特表 2022-528458 トレードデータ を 音楽的な作品表現とメトリックツリー に変換し、比較することを介してよって、コンピューティングリソースの効率的な使用

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2022-06-10

(54)【発明の名称】トレードデータ を 音楽的な作品表現とメトリックツリー に変換し、比較することを介してよって、コンピューティングリソースの効率的な使用

(51)【国際特許分類】

   G06Q 40/06 20120101AFI20220603BHJP

【ＦＩ】

G06Q40/06

【審査請求】未請求

【予備審査請求】未請求

(21)【出願番号】P 2021560383

(86)(22)【出願日】2020-04-01

(85)【翻訳文提出日】2021-11-17

(86)【国際出願番号】 US2020026221

(87)【国際公開番号】W WO2020206001

(87)【国際公開日】2020-10-08

(31)【優先権主張番号】16/373,625

(32)【優先日】2019-04-02

(33)【優先権主張国・地域又は機関】US

(81)【指定国・地域】

(71)【出願人】

【識別番号】521441124

【氏名又は名称】データ ボイラー テクノロジーズ エルエルシー

(74)【代理人】

【識別番号】100078282

【弁理士】

【氏名又は名称】山本 秀策

(74)【代理人】

【識別番号】100113413

【弁理士】

【氏名又は名称】森下 夏樹

(74)【代理人】

【識別番号】100181674

【弁理士】

【氏名又は名称】飯田 貴敏

(74)【代理人】

【識別番号】100181641

【弁理士】

【氏名又は名称】石川 大輔

(74)【代理人】

【識別番号】230113332

【弁護士】

【氏名又は名称】山本 健策

(72)【発明者】

【氏名】トー， ケルヴィン

【テーマコード（参考）】

5L055

【Ｆターム（参考）】

5L055BB55

(57)【要約】

トレードデータの処理と監視を行うシステムは、トレード活動を受け取って音楽的な作品表現に変換し、その表現をメトリックツリーに変換し、そしてする分析を行う、にし加速速度で、より正確なオンセット検出、そしてコンピューティングリソースのより効率的な使用することで。トレードパターンを比較して一致させる際のツリー構造よりも、メトリックツリーに階層的に含まれる情報に重点を置くことによって実現され、以下のような： 潜在的相場操縦、市場の変化信号、または合成的に作成されたトレード、または一連のトレード活動が計画に対して１つ以上の金融資産の市場価格の動きをもたらす可能性など。分析システムは、識別された信号をさらに重み付けし、トレードの不規則性の可能性を反映するスコアを決定します。スコアが事前に設定されたしきい値を満たさない場合、対応するアクションが実行されます。

【特許請求の範囲】

【請求項1】

トレードデータを処理および監視するシステムであって、コンピューティングデバイスからなるシステムは、し少なくとも１つのプロセッサを有する、以下次の手順を実行するように構成されています：
トレード活動のセットを表す複数のデータを受け取ることと、
複数のユーザークライアントデバイスから複数のユーザ入力を受け取り、ここで複数のユーザ入力の各ユーザ入力は、少なくとも１つデータムの識別を更に含む、トレード活動を表す複数のデータのトレード活動のセット、およびトレード活動のセットに関連するトレード不規則性の識別を表すことと、
トレード活動のセットを表す複数のデータと複数のユーザ入力をトレーニングデータに変換する、そして、
それは分類器が分類器トレードの不規則性に関連する入力と出力としてトレード活動のセットを受け取るトレーニングデータの関数として分類器を生成します。

【請求項2】

請求項１に記載のシステム、ここで、トレード活動のセットと複数のユーザ入力を表す複数のデータをトレーニングデータに変換する、さらに以下を含む：
各ユーザ入力とデータムをトレード活動のジャンルに分類、そして、
分類の関数として、トレード活動のセットと複数のユーザ入力を的表す複数のデータをトレーニングデータに変換は。

【請求項3】

請求項２の方法、ここで、ジャンルが、さらに、以前に同定されたジャンルを含み、さらに、以前に同定されたジャンルを改変することを含む。

【請求項4】

請求項２に記載のシステム、ここで、生成は、単一のジャンルに関連のトレーニングデータを用いて分類器を生成することを更に含む。

【請求項5】

請求項１に記載のシステム、ここで、変換さらに以下を含む：
複数のトレード活動のセットの中で少なくとも１つ隠されたモデルを発見するために機械学習プロセス法を使用、および、
複数のユーザ識別と少なくとも１つ隠されたモデルを使用して、複数の一連のトレード活動をトレーニングデータに変換する。

【請求項6】

請求項５に記載のシステム、ここで、変換さらに以下を含む：
複数の保存されたトレード活動モデルの取得ことと、
複数の格納されたモデルを使用して少なくとも１つモデルトレードをシミュレートすることと、
少なくとも１つのモデルトレードの結果を計算、および、
結果の関数として隠されたモデルの適合性の決定。

【請求項7】

請求項６に記載のシステム、ここで、計算は以下を含む：
トレードサイズと市場時間の境界を表すデータムを決定、そして、
に基づくデータム少なくとも１つモデルトレードをバックテストする。

【請求項8】

請求項１に記載のシステム、ここで、コンピューティングデバイスがはさらに以下の構成を行い：
トレード活動の現在のセットを受け取り、そして、
分類器を使用して、トレード活動の現在のセットを分類し。

【請求項9】

請求項１に記載のシステムは、ここで以下の：
に分類器はさらに、トレードパターン分類器を含むことと、
トレード活動の現在のセットは、最初のトレードデスクで発生するトレードに関連付けられ、そして、
コンピューティングデバイスがはさらに以下の構成を行い：
に現在のトレード活動のセットを、第２のトレードデスクで発生するトレードのパターンに分類しここで第２にとは異なり第１のトレードデスクすることと、
分類の関数として可能なトレードデスクホッピングシナリオを識別します。

【請求項10】

請求項６に記載のシステム、ここで、コンピューティングデバイスがは現在のトレード活動のセットをメトリクスツリーに変換するようにさらに構成され、ここで、分類器はトレーニング データ内の一致するツリーを識別するように構成される。

【請求項11】

トレードデータを処理と監視システムの方法であって以下を含む：
トレード活動のセットを表す複数のデータを受け取ることと、
複数のユーザークライアントデバイスから複数のユーザー入力を受け取り、ここで複数のユーザ入力の各ユーザ入力は、少なくとも１つデータムの識別を更に含み、トレード活動を表す複数のデータのトレード活動のセット、およびトレード活動のセットに関連するトレード不規則性の識別を表すことと、
トレード活動のセットを表す複数のデータと複数のユーザ入力をトレーニングデータに変換する、そして、
それは分類器がトレードの不規則性に関連する入力と出力としてトレード活動のセットを受け取るトレーニングデータの関数として分類器を生成します。

【請求項12】

請求項１１に記載の方法は、ここで、トレード活動のセットと複数のユーザ入力を表す複数のデータをトレーニングデータに変換する、さらに以下を含む：
各ユーザ入力とデータムをトレード活動のジャンルに分類、そして、
分類の関数として、トレード活動のセットと複数のユーザ入力を的表す複数のデータをトレーニングデータに変換は。

【請求項13】

方法１２の方法、ここで、ジャンルが、さらに、以前に同定されたジャンルを含み、さらに、以前に同定されたジャンルを改変することを含む。

【請求項14】

請求項１２に記載の方法、ここで、生成は、単一のジャンルに関連のトレーニングデータを用いて分類器を生成することを更に含む。

【請求項15】

請求項１１に記載の方法は、ここで、変換さらに以下を含む：
複数のトレード活動のセットの中で少なくとも１つ隠されたモデルを発見するために機械学習プロセス法を使用、および、
複数のユーザ識別と少なくとも１つ隠されたモデルを使用して、複数の一連のトレード活動をトレーニングデータに変換する。

【請求項16】

請求項１６に記載の方法、ここで、変換さらに以下を含む：
複数の保存されたトレード活動モデルの取得ことと、
隠されたモデルおよび／または複数の格納されたモデルを使用して少なくとも１つモデルトレードをシミュレートすることと、
少なくとも１つのモデルトレードの結果を計算、および、
結果の関数として隠されたモデルの適合性の決定。

【請求項17】

請求項１６に記載の方法は、ここで、計算は以下を含む：
トレードサイズと市場時間の境界を表すデータムを決定、そして、
に基づくデータム少なくとも１つモデルトレードをバックテストする。

【請求項18】

請求項１１に記載の方法はさらに以下を含む：
トレード活動の現在の一連を受け取り、そして、
分類器を使用して、トレード活動の現在のセットを分類し。

【請求項19】

請求項１８に記載の方法は、ここで以下の：
に分類器はさらに、トレードパターン分類器を含むことと、
トレード活動の現在のセットは、最初のトレードデスクで発生するトレードに関連付けられ、そして、
コンピューティングデバイスがさらに以下の構成を行い：
に現在のトレード活動のセットを、第２のトレードデスクで発生するトレードのパターンに分類しここで第２にとは異なり第１のトレードデスクすることと、
分類の関数として可能なトレードデスクホッピングシナリオを識別します。

【請求項20】

請求項１６に記載の方法は、現在のトレード活動のセットをメトリクスツリーに変換することを更に含み、ここで分類器は、トレーニング データ内の一致するツリーを識別するように構成される。

【請求項21】

トレードデータを処理および監視するシステム、コンピューティングデバイスからなるシステムし、少なくとも１つのプロセッサを有する、は以下のを実行するように構成されています：
トレード活動のセットを表すデータを受け取ることと、
トレード活動のセットを表すデータを音楽作品表現に変換、そして、
音楽作品表現をメトリックツリーに変換し、ここで、音楽作品表現のノートはに記録されメトリックツリーのラベル付きリーフノード、とラベル付きリーフノードはラベル付けされていない内部ノードに接続され、ことと、
トレードの不規則性の確率を表すスコアの初期デフォルト値を設定、そして、
メトリックツリーを、レッスンデータベースに格納されている複数のトリガーツリーと比較し、ここで、複数のトリガーツリーの各トリガーツリーは、トレードの不規則性を表してい、ことと、
最近隣アルゴリズムを使用して、複数のトリガーツリーのうちの少なくとも１つのトリガーツリーの識別を実行し、メトリックツリーに少なくとも最も近い一致を示し、ここで、最近隣アルゴリズムの使用は、以下をさらに含む：
一致値を使用してツリー間の距離を計算する、ここで、複数のトリガーツリーのトリガーツリーからメトリックツリーの距離は、からラベル付のリーフを見つける平均的なチャンスで、トリガーツリーのリーフノードちメトリックツリーのラベルのない内部ノードに接続されていする、ことと、そして、
メトリックツリーへの最小距離を持つトリガーツリを少なくとも識別、そして、
少なくとも１つのトリガツリの識別の関数として、トレードの不規則性の増加確率を表すようにスコアを変更し、ことと、
スコアを事前に設定されたしきい値と比較し、そして、
レビューシステムにより、それは比較の結果として対応するアクションを実行します。

【請求項22】

請求項２１に記載のシステム、ここで、前記変換は、以下を含む：
音楽作品表現の中で休息として、ノートとトレード非活動としてセット内のトレード活動を表し、ここで、各ノートは、トレード活動のセット内のトレード秩序を表す、ことと、
音楽作品表現の高音のクレフに買いオーダーを表す各ノートを配置しと、
音楽作品表現の低音のクレフに販売オーダーを表す各ノートを配置し、ことと、
価格値と対応する取引オーダーが開いたままになる時間の長さに従って音楽作品表現の各ノートのピッチを設定し、ことと、
取引オーダーが満たされた平均速度に従って音楽作品表現のテンポを設定、そして、
トレードインストゥルメントのタイプ、会場、およびトレード活動の市場条件の組み合わせに従って、楽曲表現の拍子を設定します。

【請求項23】

請求項２１に記載のシステム、ここで変換は、以下を含む：
音楽作品表現の各音符を、データプロセッサによってメトリックツリーのリーフノードに変換します、することは含：
設定は、データプロセッサによって実行、ミュージカル作品表現における対応する音符の持続時間に従って、メトリックツリー内のリーフノードのレベルと、
データプロセッサを使用して音楽作品表現のノートの時間順序に従って、メトリックツリー内の複数のノードを適切な順序に編成、ことと、
メトリックツリーを複数のトラックに解析し、各トラックはトレード活動のセットの最小の離散トレード単位で構成されてい、ことと、
部分的にラベル付けされたツリー比較方法を使用してトラックをディメンションに集約し、ここで、各ディメンションは複数の個別のトレーディングユニットのグループです。

【請求項24】

請求項２１に記載のシステムは、ここで、複数のトリガツリの各トリガツリにはすることは含、からなるグループから選択されたパターンを表すデータ： 潜在的な相場操縦、市場変化シグナル、合成的に作成されたトレード、そして一連のトレード活動は、おそらく１つ以上の金融資産の市場価格の動きをもたらすだろう。

【請求項25】

請求項２１に記載のシステム、ここで比較は、さらに以下を含む：
メトリックツリー内のラベルのない内部ノードの子孫にラベル付きリーフを見つける可能性の平均の計算を再帰的に実行し、一致するトリガツリーが見つからないまで、そして期間の一連のトレード活動が一致する。

【請求項26】

請求項２１に記載のシステム、ここで、コンピューティングデバイスがは、タイムロック暗号保護を使用してトレード活動のセットを表すデータを格納するようにさらに構成される。

【請求項27】

電子トレードデータを処理および監視するコンピュータ実装方法であって、以下を含む：
データプロセッサによって実行、トレード活動のセットを表すデータを受け取ることと、
データプロセッサによって実行、トレード活動のセットを表すデータを音楽作品表現に変換、そして、
データプロセッサによって実行、音楽作品表現をメトリックツリーに変換し、ここで、音楽作品表現のノートはに記録されメトリックツリーのラベル付きリーフノード、とラベル付きリーフノードはラベル付けされていない内部ノードに接続され、ことと、
トレードの不規則性の確率を表すスコアの初期デフォルト値を設定、そして、
メトリックツリーを、レッスンデータベースに格納されている複数のトリガーツリーと比較し、ここで、複数のトリガーツリーの各トリガーツリーは、トレードの不規則性を表してい、ことと、
最近隣アルゴリズムを使用して、複数のトリガーツリーのうちの少なくとも１つのトリガーツリーの識別を実行し、メトリックツリーに少なくとも最も近い一致を示し、ここで、最近隣アルゴリズムの使用は、以下をさらに含む：
一致値を使用してツリー間の距離を計算する、ここで、複数のトリガーツリーのトリガーツリーからメトリックツリーの距離は、からラベル付のリーフを見つける平均的なチャンスで、トリガーツリーのリーフノードちメトリックツリーのラベルのない内部ノードに接続されていする、ことと、そして、
メトリックツリーへの最小距離を持つトリガーツリを少なくとも識別、そして、
少なくとも１つのトリガツリの識別の関数として、トレードの不規則性の増加確率を表すようにスコアを変更し、ことと、
スコアを事前に設定されたしきい値と比較し、そして、

【請求項28】

レビューシステムにより、それは比較の結果として対応するアクションを実行します。請求項２７に記載の方法、ここで前記変換は、以下を含む：
音楽作品表現の中で休息として、ノートとトレード非活動としてセット内のトレード活動を表し、ここで、各ノートは、トレード活動のセット内のトレード秩序を表す、ことと、
音楽作品表現の高音のクレフに買いオーダーを表す各ノートを配置しと、
音楽作品表現の低音のクレフに販売オーダーを表す各ノートを配置し、ことと、
価格値と対応する取引オーダーが開いたままになる時間の長さに従って音楽作品表現の各ノートのピッチを設定し、ことと、
取引オーダーが満たされた平均速度に従って音楽作品表現のテンポを設定、そして、
トレードインストゥルメントのタイプ、会場、およびトレード活動の市場条件の組み合わせに従って、楽曲表現の拍子を設定します。

【請求項29】

請求項２７に記載の方法、ここで変換は、以下を含む：
音楽作品表現の各音符を、データプロセッサによってメトリックツリーのリーフノードに変換します、することは含：
設定は、データプロセッサによって実行、ミュージカル作品表現における対応する音符の持続時間に従って、メトリックツリー内のリーフノードのレベルと、
データプロセッサを使用して音楽作品表現のノートの時間順序に従って、メトリックツリー内の複数のノードを適切な順序に編成、ことと、
メトリックツリーを複数のトラックに解析し、各トラックはトレード活動のセットの最小の離散トレード単位で構成されてい、ことと、
部分的にラベル付けされたツリー比較方法を使用してトラックをディメンションに集約し、ここで、各ディメンションは複数の個別のトレーディングユニットのグループです。

【請求項30】

請求項２７に記載の方法は、ここで、複数のトリガツリの各トリガツリにはすることは含、からなるグループから選択されたパターンを表すデータ： 潜在的な相場操縦、市場変化シグナル、合成的に作成されたトレード、そして一連のトレード活動は、おそらく１つ以上の金融資産の市場価格の動きをもたらすだろう。

【請求項31】

請求項２７に記載の方法、ここで比較は、さらに以下を含む：
メトリックツリー内のラベルのない内部ノードの子孫にラベル付きリーフを見つける可能性の平均の計算を再帰的に実行し、一致するトリガー ツリーが見つからないまで、そして期間の一連のトレード活動が一致する。

【請求項32】

請求項２７に記載の方法は、タイムロック暗号保護を使用してトレード活動のセットを表すデータを格納するようにさらにを含む。

【請求項33】

コンピュータ可読プログラムコードを含む非一時的なコンピュータ読み取り可能な媒体でありその中具現化、プログラム命令は、少なくとも１つのプロセッサによって実行可能であり、少なくとも１つのプロセッサが以下を含む操作を実行する：
データプロセッサによって実行、トレード活動のセットを表すデータを受け取ることと、
データプロセッサによって実行、トレード活動のセットを表すデータを音楽作品表現に変換、そして、
データプロセッサによって実行、音楽作品表現をメトリックツリーに変換し、ここで、音楽作品表現のノートはに記録されメトリックツリーのラベル付きリーフノード、とラベル付きリーフノードはラベル付けされていない内部ノードに接続され、ことと、
トレードの不規則性の確率を表すスコアの初期デフォルト値を設定、そして、
メトリックツリーを、レッスンデータベースに格納されている複数のトリガーツリーと比較し、ここで、複数のトリガーツリーの各トリガーツリーは、トレードの不規則性を表してい、ことと、最近隣アルゴリズムを使用して、複数のトリガーツリーのうちの少なくとも１つのトリガーツリーの識別を実行し、メトリックツリーに少なくとも最も近い一致を示し、ここで、最近隣アルゴリズムの使用は、以下をさらに含む：
一致値を使用してツリー間の距離を計算する、ここで、複数のトリガーツリーのトリガーツリーからメトリックツリーの距離は、からラベル付のリーフを見つける平均的なチャンスで、トリガーツリーのリーフノードちメトリックツリーのラベルのない内部ノードに接続されていする、ことと、そして、
メトリックツリーへの最小距離を持つトリガーツリを少なくとも識別、そして、
少なくとも１つのトリガツリの識別の関数として、トレードの不規則性の増加確率を表すようにスコアを変更し、ことと、
スコアを事前に設定されたしきい値と比較し、そして、
レビューシステムにより、それは比較の結果として対応するアクションを実行します。

【請求項34】

請求項３３に記載の媒体、ここで前記変換は、以下を含む：
音楽作品表現の中で休息として、ノートとトレード非活動としてセット内のトレード活動を表し、ここで、各ノートは、トレード活動のセット内のトレード秩序を表す、ことと、
音楽作品表現の高音のクレフに買いオーダーを表す各ノートを配置しと、
音楽作品表現の低音のクレフに販売オーダーを表す各ノートを配置し、ことと、
価格値と対応する取引オーダーが開いたままになる時間の長さに従って音楽作品表現の各ノートのピッチを設定し、ことと、
取引オーダーが満たされた平均速度に従って音楽作品表現のテンポを設定、そして、
トレードインストゥルメントのタイプ、会場、およびトレード活動の市場条件の組み合わせに従って、楽曲表現の拍子を設定します。

【請求項35】

請求項３３に記載の媒体、ここで変換は、以下を含む：
音楽作品表現の各音符を、データプロセッサによってメトリックツリーのリーフノードに変換します、することは含：
設定は、データプロセッサによって実行、ミュージカル作品表現における対応する音符の持続時間に従って、メトリックツリー内のリーフノードのレベルと、
データプロセッサを使用して音楽作品表現のノートの時間順序に従って、メトリックツリー内の複数のノードを適切な順序に編成、ことと、
メトリックツリーを複数のトラックに解析し、各トラックはトレード活動のセットの最小の離散トレード単位で構成されてい、ことと、
部分的にラベル付けされたツリー比較方法を使用してトラックをディメンションに集約し、ここで、各ディメンションは複数の個別のトレーディングユニットのグループです。

【請求項36】

請求項３３に記載の媒体は、ここで、複数のトリガツリの各トリガツリにはすることは含、からなるグループから選択されたパターンを表すデータ： 潜在的な相場操縦、市場変化シグナル、合成的に作成されたトレード、そして一連のトレード活動は、おそらく１つ以上の金融資産の市場価格の動きをもたらすだろう。

【請求項37】

請求項３３に記載の媒体、ここで比較は、さらに以下を含む：
メトリックツリー内のラベルのない内部ノードの子孫にラベル付きリーフを見つける可能性の平均の計算を再帰的に実行し、一致するトリガー ツリーが見つからないまで、そして期間の一連のトレード活動が一致する。

【請求項38】

請求項３３に記載の媒体は、タイムロック暗号保護を使用してトレード活動のセットを表すデータを格納するように構成。

【発明の詳細な説明】

【技術分野】

【0001】

関連アプリケーションへの相互参照
本出願は、２０１９年４月２日に出願された米国の特許一部継続出願第１６／３７３，６２５号であり、「トレードデータ を 音楽的な作品表現とメトリックツリー に変換し、比較することを介してよって、コンピューティングリソースの効率的な使用」と題され、及び、２０１５年１２月１９日に出願された米国の特許一部継続出願第１４／９７５，７２０号である、そして、きそれはに優先権を主張２０１４年１２月１９日に出願された米国の仮特許出願第６２／０９４，２８７号する。申請者は、ここに以下のアプリケーション番号を組み込： １６／３７３，６２５、１４／９７５，７２０、および６２／０９４，２８７、その全体の参照によるます。

【0002】

発明の分野
本発明は、一般に、人工知能の分野に関する。特に、本発明は、変換を通じてコンピューティングリソースを効率的に使用し、トレードデータを音楽的な作品表現およびメトリックツリーにと比較することを有向とする。

【背景技術】

【0003】

発明の背景
投資を評価し、トレード機会を特定するために採用されたトレード規律の１つは、過去のトレード活動と証券の価格変更が、セキュリティの将来の価格変動の貴重な指標となり得ることを前提とするテクニカル分析であり、は、チャートに見られる価格動向とパターンの統計分析に焦点を当てています。ただし、テクニカル分析には時間がかかる場合があり、グラフィックスを描画し、グラフィックスにベクトルを測定する作業には数分、または数秒以上かかることがあります。 テクニカル分析の既知の方法は、高頻度取引 （ＨＦＴ） プログラム取引プラットフォームが１秒の分数で多数のオーダーを取引することを考えると、タイムリーに必需品のシグナルや警告を識別することできません。 高頻度取引 はナノ秒の速度で動作するデータ速度を有し、１００ミリ秒の期間内に１０００の取引が起こり得る。したがって、テクニカル分析は適時性の要件を満たすのに十分ではありません。 米国証券取引委員会や金融業界の規制当局、証券取引所、電子マーケットプレイス 、高頻度取引、および最善実行トレードを尽くそうとしている真剣な市場参加者には、パターン認識のためのオンライン分析処理（ＯＬＡＰ）が必要です。適時性の要件を満たすために必要なコンピュータ リソースの量は非常に重要で、負担が大きいです。

【0004】

さらに、投資決定や時系列予測のための金融商品および／または市場動向を分析するための既知の方法は、タイプ Ｉ （偽陽性） とタイプ ＩＩ （偽陰性） の両方のエラーに対してエラーを起こしやすいです。 これは、既知の方法でパターン認識精度が欠如しているためです。 パターン認識精度はデータの真実性に依存します。ただし、（取引オーダーの送信、変更、キャンセル、オーダー確認の受信ントレードなど）トレードメッセージのタイムスタンプは、同期されていないクロックのため正確ではありません。 クロック同期とは、プロセス間の共通の時間概念を調整するために使用される手法を指します。 現在、金融業界規制当局 （ＦＩＮＲＡ） の規則では、国立標準技術研究所 （ＮＩＳＴ） の原子時計同期に対して±５０ミリ秒の許容度が、電子取引メッセージに対して１ミリ秒のタイムスタンプ粒度が必要です。既知の方法は、このタイムスタンプ許容値を処理できず、エラーを引き起こしました。

【0005】

さらに、既知の市場監視と研究技術は、グラフやチャートを比較するために人間に依存し、非常に主観的な評価につながります。 したがって、これらの既知の技術は、十分な客観性を欠いている．

【0006】

さらに、トレードデータの分析では、ベクトルをグラフィカルに測定するデータ可視化の既知の手法を使用します。 しかし、大規模な取引データのグラフィカル表現を処理およびレビューするこれらの技術には、かなりのコンピュータリソースが必要です。トレードデータ量の増加により、圧縮されたトレードデータを保存するコストもかなり高くなります。

【0007】

さらに、取引データの機密性と安全な配信と取得が、優先事項です。現在のアプローチでは、すべての市場参加者に同時に機密かつ安全な方法で市場データを提供するのに困難があり、市場アクセスにも影響を与えています。

【0008】

さらに、資本市場の複雑さと断片化のために、現在の技術ツールは、市場やアセットクラス間の相互接続性を有意義に特定できるように、トレードデータを集約または分解するには不十分です。

【0009】

また、大手金融機関や高頻度取引会社は、市場の監視／ 研究手法を推進するＡＩやスーパーコンピュータを保有しているが、これらの企業は協力ではなくサイロで働いており、業界内のベストプラクティスの交換を阻害し、そのような技術を手に入れることができない人々に公平性の懸念を引き起こす。 これは、突然の市場事故やストレスに対処する集団の能力をさらに妨げています。

【発明の概要】

【課題を解決するための手段】

【0010】

開示の概要
アスペクトにおいて、トレードデータを処理および監視するシステムであって、少なくとも１つのプロセッサを有するコンピューティングデバイスからなるシステムは、以下次の手順を実行するように構成されています。一連のトレード活動を表すデータを受け取る。複数のユーザークライアントデバイスから複数のユーザ入力を受信する。ここで複数のユーザ入力の各ユーザ入力は、を表すセットトレード活動のデータムの識別を更に含む。ここでトレード活動を表す複数のデータと、一連のトレード活動に関連するトレードの不規則性の識別。一連のトレード活動を表す複数のデータを、複数のユーザ入力をトレーニングデータに変換し、トレーニングデータの関数として分類器を生成する。前記の分類器は、一連のトレード活動の表現を、トレードの不規則性の入力および出力として受け取ります。

【0011】

別の側面において、トレードデータを処理および監視する方法であって、にを含む：コンピューティングデバイスによる一連のトレード活動を表すデータを受け取る、コンピューティングデバイスによる複数のユーザークライアントデバイスから複数のユーザ入力を受信する。ここで複数のユーザ入力の各ユーザ入力は、を表すセットトレード活動のデータムの識別を更。ここでトレード活動を表す複数のデータと、一連のトレード活動に関連するトレードの不規則性の識別。一連のトレード活動を表す複数のデータは、コンピューティングデバイスによって複数のユーザ入力をトレーニングデータに変換されます、そして、コンピューティングデバイスによって、トレーニングデータの関数として分類器を生成する。前記の分類器は、一連のトレード活動の表現を、トレードの不規則性の入力および出力として受け取ります。

【0012】

本発明の非限定的な実施形態のこれらと他の側面および特徴、添付図面と併せて発明の特定の非限定的な実施形態の以下の説明の検討の際に技術の当業者に明らかになるだろう。

【図面の簡単な説明】

【0013】

本発明を説明する目的のために、図面は、本発明の１つまたは複数の実施形態の態様を示す。しかし、本発明は、図面に示す正確な配置および器用性に限定されないことを理解すべきである。

【0014】

【図1】図１は、いくつかの実施形態に従って、リアルタイムおよび／または過去の取引オーダーデータおよび／または処理された取引の少なくとも処理および分析のためのコンポーネントを含む代表的なシステムのブロック図を示す。

【0015】

【図2】図２は、いくつかの実施形態によるコンピューターティング環境を示す。

【0016】

【図3】図３は、リアルタイムまたは履歴取引データおよび／または処理されたトレードの処理およびシーケンス処理方法を示すフローチャートであり、くつかの実施形態に従うデータプロセッサによって実施される。

【0017】

【図4】図４は、トレード活動のユーザインタフェースまたは表示ウィンドウの例を示す。

【0018】

【図5】図５は、市場ダイナミクスのシミュレーションとしておよびデプスオブマーケット帳複製のためのチューニング制御の様々なタブを持つユーザーインターフェイスまたはウィンドウパネルの例を示しています。

【0019】

【図6】図６は、いくつかの実施形態に係るメトリックツリーへのリアルタイム取引オーダー データまたは処理されたトレードの変換、構成、または分解 を行う方法を示す。

【0020】

【図7】図７は、いくつかの実施形態に係分析システムによって実施されるトレード分析を提供する方法を示すフローチャートである。

【0021】

【図8】図８は、いくつかの実施形態に係る検出エンジンによって行われる分析をより詳細に示すフローチャートである。

【0022】

【図9】図９は、 いくつかの実施形態による取引オーダーデータおよび／または処理されたトレードをと複合イベント処理レッスンと（ＣＥＰ）比較するパターン認識処理を示すフローチャートである。

【0023】

【図10】図１０は、いくつかの実施形態に従ってレッスンデータベース におけるトリガー例の表を示す。

【0024】

【図11】図１１は、いくつかの実施形態に係るバックストップ保証成分によって実施されるプロセスを示すフローチャートである。

【0025】

【図12】図１２は、いくつかの実施形態に係る基本的な制御成分による合成 的に作成されたトレードの同定の例を示す。

【0026】

【図13】図１３は、いくつかの実施形態に係るモデルおよびロジックコンポーネントによるパラメータおよび境界の計算および定義方法を示すフローチャートである。

【0027】

【図14】図１４は、本発明のいくつかの実施形態による分析システムで使用するための例示的な枠組みおよびアルゴリズムを示す。

【0028】

【図15】図１５は、いくつかの実施形態に係る合理的に予想される短期需要 （ＲＥＮＴＤ） を決定する方法を示す。

【0029】

【図16】図１６は、いくつかの実施形態に係るヘッジおよび流動性管理活動を軽減するリスクのエンティティ管理を導く在庫計画を作成するための典型的な方法を示す。

【0030】

【図17】図１７は、いくつかの実施形態による群集コンピューティング処理のための例示的な方法を示すフローチャートである。

【0031】

【図18】図１８は、いくつかの実施形態に係るレビューシステムのトレード再構築コンポーネントによって実施されるトレードイベントを再構築する方法を示すフローチャートである。

【0032】

【図19】図１９は、いくつかの実施形態に係る取引オーダーリプレイシミュレーターによって実施される市場ダイナミクスおよびバックテストを同化するための方法を示すフローチャートである。

【0033】

【図20】図２０は、トレード再構築コンポーネントによって実装されたユーザインタフェースの例を示す。

【0034】

【図21】図２１は、いくつかの実施形態によるケース管理コンポーネントによって実施される方法を示すフローチャートである。そして

【0035】

【図22】図２２は、本発明の種々の実施形態を実施するための１つまたは複数のコンポーネントを含むコンピュータシステムコンポーネントのブロック図である。

【0036】

図面は必ずしもスケールするものではなく、ファントム線、図表表現、断片的なビューによって示される可能性があります。 特定の場合において、実施形態の理解に必要でない、または他の詳細を知覚することが困難な詳細および／または参照文字が省略されている可能性がある。

【発明を実施するための形態】

【0037】

詳細な説明
以下の説明は、当技術分野における通常のスキルの１つを本発明に対して行い、使用することを可能にするものであり、特許出願およびその要件の文脈で提供される。 実施形態に対する様々な変更は、当業者に明らかにされ、本明細書の一般的な原則は、他の実施形態に適用され得る。 従って、本発明は、示す実施形態に限定されるものではなく、本明細書に記載される原理および特徴と一致する最も広い範囲に合意されることを意図するものである。

【0038】

本明細書における「一実施形態」への言及は、「一実施形態」、「実施形態」、「例示的な実施形態」、「または「好ましい実施形態」とは、その実施形態に関連して記載の特定の特徴または構造または特性が、含まれている本発明の少なくとも１つの実施形態に。仕様の様々な箇所における「１つの実施形態における」というフレーズの出現は、必ずしもすべて同じ実施形態を指すものではなく、他の実施形態とは相互に排他的な別個のまたは代替的な実施形態でもない。 また、他の実施形態ではなく、いくつかの実施形態によって示され得る様々な特徴が記載されている。さらに、いくつかの実施形態に対する要件であり得る様々な要件が記載されているが、他の実施形態ではない。 一般に、一実施形態で説明される特徴は、技術の当業者に明らかなように他の実施形態での使用に適しているかもしれない。「および／または」の外観は、最初の要素／特徴の少なくとも １ つと、２ 番目の要素／機能を意味します。

【0039】

図中のフローチャートおよびブロック図は、本発明の様々な実施形態に係るシステム、方法およびコンピュータプログラム製品の可能な実装のアーキテクチャ、機能性、および操作を示す。この点に関して、フローチャート図またはブロック図の各ブロックは、指定されたローカル関数を実装するための １つ以上の実行可能命令を含む、モジュール、セグメント、またはコードの一部を表すことができます。また、いくつかの代替実装では、ブロック内に記載された機能は、図に記載された順序から発生する可能性があります。 例えば、連続して示された２つのブロックは、実際には、実質的に同時に実行され得るか、またはブロックが関係する機能に応じて逆の順序で実行され得る。 また、ブロック図やフローチャート図の各ブロック、ブロック図やフローチャート図のブロックの組み合わせは、特定の機能や行為、または特別な目的のハードウェアとコンピュータの命令の組み合に基づいていることにわせを実行する特別な目的のハードウェアベースのシステム実装できる通過す注意してください。

【0040】

本明細書で使用される用語は、特定の実施形態のみを記述する目的であり、本発明の限定を意図するものではない。 本明細書で使用される場合、単数形「ａ」「ａｎ」および「ｔｈｅ」は、文脈が明確に特異な点を示す場合を除き、複数形を含むように意図されている。 この仕様で使用される場合、用語「構成」および／または「を含む」は、述べられた特徴、整数、ステップ、操作、要素、および／またはコンポーネントの存在を指定するが、１つまたは複数の他の機能、整数、ステップ、操作、要素、構成要素、および／またはそれらのグループの存在または追加を排除しないことをさらに理解する。

【0041】

本発明の実施形態は提供する：より少ないコンピュータ リソースを使用しながら、加速速度でオンセット信号のより正確な検出、な方法は、はより耐えられる非同期クロックされるパターン認識方法です、資本市場やアセットクラスにわたるトレード制御監視や投資調査のためのより客観的で定量化可能なアプローチ。データ圧縮率の向上と情報セキュリティの難読化保護により方法は、情報の壮大スペクトラムと機密性を維持しながら、ストレージ要件の大幅な削減を実現。より堅牢なトレードイベントを再構築とオーダーブックリプレイプロセスを可能にする財務記録を有意義に集約または分解する簡素化された方法。さらに、共有ベストプラクティスとビジネスインテリジェンスは、群集コンピューティングやその他のコンポーネントによって開発され、トレード活動の監視と管理、不規則をパターンの特定、および潜在的な不正行為の検出と調査に使用されるパラメータとフィルタリングメカニズムを導き、微調整するために使用されます。

【0042】

図１は、システム０ＸＸ０１００を示し、いくつかの実施形態に係るリアルタイム取引オーダーデータおよび／または処理されたトレードの処理および分析のためのコンポーネントを含む。システム０ＸＸ０１００は、したデータ プロセッサ １ＸＸ１１０１を含み、を使用して、した処理されたトレードの処理、圧縮およびシーケンス処理のためのデータリアルタイムまたは履歴トレード順序。メートルツリー方式を採用し、チューニングと情報セキュリティ制御を備えたオーディオ制御コンポーネントを使用することを含む。このシステム０ＸＸ０１００はまた、ルールとパターン認識技術に基づくハイブリッド技術を使用してトレード活動を分析するための分析システム２ＸＸ０１００を含む。 システムはさらに、不規則をパターンまたは潜在的な不正行為の検出と調査する目的でトレードおよび市場イベントを再構築するためのレビューシステム３ＸＸ０１４０を含む。

【0043】

図１を参照すると、システム０ＸＸ０１００のコンポーネントは、これらに限定されないが、データプロセッサ１ＸＸ１１０１は、１つ以上のコンピューティングデバイス上で動作するコンピューティングデバイスおよび／またはソフトウェアおよび／またはハードウェアモジュールとして実装されてもよい。コンピューティングデバイスは、この開示に記載されている任意のコンピューティングデバイスを含み、この開示に記載されているマイクロコントローラ、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ）および／またはシステム・オン・チップ（ＳｏＣ）に限定されない。コンピューティングデバイスは、携帯電話やスマートフォンなどのモバイルデバイスを含み、含まれる、または通信することができる。コンピューティングデバイスは、独立して動作する単一のコンピューティングデバイスを含んでもよいし、並行して、順次に動作する２つ以上のコンピューティングデバイスを含んでいてもよい。２つ以上のコンピューティングデバイスは、単一のコンピューティングデバイスまたは２つ以上のコンピューティングデバイスに一緒に含まれてもよい。コンピューティング デバイスは、ネットワーク インタフェース デバイスを介して、後述する １つ以上の追加デバイスとの間でインタフェースまたは通信を行うことができます。ネットワークインタフェース装置は、コンピューティングデバイスを１つ以上の多様なネットワーク、および１つ以上のデバイスに接続するために利用され得る。ネットワークインタフェースデバイスの例としては、これらに限定されないが、ネットワークインターフェイスカード（例えば、モバイルネットワークインタフェースカード、ローカル・エリア・ネットワーク（ＬＡＮ）カード）、モデム、及びそれらの任意の組み合わせが挙げられる。ネットワークの例としては、広域ネットワーク（インターネット、企業ネットワークなど）、ローカルエリアネットワーク（オフィス、建物、キャンパス、またはその他の比較的小さな地理的空間に関連するネットワーク）、電話ネットワーク、電話／音声プロバイダに関連付けられたデータネットワーク（例えば、モバイル通信プロバイダのデータおよび／または音声ネットワーク）が含まれます。 ２つのコンピューティング デバイスと、その組み合わせとの間の直接接続。ネットワークは、有線または無線通信モードを使用する場合があります。一般に、任意のネットワーク トポロジを使用できます。情報（データ、ソフトウェアなど）は、コンピュータおよび／またはコンピューティングデバイスとの間で通信することができます。コンピューティング デバイスは、例えば、１つ目の場所にあるコンピューティング デバイスまたはコンピューティング デバイスのクラスター、および ２ 番目の場所にあるコンピューティング デバイスまたはコンピューティング デバイスのクラスターを含むがこれらに限定されない。コンピューティングデバイスは、データストレージ、セキュリティ、負荷分散のためのトラフィックの分散等に特化した１つ以上のコンピューティングデバイスを含んでもよい。コンピューティングデバイスは、以下に述べるように、コンピューティングデバイスの複数のコンピューティングデバイス間で１つ以上のコンピューティングタスクを分散し、並列、直列、冗長、またはコンピューティングデバイス間でのタスクまたはメモリの配布に使用されるその他の方法で動作する可能性がある。コンピューティングデバイスは、データがワーカーでキャッシュされる「シェアードナッシング」アーキテクチャを使用して実装できます。実施形態では、これはシステム０ＸＸ０１００および／またはコンピューティングデバイスのスケーラビリティを可能にするかもしれない。

【0044】

コンピューティング デバイス、および／またはこの開示で導入されたモジュールおよび／またはコンポーネントは、この開示で説明する任意の実施形態において、任意の順序で、任意の繰り返しでメソッドステップ、またはメソッドステップのシーケンスを実行するように設計および／または構成され得る。インスタンスの場合、コンピューティング デバイスおよび／またはモジュールは、望ましい結果またはコマンドの結果が達成されるまで、単一のステップまたはシーケンスを繰り返し実行するように構成できます。ステップまたは一連のステップの繰り返しは、以前の繰り返しの出力を後続の繰り返しへの入力として繰り返し、再帰的に繰り返し実行し、入力および／または繰り返しの出力を集計し、グローバル変数などの１つ以上の変数の減少または減少、および／または大規模な処理タスクの分割を反復的に処理する一連の処理に実行することができます。コンピューティングデバイスおよび／またはモジュールは、この開示で説明されているステップまたはシーケンスを並列に実行することができる。例えば、２つ以上の並列スレッド、プロセッサコア等を用いてステップを２回以上同時に実行する。並列スレッドとプロセス間のタスクの分割は、反復間のタスクの分割に適したプロトコルに従って実行することができます。技術の当業者は、本開示の全体を検討する際に、ステップ、ステップのシーケンス、処理タスク、および／またはデータが、反復、再帰、および／または並列処理を使用して細分化、共有、またはその他の処理を行うさまざまな方法を認識する。

【0045】

データ処理装置１ＸＸ１１０１は、ゲートウェイ５ＡＸ１３０７を介して複数の入力を受信する。 いくつかの実施形態では、入力は、以下に限定されない：処理されたトレードまたは取引オーダーストリーム４ＡＡ０１３０、 在庫ポジションとトレード帳簿４ＢＡ０１３２、 市場データ ５ＸＡ０１３１、 参照データ ５ＸＢ０１３１、 音声および電子通信監視システム５ＤＡ９９９９からの出力、 そして様々なニュースフィード５ＤＢ９９９９。 データプロセッサ１ＸＸ１１０１は、データ変換コンポーザー１ＡＸ１１０１を含む、 シーケンサー１ＢＸ１１０１、 圧縮コンポーネント１ＣＸ９９９９、 情報セキュリティのコンポーネント １ＤＸ９９９９ および出力およびストレージ管理コンポーネント １ＥＸ１３０４。 データ処理装置１ＸＸ１１０１およびその構成要素について、図３－６を参照して後述する。

【0046】

分析システム ２ＸＸ０１００ は、規則または制御リスト ２ＪＡ０１１３ および管理計画 ２ＪＢ０３０１、およびデータ、システム ０ＸＸ０１００ 内の他データコンポーネントからを入力として受け取ります。 分析システム ２ＸＸ０１００ は、高度なフィルター基準 ２ＪＣ１２０７ のセットを使用し、そして含まれています： 基本的な制御コンポーネント ２ＡＸ０１０１、 検出エンジン２ＢＸ０１０４、 パターン認識コンポーネント２ＣＸ０９０４、 モデルとロジックコンポーネント２ＤＸ０１０５、 とバックストップ保証コンポーネント２ＥＸ０１０６、 と群集コンピューティング コンポーネント２ＦＸ０１０７。分析システム２ＸＸ０１００およびその成分について、図７－１７を参照して更に以下に説明する。

【0047】

レビューシステム３ＸＸ０１４０には、が含まれます：トレードイベント再構築コンポーネント３ＡＸ１２０６、 オーダーブックリプレイシミュレータ３ＢＸ０４１５、 およびケース管理コンポーネント ３ＣＸ０１４０。レビューシステム３ＸＸ０１４０およびその構成要素については、図１８－２１を参照して後述する。

【0048】

システム ０ＸＸ０１００ のコンポーネントは、各種通信チャネル ５ＢＸ１３０７ を介して通信するように構成されています。 分析システム ２ＸＸ０１００ およびレビューシステム ３ＸＸ０１４０ は、監査証跡データベース ３ＴＸ０１２１、レッスンデータベース ２ＴＸ０１２０、および、フラグ／隔離データベース ２ＴＸ０１２２ へのアクセスを備えています。 データ処理装置１ＸＸ１１０１はさらにと通信する、ゲートウェイ５ＡＸ１３０７を介して： ブローカーまたはディーラーシステム４ＸＸ１３１１、監督システム６ＸＸ９９９９、自主規制機関 （ＳＲＯｓ） および他のトレードプラットフォーム５ＸＸ９９９９、音声および電子通信監視システム５ＤＸ９９９９、およびクリアリングおよび決済システム５ＤＸ９９９９ （例えば中央株式預託会社のクリアリングおよび決済システム） 。ブローカーディーラーのシステム４ＸＸ１３１１には、オーダー管理システムおよび／または実行管理システム （ＯＭＳ／ＥＭＳ） ４ＡＸ０２１１を含めることができ、マーケットメイカーは価格設定および見積システム４ＣＸ９９９９およびポートフォリオ管理システム／ 投資帳簿の記録 （ＰＭＳ／ＩＢＯＲ） ４ＢＸ０１３２ と相互作用する。 ブローカーとディーラーシステム４ＸＸ１３１１は、トレーダー４ＤＸ０５０５による手動トレードとマシン４ＥＸ９９９９９によるアルゴリズムトレードの両方で構成されています。

【0049】

いくつかの実施形態では、データプロセッサ１ＸＸ１１０１は、チューニング、圧縮、暗号化、その他の機能を備えた、財務データをオーディオ表現またはメトリックツリーに構図します。これは、自主規制機関および他のトレードプラットフォーム５ＸＸ９９９９ およびブローカー／ディーラーシステム４ＸＸ１３１１などの他の市場参加者との間の市場データ分布および共有。また、それは分析システム２ＸＸ０１００による分析のためのデータを準備し、そしてレビューシステム３ＸＸ０１４０によるレビューのためのデータを準備しそしておよびトレード報告、そしてデータ管理、など。

【0050】

いくつかの実施形態では、分析システム２ＸＸ０１００は、ルールベースおよびパターン認識方法のハイブリッドを使用して： リスクおよびコンプライアンス制御を実装する、 調査と市場監視、自社のトレード活動理解、および市場行動などを監視すなどを実装します。

【0051】

いくつかの実施形態では、レビューシステム３ＸＸ０１４０は、出力およびインタフェースとして機能し、によって実装される： トレードイベント再構築コンポーネント３ＡＸ１２０６は、トレードイベントのシーケンスをレビューします、オーダーブックリプレイシミュレータ３ＢＸ０４１５は、市場のるダイナミクスをシミュレートし、とバックテストし、シナリオを評価します、そしてケース管理コンポーネント３ＣＸ０１４０はケースを管理し（分析システム２ＸＸ０１００から生成されたアラートから）、特定された問題のタイムリーかつ適切なクローズを監視し、監査証跡データベース３ＴＸ０１２１に監査証跡を文書化し、そして群集コンピューティングコンポーネント２ＦＸ０１０７を通じてレッスンとフィードバックを見つけて、カスタム検査と制御の微調整をサポートし、継続的な改善アクションを促進します。

【0052】

図２は、いくつかの実施形態に係るコンピューティング環境０ＸＡ１３００を示す。 コンピューティング環境０ＸＡ１３００には、処理、圧縮、シーケンスにはトレードデータ、市場イベントの再構築、トレード行動の監視、とって潜在的な不正行為の特定と調査、のコンポーネントが含まれています。コンピューティング環境 ０ＸＡ１３００ は、クラスターアーキテクチャに通常見られるような、高パフォーマンスのコンピューティング コンポーネントで構成されます。 コンポーネントには、コンピュータクラスタとログイン ノード ０ＸＯ１３０６ が含まれますが、これらに限定されません、と行政ノードとネットワークスイッチ０ＸＮ１３０８、 とシステムヘルスモジュール、サーキットブレーカモジュール、セキュリティおよびプライバシーモジュール（暗号化サーバとキー管理デバイスを含む）、およびビジネス継続性計画（ＢＣＰ）コントローラモジュール。モジュール０ＸＢ０１０９は、プロセッサ０ＸＣ１３０６、メモリ０ＸＤ１３０１、電源管理０ＸＥ０１０９、およびロードテナントタスク執行者コンポーネント０ＸＦ０１０９を含む。 コンピューティング環境０ＸＡ１３００はさらに、接続パス、Ｉ／Ｏスイッチインターフェイス、高帯域幅ファブリック０ＸＨ０１０９など、コンポーネントが通信する通信インフラストラクチャ０ＸＧ１３０７を形成するさまざまなコンポーネントを含む。コンピュータクラスタ０ＸＯ１３０６と通信の調整する、プロセス起動モニタ０ＸＩ０１０９を介して監視され、同期クロック０ＸＪ０１０９に従って同期される。 また、コンピューティング環境０ＸＡ１３００は、パラレルファイルシステム０ＸＫ１３０４、データストレージ０ＸＬ１３０４、災害復旧アーカイブライブラリ０ＸＭ１３０４などのストレージをさらに含む。 分析キューブ ０ＸＱ１３０５ などの他のコンピューティング コンポーネントは、コンピューティング環境 ０ＸＡ１３００ 内のコンポーネントと通信するように構成できます。 コンピュータシステム０ＸＡ１３００は、外部デバイス０ＸＺ１３１１との安全な通信のためにファイアウォール０ＸＰ１３００の背後に存在する。 ディスプレイ０ＸＲ１３１０は、さらにコンピューティングコンポーネント０ＸＱ１３０５に結合することができる。 いくつかの実施形態では、コンピューティング環境０ＸＡ１３００は、配信コンピューティング結果のパフォーマンスを加速、をとしながらより少ないコンピューティングリソース必要（特に、グラフィック処理装置ＧＰＵ、中央処理装置ＣＰＵ、メモリ、消費電力の削減、データストレージの大幅な削減） 。なぜなら、これは、もはやたくさんの画像の処理と分析を必要としません、それはより少ない複雑な計算を持って、それは、さらに以下に説明されるように、他の高度な技術を使用しています。

【0053】

データプロセッサ

【0054】

図３は、いくつかの実施形態に従って、データプロセッサ１ＸＸ１１０１は、リアルタイムまたは履歴トレードデータおよび／または処理されたトレードの処理およびシーケンス処理のための方法を示す。シーケンスデータの前に時計同期の正確性を必要とする従来のアプローチとは異なり、それ以外の場合、を引き起こすがプロットされたチャートの形状に大きな影響を与え、とベクトルをグラフィカルに測定する際に結果として多くの不正確さを。本発明のいくつかの実施形態は、少なくとも以下図９への参照、ツリー構造上よりも階層的に情報を重視する方法を通じて、それは入力データに関するクロック同期問題に対してより寛容。ブロック１ＢＡ０２０１において、データ処理１ＸＸ１１０１は、市場データ５ＸＡ０１３１のストリームを入力として受信し、また、おそらく過去の処理されたトレード記録または現在の取引オーダーストリーム４ＡＡ０１３０もプロトコルまたはゲートウェイ５ＡＸ１３０７を介して価格設定情報を含む。 市場データ５ＸＡ０１３１には、オーダー確認が含まれる場合がありますが、これらに限定されません、順序実行、オーダー確認、オープンオーダー、基本的な市場データまたはレベル１のデータ（市場オーダー、入札価格、入札サイズ、価格、質問、サイズ、最終価格、最終サイズなど）、ボリューム情報、追加の市場データまたはレベル２のデータ（例えば、オーダー書やデプスオブマーケットさに関連する市場データなど、トレーダーが証券を購入するために支払う最高の入札価格 ［市場に応じて５または１０の価格を含む］）、の、入札サイズ（例、最高入札価格のそれぞれで利用可能な有価証券の数） 、トレーダーが証券を売ることを喜んで受け入れる最低の尋ね価格、 尋ね価格／低い価格のそれぞれで利用可能な有価証券の数を尋、次の最良の入札、 トレード相場報価、オープンインタレスト（例、株式市場が開く前の買い市場オーダーの数）開金利の変更、関連するトレード位置 （ＥＦＲＰ） ボリュームの交換、販売可能な有価証券の数、各オファーと入札価格で購入しようとする有価証券の数、キャンセル、非公開、未完了、または未実行のオーダーに関する情報、および計算された市場データ （例えば不均衡および指標） およびその他の価格情報。 市場データ５ＸＡ０１３１はまた、トレード量情報の集合体など、市場データの様々な要素の集計を含む場合がある。市場データ５ＸＡ０１３１は、一般に公開されている場合と、一般に公開されていない場合があります。 市場データ５ＸＡ０１３１は、様々なソースから提供されるか、または生成され得る。たとえば、市場データのソースには、が含まれますが、これらに限定されません： バックエンドオーダー管理システム、受注フルフィルメントシステム、 証券取引所、 証券取引所のマッチングエンジン （処理し買い／売りオーダーを、異なる取引所の異なるルールを適用します） 、株式取引施設 （代替ディスプレイ施設［ＡＤＦ］ など）、売買オーダーを照合のするための電子通信ネットワーク ［ＥＣＮ］ （例えば、ブローカーを個々のトレーダーに接続してオーダーを処理するために使用されます） 、証券情報プロセッサ ［ＳＩＰｓ］ に（それは下でトレードおよびオーダー情報を運ぶ、統合テープ関連プラン ［ＣＴＡ］ またはリストに記載されていないトレード特権プラン ［ＵＴＰ］） 、およびトレードまたはトランザクションレポートサービス （例えば、米国金融業界規制当局の取引報告とコンプライアンスエンジン［ＴＲＡＣＥ］） 。市場データ５ＸＡ０１３１の受領者は、様々な利害関係者を含み得るが、その一部は、受け取った時に様々な目的のために市場データを使用する。これらの受領者には、が含まれますが、これらに限定されません： 機関のトレーダー、証券会社、 高頻度トレーダー、小売投資家、 個々のトレーダー、証券取引所 （彼らはしばしば他のトレード場所のデータを消費するため） 、 代替トレードシステム （ＡＴＳまたは「ダークプール」） 、アナリスト、業界の規制当局、市場データプロバイダー、または、市場データベンダー。 市場データは、生成直後に送信され、可能な限り継続的に統合ストリームの統合ルールに従って送信される場合があります。市場データのソースは、市場データの継続的な送信に基づいて「送信ルール」を使用して実装されたデータサービスを運営しています。

【0055】

データプロセッサ１ＸＸ１１０１は、複数の異なるマーケットプレイスデータから市場データ５ＸＡ０１３１を受け取ることができ、アセットクラスをまたいで集計されるローカルおよび国際ソースの両方から、オーダー書の状態の統合ストリームに入れる。 市場データ５ＸＡ０１３１は、生データの形で提供され、ネットワークパケットとして通信される。いくつかの実施形態では、市場データ５ＸＡ０１３１は、メディアファイルまたはフォーマットを適用して、フォーマットされたデータまたはフォーマットされていないデータとして提供することもできる。市場データ５ＸＡ０１３１の情報は、拡張マークアップ言語 （ＸＭＬ） 、マイクロソフト・エクセルスプレッドシート （ＸＬＳ） 、カンマ区切り値 （ＣＳＶ） 、テキストファイル （ＴＸＴ） 、拡張可能なビジネス レポート言語（ＸＢＲＬ）など、さまざまな形式でさらに提供され得る。 市場データ５ＸＡ０１３１と同様に、自社の履歴処理されたトレード記録または現在の取引オーダーストリーム４ＡＡ０１３０は、入札価格、と尋ね価格、および量情報が含まれています。ブローカーまたはディーラー会社のトレーダー４ＤＸ０５０５ （図１を参照） は、オーダー管理システム （ＯＭＳ） または実行管理システム （ＥＭＳ） ４ＡＸ０２１１にオーダーを入力します。オーダー管理／実行管理システム４ＡＸ０２１１は、時間、価格、オーダーサイズ、売買オーダーの仕様などの情報を含むトレードの詳細を記録し、それに応じてトレードブロッターを作成します。トレードブロッターは、トレードの記録と一定期間にわたって行われたトレードの詳細です。 トレードブロッターの目的は、慎重に彼らがトレーダーや証券会社によってレビューされ、確認することができるようにトレードを文書化することです。取引オーダーストリーム４ＡＡ０１３０は、さまざまな４ＤＸ０５０５トレーディングデスクから開始されたオーダー、キャンセル、またはトレードの修正を含むオーダー管理／実行管理システム ４ＡＸ０２１１と並行して実行されるライブフィードである場合もあり、アルゴリズムトレードシステム４ＥＸ９９９９からのオーダーフィード、またはマーケットメイカーの価格設定／見積もりシステム４ＣＸ９９９９からのオーダーフィード、ローカルおよび国際的およびクロスアセットクラスます。マーケットメイカーは、特定の株式を定期的かつ継続的に公的に見積価格で売買する準備ができている会社です。ほとんどの場合、ナスダックやその他の「カウンタートレード」 （店頭株ＯＴＣ） 市場の文脈でマーケットメイカーについて聞くでしょう。ニューヨーク証券トレード所などの取引所に上場している株式を売買する準備ができているマーケットメイカーは、第三のマーケットメイカーと呼ばれています。多くの店頭株は、複数のマーケットメイカーを持っています。

【0056】

ブロック１ＢＢ９９９９では、シーケンサー１ＢＸ１１０１は、受信データの品質を確認して、入力データフローに基本的なデータ要素が含まれていることを確認します。 シーケンサー １ＢＸ１１０１ が、入力データが品質要件に不合格であると判断した場合、データは拒否されます。 それ以外の場合は、データが受け入れられます （ブロック １ＡＡ１１５３） 。入ってくるデータ内のデータ点は、図６を参照してさらに後述するように、音符、またはメトリックツリーのプレゼンテーションに変換される。 この例示的な実施形態では、取引オーダーストリーム４ＡＡ０１３０からの取引オーダーは、ミュージカル作品の時間的および階層構造をモデル化する。 音楽の作品のように、取引オーダー のストリーム４ＡＡ０１３０は活動 （ノート） と非アクティブ（休息）が含まれています。 音楽では、五線譜に置かれたノートは音符のトーンやピッチを伝え、ノートの種類（ノート全体、ハーフノート、四分の一音など）はノートの持続時間を伝えます。 音楽の五線譜には２つのタイプが含まれています： より高いトーンのための高音部 （：（ ）、低いトーンのための低音部記号 （＄ ）。 この例示的な実施形態では、取引オーダーは、五線譜上の音符を使用して表される。 注記は、取引オーダーを表します。高音部の音符の配置は買いオーダーを表し、低音部のノートの配置は売りオーダーを表します。 ノートのピッチは、価格の値と取引オーダーが開いたままになる期間を表します（たとえば、上昇する五線譜が強気のビューを持つ取引デスクを表し、降順のノートが弱気のビューを持つトレーディングデスクを表します）。 音楽では、１つの作品はメジャー （または「バー」） に分割され、メジャーの期間はメーターまたは拍子によって定義されます。 メジャー内のメモと休符の合計期間は、拍子と同じです。 音楽のテンポまたはビートは、取引オーダーが満たされた平均速度を表します。 メジャーの拍子は、取引オーダーに対する金融商品の種類、会場、および市況の組み合わせを表します。 音楽表現のリズムは、ピッチクラス表現メソッドの下で明示的に符号化されるか、暗黙的に表現される。 音楽の「ピッチクラス」は、全体のオクターブが離れているピッチのセットです（例えば、すべてのオクターブのＣピッチ）。 図６において、１ＡＸ１１５０五線譜および１ＡＸ１１５１図表は、ピッチクラスの例及びそれらのトーナルの対応を示す。 この例は、Ｃ上の１２トーンの等しい気質 （すなわち、隣接するピッチのすべてのペアが同じ間隔で分離されている） の半音階の Ｃを示し、のみで１つのフルオクターブ昇順 （シャープのみで示されます （♯）） 。上記の方法で音楽として表される取引オーダーパターンは、次いで、データ変換コンポーザーコンポーネント１ＢＸ１１０１によってメトリックツリーに変換される。 ピッチクラス表現の一例として、メロディ表現１ＡＸ１１５２は、図６に示すようにメトリックツリー１ＡＸ１１５３に変換される。 ツリー １ＡＸ１１５３ 内のリーフのレベルによって、それが表すノートの持続時間が決まります。 ツリーノードの左から右の順序はメロディのノートの時間順序を表します。

【0057】

図３に戻り、ブロック１ＢＣ１１０１において、シーケンサー１ＢＸ１１０１は、時間的および階層的な構造およびメトリックツリー、ならびにメタデータを、トレードシーケンス優先順位に従ってキャプチャする（例えば、オーダーが価格と時間入力基準に従って自動的にソートされる典型的な価格／時間優先順位、またはサイズの優先順位が最初に順にランク付けされるサイズと時間の優先順位）。 資本市場のトレード活動は、同時にポリフォニック音楽を演奏する多くの声に似て、活動の多くの共ストリームでダイナミックです。 複数のアクティビティストリームをポリフォニック音楽として表現するために、各「音声」またはストリームは、上述の方法で同じツリーに挿入され、声が重なって表示されます。買いオーダーは高音部記号で表され、売りオーダーは低音部部記号で表されるため、通常は表現に少なくとも２つの層があり、トレード量が増加するにつれてオーバーレイ層の数が増加します。

【0058】

図６は、ポリフォニックメロディ表現１ＢＸ１１５４の例をさらに例示する。 メロディ表現１ＢＸ１１５４は、高音部記号の上声を表す第１のツリー１ＢＸ１１５５と、低音部記号の低い声を表す第２のツリー１ＢＸ１１５６との２つのモノフォニックツリー１ＢＸ１１５５と１ＢＸ１１５６として変換され得る。 ツリー １ＢＸ１１５５ および １ＢＸ１１５６ のノード ラベルは、ノードごとのピッチ クラスを表します。 あるいは、両方の音声が同じツリー１ＢＸ１１５７で表される。 ツリー１ＢＸ１１５７では、各ノードには、その深さは、最短の持続時間でノートによって条件付けされ、特定の時間に再生されたすべてのノートが含まれています。 ツリー １ＢＸ１１５７ のノード ラベルは、１ＢＸ１１５５ および １ＢＸ１１５６ のツリーのように、単一のピッチ クラスではなく、ピッチ クラスのセットを表します。音楽休憩のシンボル のみを表すノードには空のセットがあります。

【0059】

オプションとして、ボトムアップラベルの伝播は、メロディ （信号） の主要な特徴の分類または識別をより困難にする無関係な情報 （ノイズ） を除去するために実装することができる。 ツリー １ＢＸ１１５８ に示すように、ノード ラベルは、ツリー内のノードの位置に基づいて下から上に伝播されます。

【0060】

図３に戻ると、ブロック１ＢＤ１１５８では、シーケンサー要素１ＢＸ１１０１がポリフォニックデータを集約するか（ブロック１ＢＥ１１５８）と（ブロック３ＡＸ１２０６）で表示ますそれらを。あるいは、ポリフォニックデータがモノラルトラックに分解され（ブロック１ＢＦ１１５８）、と低レベルの次元または最小の個別のトレーディングユニットで表示（ブロック３ＡＸ１２０６）および分析するために調整されます。本明細書で使用される場合、「個別単位」または「トレーディングデスク」という用語は、収益生成戦略の協調的な実施に従事し、対象となるトレード活動の実行に関与する各個別単位を指します。これには、（ａ）各ユニットが「トレーディングデスク」であり、リスクテイク活動と従業員を構造化および制御するためにエンティティが使用する組織の最小単位である可能性があります、（ｂ） リスクテイク活動の集約と１つ以上のトレードユニットの従業員の構造化と制御に使用される各組織ユニット、（ｃ） １つまたは複数の個別トレードユニットを管理するために使用される組織の管理または報告部門、グループ、サブグループ、またはその他の中間ユニット、（ｄ） 総称してすべてのトレード操作、 （ｅ） 特定の財務体に関して規制当局が指定したその他の組織単位。複数の個別単位をまとめて「次元」を形成することができます。

【0061】

図４は、トレード活動に関するユーザインタフェースまたは表示ウィンドウ３ＫＳ９９０８の例を示す。 いくつかの実施形態では、ユーザインタフェース３ＫＳ９９０８は、トレード再構築コンポーネント３ＡＸ１２０６およびオーダーブックリプレイシミュレータ３ＢＸ０４１５の一部であり、作曲器１ＡＸ１１０１およびシーケンサー１ＢＸ１１０１と共に使用される： に社内または市場におけるトレード活動を「トラック」としてコンパイルする、「トラック」を上下または上下の「次元」に集約または分解、およびを再生し、レコードを編集、保存します。 オーディオの「トラック」または「ミディ［ＭＩＤＩ］トラック」は、録音やサウンドや音楽の一部を再生するためのものであり、各トラックは、オーディオミキサーコンソールで対応するチャンネルを持っています。 同様に、金融商品は、さまざまなチャネル（例えば、退職と保険チャネル、チャールズシュワブのようなディスカウント仲介会社、金融機関のチャネル （ヘッジファンド、プロプライエタリ商社） 、等など）を介して流通しています。トレード操作には複数の取引デスクが存在する場合があります。外国為替（ＦＸ）、金利、株式市場、債務市場、または米国国庫および／または代理店の製品に焦点を当てている人もいます。取引デスクは、国、または大資本株／薄くトレードされたペニー株、価値対成長戦略、またはアルゴリズムデスクと人間のトレーダーなどのグループとサブグループに編成することができます。繰り返しますが、各「トラック」は最小の「個別トレード単位」を指し、ここで使用される集約された離散単位は「次元」を形成します。

【0062】

ユーザインタフェース３ＫＳ９９０８の例は、を含み： すべてのトラック３ＫＳ９９０１の統合ビュー、より低次元の３ＫＳ９９０２でのリプレイ （例えば、再生する「ターゲット」はティッカーシンボルである）、「離散取引単位」に分解されたトレードデータ ３ＫＳ９９０３ （例えば、特定の取引デスクのトレードデータ）、同期時刻３ＫＳ９９０６の表示、ボタン３ＫＳ９９０７にオーディオスペクトルディスプレイと従来のチャートディスプレイを切り替える、特定のトラックの効果を調整するために他のトラックを暗くするコントロールボタン（「ソロモード」）３ＫＳ９９０４、および、ターゲット３ＫＳ９９０５のディスプレイを「ステレオ」モードに変更して買い／売り側の活動を表示および比較します。 ユーザーインターフェイス３ＫＳ９９０８は、リバーブやその他のチューニングまたはシミュレーション方法を使用して財務記録を有意義に集約または分解し、デプスオブマーケット帳を再現し、市場のダイナミクスを同化して表現するための簡単な方法 （例えば、ドラッグアンドドロップ） を提供します。 資産価格設定やペイオフなどの複雑な計算は回避されるためや、ロールアップと基になるディメンション間の相関関係の解読、それに よってコンピューティングリソースと処理リソースを節約できます。

【0063】

図３に戻り、ブロック１ＤＡ９９９９で、情報セキュリティコンポーネント１ＤＸ９９９９は、機密ーか敏感データ、と個人を特定できる情報を難読化します。トレード戦略はしばしば専有の秘密であり、自社のトレードデータと、証券会社がクライアントに代わってトレードする方法に関するデータの両方を適切に保護する必要があり、というのはハッカーが盗まれたトレードデータを使用して違法なフロントランニングやその他のトレード戦略を悪用する可能性があるため。したがって、トレードデータは暗号化され、適切に応じて難読化する必要があります。難読化には、データの形式を変更して、容易に読み取りまたはアクセスできないようにすることが含まれます。上述のように、トレードデータを音楽形式に変換することで、情報をマスクまたは隠す新しい難読化方法を可能にします。

【0064】

図５は、市場ダイナミクス同化、およびデプスオブマーケット帳の複製のためのチューニング制御の様々なタブを有するユーザーインタフェースまたはウィンドウパネル３ＫＳ９０００の例を示す。 いくつかの実施形態において、ユーザーインターフェース３ＫＳ９０００は、トレード再構築コンポーネント３ＡＸ１２０６およびオーダーブックリプレイシミュレータ３ＢＸ０４１５の一部であり、データ変換作曲器１ＡＸ１１０１およびシーケンサー１ＢＸ１１０１と共に使用され、市場のダイナミクスを同化し、異なる「効果」を混合することによって本の深さおよび他の市場の相互作用を複製する。 従来のアプローチは、内部データベースクエリに依存して、うまくいけば外れ値のデータポイントを見つけるか、人間の「眼球検査」を使用してグラフとチャートの類似点を確認します。しかし、これらの従来の技術方法は、不正確で主観的な結果をもたらす。対照的に、トレード再構築コンポーネント３ＡＸ１２０６とオーダーブックリプレイシミュレータ３ＢＸ０４１５は、異なる市場環境と「仮に」シナリオを同化する高度に構成可能な方法を提供します。図５に示すように、ユーザーインターフェイス３ＫＳ９０００には、ロング／ショートおよびオリジナル／エフェクトチューニング機能３ＫＳ９００１を含むチューニングコンソールが含まれています。これは、ビッド／アスク価格の相対的な強さを表し、価格曲線の急勾配を変更します。さらに、プリセットビュー３ＫＳ９００２は、会場に存在する最高価格 ［ＢＢＯ］および会場固有の詳細を含むマウスの「ダブルクリック」展開表示とともに、全国最高入札および提供（ＮＢＢＯ）を表示します。チューニングコンソール３ＫＳ９０００には、他のチューニング効果を示すタブ３ＫＳ９００１も含まれていますといった：高音／ 中音域／ 低音表す － 代替トレードシステム（ダークプール）／ システムインターナライザー（ＳＩ）／ 証券取引所の活動、銀行セクターとシャドウバンキングの間の相対的なアクティビティまたは相互作用を表すフェーダー、ラウドネスを増やして難読化する、左右のバランスを調整して、購入／販売側間の相対的活動性か相互作用をシミュレートします。ユーザーインターフェイス３ＫＳ９０００にはシミュレータ３ＫＬ９９９９も含まれてい、それはで以下が含まれ：トレード可能なオブジェクト（株式、債券、商品など）の楽器サンプラー３ＫＭ９９９９、レッスンに関連するトリガーやジャンル、潜在的な相場操縦や合成的に作成されたトレードなど（図９～１１および１７を参照して、さらに以下に説明する）。

【0065】

図５に示したユーザインタフェース３ＫＳ９０００を用いて、バックグラウンドノイズを導入するラウドネスを高めることでデータが難読化される。この例示的な実施形態では、それ自体 データはそれ変化せず、代わりに、「ラウドネス」は、ノイズ頻度数を装ってデータ信号を「マスク」するためにダイナミックレンジ、線形性、頻度数応答を歪める。データの互換性を持たないようにすることで、デプスオブマーケット帳とトレード量の詳細は以前よりも透明性が低くなりますが、最良の入札価格情報は変更されません。他の難読化技術も使用できますが、に限定されない：「ランダムノイズの導入」（新しく生成されたノイズデータを既存の良好なデータにマッシュアップする）、 または、「分離およびスクランブルする」を利用して詳細情報の解読をより複雑化にする、データを単純化を介して（例：取引デスクデータフィールドの削除）または、利用「ロールアップレベルで集計」（例：市場全体のトレード統計を表示しますがだが個々の会社の追跡可能なトレード戦略を開示しません）。難読化を逆にするには、情報を難読化した人が使用した技術を共有するか、試行錯誤またはリバースエンジニアリング方法が適用されます。また、トレーディングオーダーブックリプレイシミュレータ３ＢＸ０４１５のチューニング機能を使用して、パターン認識技術に抵抗するノイズやランダム性を導入することもできます。 図３を参照して、データ内の情報を分解解析機能用いて分離し、シミュレータ３ＢＸ０４１５を用いて信号をスクランブルしてデータの盗難の難易度を高めることができる。また、情報集計関数を介して集計して、内容を単純化することもできます。したがって、より低い寸法情報は非表示になります。 これらの難読化技術の任意の組み合わせは、セキュリティ保護要件に従って使用できます。

【0066】

図３に戻り、ブロック１ＣＡ９９９９で、圧縮コンポーネント１ＣＸ９９９９は、データ記憶率よりも大きい圧縮率を提供する圧縮比でデータストリームを圧縮する。 非圧縮または圧縮ファイル形式は、使用することができを含むが、これらに限定されない： パルス符号変調 （ＰＣＭ）、波形オーディオ （ＷＡＶ） 、オーディオ交換ファイル形式 （ＡＩＦＦ） 、 ＭＰＥＧ－１ オーディオ レイヤ ３ （ＭＰ３） 、 高度なオーディオコーディング （ＡＡＣ） 、 無料ロスレスオーディオコーデック （ＦＬＡＣ） 、 そしてアップルのロスレスオーディオコーデック （ＡＬＡＣ） 。 いくつかの実施形態では、送信エンティティー、例えば電子証券取引所のシステム ５ＸＸ９９９９ （図１参照）、証券取引所のシステム５ＸＸ９９９９と通信中のトレードエンティティーのような、は圧縮および暗号化においてオーディオコーデックを利用する。

【0067】

ブロック１ＤＢ９９９９では、情報セキュリティコンポーネント１ＤＸ９９９９は、時間ロックされたオーディオコーデックを用いて圧縮データを符号化および暗号化する。 タイムロック暗号化は、特定の期限が過ぎてから復号化できるようにデータを暗号化する方法です。 市場データ５ＸＡ０１３１の公平な可用性を市場参加者に促進するために、タイムロック暗号化は保護されたデータが早期に解読されるのを防ぎます。 例示的な実施形態では、データにアクセスするために復号化キーのみが必要である。国立標準技術研究所のアトミッククロックなど、独立した時間対応の信頼できるサードパーティ （ＴＴＰ） を使用できます。 暗号化されたデータの送信者は、秘密共有を使用して、キーをデータ受信側と信頼できるサードパーティ の間で分割します。 シークレット共有では、グループの各メンバーにキーの共有が割り当てられます。 キーは、十分な数の共有が結合されている場合にのみ再構築できます。個々の共有は単独では役に立たない。信頼できるサードパーティ は、内容を復号化できる場合の表現も受け取ります。復号化の場合、受信側は信頼できるサードパーティ に接続し、両者はセキュリティで保護されたマルチパーティ計算を使用して暗号化解除キーを生成します。安全なマルチパーティ計算では、受信者と信頼できるサードパーティ は、入力をプライベートに保ちながら、入力 （キーの共有） に対して関数を共同で計算します。 マルチパーティ計算には、埋め込まれた現在の時刻値と、コンテンツの復号化が許可される場合の表現を含めることができます。タイムロック暗号化の利点には： （ａ）受信者は暗号化された内容を既に持っており、信頼できるサードパーティはそれを保存する必要はありません、（ｂ） 復号化キーの全体が単一のエンティティに解放されないため、１つのエンティティからの盗難によってキーが侵害されることはありません、および（ｃ） 必要に応じて、復号化時間をからもプライベートに保つことができに信頼できるサードパーティます必要に応じて。復号化キーの再利用を避けるため、新しいキーと新しい時間制限を定期的に更新できます。さらに、根絶技術の方法、送信または使用されるとすぐにデータを削除するために使用できます（デジタルメディアに存在するすべての電子データを完全に破壊することを目的とするデータの上書きなど）。

【0068】

ブロック１ＥＡ１３０４において、出力および格納管理コンポーネント１ＥＸ１３０４は、暗号化および圧縮されたデータを格納する。 例示的な実施形態では、データ損失防止および事業継続計画のポリシーと利用可能な予算に応じて、データは保存指定された最上位の並列ファイルシステム０ＸＫ１３０４または第２層ストレージ０ＸＬ１３０４、とアーカイブデータは定期的な分離とパージの内ディザスタリカバリアーカイブライブラリ０ＸＭ１３０４（図２を参照）。データ損失防止（ＤＬＰ）は、管理者がビジネスルールを使用して機密情報や重要情報を分類および保護し、不正なエンドユーザーが誤ってまたは悪意を持ってデータを共有できないようにするソフトウェア製品です。ビジネス継続性計画は、潜在的な脅威に対処するための予防と回復のシステムを作成するプロセスです。 オプションとして、暗号化および圧縮されたデータは、別のシステムまたはサードパーティシステム （ブロック１ＥＢ９９９９） へのいくつかのプロトコルまたはゲートウェイを介してストリーミングすることができる。

【0069】

ブロック１ＥＣ９９９９では、外部アクセス形式と暗号化および圧縮データの他の要件が検証されます。形式の例には次のものが含まれますが、これらに限定されません：ＪＳＯＮ、 ＣＶＳ、ＸＢＲＬ、またはＸＭＬ。ブロック１ＡＢ９９９９では、圧縮する前に、必要に応じて、音符、メトリックツリー表現、従来の財務データ形式、またはその他の望ましい形式の間でデータを変換できます。その後、暗号化および圧縮されたデータを共有できます（ブロック１ＥＤ９９９９）。

【0070】

ブロック１ＥＥ９９９９では、第三者からデータを受信すると、データは情報セキュリティコンポーネント１ＤＸ９９９９（ブロック１ＤＣ９９９９）によってオーディオコーデックで復号化され、圧縮コンポーネント１ＣＸ９９９９（ブロック１ＣＢ９９９９）によって解凍される。

【0071】

図１８を参照して以下でさらに説明するように、トレード再構築プロセス中にイベントのタイムラインをプルするとき（ブロック３ＡＸ１２０６）ブロック１ＡＣ９９９９は、と関連する参照データ５ＸＢ０１３１へのリンク、と音声および電子通信からの出力５ＤＡ９９９９、とニュースフィード５ＤＢ９９９９、および提供の他の市場イベントの記録。このデータは、該当じて同じ期間に、対応する取引オーダーストリーム４ＡＡ０１３０またはマーケットメイカーの価格設定レコードシステム４ＣＸ９９９９てタグ付けされます。

【0072】

分析システム

【0073】

図７は、いくつかの実施形態に従って、分析システム２ＸＸ１００によって実施されるトレード分析を提供する方法を示す。 分析システム２ＸＸ１００は、データ処理装置１ＸＸ１１０１から出力を受け取る。あるいは、分析システム２ＸＸ１００は、取引オーダーストリーム４ＡＡ０１３０及び参照データ５ＸＢ０１３１をオーダー管理／実行管理システム ４ＡＸ０２１１から直接受け取る。 あるいは、分析システム２ＸＸ１００は、取引オーダーストリーム４ＡＡ０１３０を置き換えるマーケットメーカーの引用システム４ＣＸ９９９９から見積もり、オーダー、およびトレード情報を受け取ります。 他の入力データ源は、取引オーダーストリーム４ＡＡ０１３０の代替として使用次のものが、データ含まれますが、これらに限定されません： 米国証券取引委員会の市場情報データ分析システム （ＭＩＤＡＳ） ６ＸＸ９９９９または米国金融業界規制当局の「オーダー監査証跡システム」 （ＯＡＴＳ） または統合監査証跡 （ＣＡＴ） システム、自主規制機関 （ＳＲＯｓ） またはその他のトレードプラットフォームに存在するデータ （ニューヨーク証券取引所［ＮＹＳＥ］またはナスダック［ＮＡＳＤＡＱ］ 証券取引所 ５ＸＸ９９９）、そしてクリアリングハウスのシステム、例えば預託信託と清算公社［ＤＴＣＣ］ （５ＣＸ９９９９） 。

【0074】

ブロック２ＡＸ０１０１では、基本制御プロセス２ＡＸ０１０１は、制御リストまたは事前定義されたルール２ＪＡ０１１３に対してトレード指図をレビューする。 いくつかの実施形態では、制御リストまたは事前定義されたルール２ＪＡ０１１３は、デスクまたはトレーダー固有である。 たとえば、経営方針２ＪＢ０３０１は、取引デスクの性質や異なるトレーダーために設定されたトレード限度額に応じて、特定のオーダータイプ、レバレッジ、またはデリバティブを禁止することができます。 制御違反が見つかった場合、基本制御プロセス２ＡＸ０１０１は、取引オーダーを拒否するか、トレードがフラグ付けされるか、または隔離され、それはフラグ／隔離データベース２ＴＸ０１２２に格納される。

【0075】

ブロック２ＢＸ０１０４において、基本的な制御プロセスを通過する取引オーダーについて、検出エンジン２ＢＸ０１０４は取引オーダーを調べ、どの一連の取引オーダーまたは加工トレードが不規則のパターンに一致するかを判断し、潜在的な相場操縦を示すか、またはレッスンデータベース２ＴＸ０１２０に保存された他のオンセット信号を決定する。 トレードが不規則性のパターンに一致する場合、検出エンジン２ＢＸ０１０４は、管理アクションのためにフラグ／隔離データベース２ＴＸ０１２２の事項にフラグを立て。 ブロック２ＤＸ０１０５において、検出エンジン２ＢＸ０１０４は、モデルおよびロジックコンポーネント２ＤＸ０１０５および高度なフィルタリング基準２ＪＣ１２０７を使用して、さらに厳格なチェックまたはフィルタリングプロセスをさらに適用する。したがって、検出エンジン２ＢＸ０１０４は、事前構成された検出アルゴリズムとパターン認識技術を組み合わせたハイブリッドアプローチを適用して、異常または望ましくないトレード活動 （例えばクライアントとの利害の対立） の効果的な検出および識別。

【0076】

図８は、いくつかの実施形態に係る検出エンジン２ＢＸ０１０４によって行われる分析をより詳細に示す。 ブロック２ＢＡ０８０１において、検出エンジン２ＢＸ０１０４は、検出エンジン２ＢＸ０１０４によって実施されるプロセスの開始時に取引オーダーの初期スコアを設定する。最初のスコアは、管理計画２ＪＢ０３０１、特にリスク選好ステートメントに従って設定されます。 最初のスコアは、例えば、異なるトレード操作に対する異なるリスクエクスポージャーを反映するために、特定の取引デスクやトレードグループにカスタマイズすることができます。 初期スコアは、図１７を参照して後述するように、精査用フィット法を用いて調整することができる。カスタマイズされた精査方法は、物事を文脈に置き、それぞれのコントロールを締めまたは緩和するために目的に合うことを保証します （例えば、オーダーは、監視されたリストのトレーダーによって開始さ、または異なる市場環境、クライアントまたはカウンターパーティとのトレードの性質、取引商品の特徴、とリスク、流動性条件、および在庫ポートフォリオの考慮要因の特性） 。 検出エンジン２ＢＸ０１０４が比較に使用する高度なフィルタリング基準２ＪＣ１２０７における各種パラメータは、カスタマイズプロセスを介して構成されてもよいし、図１７を参照して更に後述する。 ブロック２ＢＥ０２０６では、設定されたしきい値を満たすスコアを持つトレード活動は、正常または望ましいものと見なすことができます （または、米国のボルカー規制コンプライアンスの文脈において合理的であると考えられる） 。設定されたしきい値を満たさないスコアを持つこれらのトレード活動は、トレードの不規則性または望ましくない （または米国の ボルカー規制コンプライアンスのコンテキストで特定の免除基準を満たしていない）とみなされ、フラグ／隔離データベース２ＴＸ０１２２でフラグを立てたり隔離されたりする可能性があります。

【0077】

検出エンジン２ＢＸ０１０４は、モデルとロジック２ＤＸ０１０５の計算結果を活用して、複数のルールベースのプロセスを客観的に並列に実行します。 特定の会場で特定の商品を取引する頻度などの要因の見直しを通じて、処理される取引オーダーのスコアは、不規則性の可能性が高いか低いかを反映するように歪んでいます。 トレードが取引デスク４ＤＸ０５０５の頻繁に取引される取引商品または取引会場ではない場合、以下でさらに説明するモデルおよびロジックコンポーネント２ＣＸ０１０５を使用してＡＢＣ分析（ブロック２ＤＤ０８０５）を実行し、トレードの値カテゴリを探索識別。 ブロック２ＢＢ０８１２において、スコアは、任意の更新されたフィルタリング基準２ＪＣ１２０７を考慮して、トレードがフラグ付けまたは隔離されるべきである可能性が高いことを反映するように、それに応じて調整される。 ＡＢＣ 分析は、さまざまな重要度を持つさまざまな項目の分析であり、異なる方法で処理または制御する必要があります。最も頻繁に取引される銘柄と会場には最も高い値が割り当てられ、最も取引が少ない銘柄と会場には最も低い値が割り当てられます。

【0078】

検出エンジン２ＢＸ０１０４は、マーケットメイキングまたは引受取引ーダーが実行中の在庫数が合理的な予想される短期需要予測（ＲＥＮＴＤ）を超える可能性があるかどうかを判断し、または、ヘッジを軽減するリスクがヘッジエクスポージャー制限を超えるか、または財務取引が流動性管理在庫計画の資金調達ニーズを超えているかどうかを決定します。トレード活動が「合理的」な範囲や市場時間の範囲外であるかどうかを考慮するために、合理的に予想される短期需要と在庫計画が計算されます。合理的に予想される短期需要および在庫計画は、図１５および図１６を参照して以下に説明する。取引オーダーが制限またはタイミングの不規則性を超える過剰を引き起こす場合、検出エンジン２ＢＸ０１０４は、トレード活動が突然の市場の混乱に関連しているかどうかを判断します、 （例えば、いくつかの枠組みとアルゴリズムによって計算された市場のボラティリティの急速な変化） 。突然の市場混乱の間の超過分は、トレード免除要件を特定の緩和するリスクヘッジ満たしている場合、米国のボルカールールの下で免除の対象となる可能性があります。突然の市場の混乱がなかった場合、その特定のトレードは、リスクの高い専有トレード、とそれにより、スコアの適切なスキューイング （ブロック２ＢＢ０８１２）、だけでなく見なされ、管理アクションのためにフラグを立てたか隔離。また、銀行が顧客からの販売オーダーを見越して非顧客の空売りトレードを行う場合、銀行に不必要なリスクが生じる可能性もあります。したがって、スコアは適切に調整する必要があります。トレードが限界を超えない場合、検出エンジン２ＢＸ０１０４は、トレードがヘッジの寿命を超えているかどうかを判断する （すなわち、ヘッジ保護の期間は、図１６を参照してさらに後述） 、ヘッジトレード活動の存続期間を超えて、管理行動のためにフラグを立てるか隔離するべきであるという懸念のもう一つの引き金である。

【0079】

例示的な実施形態では、トレードが顧客トランザクションではない場合、およびパターン認識プロセスごとにリスクおよび市場価格が移動した場合、スコアは、（ブロック２ＢＢ０８１２）に応じて調整され、移動の大きさに基づいて、動きが大きければ大きいほど、取引オーダーが不規則性の懸念のためにフラグを立てられるか隔離する可能性が高くなります。「移動された市場価格」とは、市場で買いまたは売りモメンタム効果を生み出す行為を指します。枠組みおよびアルゴリズムごとのリスク測定は、市場の状況を測定するために使用され、エンティティが動きに合わせて調整するためにヘッジ取引商品や量を変更する可能性があります。 トレードが顧客トランザクションであるかどうかに関係なく、取引オーダーが非顧客との毎日の取引量が不均衡に大きくなる可能性がある場合、スコアは不均衡の大きさに基づいて調整され（ブロック２ＢＢ０８１２）、より大きいこの不均衡は、顧客との潜在的な競合の可能性が高くなります （ブロック２ＢＤ０８１４） 。

