。第一合格行情数据在横向模型中,根据第一浮动数据判断是否属于合格数据,如果第一浮动数据小于第一浮动阈值,则将各目标源行情数据确定为第一合格行情数据。
可以知道的是,横向数据分析结果可以为合格的行情数据,也可以为不合格的行情数据。
S207、将各路当前源行情数据作为数据纵向分析模型的输入数据,确定各路当前源行情数据与所述纵向基准评价数据的差值,获得第二浮动数据序列;
需要知道的是,第二浮动数据序列是由各路目标产品的当前源行情数据与纵向基准评价数据的差值计算所得到的。根据第二浮动数据可以判断是否属于数据纵向分析模型中的合格数据,判定第二浮动数据序列中小于第二浮动阈值的第二浮动数据,将各第二浮动数据分别关联的当前源行情数据确定为第二合格行情数据。
S208、确定第二浮动数据序列中小于第二浮动阈值的第二浮动数据,将各第二浮动数据分别关联的当前源行情数据确定为第二合格行情数据;
其中,第二浮动阈值可以理解为目标产品在数据纵向分析模型的阈值浮动范围。第二浮动数据是从第二浮动数据序列中得到的小于第二浮动阈值的数据。
S209、将各第二合格行情数据作为数据纵向分析模型的纵向数据分析结果。
具体的,在得到第二合格行情数据之后,可以将其作为数据纵向分析模型的纵向数据分析结果。
可以知道的是,横向数据分析结果可以为合格的行情数据,也可以为不合格的行情数据。
具体的,根据各数据分析结果,可以确定目标产品的发布行情数据。具体可以为S210至S211:
S210、基于横向数据分析结果中的第一合格行情数据以及纵向数据分析结果中包含的各第二合格行情数据,筛选获得一个目标行情数据;
在本实施例中,通过横向数据分析结果中的第一合格行情数据以及纵向数据分析结果中包含的各第二合格行情数据从中可以筛选出合格的目标行情数据。其中,目标行情数据可以理解为发布到二级市场的行情数据。
需要知道的是,目标行情数据筛选的方式为:根据横向数据分析结果中的第一合格行情数据以及纵向数据分析结果中包含的各第二合格行情数据,选定一路航行数据均满足条件的目标行情数据作为输出的目标行情数据。
S211、采用设定的行情数据调整策略以及阈值监管条件对目标行情数据进行处理,获得目标产品的发布行情数据。
其中,设定的行情数据调整策略可以为金融行业对筛选过后的目标行情数据进行调整的策略。示例性的,对筛选过后的目标行情数据进行加或减点差的处理。例如可以是,当筛选过后的目标行情数据的输出为5.0时,金融行业的监管部门可以加上0.2的点差,以5.2的定价策略输出。
需要知道的是,阈值监管可以理解为在将目标行情数据发布到二级市场进行交易之前,需要经过阈值监管的管控,在设定的行情数据调整策略下,不能超过阈值监管的管控范围。
本发明实施例所提供的技术方案中,针对每一路历史源行情数据,基于至少一个历史时间点下对应的第一历史时间点数据,确定所述数据横向分析模型对应的横向基准评价数据,基于各路历史源行情数据在指定历史时间点下对应的第二历史时间点数据,确定所述数据纵向分析模型对应的纵向基准评价数据,然后基于数据横向分析模型对应的横向基准评价数据以及数据纵向分析模型对应的纵向基准评价数据,得到目标产品的目标行情数据,并通过设定的行情数据调整策略以及阈值监管条件对目标行情数据进行处理,获得目标产品的发布行情数据。本实施例通过数据横向分析模型与数据纵向分析模型,提高了金融行业***自动化测试效率,进一步实现了行情数据发布的精准性,消除了金融行业潜在的隐患。
示例性的,为便于更好的理解行情数据管理的方法,可以将图2a作为一种行情数据管理方法的流程示意图。可以包含以下步骤:
a1、金融行业的行情接收器实时不断地接收权威行情报价机构报送的一级市场源行情数据。
a2、金融行业将接收到的源行情数据存入预设的缓存服务器与行情数据库中。
