一种基于受控可见性的非公开报盘撮合方法及系统与流程

摘要: 本发明涉及电子交易,具体是一种基于受控可见性的非公开报盘撮合方法及系统。背景技术:1、在化学化工领域中,散装液体化学原料的交易具有价格波动频繁、保质期短、运输半...
一种基于受控可见性的非公开报盘撮合方法及系统与流程

本发明涉及电子交易,具体是一种基于受控可见性的非公开报盘撮合方法及系统。

背景技术:

1、在化学化工领域中,散装液体化学原料的交易具有价格波动频繁、保质期短、运输半径受限等特点,报盘自发布至失效的交易窗口有限;现有非公开撮合系统将报盘信息存入非公开报盘池并执行匿名化处理,删除企业身份标识后仅保留价格、数量、交期、地址等静态参数用于匹配检测,该处理方式虽能保护交易隐私,但存在以下技术不足:

2、其一,匿名化处理在删除身份信息的同时,也将每笔交易失败的真实原因一并删除,系统仅能记录失败这一结果性事实,失败的真实原因与系统保留的静态参数之间难以形成可计算的数学关联。现有技术以失败报盘的静态参数为依据调整匹配策略,由于失败原因与静态参数之间缺乏确定的数学关联,此类调整易导致优化方向偏离有效区间,且状态机的循环机制使偏差多次累积后撮合效率难以持续改善。

3、其二,现有系统中两个报盘经静态参数匹配后即直接进入信息释放阶段,缺乏对匹配对有效性的进一步验证机制。低效候选对进入信息释放阶段后,双方在撮合确认阶段确认失败,失败后回退至匹配检测阶段重新参与匹配,占用报盘有限的等待时间窗口,可能使部分报盘在有效窗口内错失成交机会。

4、其三,现有系统的中介角色通常安排在撮合确认阶段介入,即交易双方已对报盘详情产生疑虑后进行事后调解,此时中介对信息释放前的匹配进程难以施加有效影响。

技术实现思路

1、本发明的目的在于提供一种基于受控可见性的非公开报盘撮合方法及系统,以解决现有技术中提出的问题。

2、为实现上述目的,本发明提供如下技术方案:

3、第一方面,本发明提供了一种基于受控可见性的非公开报盘撮合方法,包括:

4、接收用户提交的报盘信息,将所述报盘信息存入非公开报盘池;对所述非公开报盘池中的报盘信息进行匿名化处理,生成静态交易参数;

5、基于所述静态交易参数执行匹配检测,生成初始匹配对;在所述初始匹配对中的报盘处于匹配检测阶段期间,采集市场参与者对所述报盘执行的预设交互操作的操作频次,根据所述操作频次的时间序列生成所述报盘的热度时序向量;

6、将所述热度时序向量与所述静态交易参数进行关联组合,生成各报盘的匹配特征向量;基于各报盘的所述匹配特征向量执行匹配检测,生成热度关联匹配对;

7、计算所述热度关联匹配对中两个报盘的热度时序向量之间的关联度指标,所述关联度指标用于表征所述两个报盘的热度时序向量随时间变化的同步程度;

8、根据所述关联度指标与预设推进条件之间的对应关系,控制所述报盘从匹配检测阶段进入信息释放阶段。

9、结合第一方面,在本技术第一方面的第一种实现方式中,所述接收用户提交的报盘信息,将所述报盘信息存入非公开报盘池,包括:

10、接收用户提交的报盘信息,将所述报盘信息存入非公开报盘池,并为每个报盘分配报盘标识rid。

11、结合第一方面,在本技术第一方面的第二种实现方式中,所述对所述非公开报盘池中的报盘信息进行匿名化处理,生成静态交易参数,包括:

12、对所述非公开报盘池中的报盘信息执行去标识化操作,从每个报盘信息中删除所述报盘信息所携带的报盘方企业身份标识信息,保留所述报盘信息中的静态交易参数,所述静态交易参数包括价格p、数量q、交期t和地址a。

13、结合第一方面,在本技术第一方面的第三种实现方式中,所述基于所述静态交易参数执行匹配检测,生成初始匹配对,包括:

