本發(fā)明屬于數(shù)據(jù)風(fēng)險預(yù)警領(lǐng)域，尤其涉及一種基于指令流毒性指標(biāo)的證券交易風(fēng)險預(yù)警方法。

背景技術(shù)：

隨著金融市場電子化交易的迅速普及，尤其是融合量化交易技術(shù)的新型電子化交易市場的飛速發(fā)展，量化交易及其監(jiān)管成為了前沿和熱點問題。對這些市場的監(jiān)管的實時性和準(zhǔn)確性都提出了更高的要求。而在2013年8月16日上午發(fā)生了光大烏龍指事件，我國滬指突然在不到一分鐘內(nèi)脈沖式急速拉高了一百多點，漲幅超過5％，成交額達(dá)到了87億元。無獨有偶，繼光大烏龍指事件后，美國高盛公司的股票期權(quán)電子交易出現(xiàn)重大失誤，導(dǎo)致當(dāng)日開盤后的期權(quán)價格出現(xiàn)大幅波動，而在僅隔兩天之后，美國納斯達(dá)克交易所又出現(xiàn)行情問題，市場在三個小時內(nèi)無法正常運作。類似極端事件在過去的一段事件內(nèi)都發(fā)生過不止一次，范圍涉及國內(nèi)外，那么未來很有可能會再次發(fā)生，且頻度可能越來越高，造成的影響越來越嚴(yán)重。

光大烏龍指事件及類似極端事件的發(fā)生，使得量化交易的監(jiān)管變得十分迫切。鑒于量化交易市場瞬息萬變的特點，量化交易的監(jiān)管應(yīng)當(dāng)使用量化手段來實施。那么量化監(jiān)管就需要有相應(yīng)的指標(biāo)與體系，可以測量高頻市場的指令流毒性且不需要對難以獲取的參數(shù)進(jìn)行估計，可以預(yù)測短期毒性誘導(dǎo)的波動，特別是當(dāng)涉及到大的價格波動的時。

綜合國內(nèi)外研究而言，國外研究學(xué)者從市場微觀結(jié)構(gòu)——信息模型出發(fā)，研究得出指令流毒性指標(biāo)(VPIN)模型來直接估計高頻交易中的指令流毒性，并基于“閃電崩盤”提供了驗證。但VPIN模型中的關(guān)鍵參數(shù)設(shè)定是由研究者的經(jīng)驗值而定，并非一個科學(xué)的值，該模型算法仍有待提升。

現(xiàn)有的測量指令流毒性的方法中樣本的采集較為單一，并且在VPIN計算中，采用固定時間間隔的方式對參數(shù)進(jìn)行估計，使得指令流毒性指標(biāo)(VPIN)計算結(jié)果不準(zhǔn)確。

技術(shù)實現(xiàn)要素：

為了解決現(xiàn)有技術(shù)的缺點，本發(fā)明的第一目的是提供一種基于指令流毒性指標(biāo)的證券交易風(fēng)險預(yù)警方法。

本發(fā)明的一種基于指令流毒性指標(biāo)的證券交易風(fēng)險預(yù)警方法，該方法在風(fēng)險預(yù)警服務(wù)器內(nèi)完成，該方法具體包括：

步驟(1)：從證券交易服務(wù)器內(nèi)實時獲取交易信息；交易信息包括交易時間和交易時間點處的交易量，交易量包括買量和賣量，交易時間點為分鐘時刻點或小時時刻點；

步驟(2)：將實時獲取的交易信息按照交易時間連續(xù)存儲至若干個交易信息集合中，每個交易信息集合所容納的總交易量均等于預(yù)設(shè)交易量閾值；當(dāng)一個交易信息集合內(nèi)的總交易量等于預(yù)設(shè)交易量閾值時，再繼續(xù)將交易信息存儲至其他交易信息集合中；

步驟(3)：根據(jù)每個交易信息集合中的買量和賣量差的絕對值與相應(yīng)交易信息集合所容納的總交易量的比值，得到每個交易信息集合的等交易量交易概率；

步驟(4)：以當(dāng)前交易時間為界限，求取在當(dāng)前交易時間之前且最接近當(dāng)前交易時間的n個連續(xù)交易信息集合的平均等交易量交易概率，并作為當(dāng)前交易時間的流毒性指標(biāo)；其中，n為正整數(shù)；

步驟(5)：將當(dāng)前交易時間的流毒性指標(biāo)與預(yù)設(shè)流毒性指標(biāo)閾值范圍比較，當(dāng)前者落在后者范圍內(nèi)，輸出風(fēng)險預(yù)警信號。

本發(fā)明的該方法從證券交易服務(wù)器內(nèi)實時獲取包括交易時間和交易時間點處的交易量的交易信息作為樣本分析及計算，將實時獲取的交易信息按照交易時間連續(xù)存儲至若干個容納總交易量為預(yù)設(shè)交易量閾值的交易信息集合中，再根據(jù)每個交易信息集合中的買量和賣量差的絕對值與相應(yīng)交易信息集合所容納的總交易量的比值，得到每個交易信息集合的等交易量交易概率，然后在當(dāng)前交易時間之前且最接近當(dāng)前交易時間的n個連續(xù)交易信息集合的平均等交易量交易概率，并作為當(dāng)前交易時間的流毒性指標(biāo)；其中，n為正整數(shù)；該方法提高了當(dāng)前交易時間的流毒性指標(biāo)計算的速度，量化了交易市場，通過流毒性指標(biāo)與預(yù)設(shè)流毒性指標(biāo)閾值范圍比較，來啟動報警機(jī)制，減少交易，保證其能在瞬時止損，使得交易市場事前預(yù)警更加準(zhǔn)確、可靠。

進(jìn)一步地，在所述步驟(2)中，還包括對交易信息集合按照交易時間進(jìn)行編碼和排序。

本發(fā)明通過對交易信息集合按照交易時間進(jìn)行編碼和排序，能夠更加準(zhǔn)確地獲取在當(dāng)前交易時間之前且最接近當(dāng)前交易時間的n個連續(xù)交易信息集合，進(jìn)一步地，準(zhǔn)確地求取n個連續(xù)交易信息集合的平均等交易量交易概率，也就是當(dāng)前交易時間的流毒性指標(biāo)，最終提高了預(yù)警的準(zhǔn)確性和可靠性。