a3、将用于数据横向分析模型的数据进行横向数据加工策略,从各路目标产品的当前源行情数据中任选一路目标源行情数据作为数据横向分析模型的输入数据,然后从行情数据库中取得该同类目标产品的某一段时间内历史行情数据进行加工处理。
a4、将目标源行情数据与横向基准评价数据进行差值计算,获得第一浮动数据。如果第一浮动数据小于第一浮动阈值,将各目标源行情数据确定为第一合格行情数据,并作为数据横向分析模型的横向数据分析结果。
a5、将各路目标产品的当前源行情数据作为数据纵向分析模型的输入数据,然后从预设的数据缓存表中取得各路该同类目标产品的近段时间内的行情数据进行加工处理。
a6、将各路目标产品的当前源行情数据与纵向基准评价数据进行差值计算,获得第二浮动数据序列,确定第二浮动数据系列中小于第二浮动阈值的第二浮动数据,将各第二浮动数据分别关联的当前源行情数据确定为第二合格行情数据,所得到的各第二合格行情数据作为数据纵向分析模型的纵向数据分析结果。
a7、在得到第一合格行情数据和第二合格行情数据之后,需要从中进行数据筛选,将合格的行情数据保留,将不合格的行情数据筛选掉,获得目标产品的目标行情数据。
a8、对获得的目标产品的目标行情数据进行一定的定价策略。
a9、定价策略需要有一个监管的阀值范围。
a10、目标产品的行情数据发布到二级市场进行交易。
a11、将用于质量随机分析模型的行情数据进行随机数据加工策略,从行情数据库中随机取某段时间内的某个随机发布历史行情数据,首先将取出的数据进行打散处理,从中随机抽取目标产品的历史随机数据输入到质量随机分析模型中。
a12、质量随机分析模型中,可以包含源行情单元、中转行情单元以及消费端行情单元,源行情单元用于存放行情数据库中的历史随机数据,中转行情单元用于存放预设的缓存表中输出各路当前的源行情数据,消费端行情单元用于存放发布二级市场的行情数据。源行情单元数据随机生成,中转行情单元和消费端行情单元随源行情单元数据变化而变化。将各路当前的源行情数据以及所发布到二级市场的行情数据进行对比,将比对的结果作为目标产品的一条质量分析信息。
a13、将用于质量反向分析模型的行情数据进行反向数据加工策略,当金融行业的交易员人为某一天的数据有问题时,用于做反向分析判断是不是行情报价哪里出现了问题,可以进行质量反向分析。
a14、质量反向分析模型中,可以包括固定规则的消费端行情单元、质量反向分析规则计算所得的报价单元;固定规则的消费端行情单元可以为一个固定发布二级市场的行情数据,质量反向分析规则计算所得的报价单元用于金融行业反向计算行情数据。消费端行情单元行情数据是根据固定规则生成的预期值,质量反向分析规则计算所得报价单元数据生成规则与消费端行情单元数据生成规则,原理相同,但逻辑路径不同。在质量反向分析模型中,通过AI机器学习等方法,形成一套逻辑不同,但行情报价数据相一致的算法,将源行情数据与缓存中当前源行情数据进行比对,将比对结果作为目标产品所的一条质量分析信息。
a15、将用于质量极端模型的行情数据进行极端数据加工策略,从行情数据库中相对所述目标产品的历史行情数据或阈值,确定目标产品的行情数据浮动区间。
a16、质量极端模型中,可以包括极端的消费端行情单元、预设的行情基准价单元;极端的消费端行情单元可以为极端的二级市场发布的数据,预设的行情基准价单元可以为预先设置的行情基准价数据。极端的消费端行情单元数据临界或大幅超过预设的行情基准价单元。将发布行情数据与行情数据浮动区间进行比对,并将比对结果作为目标产品的一条质量分析信息。
a17、最终形成质量报告分析,从质量报告分析中可以反馈出金融行业的***是否存在漏洞,向二级市场发布的目标行情数据是否精准等等,从而能够消除金融行业存在的隐患问题,使得金融行业的行情发布更加精准。
