软件的测试方法、装置、设备及存储介质与流程

1.本技术涉及到人工智能技术领域，特别是涉及到一种软件的测试方法、装置、介质及设备。


背景技术：

2.当前固收业务产品多样，各金融产品相互之间存在复杂的交易关系，量化策略交易程序是作为帮助交易员进行自动化交易而开发的产品，而量化策略交易程序中往往包含很多策略参数，需要进行不断参数调优才能使量化策略交易程序计算的准确性最大化，避免因为错误的参数配置导致交易损失。
3.然而，现有技术中缺少对量化策略交易程序的有效的回测手段，导致新的量化策略交易程序软件工具只能通过实际交易的方式进行回测，因此存在软件测试周期较长且难以回溯的问题。


技术实现要素：

4.本技术的主要目的为提供一种软件的测试方法、装置、介质及设备，旨在解决现有技术中的交易软件测试周期较长且难以回溯的技术问题。
5.为了实现上述发明目的，本技术提出一种软件的测试方法，所述方法包括：
6.响应于软件测试指令，获取时间信息，并根据所述时间信息在数据库中选取预先存储的计算规则；
7.根据所述时间信息获取离散历史数据，并对所述离散历史数据进行时间对齐，得到历史波动数据集；
8.从所述软件测试指令中解析得到初始交易数据，并根据所述历史波动数据集对所述初始交易数据进行校准，得到目标交易数据；
9.基于预训练的测试模型，通过所述计算规则计算所述目标交易数据对应的交易测试结果。
10.进一步的，所述根据所述历史波动数据集对所述初始交易数据进行校准，得到目标交易数据包括：
11.根据所述历史波动数据集计算监控参数；
12.计算所述初始交易数据与所述监控参数之间的差值；
13.获取预警阈值参数，当所述差值的绝对值大于所述预警阈值参数时，将所述初始交易数据标记为风险数据；
14.对所述风险数据进行校准，并删除风险标记，得到所述目标交易数据。
15.进一步的，所述对所述离散历史数据进行时间对齐，包括：
16.获取各个所述离散历史数据的日志信息；
17.按照预设的时间间隔在每一个所述日志信息中标定参考点；
18.读取每一个所述参考点对应的时刻，将每一个所述离散历史数据中时刻相同的参
考点进行时间对齐。
19.进一步的，所述根据所述时间信息获取离散历史数据，包括：
20.当获取到行情自定义指令时，在所述行情自定义指令中获取所述时间信息对应的自定义数据，并将所述自定义数据作为所述离散历史数据；
21.当未获取到行情自定义指令时，在所述数据库中获取所述离散历史数据。
22.进一步的，所述响应于软件测试指令，获取时间信息，并根据所述时间信息在数据库中选取预先存储的计算规则，包括：
23.识别接收到的所述软件测试指令中包含的时间信息的数量；
24.根据所述时间信息的数量，对每一个所述时间信息分别建立一个独立的测试实例；
25.根据所述时间信息，对每一个所述测试实例分别选取所述计算规则。
26.进一步的，所述根据所述时间信息获取离散历史数据之前，还包括：
27.识别所述数据库中，所述时间信息对应的离散历史数据是否为空；
28.若是，则生成所述时间信息对应的第一时间范围，按照预设的获取规则在所述第一时间范围内获取若干组历史数据，并将所述历史数据组合得到所述离散历史数据。
29.进一步的，所述根据所述时间信息，对每一个所述测试实例分别选取所述计算规则，包括：
30.对每一个所述测试实例分别设置一个埋点标记；
31.获取与所述测试实例的时间信息对应的计算规则，并在获取到所述计算规则时，触发所述埋点标记，生成并存储与所述测试实例对应的埋点数据；
32.所述通过所述计算规则计算所述目标交易数据对应的交易测试结果之后，还包括：
33.当所述交易测试结果出现异常时，通过所述埋点数据校验所述测试实例是否异常。
34.本技术还提出了一种软件的测试装置，包括：
35.信息获取模块，用于响应于软件测试指令，获取时间信息，并根据所述时间信息在数据库中选取预先存储的计算规则；
36.数据对齐模块，用于根据所述时间信息获取离散历史数据，并对所述离散历史数据进行时间对齐，得到历史波动数据集；
37.数据校准模块，用于从所述软件测试指令中解析得到初始交易数据，并根据所述历史波动数据集对所述初始交易数据进行校准，得到目标交易数据；
38.交易测试模块，用于基于预训练的测试模型，通过所述计算规则计算所述目标交易数据对应的交易测试结果。
39.本技术还提出了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
40.本技术还提出了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
41.本技术的软件的测试方法、装置、介质及设备，通过接收包含时间信息的软件测试指令，并从数据库中调取对应的计算规则，以便于对不同日期和不同规则下的交易数据进
行测试，提高了测试过程的可控性和有效性；通过根据时间信息获取对应的离散历史数据，提高了测试的准确性，并通过对离散历史数据进行时间对齐，得到了能够较为全面地反映该时间信息下的行情状态的历史波动数据集，以便于数据参考和校准；通过历史波动数据集对软件测试指令中的初始交易数据进行校准，得到了符合历史行情的目标交易数据，从而提高了测试的可靠性和真实性；通过测试模型获取交易测试结果，以便于根据交易测试结果评估被测软件的状态，从而对被测软件进行维护或优化，避免了只能在实际交易过程中对软件进行维护的问题，提高了软件运作的稳定性。
附图说明
42.图1为本技术一实施例的软件的测试方法的流程示意图；
43.图2为本技术一实施例的软件的测试装置的结构示意框图；
44.图3为本技术一实施例的计算机设备的结构示意框图。
45.本技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
46.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
47.参照图1，本实施例为了实现上述发明目的，提出了一种软件的测试方法，所述方法包括：
48.s1：响应于软件测试指令，获取时间信息，并根据所述时间信息在数据库中选取预先存储的计算规则；
49.s2：根据所述时间信息获取离散历史数据，并对所述离散历史数据进行时间对齐，得到历史波动数据集；
50.s3：从所述软件测试指令中解析得到初始交易数据，并根据所述历史波动数据集对所述初始交易数据进行校准，得到目标交易数据；
51.s4：基于预训练的测试模型，通过所述计算规则计算所述目标交易数据对应的交易测试结果。
52.本实施例通过接收包含时间信息的软件测试指令，并从数据库中调取对应的计算规则，以便于对不同日期和不同规则下的交易数据进行测试，提高了测试过程的可控性和有效性；通过根据时间信息获取对应的离散历史数据，提高了测试的准确性，并通过对离散历史数据进行时间对齐，得到了能够较为全面地反映该时间信息下的行情状态的历史波动数据集，以便于数据参考和校准；通过历史波动数据集对软件测试指令中的初始交易数据进行校准，得到了符合历史行情的目标交易数据，从而提高了测试的可靠性和真实性；通过测试模型获取交易测试结果，以便于根据交易测试结果评估被测软件的状态，从而对被测软件进行维护或优化，避免了只能在实际交易过程中对软件进行维护的问题，提高了软件运作的稳定性。
53.对于步骤s1，本实施例应用于软件测试处理，尤其是证券交易软件的测试应用中，可以基于人工智能技术对数据库中的计算规则进行选取和匹配，并计算对应的交易测试结
果。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。上述软件可以为金融交易软件，当用户需要对软件的准确性进行测试时，可以指定当前交易日为历史上的任意一天，即向软件发送包含时间信息的软件测试指令，上述时间信息通常为包含年月日的日期信息；上述计算规则可以包括策略交易验证框架中的所有与该时间信息对应的交易日相关的处理逻辑。本实施例通过接收包含时间信息的软件测试指令，并从数据库中调取对应的计算规则，以便于对不同日期和不同规则下的交易数据进行测试，提高了测试过程的可控性和有效性。
54.对于步骤s2，由于受到市场环境以及不同用户的交易行为的影响，可认为每一天的行情信息均是不相同的，因此不能采用同样的历史数据计算不同交易日期下的测试结果。在具体的实施方式中，离散历史数据可以包括订单价格、成交价格、材料价格等，可以从交易大数据库中获取上述离散历史数据，再通过回放工具对获取到的离散历史数据进行时间对齐，从而在同一个时间坐标系下能够同时读取到不同时刻对应的订单价格、成交价格、材料价格等数据，进而得到能够反映该交易日下历史行情状态的历史波动数据集。本实施例通过根据时间信息获取对应的离散历史数据，提高了测试的准确性，并通过对离散历史数据进行时间对齐，得到了能够较为全面地反映该时间信息下的行情状态的历史波动数据集，以便于数据参考和校准。
55.对于步骤s3，由于策略交易依赖参考报价，而不同时间下的参考报价往往也会存在较大的变动，为了提高测试过程中数据的可靠性，本实施例通过历史波动数据集进行数据校准。具体来说，假定当前模拟的交易日下，历史波动数据集中单件最高成交价格为3200，单件最低成交价格为1500，若接收到的软件测试指令的初始交易数据中，存在600和4800的单件成交价，显然是不符合历史行情的，因此此时需要对这类相比于历史波动数据集而言不合理的初始交易数据进行校准，具体来说，可以对超过历史波动数据集范围的初始交易数据进行加权计算，也可以对其增加或衰减一个预设的值，例如500等，若校准后的数据仍然不符合历史波动数据集的要求，可以对其进行二次校准，直至满足要求，最终将校准后的数据作为上述目标交易数据。本实施例中，通过历史波动数据集对软件测试指令中的初始交易数据进行校准，得到了符合历史行情的目标交易数据，从而提高了测试的可靠性和真实性。
56.对于步骤s4，上述测试模型可以包括订单处理模块和成交模拟撮合器，用于基于上述计算规则和目标交易数据执行一个完整的交易过程，最终得到目标交易数据的成交状态、成交价格等成交信息，也即上述交易测试结果。本实施例中，通过测试模型获取交易测试结果，以便于根据交易测试结果评估被测软件的状态，从而对被测软件进行维护或优化，避免了只能在实际交易过程中对软件进行维护的问题，提高了软件运作的稳定性。
57.在一个实施例中，所述根据所述历史波动数据集对所述初始交易数据进行校准，得到目标交易数据包括：
58.s31：根据所述历史波动数据集计算监控参数；
59.s32：计算所述初始交易数据与所述监控参数之间的差值；
60.s33：获取预警阈值参数，当所述差值的绝对值大于所述预警阈值参数时，将所述初始交易数据标记为风险数据；
61.s34：对所述风险数据进行校准，并删除风险标记，得到所述目标交易数据。
62.本实施例通过对初始交易数据与预设的监控参数进行差值计算，并根据预警阈值参数对差值进行风险监控，从而对风险数据进行校准，提高测试结果的可靠性。
63.对于步骤s31，在测试之前需要对数据进行异常报价监控，上述监控参数可以由历史波动数据集进行平均值计算得到。
64.对于步骤s33，上述预警阈值参数可以设置为监控参数的k倍，且k《1，示例性地，监控参数为1000时，k若等于0.2，那么预警阈值参数为200，从而以监控参数为基准进行阈值设定，提高异常数据监控的准确性。
65.对于步骤s34，上述对风险数据进行校准可以为，采用对应的预警阈值参数替换该风险数据，也可以求取初始交易数据与监控参数之间的第一平均值，并判断该第一平均值是否不大于预警阈值参数，若不大于，则视为校准成功，若大于，再次求取该第一平均值与监控参数之间的第二平均值，并通过预警阈值参数再次进行风险判断，直至n次求取的平均值不大于预警阈值参数。
66.在一个实施例中，所述对所述离散历史数据进行时间对齐，包括：
67.s21：获取各个所述离散历史数据的日志信息；
68.s22：按照预设的时间间隔在每一个所述日志信息中标定参考点；
69.s23：读取每一个所述参考点对应的时刻，将每一个所述离散历史数据中时刻相同的参考点进行时间对齐。
70.本实施例通过时间间隔进行参考点标定，并根据各个参考点进行时间对齐，从而得到历史波动数据集，提高了数据对齐的准确性，同时实现了数据的精度调节。
71.对于步骤s22，在具体的实施方式中，可以按照每一个交易日的时长为24小时进行时间间隔划分，上述时间间隔可以为1小时，也可以为10分钟，其具体长度可以按照用户的精度需求来设定。
72.对于步骤s23，本实施例以时间间隔为1小时为例，每一个交易日可以得到0～23时刻对应的24个参考点，此时，将每一个离散历史数据中时刻为0点的数据进行对齐合并，再对下一个时刻为1点的数据进行对齐合并，并重复上述操作，直至24个时刻的数据均完成合并，最终得到与时刻对应的历史波动数据集，此时在历史波动数据集中查询某一时刻，即可得到该时刻下的各个类别的交易数据，从而完成数据对齐和数据精度调节。
73.在一个实施例中，所述根据所述时间信息获取离散历史数据，包括：
74.s24：当获取到行情自定义指令时，在所述行情自定义指令中获取所述时间信息对应的自定义数据，并将所述自定义数据作为所述离散历史数据；
75.s25：当未获取到行情自定义指令时，在所述数据库中获取所述离散历史数据。
76.本实施例通过对行情自定义指令进行判定，在获取到行情自定义指令时采用对应的自定义数据作为离散历史数据，提高了测试的可控性。
77.对于步骤s24，在具体实施方式中，虽然历史行情中出现极端场景的概率较小，但是软件仍需要对极端场景进行测试，提高软件的抗风险能力，可以加入人工编辑的自定义行情，帮助验证特殊极端场景策略模块的处理效果。
78.在一个实施例中，所述响应于软件测试指令，获取时间信息，并根据所述时间信息在数据库中选取预先存储的计算规则，包括：
79.s11：识别接收到的所述软件测试指令中包含的时间信息的数量；
80.s12：根据所述时间信息的数量，对每一个所述时间信息分别建立一个独立的测试实例；
81.s13：根据所述时间信息，对每一个所述测试实例分别选取所述计算规则。
82.本实施例通过对每一个时间信息均建立一个独立的测试实例，从而进行并行测试，提高测试效率。
83.对于步骤s12，当时间信息的数量为1时，建立一个测试实例即可，而当时间信息的数量大于1时，可以建立与时间信息的数量对应的多个并行的测试实例，每一个测试实例用于分别启动一个时间信息的测试进程，对每一个测试实例按照对应的时间信息进行测试，实现多个行情同时按照历史行情时刻进行匹配回溯，从而提高了整体测试效率。
84.在一个实施例中，所述根据所述时间信息获取离散历史数据之前，还包括：
85.s201：识别所述数据库中，所述时间信息对应的离散历史数据是否为空；
86.s202：若是，则生成所述时间信息对应的第一时间范围，按照预设的获取规则在所述第一时间范围内获取若干组历史数据，并将所述历史数据组合得到所述离散历史数据。
87.本实施例在时间信息对应的离散历史数据为空时，基于该时间信息进行数据选取和填补，避免数据丢失导致无法进行软件测试的问题。
88.对于步骤s202，若数据库中某一时间信息对应的数据丢失时，则识别到该时间信息对应的离散历史数据为空。由于时间邻近的情况下，交易市场的数据波动相对较小，因此为了避免数据丢失造成软件测试中断，本实施例采用该时间信息附近日期的数据进行填补。具体来说，可以将该时间信息作为基准，将其前后k天作为第一时间范围，在第一时间范围内随机选取不同组历史数据，并将各组历史数据合并作为上述时间信息的离散历史数据；其中，k为正整数，为了避免第一时间范围过大导致数据误差过大，本实施例中k可以取2。
89.在一个实施例中，所述根据所述时间信息，对每一个所述测试实例分别选取所述计算规则s13，包括：
90.s131：对每一个所述测试实例分别设置一个埋点标记；
91.s132：获取与所述测试实例的时间信息对应的计算规则，并在获取到所述计算规则时，触发所述埋点标记，生成并存储与所述测试实例对应的埋点数据；
92.所述通过所述计算规则计算所述目标交易数据对应的交易测试结果之后，还包括：
93.s41：当所述交易测试结果出现异常时，通过所述埋点数据校验所述测试实例是否异常。
94.本实施例通过对各个测试实例进行埋点，以便于后续发生异常时的数据溯源，提高了测试的可控性。
95.对于步骤s132，上述埋点数据包括测试实例的编号、测试环境以及测试代码，当获取到计算规则时，认为该测试实例正式进入并行测试阶段，此时触发埋点标记对其进行埋点数据的生成和存储，以便于对其测试环境和代码进行溯源。
96.参照图2，本技术还提出了一种软件的测试装置，包括：
97.信息获取模块100，用于响应于软件测试指令，获取时间信息，并根据所述时间信
息在数据库中选取预先存储的计算规则；
98.数据对齐模块200，用于根据所述时间信息获取离散历史数据，并对所述离散历史数据进行时间对齐，得到历史波动数据集；
99.数据校准模块300，用于从所述软件测试指令中解析得到初始交易数据，并根据所述历史波动数据集对所述初始交易数据进行校准，得到目标交易数据；
100.交易测试模块400，用于基于预训练的测试模型，通过所述计算规则计算所述目标交易数据对应的交易测试结果。
101.本实施例通过接收包含时间信息的软件测试指令，并从数据库中调取对应的计算规则，以便于对不同日期和不同规则下的交易数据进行测试，提高了测试过程的可控性和有效性；通过根据时间信息获取对应的离散历史数据，提高了测试的准确性，并通过对离散历史数据进行时间对齐，得到了能够较为全面地反映该时间信息下的行情状态的历史波动数据集，以便于数据参考和校准；通过历史波动数据集对软件测试指令中的初始交易数据进行校准，得到了符合历史行情的目标交易数据，从而提高了测试的可靠性和真实性；通过测试模型获取交易测试结果，以便于根据交易测试结果评估被测软件的状态，从而对被测软件进行维护或优化，避免了只能在实际交易过程中对软件进行维护的问题，提高了软件运作的稳定性。
102.在一个实施例中，数据校准模块300具体用于：
103.根据所述历史波动数据集计算监控参数；
104.计算所述初始交易数据与所述监控参数之间的差值；
105.获取预警阈值参数，当所述差值的绝对值大于所述预警阈值参数时，将所述初始交易数据标记为风险数据；
106.对所述风险数据进行校准，并删除风险标记，得到所述目标交易数据。
107.在一个实施例中，数据对齐模块200具体用于：