本發(fā)明為了使監(jiān)控人員能夠遠(yuǎn)程實時監(jiān)控證券交易過程，進(jìn)而獲取風(fēng)險預(yù)警信息，該方法還包括：

風(fēng)險預(yù)警服務(wù)器將輸出的風(fēng)險預(yù)警信號傳送至監(jiān)控人員的移動終端，來實時獲取證券交易信息。

其中，風(fēng)險預(yù)警服務(wù)器還與云端服務(wù)器相連，云端服務(wù)器用于存儲風(fēng)險預(yù)警服務(wù)器輸出的風(fēng)險預(yù)警信息，進(jìn)而緩解了風(fēng)險預(yù)警服務(wù)器的存儲壓力，最終提高了風(fēng)險預(yù)警服務(wù)器的運行速度。

云端服務(wù)器與移動終端相互通信。其中，移動終端以手機(jī)為例：

風(fēng)險預(yù)警服務(wù)器將輸出的風(fēng)險預(yù)警信息傳送至云端服務(wù)器，云端服務(wù)器再將風(fēng)險預(yù)警信息以短信的方式發(fā)送至手機(jī)終端，這樣監(jiān)控人員能夠通過接收短信的方式來實時獲取證券交易的風(fēng)險預(yù)警信息。

本發(fā)明的第二目的是提供一種基于指令流毒性指標(biāo)的證券交易風(fēng)險預(yù)警系統(tǒng)。

本發(fā)明的一種基于指令流毒性指標(biāo)的證券交易風(fēng)險預(yù)警系統(tǒng)，該系統(tǒng)包括：

交易信息獲取模塊，其用于從證券交易服務(wù)器內(nèi)實時獲取交易信息；交易信息包括交易時間和交易時間點處的交易量，交易量包括買量和賣量，交易時間點為分鐘時刻點或小時時刻點；

交易信息存儲模塊，其用于將實時獲取的交易信息按照交易時間連續(xù)存儲至若干個交易信息集合中，每個交易信息集合所容納的總交易量均等于預(yù)設(shè)總交易量閾值；當(dāng)一個交易信息集合內(nèi)的總交易量等于預(yù)設(shè)總交易量閾值時，再繼續(xù)將交易信息存儲至其他交易信息集合中；

等交易量信息交易概率計算模塊，其用于根據(jù)每個交易信息集合中的買量和賣量，計算出每個交易信息集合的等交易量信息交易概率；

當(dāng)前交易時間流毒性指標(biāo)計算模塊，其用于以當(dāng)前交易時間為界限，求取位于當(dāng)前交易時間之前且最接近當(dāng)前交易時間的n個連續(xù)交易信息集合的平均等交易量信息交易概率，并作為當(dāng)前交易時間的流毒性指標(biāo)；其中，n為正整數(shù)；

風(fēng)險預(yù)警模塊，其用于將當(dāng)前交易時間的流毒性指標(biāo)與預(yù)設(shè)流毒性指標(biāo)閾值范圍比較，當(dāng)前者落在后者范圍內(nèi)，輸出風(fēng)險預(yù)警信號。

該系統(tǒng)提高了當(dāng)前交易時間的流毒性指標(biāo)計算的速度，量化了交易市場，通過流毒性指標(biāo)與預(yù)設(shè)流毒性指標(biāo)閾值范圍比較，來啟動報警機(jī)制，減少交易，保證其能在瞬時止損，使得交易市場事前預(yù)警更加準(zhǔn)確、可靠。

進(jìn)一步地，該系統(tǒng)還包括：交易信息集合編碼排序模塊，其用于對交易信息集合按照交易時間進(jìn)行編碼和排序。

本發(fā)明通過對交易信息集合按照交易時間進(jìn)行編碼和排序，能夠更加準(zhǔn)確地獲取在當(dāng)前交易時間之前且最接近當(dāng)前交易時間的n個連續(xù)交易信息集合，進(jìn)一步地，準(zhǔn)確地求取n個連續(xù)交易信息集合的平均等交易量交易概率，也就是當(dāng)前交易時間的流毒性指標(biāo)，最終提高了預(yù)警的準(zhǔn)確性和可靠性。

本發(fā)明還提供了另一種基于指令流毒性指標(biāo)的證券交易風(fēng)險預(yù)警系統(tǒng)。

該基于指令流毒性指標(biāo)的證券交易風(fēng)險預(yù)警系統(tǒng)，包括：

存儲器，其用于將實時從證券交易服務(wù)器中接收的交易信息按照交易時間連續(xù)存儲至若干個交易信息集合中，每個交易信息集合所容納的總交易量均等于預(yù)設(shè)交易量閾值；當(dāng)一個交易信息集合內(nèi)的總交易量等于預(yù)設(shè)交易量閾值時，再繼續(xù)將交易信息存儲至其他交易信息集合中；其中，交易信息包括交易時間和交易時間點處的交易量，交易量包括買量和賣量，交易時間點為分鐘時刻點或小時時刻點；

風(fēng)險預(yù)警服務(wù)器，被配置為：

調(diào)取存儲器中交易信息集合內(nèi)的交易信息；

根據(jù)每個交易信息集合中的買量和賣量差的絕對值與相應(yīng)交易信息集合所容納的總交易量的比值，得到每個交易信息集合的等交易量交易概率；

以當(dāng)前交易時間為界限，求取在當(dāng)前交易時間之前且最接近當(dāng)前交易時間的n個連續(xù)交易信息集合的平均等交易量交易概率，并作為當(dāng)前交易時間的流毒性指標(biāo)；其中，n為正整數(shù)；

將當(dāng)前交易時間的流毒性指標(biāo)與預(yù)設(shè)流毒性指標(biāo)閾值范圍比較，當(dāng)前者落在后者范圍內(nèi)，輸出風(fēng)險預(yù)警信號。

本發(fā)明的該系統(tǒng)提高了當(dāng)前交易時間的流毒性指標(biāo)計算的速度，量化了交易市場，通過流毒性指標(biāo)與預(yù)設(shè)流毒性指標(biāo)閾值范圍比較，來啟動報警機(jī)制，減少交易，保證其能在瞬時止損，使得交易市場事前預(yù)警更加準(zhǔn)確、可靠。

