一种贵金属制品实时行情监控方法、装置及系统与流程

1.本发明涉及贵金属制品行情监控领域，特别地，涉及一种贵金属制品实时行情监控方法、装置及系统。


背景技术：

2.贵金属制品作为一种特殊的具有高效价值的商品，不论是实物销售或量化交易，对实时价格要求很高，因此有一套完美的监控系统是非常有必要的，否则会影响商家及投资者的利润及本金。
3.但是现有的监控系统仅是简单的阈值预警，而在实际过程中除阈值预警外还有很多异常情况，现有监控系统无法对异常情况进行监控，满足实际的使用需求。


技术实现要素：

4.为了克服现有技术的不足，本发明提供一种贵金属制品实时行情监控方法、装置及系统，以解决现有监控系统无法对异常情况进行监控，满足实际的使用需求的问题。
5.本发明解决其技术问题所采用的技术方案是：
6.第一方面，
7.一种贵金属制品实时行情监控方法，包括以下步骤：
8.获取实时行情数据；
9.判断所述行情数据是否触发监控规则，所述监控规则包括：阈值规则和机器学习模型的模拟规则；
10.若触发监控规则，则向指定人员发生预警信息，并采用预设价格体系；若未触发监控规则，则采用根据实时行情数据得到的实时行情价格。
11.进一步地，所述获取实时行情数据包括：从至少一个平台获取实时行情数据。
12.进一步地，当无法从任一平台获取实时行情数据时，向指定人员发生预警信息，并采用所述预设价格体系。
13.进一步地，当所述监控规则为阈值规则时，所述判断所述行情数据是否触发监控规则，包括：
14.判断所述实时行情数据中最高价格、最低价格以及涨跌百分比中任一项的数值是否超出对应的阈值；
15.若超出，判断所述行情数据触发监控规则；若未超出，判断所述行情数据未触发监控规则。
16.进一步地，当所述监控规则为机器学习模型的模拟规则时，所述判断所述行情数据是否触发监控规则，包括：
17.判断所述实时行情数据中价格与所述机器学习模型输出的模拟价格的差值或比值是否大于预设值，所述机器学习模型采用历史行情数据进行训练得到；
18.若大于，则判断所述行情数据触发监控规则；若不大于，判断所述行情数据未触发
监控规则。
19.进一步地，所述采用预设价格体系，包括：
20.获取采用预设价格体系前预设时间段内的行情数据，根据所述行情数据得到预设价格体系；
21.或者，采用所述机器学习模型输出的价格。
22.进一步地，所述根据所述行情数据得到预设价格体系，包括：
23.根据所述行情数据得到所述预设时间段内价格走势以及采用预设价格体系上一时刻的价格；
24.根据所述价格走势得到走势系数；
25.将所述价格走势和所述上一时刻的价格的乘积作为当前时刻的价格。
26.第二方面，
27.一种贵金属制品实时行情监控装置，包括：
28.数据获取模块，用于获取实时行情数据；
29.规则判断模块，用于判断所述行情数据是否触发监控规则，所述监控规则包括：阈值规则和机器学习模型的模拟规则；
30.结果处理模块；用于若触发监控规则，则向指定人员发生预警信息，并采用预设价格体系；若未触发监控规则，则采用根据实时行情数据得到的实时行情价格。
31.第三方面，
32.一种贵金属制品实时行情监控系统，采用第一方面技术方案中任一项所述的方法。
33.进一步地，所述系统由多个节点组成，不同节点部署在不同区域，以便当任一节点数据异常时，可以采用其他节点的数据保证系统正常运行。
34.有益效果：
35.本技术技术方案提供一种贵金属制品实时行情监控方法、装置及系统，首先获取实时行情数据，然后判断行情数据是否触发监控规则，若触发监控规则，则向指定人员发生预警信息，并采用预设价格体系；若未触发监控规则，则采用根据实时行情数据得到的实时行情价格。由于监控规则不仅包括阈值规则，还包括机器学习模型的模拟规则，因此本技术方案不仅能够在实时行情数据超过阈值后进行预警，还可以根据机器学习模型的模拟对不超过阈值的实时行情进行判断，保证使用的实时行情价格正常；同时，当触发监控规则时，能够切换预设价格体系，保证商家和投资者的利益。
附图说明
36.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
37.图1是本发明实施例提供的一种贵金属制品实时行情监控方法流程图；
