一种基于大数据的金融市场波动风控方法及系统

摘要

本发明公开了一种金融领域及计算机领域的基于大数据的市场波动风控方法，改方法的具体步骤如下S1金融市场大数据采集；S2将采集的金融市场数据存入云数据库并进行格式统一；S3对云数据库中的数据进行预处理并汇总生成可视化图表；S4利用数学算法建立数据指标分析模型根据波动风险指数大小进行预警；S5制定最大限度规避市场波动的处理方案。本发明通过采集到的金融数据输入模型进行风险分析并根据波动风险指数做出相应应对方案，为金融机构和个人及时掌握金融市场风险情况，完善金融市场管理体制提供动态信息化的处理方式，依托大数据平台提供数据支撑。

说明书

技术领域

本发明涉及计算机大数据领域以及金融领域，公开了一种金融大数据的风控方法及系统。

背景技术

一方面随着经济的发展，金融市场发展空前繁荣，各类基金证券投资保险行业公司机构积极参与金融市场，另一方面，计算机技术的发展，互联网金融将金融行业跟大数据技术紧密结合，具有透明度强、效率高、协作性好、中间成本低等特点，依附于第三方支付、云计算、大数据分析等高新技术日益成为行业主流。但金融市场波动大数据繁杂分析困难，没有一套市场风控提供预警可能使市场参与者蒙受巨大损失，市场参与者不能够及时得到相关的实时数据支撑，也不能够快速的实时定制应对波动的方案，为此，我们提出了一种基于大数据的金融市场风控预警方法及系统投入使用，以解决上述问题。

发明内容

解决的技术问题

针对现有的金融市场波动大，数据搜集处理难的情况，本发明的目的在于提供一种基于大数据的金融市场波动风控方法及系统，具备便于基于动态数据及时预警金融市场波动以提高处理方案等优点，以解决上述背景技术中提出的问题。

本发明的技术方案如下：一种基于大数据的金融市场波动风控方法及系统包括云数据库模块、预处理可视化模块、数学分析模型模块、应对方案模块。

所述云数据库模块，用于将每条收集到大数据信息进行规则划分，其划分包括对相似信息进行格式化统一分存入相应云数据库中。

所述预处理可视化模块，根据上述规则对已存入数据库的统一格式数据进行预处理并通过相应工具进行可视化，生成图表，使业务者能够更快地理解和处理市场信息。大数据可视化工具可以提供实时信息，更容易对整个金融市场进行评估。

所述数学分析模型模块建立数学模型，将得到的市场数据输入模型中，检测市场发展进入模型危险区域的超指数增长情况，并进行风险预警。对超指数增长情况进行分级，指数增长乖离率为1％～30％为一级，31％～70％为二级，71％～100％为三级。

所述应对方案中心，根据数学分析模型模块给出的预警信号等级进行决策，给定对应不同等级的风控方案。

优选的，云数据库系统采用安全性高，高并发量，动态获取延时低的AWS或Oracle。

优选的，所述预先处理可视化模块通过大数据的分析、统计以及常规习惯将信息进行预先处理。

优选的，所述预先处理可视化模块采用第三方可视化工具Matplotlib或finebi。

优选的，所述数学分析模型模块采用基于对数坐标轴的超指数增长模型。

本发明还提供了一种基于大数据的金融市场波动的风控系统，其特征在于，

S1、金融市场大数据采集；

S2、将采集的金融市场数据存入云数据库并进行格式统一；

S3、对云数据库中的数据进行预处理并汇总生成可视化图表；

S4、利用数学算法建立数据指标分析模型根据波动风险指数大小进行预警；

S5、制定最大限度规避市场波动的处理方案。

有益效果

与现有技术相比，本发明的有益效果是：通过上述技术方案本发明提供的一种基于大数据的金融市场波动风控系统，使得市场数据获取快速清晰，通过数学模型就可以更加准确地预警市场可能发生的波动，提高了金融市场参与者的决策效率，且更加安全和反应速度快、时效性高的优点。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述是本发明的一些附图。

图1为本发明方法流程图；

图2为本发明系统模块图；

图3为本发明模型的数学公式原理图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图2所示，本发明提供的一种基于大数据的金融市场波动风控系统，包括云数据库模块、预处理可视化模块、数学分析模型模块、应对方案模块；

所述云数据库模块，使用金融数据终端获取来自股票市场、债券市场以及其他金融产品衍生市场的数据，数据的采集还包括金融监管交互信息、金融市场审核信息以及市场参与者的反馈数据，并存入云数据库中以便实时动态调用数据。

所述预处理可视化模块，归类和对不同信息的区分，所述预先处理模块通过大数据的分析、统计以及常规习惯将信息进行预先处理。利用云数据库或分布式集群体的优点对存储的海量金融数据进行汇总、统计，并利用第三方工具生成可视化图表，括对金融市场的各类交易总量进行统计分析以及对金融客户的资本状况、资本的流动性和资本运作的市场方向等。

所述数学分析模型模块，根据超指数增长模型算法建立基于对数坐标的指数增长乖离模型，通过构建的模型算出金融市场各类风险是否进入超指数增长的波动危险区域，并作出预测以及预警。根据指数乖离率分级1％～30％为一级，31％～70％为二级，71％～100％为三级。

所述应对方案模块，根据数学分析模型给出的乖离等级一二三级分别制定规避金融市场风险投资敞口的符合金融客户的风控方案。

如图1方法流程图所示，该方法包括：S1通过Bloomberg，Wind等金融数据终端采集动态金融市场大数据；S2将采集的金融市场数据存入Oracle云数据库并进行格式统一；S3对云数据库中的数据使用Matplotlib进行预处理并汇总生成可视化图表；S4利用数学算法建立数据指标分析模型根据波动风险指数大小进行预警；S5根据模型给出的风险指数大小制定最大限度规避市场波动的处理方案。

图3为数学分析模型的原理图，该图详细展示了用于预测波动风险的指数增长模型数学公式和原理，基于该原理构建出指数增长模型，超过指数增长的部分称为超指数增长，金融市场进入超指数增长就代表进入波动危险区域，并用1％～30％，31％～70％，71％～100％三个等级指数增长乖离率区间来预测波动的危险程度，相应给出不同等级的风控方案。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。