進(jìn)一步地，所述風(fēng)險預(yù)警服務(wù)器，還被配置為：對交易信息集合按照交易時間進(jìn)行編碼和排序。本發(fā)明通過對交易信息集合按照交易時間進(jìn)行編碼和排序，能夠更加準(zhǔn)確地獲取在當(dāng)前交易時間之前且最接近當(dāng)前交易時間的n個連續(xù)交易信息集合，進(jìn)一步地，準(zhǔn)確地求取n個連續(xù)交易信息集合的平均等交易量交易概率，也就是當(dāng)前交易時間的流毒性指標(biāo)，最終提高了預(yù)警的準(zhǔn)確性和可靠性，其中，n為正整數(shù)。

進(jìn)一步地，所述風(fēng)險預(yù)警服務(wù)器還與預(yù)警器相連，所述預(yù)警器用于接收風(fēng)險預(yù)警信號并進(jìn)行預(yù)警提示。

進(jìn)一步地，所述風(fēng)險預(yù)警服務(wù)器還與顯示器相連，所述顯示器用于顯示風(fēng)險預(yù)警信號。

進(jìn)一步地，所述風(fēng)險預(yù)警服務(wù)器還與云端服務(wù)器相連。本發(fā)明利用云端服務(wù)器來存儲風(fēng)險預(yù)警服務(wù)器輸出的信息，分擔(dān)了風(fēng)險預(yù)警服務(wù)器的大數(shù)據(jù)存儲任務(wù)及風(fēng)險，提高了風(fēng)險預(yù)警服務(wù)器的計算速度。

進(jìn)一步地，所述云端服務(wù)器與遠(yuǎn)程監(jiān)控終端相連。這樣監(jiān)控人員能夠通過遠(yuǎn)程監(jiān)控終端實時通過云端服務(wù)器來查看風(fēng)險預(yù)警服務(wù)器輸出的風(fēng)險預(yù)警信息。

本發(fā)明為了使監(jiān)控人員能夠遠(yuǎn)程實時監(jiān)控證券交易過程，進(jìn)而獲取風(fēng)險預(yù)警信息，該方法還包括：

風(fēng)險預(yù)警服務(wù)器將輸出的風(fēng)險預(yù)警信號傳送至監(jiān)控人員的移動終端，來實時獲取證券交易信息。

其中，風(fēng)險預(yù)警服務(wù)器還與云端服務(wù)器相連，云端服務(wù)器用于存儲風(fēng)險預(yù)警服務(wù)器輸出的風(fēng)險預(yù)警信息，進(jìn)而緩解了風(fēng)險預(yù)警服務(wù)器的存儲壓力，最終提高了風(fēng)險預(yù)警服務(wù)器的運行速度。

云端服務(wù)器與移動終端相互通信。其中，移動終端以手機(jī)為例：

風(fēng)險預(yù)警服務(wù)器將輸出的風(fēng)險預(yù)警信息傳送至云端服務(wù)器，云端服務(wù)器再將風(fēng)險預(yù)警信息以短信的方式發(fā)送至手機(jī)終端，這樣監(jiān)控人員能夠通過接收短信的方式來實時獲取證券交易的風(fēng)險預(yù)警信息。

本發(fā)明的有益效果為：

本發(fā)明從證券交易服務(wù)器內(nèi)實時獲取包括交易時間和交易時間點處的交易量的交易信息作為樣本分析及計算，將實時獲取的交易信息按照交易時間連續(xù)存儲至若干個容納總交易量為預(yù)設(shè)交易量閾值的交易信息集合中，再根據(jù)每個交易信息集合中的買量和賣量差的絕對值與相應(yīng)交易信息集合所容納的總交易量的比值，得到每個交易信息集合的等交易量交易概率，然后在當(dāng)前交易時間之前且最接近當(dāng)前交易時間的n個連續(xù)交易信息集合的平均等交易量交易概率，并作為當(dāng)前交易時間的流毒性指標(biāo)；其中，n為正整數(shù)；該方法提高了當(dāng)前交易時間的流毒性指標(biāo)計算的速度，量化了交易市場，通過流毒性指標(biāo)與預(yù)設(shè)流毒性指標(biāo)閾值范圍比較，來啟動報警機(jī)制，減少交易，保證其能在瞬時止損，使得交易市場事前預(yù)警更加準(zhǔn)確、可靠。

附圖說明

圖1是本發(fā)明的一種基于指令流毒性指標(biāo)的證券交易風(fēng)險預(yù)警方法流程圖。

圖2是2013年8月16日當(dāng)月主力合約VPIN表現(xiàn)。

圖3是光大烏龍指當(dāng)天VPIN的累積分布圖。

圖4是光大烏龍指當(dāng)天的VPIN表現(xiàn)。

圖5是本發(fā)明的一種基于指令流毒性指標(biāo)的證券交易風(fēng)險預(yù)警系統(tǒng)結(jié)構(gòu)圖。

圖6是本發(fā)明的另一種基于指令流毒性指標(biāo)的證券交易風(fēng)險預(yù)警系統(tǒng)結(jié)構(gòu)圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。

圖1是本發(fā)明的一種基于指令流毒性指標(biāo)的證券交易風(fēng)險預(yù)警方法流程圖。

如圖1所示的基于指令流毒性指標(biāo)的證券交易風(fēng)險預(yù)警方法，該方法在風(fēng)險預(yù)警服務(wù)器內(nèi)完成，該方法具體包括：

步驟(1)：從證券交易服務(wù)器內(nèi)實時獲取交易信息；交易信息包括交易時間和交易時間點處的交易量，交易量包括買量和賣量，交易時間點為分鐘時刻點或小時時刻點。

Easley在他的一系列論文中闡述了如何用一個微觀模型來估計個股使用交易數(shù)據(jù)來決定知情交易的可能性即PIN。這個微觀模型認(rèn)為交易是流動性提供者與交易者(持倉者)之間在交易期間反復(fù)的游戲。交易期間記為i＝1，...，I。在每個交易階段的一開始都是市場進(jìn)行自然選擇不管是否有信息事件發(fā)生。這些信息事件均為獨立事件，發(fā)生的概率記為α。如果是事件的發(fā)生是有益的，那么知情交易者知道頭寸在交易的最終將會有的價值。如果事件的發(fā)生是不利的，那么頭寸將會有Y_i的價值，可以看出好信息發(fā)生的概率記為(1-β)，自然壞消息發(fā)生的概率為β。當(dāng)一個信息事件發(fā)生后或者沒有發(fā)生后，這個階段的交易從交易者的到達(dá)開始。

