一种用于判断垄断行为的大数据感知方法及系统技术方案

本发明专利技术属于大数据技术领域，公开了一种用于判断垄断行为的大数据感知方法及系统，大数据感知方法包括：对重点行业产品进行监测，确定生产企业的地理分布、市场影响力分布，分析重点行业产品价格变动与全省产品价格变动的趋势异同；同时用于市场存在异常价格变动的风险时识别出价格变动期，反馈预警信息；对行政立案后的企业产品，确定具有高影响力的企业间的高相关性，进行生产企业成本、价格成本分析，提供可追溯、可证明的模型分析证据。本发明专利技术可实现对垄断违法行为的早期预警、证据收集，运用多种算法进行数据扩展、风险预警、取证固证，并且从时间和空间两个维度利用大数据的算法模型及指标体系实现对垄断违法行为发现和确认。认。认。

【技术实现步骤摘要】
一种用于判断垄断行为的大数据感知方法及系统


[0001]本专利技术属于大数据
，尤其涉及一种用于判断垄断行为的大数据感知方法及系统。

技术介绍

[0002]目前，现有监管执法模式下，对搜集垄断案件线索，判断垄断违法行为，仍主要依赖实地办案、问询、手工数据梳理等传统的工作方式，受限于人力、物力等客观因素，结果效率和质量有待提升。
[0003]现有技术中经济学分析理论与反垄断业务结合不足，对于“垄断协议和滥用市场支配地位”等主要违法行为，没有形成适用于反垄断领域的算法模型，数据利用智能化水平不足，无法根据实际数据形成量化的分析结果，也无法给出普适性的方法论。
[0004]通过上述分析，现有技术存在的问题及缺陷为：现有的判断垄断行为的方法效率低、判断结果准确低，不具备普适性，同时智能化水平不够。

技术实现思路

[0005]针对现有技术存在的问题，本专利技术提供了一种用于判断垄断行为的大数据感知方法。
[0006]本专利技术是这样实现的，一种用于判断垄断行为的大数据感知方法包括：通过对重点行业产品信息进行监测，确定生产企业的地理分布、市场影响力分布，获得重点行业产品价格变动与企业产品价格变动的趋势异同分析数据；基于分析数据识别市场存在异常价格变动风险时反映出的价格变动期，进行预警信息反馈，并可视化示出。
[0007]对行政立案后的企业产品，确定具有高影响力的企业间的高相关性，进行生产企业成本、价格成本分析，提供可追溯、可证明的模型分析证据。
[0008]进一步，所述用于判断垄断行为的大数据感知方法包括以下步骤：步骤一，获取企业基本信息数据、税务数据、销售数据；对获取的数据进行清洗和处理；步骤二，基于结构突变理论从时空两个维度确定产品价格波动特征的异质性，识别企业对产品价格的垄断行为；步骤三，进行可视化参数设置，基于设置的可视化参数进行识别结果的可视化展示以及整体分析报告的下载。
[0009]进一步，所述步骤一中对获取的数据进行清洗和处理包括：首先，对获取的数据进行缺失值的处理、数据标准化、异常值的检测处理；其次，对价格数据的多时间维度进行聚合和转换；同时将处理后的数据存储入预先构建的基础库、主题库中。
[0010]进一步，所述步骤二中基于结构突变理论从时空两个维度确定产品价格波动特征的异质性，识别企业对产品价格的垄断行为包括：
首先，在时间维度上，构建每家企业产品的多元时间序列模型，结合内生多重突变检验模型识别产品价格数据的结构变点，构建GARCH模型确定产品价格波动特征的异质性；其次，在空间维度上，构建空间计量模型确定不同企业产品价格的空间相关性、聚集性和异质性。
[0011]进一步，所述步骤二中基于结构突变理论从时空两个维度确定产品价格波动特征的异质性，识别企业对产品价格的垄断行为包括以下步骤：（1）对处理后的数据进行聚类分析，得到多个分组，并计算每个企业所在分组的组内相关系数和组间相关系数，得到具有价格串谋的特征和具有垄断特征的数据；（2）Bai
‑
Perron内生多重结构突变检验法的思路如下：假设某个Ｔ期的时间序列数据存在ｍ个潜在突变点（产生ｍ＋１个分割区间），数据的生成过程如下：其中，；，为t时刻被解释变量的值，解释变量由和两部分组成，表示系数未发生改变的变量，表示系数发生改变的变量，和为相应的系数向量，为残差项，是ｍ个未知的结构突变点，为了便于定义结构突变点的日期，设；Bai
‑
Perron结构突变检验分为三步：第一步，针对式中每个可能的分割点，利用普通最小二乘法（OLS），计算出和的估计值，并得到对应的残差平方和；第二步，比较不同分割方式得到的残差平方和，取最小残差平方和的分割：第三步，对时间序列的生成过程是否发生结构突变进行显著性检验；利用Bai
‑
Perron的结构突变点算法对某地区某产品的市场价格聚合序列进行结构突变检测。使用时间序列观测数据（y
t
，x
t
，z
t
）模拟生成结构变化点（T1,
…
Tm），根据最小二乘原则对模型进行估计，对统计量进行检验判断是否发生结构突变。在5%的显著性水平下，UDmax统计值和WDmax统计值都分别大于他们的临界值，表明原序列存在结构突变点。而根据F统计量的值可以看出，检测出的5个结构突变点的F统计量都显著大于其对应的临界值，表明在样本期间一共发生了5次结构突变。其中，max表示结构突变数目的最大允许值，UDmax和WDmax这两个统计量是检验在给定结构突变数目的最大允许值max时，是否存在未知数目的结构突变；F统计量是指在零假设成立的情况下，符合F分布的统计量。
[0012]（3）对时间序列的生成过程是否发生结构突变进行显著性检验，得到若干个结构变点，对相邻两个结构变点划分出的时间区间检验是否产生了具有长期记忆性的波动，GARCH模型是用来描述波动率能得到很好效果的时间序列模型；对于一个时间序列，令，称服从GARCH(m,s)模型，如果满足 ，
其中，表示截止到时刻的收益率信息，为常数，为不相关的白噪声序列，是波动率，是收益率的条件标准差，为零均值单位方差的独立同分布白噪声列，的模型是的波动率方程，m、s为GARCH模型的参数，α、β为常数项，当GARCH类模型的建模中的系数接近于1时，显示出有波动聚集性效应；利用GARCH(1,1)模型，对某地区某产品结构变点划分后的每一时间区间，判断是否为价格变动期。在2017/09/18至2017/12/12期间，GARCH(1,1)模型拟合后发现其系数（α、β）之和几乎为1，这表明此期间的波动率聚集显著，存在长期记忆，该产品价格进入了价格变动期。
[0013]（4）对所有企业的产品建立空间相关性模型，根据聚类分析所得的不同分组，采用一阶时间相关系数分析计算每个企业所在分组的组内相关系数和组间相关系数；进一步，所述步骤（1）中计算每个企业所在分组的组内相关系数和组间相关系数，得到具有价格串谋的特征和具有垄断特征的数据包括：1）在时间维度下，计算两个时间序列之间是否具有类似的变化趋势：其中，X
T
、Y
T
指输入的两个时间序列，X
t
、X
t+1
、Y
t
、Y
t+1
分别指在t时刻、t+1时刻X
T
、Y
T
序列的值，CORT为相关性系数的值。
[0014]2）确定的性质：，其中表示两条时间序列持有相同的趋势，会同时上涨或者下跌，并且涨幅或者跌幅相同；表示两条时间序列的上涨和下跌趋势相反；表示两条时间序列在单调性方面没有相关性；3）对于出现产品价格结构突变并进入到价格变动期的企业，所在组的组内多个企业具有较强的系统相关性，而组间相关性较弱：组内组间相关性呈现出高值
‑
低值的特征，判断几家具有市场支配能力的企业进行价格领导的可能性增大，具有价格串谋的特征；任意出现产品价格结构本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于判断垄断行为的大数据感知方法，其特征在于，所述用于判断垄断行为的大数据感知方法包括：通过对重点行业产品信息进行监测，确定生产企业的地理分布、市场影响力分布，获得重点行业产品价格变动与产品价格变动的趋势异同分析数据；基于分析数据识别市场存在异常价格变动风险时反映出的价格变动期，进行预警信息反馈，并可视化示出。2.如权利要求1所述用于判断垄断行为的大数据感知方法，其特征在于，所述用于判断垄断行为的大数据感知方法包括以下步骤：步骤一，获取企业基本信息数据、税务数据、销售数据；对获取的数据进行清洗和处理；步骤二，基于结构突变理论从时空两个维度确定产品价格波动特征的异质性，识别企业对产品价格的垄断行为；步骤三，进行可视化参数设置，基于设置的可视化参数进行识别结果的可视化展示以及整体分析报告的下载。3.如权利要求2所述用于判断垄断行为的大数据感知方法，其特征在于，所述步骤一中对获取的数据进行清洗和处理包括：首先，对获取的数据进行缺失值的处理、数据标准化、异常值的检测处理；其次，对价格数据的多时间维度进行聚合和转换；同时将处理后的数据存储入预先构建的基础库、主题库中。4.如权利要求2所述用于判断垄断行为的大数据感知方法，其特征在于，所述步骤二中基于结构突变理论从时空两个维度确定产品价格波动特征的异质性，识别企业对产品价格的垄断行为包括：在时间维度上，构建每家企业产品的多元时间序列模型，结合内生多重突变检验模型识别产品价格数据的结构变点，构建GARCH模型确定产品价格波动特征的异质性；在空间维度上，构建空间计量模型确定不同企业产品价格的空间相关性、聚集性和异质性。5.如权利要求2所述用于判断垄断行为的大数据感知方法，其特征在于，所述步骤二中基于结构突变理论从时空两个维度确定产品价格波动特征的异质性，识别企业对产品价格的垄断行为包括以下步骤：（1）对处理后的数据进行聚类分析，得到多个分组，并计算每个企业所在分组的组内相关系数和组间相关系数，得到具有价格串谋的特征和具有垄断特征的数据；（2）Bai
‑
Perron内生结构突变检验方法的思路如下：假设某个Ｔ期的时间序列数据存在ｍ个潜在突变点，产生ｍ＋1个分割区间，数据的生成过程如下：其中，；，为t时刻被解释变量的值，解释变量由和两部分组成，表示系数未发生改变的变量，表示系数发生改变的变量，和为相应的系数向量，为残差项，是ｍ个未知的结构
突变点，为了便于定义结构突变点的日期，设；Bai
‑
Perron结构突变检验分为三步：第一步，针对式中每个可能的分割点，利用普通最小二乘法（OLS），计算出和的估计值，并得到对应的残差平方和；第二步，比较不同分割方式得到的残差平方和，取最小残差平方和的分割：第三步，对时间序列的生成过程是否发生结构突变进行显著性检验；（3）对时间序列的生成过程是否发生结构突变进行显著性检验，得到若干个结构变点，对相邻两个结构变点划分出的时间区间检验是否产生了具有长期记忆性的波动，GARCH模型是用来描述波动率能得到很好效果的时间序列模型；对于一个时间序列，令，称服从GARCH(m,s)模型...

【专利技术属性】
技术研发人员：周伟光，赵跃程，卢吉晓，赵帅，阮洪新，
申请(专利权)人：山东省市场监管监测中心，
类型：发明
国别省市：