(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210599349.6 (22)申请日 2022.05.30 (71)申请人 深圳市泰铼科技有限公司 地址 518000 广东省深圳市南 山区粤海街 道滨海社区海天一路11号、 13号、 15 号、 海天二路14号、 海天二路16号软件 产业基地5 栋4层421、 42 2、 423 (72)发明人 王玲　 (51)Int.Cl. G06F 11/07(2006.01) G06F 16/2455(2019.01) G06Q 40/04(2012.01) (54)发明名称 基于机器学习技术的证券程序化交易异常 分析系统及方法 (57)摘要 本发明公开了基于机器学习技术的证券程 序化交易异常分析系统及方法， 其特征在于， 包 括交易资料关键词提取模块、 数据库比对模块、 常用异常范例数据库、 云端证券交易信息数据库 和异常交易人工分析模块， 当出现相同问题的程 序化异常问题时， 只需提取常用异常范例数据库 中内容及解决方案， 并提交至人工分析模块进行 二次审查后， 经由异常分析汇总评级模块和证券 交易建议模块反馈至使用者用户终端处， 而新出 现的新型异常问题后， 经过异常交易人工分析模 块分析及建议后， 将处理信息发送至常用异常范 例数据库， 以提高后续相同问题的审核处理效 率， 实现了系统内异常问题的分析及处理， 同时 有效提高了证券程序化交易异常问题的处理效 率。 权利要求书2页 说明书6页 附图5页 CN 114691410 A 2022.07.01 CN 114691410 A 1.基于机器学习技术的证券程序化交易异常分析系统， 其特征在于， 包括证券交易资 料录入模块、 交易资料关键词提取模块、 数据库比对模块、 常用异常范例数据库、 云端证券 交易信息数据库、 异常交易人工分析模块、 异常 分析汇总评级模块和证券交易建议模块； 所述证券交易资料录入模块， 用于用户的证券交易资料的数据库关联下载， 或人工手 动录入； 所述交易资料关键词提取模块， 用于数据库下载资料或手动录入的交易资料中关键词 的提取， 并发送数据库比对请求； 所述数据库比对模块， 用于将交易数据提取关键词与 数据库内交易数据及各类操作 数 据进行比对， 查找证券程序化交易异常问题； 所述常用异常范例数据库， 通过提取证券程序化交易异常数据， 并与异常范例数据库 内容进行 数据比对， 分析证券程序化交易异常问题； 所述云端证券交易信息数据库， 提供外部大数据证券交易信息， 收集并储存各类程序 化证券交易信息； 所述异常交易人工分析模块， 人工检查证券程序化交易内容， 并对程序化交易异常问 题进行人工排查与分析； 所述异常分析汇总评级模块， 收集证券程序化异常问题及分析结果， 根据问题严重程 度进行评级； 所述证券交易建议模块， 根据证券程序化异常问题的评级， 提供系统推荐解决方案或 使用人工服 务进行解决方案的推荐。 2.如权利要求1所述的基于机器学习技术的证券程序化交易异常分析系统， 其特征在 于： 所述证券交易资料录入 模块包括交易资料信息下 载模块和人工 录入模块。 3.如权利要求1所述的基于机器学习技术的证券程序化交易异常分析系统， 其特征在 于， 所述交易资料关键词提取模块的运行流 程， 包括如下步骤： S101： 识别数据库中证券交易资料下载信息或手动录入的信息内容， 根据常用信息及 数据库内的设定信息提取内容关键词； S102： 根据提取关键词内容进行异常信息分类， 并排列各个分类的分析优先度， 同时根 据信息内容 提出粗略解决方案； S103： 向云端证券交易信息数据库发送比对申请， 并将比对用信息提交至数据库比对 模块。 4.如权利要求1所述的基于机器学习技术的证券程序化交易异常分析系统， 其特征在 于， 所述数据库比对 模块的运行流 程， 包括如下步骤： S201： 收集交易资料关键词提取模块发送的程序化交易关键词， 并向常用异常范例数 据库发送比对请求； S202： 将程序化交易关键词与数据库内正常交易的信息数据进行比对， 查找程序化交 易关键词内异常词条并记录； S203： 接收常用异常范例数据库中的内容， 并使用该内容对程序化交易关键词进行二 次比对， 再次确认证券程序化交易异常内容； S204： 根据程序化交易异常内容的出现频率， 自动分析出现异常问题的可能性， 并通过 数据库系统对异常问题进行分析， 并将分析 结果发送至异常交易人工分析模块进行审核。权　利　要　求　书 1/2 页 2 CN 114691410 A 25.如权利要求1所述的基于机器学习技术的证券程序化交易异常分析系统， 其特征在 于， 所述异常交易人工分析模块的运行流 程， 包括如下步骤： S301： 后台工作人员通过登录信息登录异常交易人工分析模块； S302： 逐条查看分析和审核数据库比对 模块发送的交易异常问题分析 结果； S303： 若分析结果及建议内容没问题， 则反馈至证券交易使用人员终端， 同时将数据发 送至常用异常范例数据库进行储 存； S304： 若分析结果或建议内容错误， 则将其储存至异常交易人工分析模块内的临时数 据库中； S305： 提取临时数据库中的交易数据及异常信息， 采用人工分析并反馈至使用者终端， 再将数据发送至常用异常范例数据库进行储 存。 6.如权利要求1所述的基于机器学习技术的证券程序化交易异常分析系统， 其特征在 于： 所述常用异常范例数据库采用系统移植性好且响应速度快的Oracle数据库， 数据库比 对模块中使用MySQ L关系数据库。 7.一种如权利要求1 ‑6任一项所述的基于机器学习技术的证券程序化交易异常分析系 统的使用方法， 其特 征在于， 包括如下步骤： S1： 通过证券交易资料录入模块进行证券程序化交易信息的数据下载， 或通过人工输 入的方式由使用人员录入证券程序化交易信息的录入， 并进行实时审核； S2： 由交易资料关键词提取模块对审核通过后的录入信息进行关键词提取， 并向内部 数据库发送比对请求； S3： 由数据库比对模块接收比对请求， 提取内部数据库证券交易数据信息， 并进行信息 关键词的比对， 同时发送比对请求至常用异常范例数据库； S4： 常用异常范例数据库访 问云端证券交易信息数据库进行数据更新， 并将异常范例 信息反馈 至数据库比对 模块； S5： 由数据库比对模块再次进行证券程序化交易异常范例数据的比对， 查找证券程序 化交易的异常问题， 并将分析 结果发送至异常交易人工分析模块进行审核； S6： 后台审核分析通过异常交易人工分析模块进行异常问题的再次人工查验， 查验后 的信息则由异常交易人工分析模块发送至异常分析汇总评级模块进行评级， 并通过证券交 易建议模块将建议信息反馈 至使用者终端； S7： 将该证券程序化交易异常信息反馈 至常用异常范例数据库进行 备案储存。权　利　要　求　书 2/2 页 3 CN 114691410 A 3