根據(jù)在整個交易的泊松過程。發(fā)生了一個事件的交易期間，指令從知情交易者到達(dá)的概率記為θ。這些交易者當(dāng)他們擁有好消息的時候買入，擁有壞消息的時候賣出。每一個階段，指令從不知情買者和賣者分別以ε的概率到達(dá)。

這個結(jié)構(gòu)模型與交易背后的不可見的信息和下單過程的可觀察到的市場結(jié)果(比如說買和賣)相關(guān)。之前的文獻(xiàn)關(guān)注用最大似然法估計決定以上這些過程的參數(shù)。直觀的說，模型解釋了不知情交易中正常水平下的一只股票中的買和賣，并且使用數(shù)據(jù)來定義不知情交易指令流的概率，即ε。異常的買或賣的量解釋了知情交易，并用這個量來定義θ。存在異常買量或賣量的交易階段數(shù)用來定義α和β。計算指令流毒性的計量方式PIN值的模型標(biāo)準(zhǔn)的途徑使用了最大似然法來估計不可觀測到的參數(shù)(α，β，θ，ε)操縱著交易中的隨機(jī)過程，并且PIN源自于這些參數(shù)估計。

計算VPIN是基于成交量劃分的時間而非時鐘時間。實現(xiàn)基于成交量的取樣方法是將交易序列以均勻成交量分組，稱為一個“成交量籃子”。一個成交量籃子是成交量加總的一組交易。完成籃子的最后一筆交易如比所需要的大，超過的成交量將被劃分到下一個籃子，按照這樣的成交量籃子取樣后我們獲取到一個觀測值。構(gòu)建成交量籃子時對每一筆買入和賣出成交量進(jìn)行分類，成交量的方向與交易指令單毒性存在潛在聯(lián)系，結(jié)合總成交量水平和成交量的方向可以指示出存在新信息的可能性。

步驟(2)：將實時獲取的交易信息按照交易時間連續(xù)存儲至若干個交易信息集合中，每個交易信息集合所容納的總交易量均等于預(yù)設(shè)交易量閾值；當(dāng)一個交易信息集合內(nèi)的總交易量等于預(yù)設(shè)交易量閾值時，再繼續(xù)將交易信息存儲至其他交易信息集合中；

在所述步驟(2)中，還包括對交易信息集合按照交易時間進(jìn)行編碼和排序。

本發(fā)明通過對交易信息集合按照交易時間進(jìn)行編碼和排序，能夠更加準(zhǔn)確地獲取在當(dāng)前交易時間之前且最接近當(dāng)前交易時間的n個連續(xù)交易信息集合，進(jìn)一步地，準(zhǔn)確地求取n個連續(xù)交易信息集合的平均等交易量交易概率，也就是當(dāng)前交易時間的流毒性指標(biāo)，最終提高了預(yù)警的準(zhǔn)確性和可靠性。

為了實現(xiàn)交易量的獨立取樣，將一組連續(xù)交易放進(jìn)等交易量籃子外生地定義V。一個交易量籃子是一段交易的總交易量為V的集合。如果需要完成的交易籃子的最后一筆交易比需要的交易量大，那么超過需要量的部分被放入下一個交易量籃子。將￡＝1，...，n，記為等交易量籃子的序號。交易量籃子的取樣使得我們可以在按照可比較的信息內(nèi)容將整個交易劃分成交易階段。交易的不平衡對流動性提供者有意義的經(jīng)濟(jì)影響。

在短時間間隔中整合交易，然后在時間間隔的開始和結(jié)束的時候使用標(biāo)準(zhǔn)化的價格變化來決定買量和賣量。整合交易能減輕交易分裂的影響，使用標(biāo)準(zhǔn)化的價格變化使得交易量分布以概率計算(叫做體積分布)。具體到這一章，我們計算買量和賣量(V_τ^B和V_τ^S)用一分鐘的時間條(之后會展示我們的研究結(jié)果同樣適用于其它時間段的整合)，但是分析也可以用交易量的分段。

這里，t(τ)是在第τ交易量籃子最后的時間限制，p_i和p_i-1表示第i和i-1分鐘的價格，Z是標(biāo)準(zhǔn)正態(tài)分布的累積分布函數(shù)，σ_ΔP是這個交易量籃子中始末兩個價格的標(biāo)準(zhǔn)差。作為一種選擇，如果價格上漲，買量的權(quán)重更多于賣量。權(quán)重取決于價格變化的多大與價格變化的分布相關(guān)。

交易量概率分布和the Lee-Ready算法的一個關(guān)鍵的區(qū)別是后者記下量不是買就是賣，同時前者認(rèn)為一部分交易量是買剩下的是量是賣量。換一句話說，the Lee-Ready算法提供了離散的分類(classification)，等交易量算法是連續(xù)的。這意味著即使在極端情況下一個時間限制充滿了一個交易量籃子，交易量會仍然完美的分布根據(jù)BULK CLASSIFICATION(取決于)。

步驟(3)：根據(jù)每個交易信息集合中的買量和賣量差的絕對值與相應(yīng)交易信息集合所容納的總交易量的比值，得到每個交易信息集合的等交易量交易概率。

步驟(4)：以當(dāng)前交易時間為界限，求取在當(dāng)前交易時間之前且最接近當(dāng)前交易時間的n個連續(xù)交易信息集合的平均等交易量交易概率，并作為當(dāng)前交易時間的流毒性指標(biāo)；其中，n為正整數(shù)。

等交易量信息交易概率，VPIN流毒性指標(biāo)為:

估計VPIN值需要選擇V，即每個籃子的交易量，并且n是籃子的數(shù)量通常近似交易不平衡的期望。初始規(guī)定V為日平均交易量的50分之一。如果選擇n＝50，將會在50個籃子中估計VPIN指標(biāo)，日平均交易量相當(dāng)于找到了一個日VPIN值。