实施例三
图3为本发明实施例三提供的一种行情数据管理***的结构示意图,本实施例所提供的一种行情数据管理***可以通过软件和/或硬件来实现,可配置于服务器中来实现本发明实施例中的一种行情数据管理方法。如图3所示,该***具体可以包括:当前数据提取模块301、基准数据确定模块302、分析结果获得模块303以及数据发布模块304。
其中,当前数据提取模块301,用于从预设的数据缓存表中提取目标产品的至少一路当前源行情数据;
基准数据确定模块302,用于基于行情数据库中相对所述目标产品存储的历史源行情数据,确定预先所设定至少一个数据分析模型对应的基准评价数据;
分析结果获得模块303,用于从各路当前源行情数据选定输入各所述数据分析模型的输入数据,结合相应的基准评价数据,获得各数据分析模型输出的数据分析结果;
数据发布模块304,用于根据各所述数据分析结果,确定所述目标产品的发布行情数据。
本发明实施例所提供的技术方案中,通过当前数据提取模块从预设的数据缓存表中提取目标产品的至少一路当前源行情数据,基准数据确定模块基于行情数据库中相对所述目标产品存储的历史源行情数据,确定预先所设定至少一个数据分析模型对应的基准评价数据,然后分析结果获得模块从各路当前源行情数据选定输入各所述数据分析模型的输入数据,结合相应的基准评价数据,获得各数据分析模型输出的数据分析结果,最后数据发布模块根据各所述数据分析结果,确定所述目标产品的发布行情数据。本发明实施例中的上述技术方案,通过基于当前源行情数据与历史源行情数据对行情数据进行管理,实现了行情数据发布的精确性,更好地解决了***漏洞的问题,消除了企业潜在的隐患,提高了自动化测试效率。
可选的,在上述各实施例的基础上,基准数据确定模块302,具体可以包括:
历史数据获取单元,具体用于从预设的行情数据库中获取所述目标产品的各路历史源行情数据;
横向数据确定单元,具体用于针对每一路历史源行情数据,基于至少一个历史时间点下对应的第一历史时间点数据,确定所述数据横向分析模型对应的横向基准评价数据;
纵向数据确定单元,具体用于基于各路历史源行情数据在指定历史时间点下对应的第二历史时间点数据,确定所述数据纵向分析模型对应的纵向基准评价数据。
可选的,在上述各实施例的基础上,分析结果获得模块303,具体可以包括:
横向结果获得单元,用于从各路当前源行情数据中任选一路目标源行情数据作为数据横向分析模型的输入数据,结合所述目标源行情数据对应的横向基准评价数据,获得所述数据横向分析模型输出的横向数据分析结果;
具体的,横向结果获得单元,具体可以用于:
将所述目标源行情数据与所述横向基准评价数据进行差值计算,获得第一浮动数据;
如果所述第一浮动数据小于第一浮动阈值,将各所述目标源行情数据确定为第一合格行情数据,并作为所述数据横向分析模型的横向数据分析结果。
纵向结果获得单元,用于将各路当前源行情数据作为数据纵向分析模型的输入数据,结合所述纵向基准评价数据,获得所述数据纵向分析模型输出的纵向数据分析结果。
具体的,纵向数据结果获得单元,具体可以用于:
确定各路当前源行情数据与所述纵向基准评价数据的差值,获得第二浮动数据序列;
确定所述第二浮动数据系列中小于第二浮动阈值的第二浮动数据,将各所述第二浮动数据分别关联的当前源行情数据确定为第二合格行情数据;
将各所述第二合格行情数据作为所述数据纵向分析模型的纵向数据分析结果。
可选的,在上述各实施例的基础上,数据发布模块304,具体可以包括:
目标数据筛选单元,具体用于基于所述横向数据分析结果中的第一合格行情数据以及纵向数据分析结果中包含的各第二合格行情数据,筛选获得一个目标行情数据;