14、获取各报盘的所述静态交易参数,以价格p、数量q、交期t和地址a为匹配维度,计算任意两个报盘i与报盘j之间的差异值,所述差异值包括价格差异值|pi-pj|、数量差异值|qi-qj|、交期差异值|ti-tj|和地址距离值,所述地址距离值为地址ai与地址aj之间的直线距离,分别与预设价格差异阈值、预设数量差异阈值、预设交期差异阈值和预设地址距离阈值进行对比,当所述差异值均小于等于对应的预设阈值时,将报盘i与报盘j配对,生成初始匹配对,每个所述初始匹配对包括所述报盘的报盘标识rid。

15、结合第一方面,在本技术第一方面的第四种实现方式中,所述在所述初始匹配对中的报盘处于匹配检测阶段期间,采集市场参与者对所述报盘执行的预设交互操作的操作频次,根据所述操作频次的时间序列生成所述报盘的热度时序向量,包括:

16、对于每个进入所述初始匹配对的报盘,在所述报盘处于匹配检测阶段的等待期间内,以预设时间窗口w和预设采样间隔δt,将所述匹配检测阶段的等待期间划分为k个连续采样时刻t1,t2,...,tk;

17、在每个采样时刻tk,采集所述报盘被市场参与者执行的m种预设交互操作各自的操作频次n1(tk),n2(tk),...,nm(tk);

18、根据所述预设交互操作的操作频次,计算所述报盘在采样时刻tk的热度值h(tk),公式为:

19、;

20、其中,ωr为第r种预设交互操作的预设权重系数,nr为第r种预设交互操作的操作频次;

21、将k个采样时刻的热度值按时序排列,生成所述报盘的热度时序向量h,所述热度时序向量h的长度为k;其中k表示总数,即划分为k个连续采样时刻,k作为索引变量,表示第k个采样时刻,k从1到k取值。

22、结合第一方面,在本技术第一方面的第五种实现方式中,所述将所述热度时序向量与所述静态交易参数进行关联组合,生成各报盘的匹配特征向量,包括:

23、获取各报盘的所述静态交易参数和对应的所述热度时序向量h,将所述静态交易参数与所述热度时序向量h进行拼接,生成各报盘的匹配特征向量f。

24、结合第一方面,在本技术第一方面的第六种实现方式中,所述基于各报盘的所述匹配特征向量执行匹配检测,生成热度关联匹配对,包括:

25、构建匹配判别模型,所述匹配判别模型为多层全连接神经网络,其输入层维度为2×(4+k),其中4为静态交易参数的维度数量,k为热度时序向量h的长度;所述多层全连接神经网络包括隐藏层,所述隐藏层后接relu激活函数,输出层维度为1,输出层后接sigmoid激活函数,将输出值映射至(0,1)区间作为综合匹配度nij;

26、获取历史撮合记录,所述历史撮合记录包括历史匹配对中两个报盘的匹配特征向量和各历史匹配对对应的历史成交状态标签,所述历史成交状态标签为二值标签,成交记为1,未成交记为0;

27、对于每个历史匹配对,将其中两个报盘的匹配特征向量fi和fj进行拼接,形成输入向量x,将所述输入向量x输入所述多层全连接神经网络,经前向传播计算后输出预测值y,以所述预测值y与对应的历史成交状态标签y之间的二分类交叉熵作为损失函数,得到损失函数值l;采用反向传播算法和预设优化器迭代更新所述多层全连接神经网络的权重参数,直至所述损失函数值l收敛,得到训练完成的匹配判别模型;

28、将当前待匹配的两个报盘i和报盘j的匹配特征向量fi和fj按相同方式拼接为输入向量x,输入所述训练完成的匹配判别模型,经前向传播计算后输出综合匹配度nij;将所述综合匹配度nij与预设热度关联阈值sh进行比较,将nij≥sh的报盘i与报盘j配对,生成热度关联匹配对,所述热度关联匹配对包括所述报盘的报盘标识rid和对应的综合匹配度nij。

29、结合第一方面,在本技术第一方面的第七种实现方式中,所述计算所述热度关联匹配对中两个报盘的热度时序向量之间的关联度指标,所述关联度指标用于表征所述两个报盘的热度时序向量随时间变化的同步程度,包括:

30、对于任一所述热度关联匹配对中的两个报盘i和报盘j,分别获取两个报盘的热度时序向量hi和hj;对于每个采样时刻tp,计算报盘i的一阶差分δhi(tp)和报盘j的一阶差分δhj(tp),其中p=2,3,...,k;以各采样时刻的一阶差分符号将所述热度时序向量的时间轴划分为区段,将δhi(tp)>0且δhj(tp)>0的连续采样时刻构成的时段标记为同步上升段,将δhi(tp)<0且δhj(tp)<0的连续采样时刻构成的时段标记为同步下降段;将δhi(tp)与δhj(tp)异号或任一为零的连续采样时刻构成的时段标记为异步段;

31、分别获取所述同步上升段和所述同步下降段内所有采样时刻p的集合,得到上升集合和下降集合,同时分别计算报盘i和报盘j各自在所述上升集合和所述下降集合内热度值的算术均值,通过皮尔逊相关系数公式分别计算所述同步上升段和所述同步下降段各自对应的时间区间内hi与hj之间的同步度指标ruij和rdij;通过线性加权求和计算所述同步上升段的同步度指标ruij与所述同步下降段的同步度指标rdij的关联度指标rij,公式为rij=α×ruij+β×rdij,其中,α为预设上升权重系数,β为预设下降权重系数。

32、结合第一方面,在本技术第一方面的第八种实现方式中,所述根据所述关联度指标与预设推进条件之间的对应关系,控制所述报盘从匹配检测阶段进入信息释放阶段,包括:

33、获取所述热度关联匹配对中两个报盘的所述关联度指标rij,将所述关联度指标rij与预设关联度阈值st进行比较;当rij≥st时,判定所述热度关联匹配对满足预设推进条件,控制所述热度关联匹配对中的两个报盘从匹配检测阶段进入信息释放阶段;当rij

34、第二方面,本发明提供了一种基于受控可见性的非公开报盘撮合系统,包括:

35、报盘接收与匿名化处理模块:包括报盘接收单元和去标识化单元;其中,报盘接收单元将用户提交的报盘信息存入非公开报盘池并分配报盘标识rid;去标识化单元删除报盘信息中的企业身份标识,保留静态交易参数并与rid关联存储;

36、匹配检测与热度采集模块:包括初始匹配单元和热度采集单元;其中,初始匹配单元基于静态交易参数计算报盘间的差异值并与对应的预设阈值对比,生成初始匹配对;热度采集单元在匹配检测阶段按时间序列采集市场参与者的交互操作频次,生成热度时序向量h并关联存储;

37、特征重构与模型匹配模块:包括特征重构单元和匹配判别单元;其中,特征重构单元将静态交易参数与热度时序向量h拼接为匹配特征向量f;匹配判别单元以历史撮合记录训练神经网络模型,将拼接后的f输入模型计算综合匹配度nij,与预设热度关联阈值对比生成热度关联匹配对;

38、同步验证与流程控制模块:包括同步度分析单元和流程控制单元;其中,同步度分析单元将两报盘的热度时序向量划分为同步上升段与同步下降段,分别计算同步度后加权求和得到关联度指标rij;流程控制单元将rij与预设关联度阈值对比,满足条件时控制报盘从匹配检测阶段进入信息释放阶段,不满足时维持匹配检测阶段并提交人工处理。

39、与现有技术相比,本发明的有益效果是:

40、1、本发明以匹配等待期间采集的市场热度信号替代与静态参数无数学关联的失败反馈信号作为匹配依据,解决了匿名化后系统无法依赖失败反馈信号进行有效优化的问题,使系统在匿名场景下仍具备有效优化方向。

41、2、本发明将热度时序向量与静态参数拼接为复合匹配特征向量,并将热度时序向量划分为同步上升段与同步下降段后分别计算同步度并以加权和作为关联度指标,解决了单一静态参数匹配无法感知市场动态信号、不同微观时段信号价值无法区分的问题,使关联度指标对匹配有效性的表征精度更高。

42、3、本发明以关联度指标控制信息释放时机,不达标则维持在匹配检测阶段并提交中介人工处理,解决了低效候选对进入信息释放阶段后因确认失败而无效占用匹配检测阶段等待期间的问题。