每生成一個交易量籃子都會更新VPIN指標(biāo)。這樣，當(dāng)51個籃子滿了后，舍棄掉第一個籃子并且根據(jù)2-51個籃子來計算新的VPIN。通過交易量的時間來更新VPIN是因為兩個原因。首先，想要的更新VPIN的速度模擬信息到達(dá)市場的速度。使用交易量作為信息的到達(dá)完成這個目標(biāo)的代表。其次，希望每一次更新以相當(dāng)數(shù)量的信息為基礎(chǔ)。交易量可以非常不平衡在用較低的參與分割整個交易期，并且在如此小的交易量的段，它似乎未必有新的信息發(fā)生。所以用時鐘時間更新VPIN指標(biāo)會導(dǎo)致更新基于大量異構(gòu)的信息。

舉個例子，2010年5月6日的E-mini S&P 500期貨交易。這一天的交易量是極高，于是我們的程序算出了137個VPIN指標(biāo)的估計值，相較于平均每天50個估計值。因為我們的樣本長度(n)仍然是50，在2010年5月6日用來估計VPIN指標(biāo)的時間范圍只有幾個小時，一般的為24小時。

步驟(5)：將當(dāng)前交易時間的流毒性指標(biāo)與預(yù)設(shè)流毒性指標(biāo)閾值范圍比較，當(dāng)前者落在后者范圍內(nèi)，輸出風(fēng)險預(yù)警信號。

下面基于光大烏龍指來驗證本發(fā)明的該方法：

選取的是樣本為我國滬深300股指期貨市場2013年5月2日至12月31日的當(dāng)月主力合約的高頻交易數(shù)據(jù)。

首先，據(jù)證監(jiān)會測算，180ETF與滬深300指數(shù)在2013年1月4日至8月21日期間的相關(guān)系數(shù)達(dá)99.82％，即巨量申購和成交180ETF成份股對滬深300指數(shù)，180ETF、50ETF和股指期貨合約價格均產(chǎn)生重大影響；同時，巨量申購和成交可能對投資者判斷產(chǎn)生重大影響，從而對滬深300指數(shù)，180ETF、50ETF和股指期貨合約價格產(chǎn)生重大影響，不同市場之間的聯(lián)動影響不容忽視。

首先，光大烏龍指事件發(fā)生在2013年8月16日，于是決定選擇樣本期間為2013年5月至12月。其次，在選取樣本數(shù)據(jù)中，對于烏龍指當(dāng)天的數(shù)據(jù)經(jīng)過反復(fù)思考論證，決定使用次月主力合約的當(dāng)天數(shù)據(jù)而非當(dāng)月主力合約中的當(dāng)天數(shù)據(jù)。因為光大烏龍指事件發(fā)生在8月16日，恰逢8月當(dāng)月主力合約的交割日。上午發(fā)生了烏龍指事件光大買入了一攬子股票觸發(fā)了一系列買賣交易，引致股市出現(xiàn)瘋狂的上漲。下午開盤以后，光大證券策略投資部為了對沖上午股票買入的風(fēng)險，將已經(jīng)買入的股票申購成50ETF和180ETF在二級市場出售并逐步賣IF309、IF1312股指期貨空頭合約。統(tǒng)計結(jié)果表明，策略投資部在下午交易時段50ETF、180ETF交易金額約為18.9億元，進(jìn)行風(fēng)險對沖的股指期貨合約張數(shù)累計約為6877張，IF1309約為6727張、IF1312約為150張，這些統(tǒng)計數(shù)據(jù)并沒有包括上午賣出的253張IF1309空頭合約，如若全部計算在內(nèi)，這些用于對沖的新增股指期貨空頭合約總計約為7130張，幾乎全部的空頭合約都集中IF1309(次月合約)。盡管A股出現(xiàn)了較大的市場異動，但I(xiàn)F1308合約(當(dāng)月合約)交割一切正常，順利交割，交割量處于正常水平，未出現(xiàn)異常變動。如圖2所示，雖然價格有拉升，但交易量卻沒有明顯跟上的跡象。交易量在小范圍內(nèi)放大，只有極少的大量買賣單入場。并未出現(xiàn)異動?？梢钥闯鰹觚堉府?dāng)天的影響主要體現(xiàn)在次月合約中，更能吻合市場的真實情形，于是最終決定使用次月合約中的當(dāng)天數(shù)據(jù)來替換當(dāng)月合約中的當(dāng)天數(shù)據(jù)。

而圖2中的當(dāng)天的VPIN值也很好的反應(yīng)出了IF1308合約在當(dāng)天的流毒性很低。當(dāng)天主力合約的交易量及交易次數(shù)均很小，其次波動性不大，并且VPIN值的傳導(dǎo)都在0.35以下，風(fēng)險水平非常低?？梢钥闯鰹觚堉傅慕^大多數(shù)沖擊都影響在次月主力合約。

其次，由于量化交易不止是在高頻交易市場，也會涉及相對低頻的交易市場。并且光大烏龍指事件在最開始也是在股票市場引致眾多被瞬間拉升，那么VPIN指標(biāo)的驗證也應(yīng)覆蓋量化交易會涉及的相對低頻的交易市場。目前對于VPIN在股票市場的研究還沒有，對于新市場的探索性研究具有開創(chuàng)性，是十分必要且有價值與意義的。雖然股票市場是一個既非做市商制度也非T+0的交易市場，但其實當(dāng)下由于ETF的存在使得股票市場已經(jīng)是變相的T+0。那么經(jīng)過對股票市場的驗證，希望能得出為什么VPIN也能解釋市場的波動或是預(yù)警性。如果VPIN指標(biāo)經(jīng)過驗證也同樣適用于股票市場，VPIN的兼容性更好，那么其在量化監(jiān)管中的作用便更為顯著。如果經(jīng)過驗證，VPIN不能解釋股票市場的波動也不能做到預(yù)警，那么本文會提出不能解釋的可能原因，對VPIN的架構(gòu)該如何進(jìn)行改造等。

據(jù)統(tǒng)計，光大烏龍指事件當(dāng)天從11點05分至06分的僅僅一分鐘內(nèi)，上證50指數(shù)的成份股中，就有80％的股票出現(xiàn)了各被一個大單瞬間拉升的情形。于是本文在樣本采集上選取滬市A股具有代表性的上證50指數(shù)的50只成分股，來代表整體股市情況。

通過大量搜集所需樣本數(shù)據(jù)后，對樣本數(shù)據(jù)進(jìn)行預(yù)處理。

首先清洗數(shù)據(jù)，剔除零值、空值，根據(jù)VPIN模型參數(shù)整理出計算過程中必要的數(shù)據(jù)，主要包括交易事件，交易價格，交易量，交易方向(買/賣)等。將預(yù)處理完畢的數(shù)據(jù)批量導(dǎo)入MATLAB軟件中。本文設(shè)定滬深300指數(shù)期貨市場使用樣本期日平均交易量的1/60做為交易量籃子(V)的大小，在股票市場中使用樣本期平均交易量的1/2500做為交易量籃子(V)的大小。由于本文選取的是市場逐筆交易數(shù)據(jù)，若其中的某一筆交易量超出這個籃子剩余的空間，則會被放入下一個交易量籃子中。先聚集一個籃子內(nèi)的交易量，交易量籃子內(nèi)采用的是逐筆交易區(qū)分買賣交易量來聚合交易量籃子，從而計算出每一個交易量籃子內(nèi)累積的賣量與買量的差的絕對值。利用差的絕對值除以交易量籃子的大小得到單一交易量籃子內(nèi)的VPIN值，在一天中按交易量籃子個數(shù)滾動計算，得出每天的VPIN值。分別在兩個交易市場，按照交易量時間來更新VPIN產(chǎn)生時間與標(biāo)的的對應(yīng)價格，并繪制出VPIN的表現(xiàn)情況。再繼續(xù)滾動計算第二天以此類推，并將樣本期間的VPIN值聚合得出樣本期的整體VPIN演進(jìn)情形，畫出整體的VPIN演進(jìn)圖表。分別對兩個市場的VPIN做描述性統(tǒng)計，分別提取出光大烏龍指當(dāng)天滬深300指數(shù)期貨市場的VPIN表現(xiàn)以及VPIN值的累積分布圖(CDF)，股票市場具有代表的某幾只股票的VPIN表現(xiàn)以及VPIN值得累積分布圖(CDF)。

實證結(jié)果：

表(1)滬深300指數(shù)期貨市場VPIN值描述性統(tǒng)計

對滬深300指數(shù)期貨市場計算出的29734個VPIN值做統(tǒng)計，從表(1)可以得知，VPIN的偏度為1.341，說明該序列明顯右偏；峰度系數(shù)為2.440，說明該序列具有厚尾的特征，從這些統(tǒng)計值可以看出樣本期VPIN不服從標(biāo)準(zhǔn)正態(tài)分布。

對滬深300指數(shù)期貨市場的計算出的VPIN值做頻度統(tǒng)計，VPIN值絕大多數(shù)集中在0.1和0.2這樣的低位上，小于等于0.2的占了70.29％。說明市場在大部分時間的表現(xiàn)還是較為穩(wěn)定的。處于0.2到0.6之間的中間值占到了29.37％，說明市場雖有波動，但整體波動在合理范圍內(nèi)。而高于0.6的只占了0.64％，VPIN高位值出現(xiàn)的次數(shù)微乎其微，說明異常波動總是占了很小的部分，這就意味著，通過實時監(jiān)測VPIN值的發(fā)展動態(tài)，如果VPIN值出現(xiàn)了較高的數(shù)字的時候，要引起足夠的重視，極有可能市場會發(fā)生巨幅異常波動。

通過對樣本期間VPIN的整體情況的分析，下一步為了要驗證VPIN的預(yù)警性，特意從樣本期中提取出光大烏龍指當(dāng)天的數(shù)據(jù)，分析當(dāng)天VPIN的演進(jìn)與指數(shù)價格的走勢的關(guān)系。

對光大烏龍指事件發(fā)生當(dāng)天的VPIN做累積分布統(tǒng)計，從圖3中VPIN的累計分布曲線(CDF)能更直觀的看到VPIN值的分布情況。圖中接近90％的VPIN值都在0.4以下。說明在極少數(shù)情況下，VPIN值會高過0.4。在下面的分析中可將0.4作為一個高危臨界值來對比。

圖4中顯示了光大烏龍指當(dāng)天滬深300指數(shù)期貨當(dāng)月主力合約隨時間發(fā)生的演進(jìn)以及VPIN值。結(jié)合圖3的累積分布曲線(CDF)來看，VPIN值從當(dāng)天一開盤不久就顯示出了走高的趨勢，且在不到10點鐘就出現(xiàn)高于0.4的VPIN值。緊接著在10點05分、17分又出現(xiàn)了高于0.5，甚至0.7的VPIN值。而此時價格并沒有大幅的變化，也沒有上升的趨勢。說明VPIN指標(biāo)在烏龍指發(fā)生至少1小時之前就指出當(dāng)前市場具有較高的指令流毒性。而在烏龍指發(fā)生的前兩分鐘VPIN值達(dá)到了最高值0.78(接近1)，很直接地指出目前市場有高的指令流毒性，具有極高的風(fēng)險水平。由此可以看出VPIN確實具有預(yù)警作用；而在剩下的一天市場也可以反映出預(yù)警效果。在早上光大出現(xiàn)烏龍指事件后，下午做空來對沖。雖然股指價格一路下跌，但VPIN在剩下的一天中卻持續(xù)保持在較高的位置，即使在最后最低的價位處還顯示出了高于0.5的值。說明市場仍處在較高的風(fēng)險水平，市場參與者需小心謹(jǐn)慎。

本發(fā)明為了使監(jiān)控人員能夠遠(yuǎn)程實時監(jiān)控證券交易過程，進(jìn)而獲取風(fēng)險預(yù)警信息，該方法還包括：

風(fēng)險預(yù)警服務(wù)器將輸出的風(fēng)險預(yù)警信號傳送至監(jiān)控人員的移動終端，來實時獲取證券交易信息。

其中，風(fēng)險預(yù)警服務(wù)器還與云端服務(wù)器相連，云端服務(wù)器用于存儲風(fēng)險預(yù)警服務(wù)器輸出的風(fēng)險預(yù)警信息，進(jìn)而緩解了風(fēng)險預(yù)警服務(wù)器的存儲壓力，最終提高了風(fēng)險預(yù)警服務(wù)器的運行速度。