发布数据确定单元,具体用于采用设定的行情数据调整策略以及阈值监管条件对所述目标行情数据进行处理,获得所述目标产品的发布行情数据。
可选的,该装置还可以包括:
数据质量分析模块,用于在获得所述目标产品的发布行情数据之后,基于所述发布行情数据,结合预先所设定至少一个质量分析模型,确定所述目标产品的质量分析报告。
可选的,预先所设定质量分析模型包括:质量随机分析模型、质量反向分析模型以及质量极端分析模型;
相应的,数据质量分析模块,具体可以用于:
通过所述质量随机分析模型,从所述行情数据库中随机选定相对所述目标产品的历史随机数据;
将所述历史随机数据分别与各路当前源行情数据以及所述发布行情数据进行比对;
将比对结果作为所述目标产品所对应质量分析报告的一条质量分析信息。
可选的,数据质量分析模块,具体可以用于:
通过所述质量反向分析模型,采用设定的反向计算规则对各路当前源行情数据进行反向计算,获得相应的各反向行情数据;
将所述发布行情数据分别与各所述反向行情数据进行比对,并将比对结果作为所述目标产品所对应质量分析报告的一条质量分析信息。
可选的,数据质量分析模块,具体可以用于:
通过所述质量极端分析模型,基于所述行情数据库中相对所述目标产品的历史行情数据,确定所述目标产品的行情数据浮动区间;
将所述发布行情数据与所述行情数据浮动区间进行比对,并将比对结果作为所述目标产品所对应质量分析报告的一条质量分析信息。
实施例四
图4为本发明实施例四提供的一种设备/终端/服务器的结构示意图,如图4所示,该设备/终端/服务器包括处理器401、存储器402、输入装置403和输出装置404;设备/终端/服务器中处理器401的数量可以是一个或多个,图4中以一个处理器401为例;设备/终端/服务器中的处理器401、存储器402、输入装置403和输出装置404可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储器402作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的一种行情数据管理方法对应的程序指令/模块(例如,当前数据提取模块301、基准数据确定模块302、分析结果获得模块303以及数据发布模块304)。处理器401通过运行存储在存储器402中的软件程序、指令以及模块,从而执行设备/终端/服务器的各种功能应用以及数据处理,即实现上述的一种行情数据管理方法。
存储器401可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器402可进一步包括相对于处理器401远程设置的存储器,这些远程存储器可以通过网络连接至设备/终端/服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置403可用于接收输入的数字或字符信息,以及产生与设备/终端/服务器的用户设置以及功能控制有关的键信号输入。输出装置404可包括显示屏等显示设备。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种一种行情数据管理方法,该方法包括:
从预设的数据缓存表中提取目标产品的至少一路当前源行情数据;
基于行情数据库中相对所述目标产品存储的历史源行情数据,确定预先所设定至少一个数据分析模型对应的基准评价数据;
从各路当前源行情数据选定输入各所述数据分析模型的输入数据,结合相应的基准评价数据,获得各数据分析模型输出的数据分析结果;
根据各所述数据分析结果,确定所述目标产品的发布行情数据。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的一种行情数据管理方法中的相关操作.
