[發明專利]一種基于區塊鏈特征的虛擬貨幣價格波動溯源方法

有效

• 申請號: 202010561913.6
• 申請日: 2020-06-18
• 公開（公告）號: CN111667318B
• 公開（公告）日: 2023-03-03
• 發明（設計）人: 楊晨光;劉冠雄;李樂平
• 申請（專利權）人: 廣州市九重天信息科技有限公司
• 主分類號: G06Q30/0202
• 分類號: G06Q30/0202;G06Q10/04;G06F18/214;G06F17/18;G06F16/215;H04L67/55;G06N3/045;G06F18/2135
• 代理公司: 北京和信華成知識產權代理事務所(普通合伙) 11390
• 代理人: 杜家波

1.一種基于區塊鏈特征的虛擬貨幣價格波動溯源方法，其特征在于，該方法包括以下步驟：

步驟一：選擇參數信息源；

步驟二：對參數信息源進行特征預處理，具體處理步驟為：

S1：對參數信息源的數據清洗，構建基于Spark+Kafka的大數據流處理pipeline，實時傳輸并清洗各個數據源，具體為：

S11：利用內建的API，將所有內容為空的數據段標注為nan；

S12：集中選取并篩除具有nan字段的數據點；

S13：針對各個數據段的具體特征，建立監測程序，檢查數據類型是否匹配并篩除具有不匹配數據段的數據點；

S2：對清洗后的數據進行歸一化處理，具體處理過程為：

S21：基于標準正態分布，設定任意時刻t，輸入特征向量為Xt＝{x₁,x₂,…,x_n}，對于任意時刻，回溯一個長度為T的時間窗口，根據時間窗口的數據，計算每個特征值得均值μ和方差σ，根據統計均值和方差，對每個特征值進行歸一化，x＝(x-μ)/(σ)；

S22：基于min-max；對任意時刻的特征值，根據其物理定義，求得特征值對應的上下界，并標注為x_min和x_max根據上下界；

求得min-max歸一化，x＝(x-x_min)/(x_max-x_min)；

S3：對歸一化后的數據進行統計分析，具體過程為：

S31：基于D3，建立web可視化工具，對單一特征值進行可視化；

S32：建立基于互相關性系數的分析，得到特征值相互之間的聯系；

S33：結合特征值和真實值進行相關分析，識別淺層統計關系；

S4：對統計分析后的數據進行特征工程處理，具體為：

S41：PCA降維，設定統計分析求得的特征值互相關性矩陣為A，根據線性代數，求解下列方程det(A-λI)＝0依據求得的權重，找出對應的主成分；

S42：利用domain knowledge豐富特征向量；

S43：利用SMOTE算法對數據進行再平衡；

S5：對特征點依次進行normalize函數、高斯混合模型和降維度處理；

步驟三：對特征預處理后的數據進行預測處理，具體處理為：

SS1：SVM算法處理：提取訓練數據中的特征值和ground truth，將數據結合SVM模型進行擬合訓練，利用k-fold算法尋找合適的超參數；

SS2：Random Forest算法處理：提取訓練數據中的特征值和ground truth，將數據結合Random Forest模型進行擬合訓練，利用k-fold算法尋找合適的超參數；

SS3：RNN算法處理：構建基于遞歸神經網絡的回歸模型，定義基于l-p norm的損失函數，將數據結合模型進行擬合訓練；

SS4：Ensemble：結合三種不同模型的結果，將其構建成輸入特征值，構建非線性回歸模型，通過ensemble模式擬合最終結果得到預測值，當市場波動性的預測值高于高波動性閥值，則判定為異常波動發生，給出異常波動信號進行預警；

步驟四：對最終結果進行異常原因回溯處理找到異常原因。

2.根據權利要求1所述的一種基于區塊鏈特征的虛擬貨幣價格波動溯源方法，其特征在于，所述特征值相互之間的聯系為：

3.根據權利要求1所述的一種基于區塊鏈特征的虛擬貨幣價格波動溯源方法，其特征在于，對所述的擬合最終結果進行異常原因回溯處理，具體處理為：

將預測值和實際值相減，得到當前預測結果的殘差δ＝(y_true-y)，結合當前特征值數據，進行殘差擬合截取一段時間窗口內的殘差值{δ₁,δ₂,…,δ_n}，利用回歸模型對殘差進行擬合，找到對應模型ω＝argmin∑(δ_i-f(ω^TX_i))；對于殘差擬合模型的結果進行分析，根據特征值權重找到異常原因。

4.根據權利要求1所述的一種基于區塊鏈特征的虛擬貨幣價格波動溯源方法，其特征在于，所述參數信息源包括Order book price、哈希率、與該虛擬貨幣的社交媒體相關討論情緒值、地址轉入金額和轉出金額的比值平均值、地址Gini系數平均值、地址轉賬流水金額平均數、新增地址數、地址平均生命周期和大額地址轉賬金額。