38.图2是本发明实施例提供的一种贵金属制品实时行情监控装置结构示意图；
39.图3是本发明实施例提供的一种贵金属制品实时行情监控系统工作流程图。
具体实施方式
40.为使本技术的目的、技术方案和优点更加清楚，下面结合附图和实施例对本发明的技术方案进行详细的描述说明。显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本技术所保护的范围。
41.第一实施例，参照图1，本发明实施例提供了一种贵金属制品实时行情监控方法，包括以下步骤：
42.获取实时行情数据；
43.判断行情数据是否触发监控规则，监控规则包括：阈值规则和机器学习模型的模拟规则；
44.若触发监控规则，则向指定人员发生预警信息，并采用预设价格体系；若未触发监控规则，则采用根据实时行情数据得到的实时行情价格。
45.本发明实施例提供的贵金属制品实时行情监控方法，首先获取实时行情数据，然后判断行情数据是否触发监控规则，若触发监控规则，则向指定人员发生预警信息，并采用预设价格体系；若未触发监控规则，则采用根据实时行情数据得到的实时行情价格。由于监控规则不仅包括阈值规则，还包括机器学习模型的模拟规则，因此本技术方案不仅能够在实时行情数据超过阈值后进行预警，还可以根据机器学习模型的模拟对不超过阈值的实时行情进行判断，保证使用的实时行情价格正常；同时，当触发监控规则时，能够切换预设价格体系，保证商家和投资者的利益。
46.第二实施例，本发明提供一种具体的贵金属制品实时行情监控方法，包括以下步骤：
47.获取实时行情数据；需要说明的是，从至少一个平台获取实时行情数据，以便实时行情数据的准确，以及当一个平台无法获取实时行情时，可以从其他平台获取。当无法从任一平台获取实时行情数据时，向指定人员发生预警信息，并采用预设价格体系。即当所有平台都获取不到实时行情时，切换为预设价格体系，保证贵金属的交易正常。
48.判断行情数据是否触发监控规则，监控规则包括：阈值规则和机器学习模型的模拟规则；当监控规则为阈值规则时，判断行情数据是否触发监控规则，包括：判断实时行情数据中最高价格、最低价格以及涨跌百分比中任一项的数值是否超出对应的阈值；若超出，判断行情数据触发监控规则；若未超出，判断行情数据未触发监控规则。监控规则为机器学习模型的模拟规则时，判断行情数据是否触发监控规则，包括：判断实时行情数据中价格与机器学习模型输出的模拟价格的差值或比值是否大于预设值，机器学习模型采用历史行情数据进行训练得到；若大于，则判断行情数据触发监控规则；若不大于，判断行情数据未触发监控规则。
49.若触发监控规则，则向指定人员发生预警信息，并采用预设价格体系；若未触发监控规则，则采用根据实时行情数据得到的实时行情价格。采用预设价格体系，包括：获取采用预设价格体系前预设时间段内的行情数据，根据行情数据得到预设价格体系；或者，采用机器学习模型输出的价格。
50.其中，根据行情数据得到预设价格体系，包括：根据行情数据得到预设时间段内价格走势以及采用预设价格体系上一时刻的价格；根据价格走势得到走势系数；将价格走势
和上一时刻的价格的乘积作为当前时刻的价格。示例性，价格走势一般可分为整体上升，整体下降或波动平稳三种；以整体上升为例，根据上升的幅度可以得到一个走势系数，该走势系数成员上一时刻的价格等于当前时刻的价格。可以理解的是，如果得到的当前价格超出最高价格、最低价格等的阈值，则保持上一时刻价格不变。
51.第三实施例中，本发明提供一种贵金属制品实时行情监控装置，如图2所示，包括：
52.数据获取模块21，用于获取实时行情数据；具体地，数据获取模块21从至少一个平台获取实时行情数据。
53.规则判断模块22，用于判断行情数据是否触发监控规则，监控规则包括：阈值规则和机器学习模型的模拟规则；当监控规则为阈值规则时，规则判断模块22判断实时行情数据中最高价格、最低价格以及涨跌百分比中任一项的数值是否超出对应的阈值；若超出，判断行情数据触发监控规则；若未超出，判断行情数据未触发监控规则。当监控规则为机器学习模型的模拟规则时，规则判断模块22判断实时行情数据中价格与机器学习模型输出的模拟价格的差值或比值是否大于预设值，机器学习模型采用历史行情数据进行训练得到；若大于，则判断行情数据触发监控规则；若不大于，判断行情数据未触发监控规则。