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述搜索装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (13)
1.一种行情数据管理方法,其特征在于,包括:
从预设的数据缓存表中提取目标产品的至少一路当前源行情数据;
基于行情数据库中相对所述目标产品存储的历史源行情数据,确定预先所设定至少一个数据分析模型对应的基准评价数据;
从各路当前源行情数据选定输入各所述数据分析模型的输入数据,结合相应的基准评价数据,获得各数据分析模型输出的数据分析结果;
根据各所述数据分析结果,确定所述目标产品的发布行情数据。
2.根据权利要求1所述的方法,其特征在于,预先所设定数据分析模型包括:数据横向分析模型以及数据纵向分析模型;
相应的,所述基于行情数据库中相对所述目标产品存储的历史源行情数据,确定各预先所设定数据分析模型对应的基准评价数据,包括:
从预设的行情数据库中获取所述目标产品的各路历史源行情数据;
针对每一路历史源行情数据,基于至少一个历史时间点下对应的第一历史时间点数据,确定所述数据横向分析模型对应的横向基准评价数据;
基于各路历史源行情数据在指定历史时间点下对应的第二历史时间点数据,确定所述数据纵向分析模型对应的纵向基准评价数据。
3.根据权利要求2所述的方法,其特征在于,从各路当前源行情数据选定输入各所述数据分析模型的输入数据,结合相应的基准评价数据,获得各数据分析模型输出的数据分析结果,包括:
从各路当前源行情数据中任选一路目标源行情数据作为数据横向分析模型的输入数据,结合所述目标源行情数据对应的横向基准评价数据,获得所述数据横向分析模型输出的横向数据分析结果;
将各路当前源行情数据作为数据纵向分析模型的输入数据,结合所述纵向基准评价数据,获得所述数据纵向分析模型输出的纵向数据分析结果。
4.根据权利要求3所述的方法,其特征在于,所述结合所述目标源行情数据对应的横向基准评价数据组,获得所述数据横向分析模型输出的横向数据分析结果,包括:
将所述目标源行情数据与所述横向基准评价数据进行差值计算,获得第一浮动数据;
如果所述第一浮动数据小于第一浮动阈值,将各所述目标源行情数据确定为第一合格行情数据,并作为所述数据横向分析模型的横向数据分析结果。
5.根据权利要求3所述的方法,其特征在于,所述结合所述纵向基准评价数据,获得所述数据纵向分析模型输出的纵向数据分析结果,包括:
确定各路当前源行情数据与所述纵向基准评价数据的差值,获得第二浮动数据序列;
确定所述第二浮动数据系列中小于第二浮动阈值的第二浮动数据,将各所述第二浮动数据分别关联的当前源行情数据确定为第二合格行情数据;
将各所述第二合格行情数据作为所述数据纵向分析模型的纵向数据分析结果。
6.根据权利要求3所述的方法,其特征在于,所述根据各所述数据分析结果,确定所述目标产品的发布行情数据,包括:
基于所述横向数据分析结果中的第一合格行情数据以及纵向数据分析结果中包含的各第二合格行情数据,筛选获得一个目标行情数据;
采用设定的行情数据调整策略以及阈值监管条件对所述目标行情数据进行处理,获得所述目标产品的发布行情数据。
7.根据权利要求1-6任一项所述的方法,其特征在于,在根据各所述数据分析结果,确定所述目标产品的发布行情数据之后,还包括:
基于所述发布行情数据,结合预先所设定至少一个质量分析模型,确定所述目标产品的质量分析报告。
8.根据权利要求7所述的方法,其特征在于,预先所设定质量分析模型包括:质量随机分析模型、质量反向分析模型以及质量极端分析模型;
相应的,所述基于所述发布行情数据,结合预先所设定至少一个质量分析模型,确定所述目标产品的质量分析报告,包括:
通过所述质量随机分析模型,从所述行情数据库中随机选定相对所述目标产品的历史随机数据;
将所述历史随机数据分别与各路当前源行情数据以及所述发布行情数据进行比对;
将比对结果作为所述目标产品所对应质量分析报告的一条质量分析信息。
9.根据权利要求8所述的方法,其特征在于,所述基于所述发布行情数据,结合预先所设定至少一个质量分析模型,确定所述目标产品的质量分析报告,包括:
通过所述质量反向分析模型,采用设定的反向计算规则对各路当前源行情数据进行反向计算,获得相应的各反向行情数据;
将所述发布行情数据分别与各所述反向行情数据进行比对,并将比对结果作为所述目标产品所对应质量分析报告的一条质量分析信息。
10.根据权利要求8所述的方法,其特征在于,所述基于所述发布行情数据,结合预先所设定至少一个质量分析模型,确定所述目标产品的质量分析报告,包括:
通过所述质量极端分析模型,基于所述行情数据库中相对所述目标产品的历史行情数据,确定所述目标产品的行情数据浮动区间;
将所述发布行情数据与所述行情数据浮动区间进行比对,并将比对结果作为所述目标产品所对应质量分析报告的一条质量分析信息。
11.一种行情数据管理***,其特征在于,所述***包括:
当前数据提取模块,用于从预设的数据缓存表中提取目标产品的至少一路当前源行情数据;
基准数据确定模块,用于基于行情数据库中相对所述目标产品存储的历史源行情数据,确定预先所设定至少一个数据分析模型对应的基准评价数据;
分析结果获得模块,用于从各路当前源行情数据选定输入各所述数据分析模型的输入数据,结合相应的基准评价数据,获得各数据分析模型输出的数据分析结果;
数据发布模块,用于根据各所述数据分析结果,确定所述目标产品的发布行情数据。
12.一种计算机设备,其特征在于,包括:
一个或多个处理器,
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-10任一所述的一种行情数据管理方法。