108.获取各个所述离散历史数据的日志信息；
109.按照预设的时间间隔在每一个所述日志信息中标定参考点；
110.读取每一个所述参考点对应的时刻，将每一个所述离散历史数据中时刻相同的参考点进行时间对齐。
111.在一个实施例中，数据对齐模块200具体用于：
112.当获取到行情自定义指令时，在所述行情自定义指令中获取所述时间信息对应的自定义数据，并将所述自定义数据作为所述离散历史数据；
113.当未获取到行情自定义指令时，在所述数据库中获取所述离散历史数据。
114.在一个实施例中，信息获取模块100具体用于：
115.识别接收到的所述软件测试指令中包含的时间信息的数量；
116.根据所述时间信息的数量，对每一个所述时间信息分别建立一个独立的测试实例；
117.根据所述时间信息，对每一个所述测试实例分别选取所述计算规则。
118.在一个实施例中，数据对齐模块200还用于：
119.识别所述数据库中，所述时间信息对应的离散历史数据是否为空；
120.若是，则生成所述时间信息对应的第一时间范围，按照预设的获取规则在所述第
一时间范围内获取若干组历史数据，并将所述历史数据组合得到所述离散历史数据。
121.在一个实施例中，信息获取模块100具体用于：
122.对每一个所述测试实例分别设置一个埋点标记；
123.获取与所述测试实例的时间信息对应的计算规则，并在获取到所述计算规则时，触发所述埋点标记，生成并存储与所述测试实例对应的埋点数据；
124.交易测试模块400还用于：
125.当所述交易测试结果出现异常时，通过所述埋点数据校验所述测试实例是否异常。
126.参照图3，本技术实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于储存软件的测试方法等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种软件的测试方法。所述软件的测试方法，包括：响应于软件测试指令，获取时间信息，并根据所述时间信息在数据库中选取预先存储的计算规则；根据所述时间信息获取离散历史数据，并对所述离散历史数据进行时间对齐，得到历史波动数据集；从所述软件测试指令中解析得到初始交易数据，并根据所述历史波动数据集对所述初始交易数据进行校准，得到目标交易数据；基于预训练的测试模型，通过所述计算规则计算所述目标交易数据对应的交易测试结果。
127.本技术一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现一种软件的测试方法，包括步骤：响应于软件测试指令，获取时间信息，并根据所述时间信息在数据库中选取预先存储的计算规则；根据所述时间信息获取离散历史数据，并对所述离散历史数据进行时间对齐，得到历史波动数据集；从所述软件测试指令中解析得到初始交易数据，并根据所述历史波动数据集对所述初始交易数据进行校准，得到目标交易数据；基于预训练的测试模型，通过所述计算规则计算所述目标交易数据对应的交易测试结果。
128.上述执行的软件的测试方法，通过接收包含时间信息的软件测试指令，并从数据库中调取对应的计算规则，以便于对不同日期和不同规则下的交易数据进行测试，提高了测试过程的可控性和有效性；通过根据时间信息获取对应的离散历史数据，提高了测试的准确性，并通过对离散历史数据进行时间对齐，得到了能够较为全面地反映该时间信息下的行情状态的历史波动数据集，以便于数据参考和校准；通过历史波动数据集对软件测试指令中的初始交易数据进行校准，得到了符合历史行情的目标交易数据，从而提高了测试的可靠性和真实性；通过测试模型获取交易测试结果，以便于根据交易测试结果评估被测软件的状态，从而对被测软件进行维护或优化，避免了只能在实际交易过程中对软件进行维护的问题，提高了软件运作的稳定性。
129.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，
本技术所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双速据率sdram(ssrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
130.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
131.以上所述仅为本技术的优选实施例，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利保护范围内。