54.结果处理模块23；用于若触发监控规则，则向指定人员发生预警信息，并采用预设价格体系；若未触发监控规则，则采用根据实时行情数据得到的实时行情价格。其中，采用预设价格体系，包括：获取采用预设价格体系前预设时间段内的行情数据，根据行情数据得到预设价格体系；具体地，根据行情数据得到预设时间段内价格走势以及采用预设价格体系上一时刻的价格；根据价格走势得到走势系数；将价格走势和上一时刻的价格的乘积作为当前时刻的价格。
55.或者，采用机器学习模型输出的价格。
56.作为本发明实施例一种可选的实现方式，当数据获取模块21无法从任一平台获取实时行情数据时，结果处理模块23向指定人员发生预警信息，并采用预设价格体系。
57.本发明实施例提供的贵金属制品实时行情监控装置，数据获取模块，用于获取实时行情数据；规则判断模块，判断行情数据是否触发监控规则，监控规则包括：阈值规则和机器学习模型的模拟规则；若触发监控规则，则结果处理模块向指定人员发生预警信息，并采用预设价格体系；若未触发监控规则，则结果处理模块采用根据实时行情数据得到的实时行情价格。本发明实施例提供的监控装置中，由于监控规则不仅包括阈值规则，还包括机器学习模型的模拟规则，因此本技术方案不仅能够在实时行情数据超过阈值后进行预警，还可以根据机器学习模型的模拟对不超过阈值的实时行情进行判断，保证使用的实时行情价格正常；同时，当触发监控规则时，能够切换预设价格体系，保证商家和投资者的利益。
58.第四实施例中，本发明提供一种贵金属制品实时行情监控系统，采用第一实施例或第二实施例提供的方法。由于该方法已在第一实施例和第二实施例记载，在此不再赘述。
59.需要说明的是，系统由多个节点组成，不同节点部署在不同区域，以便当任一节点数据异常时，可以采用其他节点的数据保证系统正常运行。
60.示例性的，如图3所示，该系统的工作流程如下：
61.1、监控系统从不同平台获取行情数据源，
62.2、根据行情数据分析算出一个系统计算的价格作为备用，流程如下：
63.1)用历史大数据训练数据模型，
64.2)系统通过类比学习机器算法计算出一个自己的价格，
65.3)使用机器学习与分析得出一套监控规则。
66.3、当价格触发监控规则，监控系统会以短信、钉钉等通讯软件推送到相关人员，且切换为步骤2中机器学习算法得到的价格，监控规则如下：
67.1)系统管理员设置的最高、最低数值、百分比等规则，
68.2)监控系统机器学习模型的模拟规则，
69.3)行情数据源异常中断等。
70.4、相关人员可以结合数据源行情与监控系统行情分析设置后续行情结果，
71.5、系统以多节点部署在不同区域来保证监控系统稳定运行。
72.本发明实施例提供的监控系统能够实时监控贵金属价格的实时行情，并从多个方面进行预警，保证实时行情的正常；并在触发预警后及时切换预设价格体系，避免商家或投资者利益受损。
73.可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
74.需要说明的是，在本技术的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本技术的描述中，除非另有说明，“多个”的含义是指至少两个。
75.流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
76.应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
77.本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
78.此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
79.上述提到的存储介质可以是只读存储器，磁盘或光盘等。
80.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特
点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
81.尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。