云端服務(wù)器與移動終端相互通信。其中，移動終端以手機(jī)為例：

風(fēng)險預(yù)警服務(wù)器將輸出的風(fēng)險預(yù)警信息傳送至云端服務(wù)器，云端服務(wù)器再將風(fēng)險預(yù)警信息以短信的方式發(fā)送至手機(jī)終端，這樣監(jiān)控人員能夠通過接收短信的方式來實時獲取證券交易的風(fēng)險預(yù)警信息。

本發(fā)明的該方法從證券交易服務(wù)器內(nèi)實時獲取包括交易時間和交易時間點處的交易量的交易信息作為樣本分析及計算，將實時獲取的交易信息按照交易時間連續(xù)存儲至若干個容納總交易量為預(yù)設(shè)交易量閾值的交易信息集合中，再根據(jù)每個交易信息集合中的買量和賣量差的絕對值與相應(yīng)交易信息集合所容納的總交易量的比值，得到每個交易信息集合的等交易量交易概率，然后在當(dāng)前交易時間之前且最接近當(dāng)前交易時間的n個連續(xù)交易信息集合的平均等交易量交易概率，并作為當(dāng)前交易時間的流毒性指標(biāo)；其中，n為正整數(shù)；該方法提高了當(dāng)前交易時間的流毒性指標(biāo)計算的速度，量化了交易市場，通過流毒性指標(biāo)與預(yù)設(shè)流毒性指標(biāo)閾值范圍比較，來啟動報警機(jī)制，減少交易，保證其能在瞬時止損，使得交易市場事前預(yù)警更加準(zhǔn)確、可靠。

圖5是本發(fā)明的一種基于指令流毒性指標(biāo)的證券交易風(fēng)險預(yù)警系統(tǒng)結(jié)構(gòu)圖。

如圖5所示的一種基于指令流毒性指標(biāo)的證券交易風(fēng)險預(yù)警系統(tǒng)，該系統(tǒng)包括：

交易信息獲取模塊，其用于從證券交易服務(wù)器內(nèi)實時獲取交易信息；交易信息包括交易時間和交易時間點處的交易量，交易量包括買量和賣量，交易時間點為分鐘時刻點或小時時刻點；

交易信息存儲模塊，其用于將實時獲取的交易信息按照交易時間連續(xù)存儲至若干個交易信息集合中，每個交易信息集合所容納的總交易量均等于預(yù)設(shè)總交易量閾值；當(dāng)一個交易信息集合內(nèi)的總交易量等于預(yù)設(shè)總交易量閾值時，再繼續(xù)將交易信息存儲至其他交易信息集合中；

等交易量信息交易概率計算模塊，其用于根據(jù)每個交易信息集合中的買量和賣量，計算出每個交易信息集合的等交易量信息交易概率；

當(dāng)前交易時間流毒性指標(biāo)計算模塊，其用于以當(dāng)前交易時間為界限，求取位于當(dāng)前交易時間之前且最接近當(dāng)前交易時間的n個連續(xù)交易信息集合的平均等交易量信息交易概率，并作為當(dāng)前交易時間的流毒性指標(biāo)；其中，n為正整數(shù)；

風(fēng)險預(yù)警模塊，其用于將當(dāng)前交易時間的流毒性指標(biāo)與預(yù)設(shè)流毒性指標(biāo)閾值范圍比較，當(dāng)前者落在后者范圍內(nèi)，輸出風(fēng)險預(yù)警信號。

該系統(tǒng)提高了當(dāng)前交易時間的流毒性指標(biāo)計算的速度，量化了交易市場，通過流毒性指標(biāo)與預(yù)設(shè)流毒性指標(biāo)閾值范圍比較，來啟動報警機(jī)制，減少交易，保證其能在瞬時止損，使得交易市場事前預(yù)警更加準(zhǔn)確、可靠。

進(jìn)一步地，該系統(tǒng)還包括：交易信息集合編碼排序模塊，其用于對交易信息集合按照交易時間進(jìn)行編碼和排序。

本發(fā)明通過對交易信息集合按照交易時間進(jìn)行編碼和排序，能夠更加準(zhǔn)確地獲取在當(dāng)前交易時間之前且最接近當(dāng)前交易時間的n個連續(xù)交易信息集合，進(jìn)一步地，準(zhǔn)確地求取n個連續(xù)交易信息集合的平均等交易量交易概率，也就是當(dāng)前交易時間的流毒性指標(biāo)，最終提高了預(yù)警的準(zhǔn)確性和可靠性。

圖6是本發(fā)明的另一種基于指令流毒性指標(biāo)的證券交易風(fēng)險預(yù)警系統(tǒng)結(jié)構(gòu)圖。

如圖6所示的該基于指令流毒性指標(biāo)的證券交易風(fēng)險預(yù)警系統(tǒng)，包括：

存儲器，其用于將實時從證券交易服務(wù)器中接收的交易信息按照交易時間連續(xù)存儲至若干個交易信息集合中，每個交易信息集合所容納的總交易量均等于預(yù)設(shè)交易量閾值；當(dāng)一個交易信息集合內(nèi)的總交易量等于預(yù)設(shè)交易量閾值時，再繼續(xù)將交易信息存儲至其他交易信息集合中；其中，交易信息包括交易時間和交易時間點處的交易量，交易量包括買量和賣量，交易時間點為分鐘時刻點或小時時刻點；

風(fēng)險預(yù)警服務(wù)器，被配置為：

調(diào)取存儲器中交易信息集合內(nèi)的交易信息；

根據(jù)每個交易信息集合中的買量和賣量差的絕對值與相應(yīng)交易信息集合所容納的總交易量的比值，得到每個交易信息集合的等交易量交易概率；

以當(dāng)前交易時間為界限，求取在當(dāng)前交易時間之前且最接近當(dāng)前交易時間的n個連續(xù)交易信息集合的平均等交易量交易概率，并作為當(dāng)前交易時間的流毒性指標(biāo)；其中，n為正整數(shù)；

將當(dāng)前交易時間的流毒性指標(biāo)與預(yù)設(shè)流毒性指標(biāo)閾值范圍比較，當(dāng)前者落在后者范圍內(nèi)，輸出風(fēng)險預(yù)警信號。

本發(fā)明的該系統(tǒng)提高了當(dāng)前交易時間的流毒性指標(biāo)計算的速度，量化了交易市場，通過流毒性指標(biāo)與預(yù)設(shè)流毒性指標(biāo)閾值范圍比較，來啟動報警機(jī)制，減少交易，保證其能在瞬時止損，使得交易市場事前預(yù)警更加準(zhǔn)確、可靠。

進(jìn)一步地，所述風(fēng)險預(yù)警服務(wù)器，還被配置為：對交易信息集合按照交易時間進(jìn)行編碼和排序。本發(fā)明通過對交易信息集合按照交易時間進(jìn)行編碼和排序，能夠更加準(zhǔn)確地獲取在當(dāng)前交易時間之前且最接近當(dāng)前交易時間的n個連續(xù)交易信息集合，進(jìn)一步地，準(zhǔn)確地求取n個連續(xù)交易信息集合的平均等交易量交易概率，也就是當(dāng)前交易時間的流毒性指標(biāo)，最終提高了預(yù)警的準(zhǔn)確性和可靠性，其中，n為正整數(shù)。

進(jìn)一步地，所述風(fēng)險預(yù)警服務(wù)器還與預(yù)警器相連，所述預(yù)警器用于接收風(fēng)險預(yù)警信號并進(jìn)行預(yù)警提示。

進(jìn)一步地，所述風(fēng)險預(yù)警服務(wù)器還與顯示器相連，所述顯示器用于顯示風(fēng)險預(yù)警信號。

進(jìn)一步地，所述風(fēng)險預(yù)警服務(wù)器還與云端服務(wù)器相連。本發(fā)明利用云端服務(wù)器來存儲風(fēng)險預(yù)警服務(wù)器輸出的信息，分擔(dān)了風(fēng)險預(yù)警服務(wù)器的大數(shù)據(jù)存儲任務(wù)及風(fēng)險，提高了風(fēng)險預(yù)警服務(wù)器的計算速度。

進(jìn)一步地，所述云端服務(wù)器與遠(yuǎn)程監(jiān)控終端相連。這樣監(jiān)控人員能夠通過遠(yuǎn)程監(jiān)控終端實時通過云端服務(wù)器來查看風(fēng)險預(yù)警服務(wù)器輸出的風(fēng)險預(yù)警信息。

本發(fā)明為了使監(jiān)控人員能夠遠(yuǎn)程實時監(jiān)控證券交易過程，進(jìn)而獲取風(fēng)險預(yù)警信息，該方法還包括：

風(fēng)險預(yù)警服務(wù)器將輸出的風(fēng)險預(yù)警信號傳送至監(jiān)控人員的移動終端，來實時獲取證券交易信息。

其中，風(fēng)險預(yù)警服務(wù)器還與云端服務(wù)器相連，云端服務(wù)器用于存儲風(fēng)險預(yù)警服務(wù)器輸出的風(fēng)險預(yù)警信息，進(jìn)而緩解了風(fēng)險預(yù)警服務(wù)器的存儲壓力，最終提高了風(fēng)險預(yù)警服務(wù)器的運行速度。

云端服務(wù)器與移動終端相互通信。其中，移動終端以手機(jī)為例：

風(fēng)險預(yù)警服務(wù)器將輸出的風(fēng)險預(yù)警信息傳送至云端服務(wù)器，云端服務(wù)器再將風(fēng)險預(yù)警信息以短信的方式發(fā)送至手機(jī)終端，這樣監(jiān)控人員能夠通過接收短信的方式來實時獲取證券交易的風(fēng)險預(yù)警信息。

本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本發(fā)明的實施例可提供為方法、系統(tǒng)、或計算機(jī)程序產(chǎn)品。因此，本發(fā)明可采用硬件實施例、軟件實施例、或結(jié)合軟件和硬件方面的實施例的形式。而且，本發(fā)明可采用在一個或多個其中包含有計算機(jī)可用程序代碼的計算機(jī)可用存儲介質(zhì)(包括但不限于磁盤存儲器和光學(xué)存儲器等)上實施的計算機(jī)程序產(chǎn)品的形式。

本發(fā)明是參照根據(jù)本發(fā)明實施例的方法、設(shè)備(系統(tǒng))、和計算機(jī)程序產(chǎn)品的流程圖和/或方框圖來描述的。應(yīng)理解可由計算機(jī)程序指令實現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合?？商峁┻@些計算機(jī)程序指令到通用計算機(jī)、專用計算機(jī)、嵌入式處理機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器以產(chǎn)生一個機(jī)器，使得通過計算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。

這些計算機(jī)程序指令也可存儲在能引導(dǎo)計算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備以特定方式工作的計算機(jī)可讀存儲器中，使得存儲在該計算機(jī)可讀存儲器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。

這些計算機(jī)程序指令也可裝載到計算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計算機(jī)或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計算機(jī)實現(xiàn)的處理，從而在計算機(jī)或其他可編程設(shè)備上執(zhí)行的指令提供用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。

本領(lǐng)域普通技術(shù)人員可以理解實現(xiàn)上述實施例方法中的全部或部分流程，是可以通過計算機(jī)程序來指令相關(guān)的硬件來完成，所述的程序可存儲于一計算機(jī)可讀取存儲介質(zhì)中，該程序在執(zhí)行時，可包括如上述各方法的實施例的流程。其中，所述的存儲介質(zhì)可為磁碟、光盤、只讀存儲記憶體(Read-Only Memory，ROM)或隨機(jī)存儲記憶體(Random AccessMemory，RAM)等。

上述雖然結(jié)合附圖對本發(fā)明的具體實施方式進(jìn)行了描述，但并非對本發(fā)明保護(hù)范圍的限制，所屬領(lǐng)域技術(shù)人員應(yīng)該明白，在本發(fā)明的技術(shù)方案的基礎(chǔ)上，本領(lǐng)域技術(shù)人員不需要付出創(chuàng)造性勞動即可做出的各種修改或變形仍在本發(fā)明的保護(hù)范圍以內(nèi)。