13.一种计算机存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-10任一所述的一种行情数据管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111128347.0A CN113850678A (zh) | 2021-09-26 | 2021-09-26 | 一种行情数据管理方法、***、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111128347.0A CN113850678A (zh) | 2021-09-26 | 2021-09-26 | 一种行情数据管理方法、***、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113850678A true CN113850678A (zh) | 2021-12-28 |
Family
ID=78979464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111128347.0A Pending CN113850678A (zh) | 2021-09-26 | 2021-09-26 | 一种行情数据管理方法、***、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113850678A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114648337A (zh) * | 2022-03-23 | 2022-06-21 | 中银金融科技有限公司 | 交易数据质量自动化分析方法及装置 |
-
2021
- 2021-09-26 CN CN202111128347.0A patent/CN113850678A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114648337A (zh) * | 2022-03-23 | 2022-06-21 | 中银金融科技有限公司 | 交易数据质量自动化分析方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jones et al. | New evidence on the January effect before personal income taxes | |
Kuzey et al. | The impact of multinationality on firm value: A comparative analysis of machine learning techniques | |
CN109961368A (zh) | 基于机器学习的数据处理方法及装置 | |
Papik et al. | Detection models for unintentional financial restatements | |
US20180174240A1 (en) | Visualization for account balance view | |
CN112116464B (zh) | 基于事件序列频繁项集的异常交易行为分析方法和*** | |
Coyle et al. | What is the value of data? A review of empirical methods | |
Keller et al. | Trading on cryptocurrency markets: Analyzing the behavior of bitcoin investors | |
CN115564449A (zh) | 交易账户的风险管控方法、装置及电子设备 | |
CN113850678A (zh) | 一种行情数据管理方法、***、设备及存储介质 | |
Rashid et al. | Are cryptocurrencies a future safe haven for investors? The case of Bitcoin | |
CN114118793A (zh) | 一种地方交易所风险预警方法、装置及设备 | |
KR20210106602A (ko) | 인공지능을 이용한 암호화폐 가격 변동성 예측 방법, 장치 및 컴퓨터프로그램 | |
KR102488653B1 (ko) | 재무제표 분석을 통한 가치 산출 및 차트 표시 서비스 제공 시스템 | |
CN107133864B (zh) | 一种基于大数据的集团员工挂账审计方法及装置 | |
Dlaskova et al. | Valuation of intangible assets according to Czech accounting standards and IFRS in the context of explanatory power of financial statements | |
Zaki et al. | “Stock‐touting” through spam e‐mails: a data mining case study | |
Köse et al. | Causal relationships between cryptocurrencies: the effects of sampling interval and sample size | |
Fatum | Post–Plaza intervention in the DEM/USD exchange rate | |
CN112950362A (zh) | 对公贷款的风险预警方法、装置、计算机设备和存储介质 | |
CN113298575A (zh) | 一种商标价值批量评估的方法、***、设备及存储介质 | |
Ali et al. | Islamic versus conventional banking: An Insight into the Malaysian dual banking system | |
CN112199360A (zh) | 一种数据的处理方法、装置、设备和介质 | |
CN112036730A (zh) | 一种虚拟资产数据处理方法、装置及计算机可读存储介质 | |
CN111899112A (zh) | 一种不动产信托项目管理方法与装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |