交易量动态阈值监控方法及装置制造方法及图纸

本发明专利技术提供了一种交易量动态阈值监控方法及装置，所述方法包括：根据历史交易量预测目标月份的交易量得到第一交易量，通过ARIMA模型预测目标月份的交易量得到第二交易量；根据所述第一交易量和所述第二交易量确定预测交易量；根据所述预测交易量对目标月份的实际交易量进行监控，若所述实际交易量异常，向运维人员反馈报警信息，本发明专利技术可提高对交易量的异常监控准确度。

【技术实现步骤摘要】
交易量动态阈值监控方法及装置
本专利技术涉及计算机运维
，尤其涉及一种交易量动态阈值监控方法及装置。
技术介绍
在生产系统的日常运维中，对于业务指标数据的监控一般会采取自动恒定阈值和动态阈值两种方式对例如交易量的业务指标数据进行监控。其中，自动恒定阈值是采用人为设置固定阈值的方式对业务指标数据进行监控。动态阈值是在对业务日志或业务数据的实时统计分析的基础上对业务指标数据进行监控。但是，对于金融机构的交易量来说，客户交易行为在一天中具有较大的波动性，设置恒定阈值会出现大量漏报和误报的情况，而动态阈值的方式在不同数据时呈现较大的误差，不能单纯套用现有模型和现有建构直接进行拟合得到动态阈值。因此，现有的交易量的业务指标数据监控存在监控不准确、大量漏报误报的情况。
技术实现思路
本专利技术的一个目的在于提供一种交易量动态阈值监控方法，提高了对交易量的异常监控准确度。本专利技术的另一个目的在于提供一种交易量动态阈值监控装置。本专利技术的再一个目的在于提供一种计算机设备。本专利技术的还一个目的在于提供一种可读介质。为了达到以上目的，本专利技术一方面公开了一种交易量动态阈值监控方法，包括：根据历史交易量预测目标月份的交易量得到第一交易量，通过ARIMA模型预测目标月份的交易量得到第二交易量；根据所述第一交易量和所述第二交易量确定预测交易量；根据所述预测交易量对目标月份的实际交易量进行监控，若所述实际交易量异常，向运维人员反馈报警信息。优选的，所述根据历史交易量预测目标月份的交易量得到第一交易量具体包括：根据所述历史交易量确定交易量每个月的同比增长率；根据已知交易量的历史月份和所述每个月的同比增长率得到所述目标月份的第一交易量。优选的，所述根据所述历史交易量确定交易量每个月的同比增长率具体包括：确定历史交易量中相邻两个月中后一个月与前一个月的交易量的差值；确定所述差值与所述前一个月的交易量之比为后一个月的同比增长率；确定历史交易量中每个月的同比增长率。优选的，所述根据已知交易量的历史月份和所述每个月的同比增长率得到所述目标月份的第一交易量具体包括：将所述目标月份前一个月的交易量与所述目标月份对应的同比增长率相乘得到目标月份的第一交易量。优选的，所述ARIMA模型包括自回归模型和移动平均模型。优选的，所述根据所述第一交易量和所述第二交易量确定预测交易量具体包括：若所述第一交易量大于所述第二交易量，确定所述第二交易量为预测交易量，否则，采用所述第二交易量减去所述第一交易量后除以交易量的个数得到预测交易量。优选的，所述根据所述预测交易量对目标月份的实际交易量进行监控具体包括：当所述目标月份的实际交易量与所述预测交易量的差值超过预设阈值，确定所述实际交易量异常。本专利技术还公开了一种交易量动态阈值监控装置，包括：交易量预测模块，用于根据历史交易量预测目标月份的交易量得到第一交易量，通过ARIMA模型预测目标月份的交易量得到第二交易量；交易量修正模块，用于根据所述第一交易量和所述第二交易量确定预测交易量；交易量监控模块，用于根据所述预测交易量对目标月份的实际交易量进行监控，若所述实际交易量异常，向运维人员反馈报警信息。本专利技术还公开了一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述方法。本专利技术还公开了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述方法。本专利技术通过历史交易量预测目标月份的交易量得到第一交易量，通过ARIMA模型进行动态阈值监控。ARIMA模型可对目标月份的交易量进行预测得到第二交易量，通过第一交易量对第二交易量进行修正以确定最终的预测交易量。从而本专利技术通过历史交易量预测对ARIMA模型预测的交易量进行修正，实现方式简单且能够提高交易量的监控准确度。附图说明为了更清楚地说明本专利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专利技术的一些实施例，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。图1示出本专利技术交易量动态阈值监控方法一个具体实施例的流程图；图2示出本专利技术交易量动态阈值监控方法一个具体实施例S100的流程图；图3示出本专利技术交易量动态阈值监控方法一个具体实施例S110的流程图；图4示出本专利技术交易量动态阈值监控方法一个具体实施例确定预测交易量的示意图；图5示出本专利技术交易量动态阈值监控装置一个具体实施例的结构图；图6示出适于用来实现本专利技术实施例的计算机设备的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。现有技术中，对于金融机构交易量的监控通常采取自动恒定阈值和动态阈值两种方式。其中，恒定阈值方式是指运维人员在服务器端设定服务器应用指标(交易量)超过一个合理值自动报警，并对服务器异常的波动状态进行报警。恒定阈值方式一般都是采用人工经验判定，根据已往的交易成功率进行合理值的估算。动态阈值方式在业务日志\数据的实时统计分析基础上做监控预警以及辅助定位，例如目前阿里的监控平台Goldeneye采取了动态阈值方式。动态阈值的合理值预测的理论基础是高斯分布和均值漂移模型。动态阈值监控的步骤分为样本选取、异常样本筛出、样本截取和预测合理值。其中还引入了均值漂移模型来寻找变点，所谓变点就是持续微量下跌到一定时间，累计变化量到一定程度后，使得变点前后检测指标在一段时间内的均值发生漂移。在一个具体例子中，动态阈值监控的步骤包括：(1)样本选取：根据实际需求选取过去50天左右的样本。(2)异常样本筛除：这个过程主要是用高斯分布函数过滤调函数值小于0.01或者标准房产绝对值大于1的样本。(3)样本截取：对历史样本在时间序列上进行分段检验，如果有周期性变化或者持续单调变化，则会反复迭代均值漂移模型寻找均值漂移点，然后截取离当前日期最近的一段。(4)预测合理值：经过(2)和(3)的筛选，截取剩下的样本基本上是最理想的样本。在此基础上，保持样本在日期上的顺序，按指数平滑法预测目标日期的基准值，得到基准值一会后根据灵敏度或者阈值系数，计算阈值的上下线。然而，金融机构交易量业务数据具有强时间规律性，将现有技术的以上两种业务数据监控方式直接应用于金融机构交易量的监控可能会导致大量漏报误报的情况出现。并且，金融机构只需要监控短期实时业务的情况。由此，本专利技术采用ARIMA模型进行训练并对ARIMA模型通过目标月份的月度预测进行优化以本文档来自技高网...

【技术保护点】
1.一种交易量动态阈值监控方法，其特征在于，包括：/n根据历史交易量预测目标月份的交易量得到第一交易量，通过ARIMA模型预测目标月份的交易量得到第二交易量；/n根据所述第一交易量和所述第二交易量确定预测交易量；/n根据所述预测交易量对目标月份的实际交易量进行监控，若所述实际交易量异常，向运维人员反馈报警信息。/n

【技术特征摘要】
1.一种交易量动态阈值监控方法，其特征在于，包括：
根据历史交易量预测目标月份的交易量得到第一交易量，通过ARIMA模型预测目标月份的交易量得到第二交易量；
根据所述第一交易量和所述第二交易量确定预测交易量；
根据所述预测交易量对目标月份的实际交易量进行监控，若所述实际交易量异常，向运维人员反馈报警信息。


2.根据权利要求1所述的交易量动态阈值监控方法，其特征在于，所述根据历史交易量预测目标月份的交易量得到第一交易量具体包括：
根据所述历史交易量确定交易量每个月的同比增长率；
根据已知交易量的历史月份和所述每个月的同比增长率得到所述目标月份的第一交易量。


3.根据权利要求2所述的交易量动态阈值监控方法，其特征在于，所述根据所述历史交易量确定交易量每个月的同比增长率具体包括：
确定历史交易量中相邻两个月中后一个月与前一个月的交易量的差值；
确定所述差值与所述前一个月的交易量之比为后一个月的同比增长率；
确定历史交易量中每个月的同比增长率。


4.根据权利要求2所述的交易量动态阈值监控方法，其特征在于，所述根据已知交易量的历史月份和所述每个月的同比增长率得到所述目标月份的第一交易量具体包括：
将所述目标月份前一个月的交易量与所述目标月份对应的同比增长率相乘得到目标月份的第一交易量。


5.根据权利要求1所述的交易量动态阈值监控方法，其特征在于，所述ARIMA模型...

【专利技术属性】
技术研发人员：杨旭，傅华崧，吴振东，何金海，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：北京;11