【0080】

別の実施形態では、取引規模またはトレードタイミングが一貫性ない間に顧客に代わって代理店トレードなどの要因の見直しを通じて、処理される取引オーダーのスコアが歪む （ブロック２ＢＢ０８１２） 。逸脱が大きければ大きいほど、他の症状が現れた場合に、それがフロントランニングまたは他の非倫理的な行動であると疑われる可能性が高くなります。これらの症状には、これらに限定されません、銀行が受託者の責任を逃れたい、ときに「クライアント」口座の切り替えを「カウンターパーティ」に反転させ、そしてるスイッチを「クライアント」に戻すことが、ためにいくつかの免除の資格を得と規制精査をかわ。もう１つの症状は、モデルとロジックコンポーネント２ＤＸ０１０５による計算に基づいて、マーケットメーカーのリスクプロファイルが特定のしきい値を超（すなわち、マーケットメイキングのタイプのコンテキストでとられたポジションのリスク特性）（ブロック２ＢＣ０８１１）。スコアは、変更の大きさに基づいて調整されます （ブロック２ＢＢ０８１２） 。

【0081】

別の実施形態では、トレードが関連にリスク軽減ヘッジ、検出エンジン２ＢＸ０１０４は、トレードがクレジット・デフォルト・スワップ［ＣＤＳとも呼ばれ］を購入するか否かを決定し、しかし、自社の在庫位置４ＢＡ０１３２ （からポートフォリオ管理システム （ＰＭＳ） または投資記録帳 （ＩＢＯＲ） ４ＢＸ０１３２）、会社が関連根底にあるするポジションを持たないことを示しています（すなわち、高リスクの専有賭けであるクレジット・デフォルト・スワップ「裸」を購入する）。クレジット・デフォルト・スワップ の目的はヘッジ保護です。しかし、会社が関連根底にあるするポジションを保持していない場合、保護するものは何もありません。したがって、裸のクレジット・デフォルト・スワップは、米国のボルカールールの下要件をリスク軽減ヘッジの免除資格していないか、そのようなトレード活動の危険な性質は、ためにスコアを歪適切必要とします、とアラートを生成または問題をエスカレート（ブロック２ＢＢ０８１２）。

【0082】

別の実施形態では、トレードが引受に関連している場合、検出エンジン（ブロック２ＢＧ０７０６）は、取引が債券スワップであるか、オプションであるか、空売りあるか、またはトレード活動がそれぞれの引受期間を超えているか、または対応する引受ロットのシンジケートメンバーです的銀行、どうかを判断します。取引が債券スワップである場合、取引は市場の免除の下でのみ適格であり得るが、米国の ボルカー規制の引受免除要件を満たしていない。取引オーダーがオプションであり、それが下落市場の期間に置かれる場合、トレードは米国のボルカー規制の引受免除の代リスク軽減ヘッジ免除の下でのみ適格とすることができる。トレードがショ空売りある場合、検出エンジン２ＢＸ０１０４は、引受ログブック２ＤＢ０４２１ （図１５参照） を調べ、特定の引受ロットに価格制限があるかどうかを判断する。市場の下落中に空売りオーダーが行われた場合、トレードは米国のボルカー規制の引受免除の代リスク軽減ヘッジ免除をのみ適格とすることができる。取引オーダー が引受ログブック ２ＤＢ０４２１ に記載されている引受期間を超えており、銀行がそれぞれの引受ロットのシンジケートメンバーではないが、関連する引受契約によって設定された非会員しきい値を超えた場合、その後、取引オーダーはパラメータを満たせず、スコアの歪み （ブロック２ＢＢ０８１２） を保証し、アラート （ブロック２ＢＦ０２０７） の生成または問題のエスカレーションにつながる可能性があります。

【0083】

別の実施形態では、「毒性または利潤分析装置」は、本発明の実施形態によるスコア付けおよびフィルタリングアプローチと組み合わせて実施され、「有毒」オーダーフローを全体的に追跡および応答することができる。 有毒なオーダーフローは、トレードがしきい値を超える損失を予想したり、最大ドローダウン率またはシャープレシオ［Ｓｈａｒｐｅ］を悪化させたりするシナリオで発生します。オンセット信号検出、投資戦略のモデル化、タイムリーで有意義なアラートを生成する機能のメカニズムは、市場の流動性、最高の実行、またはアルファ機会の追求を監視するためのトレード分析にも向けることができます。検出エンジン２ＢＸ０１０４の実施形態は、一連の事前定義されたルールによってのみ駆動されるわけではない。 代わりに、検出エンジン２ＢＸ０１０４は、ルールのセットとパターン認識プロセスの両方を含むハイブリッドアプローチを使用して、不規則なトレード活動を識別する。

【0084】

図９は、いくつかの実施形態に係る複合イベント処理（ＣＥＰ）のレッスンと取引オーダーデータまたは処理されたトレードを比較するパターン認識プロセスを示す。トレードパターンがデータプロセッサ１ＸＸ１１０１によってメトリックツリーに変換されると、レビューシステム３ＸＸ０１４０のトレード再構築コンポーネント３ＡＸ１２０６は、コーパスまたは複合イベント処理レッスンを設定し、その後、レッスンデータベース２ＴＸ０１２０に格納され、さらに以下に説明します、と図１８を参照して。相場操縦は、単一のトランザクションではなく、一連のトランザクションが関係することがよくあります。これには、欺瞞な価格変動と、金融商品に対する架空の市場勢力の出現が含まれ、偽のまたは誤解を招く市場環境とは反対の方向の取引から利益が不当に実現されます、と米国または国際的な証券規制の下では禁止されている行為である可能性があります。潜在的な相場操縦は、通常、次の「トリガー」の組み合わせに似た特性を含みます：
（ａ） 大きな累積損失を伴う連続的なアルファトレード、
（ｂ） 異常な取引量 （急激な価格下落を伴うリギングアップボリューム） 、
（ｃ） 不可解な価格のランアップ、ランダウン、またはスパイク、
（ｄ） 市場が閉じる直前に疑わしい人工的な価格設定、
（ｅ） 方向の迅速な反転とのトレードスタイルの矛盾、
（ｆ） 銀行持株会社 （ＢＨＣ） または関連会社間で頻繁に売買する、
（ｇ） ディーラーの集中グループを扱う、
（ｈ） 新規株式公開 （ＩＰＯ） 日またはその前後の疑わしい価格投機、
（ｉ） まれなトレードスモールキャップ資産の不規則な活動 （一般的にボリュームが高くない小型株の場合、取引される突然の多数の株式が不公正取引（相場操縦）の兆候である可能性があります） 、
（ｊ） 供給の構成された割合よりも大きいサイズの累積された大きなポジション、
（ｋ） 重い売りオーダーのシリーズでロングポジションを支配、
（ｌ） 小売業に実質的な不良資産をオフロード、
（ｍ） 小売はめったに彼らのポンプポジションを二乗しません、
（ｎ） 知覚された流動性の上昇に伴う市場流動性の浸食、
（ｏ） スクイーズと不審なオフストリートファイナンスコーナー、
（ｐ） 切り下げられた担保であふれる市場、
（ｑ） 売り払の場合に多くのマージンコール、
（ｒ） 合成呼び出持つ、ロングコールを使用して不審な設定価格、
（ｓ） アルゴリズムデプロイエラーまたはコントロールオフで取引の不具合、
（ｔ） 不安定化持つ伴って変動するリスク、ボラティリティおよび／または市場価格、
（ｕ） 取り消された取引の量が多いタイトな双方向の価格見積もり、
（ｖ） 見積もりの修正で発行された相当なオーダー。

【0085】

上記の単一の「トリガー」は違反とはなりません。 しかしながら、トレード活動の正当性は、授業データベース２ＢＸ１１０４にトリガのセットに似た順序で発生した場合に挑戦され得るが、その例は表１に記載される、図１０に示す。

【0086】

図１０に示すように、トレードスタイルまたはパターンのセグメンテーションおよびグループ化は、以下に説明する比較分析における比較プロセスを迅速化するのに役立ち、レッスンデータベース２ＴＸ０１２０内のすべての教訓と比較する必要性を回避する。 トレードスタイルまたはパターンのセグメンテーションおよびグループ化は、市場の変化シグナルを表し、制御リスト２ＪＡ０１１３および高度なフィルタリング基準２ＪＣ１２０１の再構成、カスタマイズ、および更新に適しています。過去の事例は、後述するように、群集コンピューティング コンポーネント （ブロック２ＦＸ０１０７） を通して分析システム２ＸＸ０１００を訓練するために、レッスンデータベース２ＴＸ０１２０に格納された複合イベント処理レッスンとして使用することができ、と検出エンジン２ＢＸ０１０４の能力を向上させ、を認識する相場操縦の潜在的可能性、市場の変化シグナル、合成的に作成されたトレード、または一連のトレード活動が計画に対して１つ以上の金融資産の市場価格の動きをもたらす可能性、または他のシグナル。

【0087】

図９を参照して、マッチング処理が行われ、「トラック」とレッスンデータベース２ＴＸ０１２０に格納されている「トリガー」を比較します。 トラックのパターンがトリガのパターン （ブロック２ＣＭ１１０５） に似ているとき、トリガカウンターが更新される （ブロック２ＣＮ１１０４） 。取引オーダーのスコアは、このトリガに合わせて調整されます。 その後、取引オーダー は、群集コンピューティング コンポーネント２ＦＸ０１０７によって必要に応じて精査することができる。 また、トラックがレッスンデータベース２ＴＸ０１２０ （ブロック２ＣＯ１１０４） のトリガのセットに似ているかどうかも決定される。 そうであれば、類似が市場変化シグナル （図１９を参照して後述） を示しているか否かを判断し、または先述の検出エンジンプロセス （図８） に対ために移動したリスクおよび市場価格を意味するか、または合成的に作成されたトレードとして認識 （図１１を参照して後述） 。

【0088】

モノフォニックアプローチ、ポリフォニックアプローチ、または組み合のモノフォニックアプローチとポリフォニックアプローチわせは、レッスンデータベース２ＴＸ０１２０との取引データを比較するために使用することができる。 モノフォニックアプローチに関しては、パターン認識コンポーネント２ＣＸ０９０４は、取引正規化処理 （ブロック２ＣＡ１１０１） を行い、そこで取引データが最も低い次元に解析され、分離される。 たとえば、取り消された取引オーダー と入札／尋ねのオーダーは解析され、「トラック」に分離されます。そして、ピッチとリズムが符号化され （ブロック２ＣＢ１１０１および２ＣＣ１１０１） データ変換コンポーザー１ＡＸ１１０１のチューニング機能を使用し、任意の異常な活動を「ソロ」モードでスポッティングする （図４参照、ブロック２ＣＥ１１ ０４） 。 図１２に示すペイオフ曲線のようなより単純なパターンは、「トラック」および「トリガー」（ブロック２ＣＤ１１０１） から取り除かれてもよい。 メロディックマッチング処理 （ブロック２ＣＦ１１０４） は、ストリップアウトされた「トラック」と、レッスンデータベース２ＴＸ０１２０に格納された「トリガー」とを比較する。 これらの「トリガー」は、単純なペイオフパターン： ロング、ショート、カバードコール、プロテクティブ・プット、バタフライ（蝶）スプレッド、またはストラングルあることができます （図１２参照） 。モノフォニックアプローチはポリフォニックアプローチに比べて比較的遅いですが、モノフォニックアプローチではより詳細な情報を証明として示すことができます。また、「トリガー」は、取引の組み合わせが、バックストップ保証コンポーネント２ＥＸ０１０６によってレビューされる、合成的に作成されたトレードになるかもしれないかどうかを決定するための基礎を形成するのに役立ちます。

【0089】

ポリフォニックアプローチに関しては、パターン認識コンポーネント２ＣＸ０９０４は、データ変換コンポーザー１ＡＸ１１０１ （ブロック２ＣＨ１１０１） を使用してトレード情報をメトリックツリーに変換する際の時間的および階層構造を取り込む。 同じジャンルのケースが設定されたしきい値（ブロック ２ＣＩ１１０１）を超えた場合、ケースは「システミック」と表示されます。 機械学習法は、類似性分析 （ブロック２ＣＪ１１０４） で使用して、レッスンデータベース２ＴＸ０１２０のトレードデータと「ポリフォニック」トリガまたはレッスンとの類似性を探す。このような類似性分析は、メトリックツリー構造のサイズが小さく、処理やその他のコンピューティングリソースを節約するため、従来のアプローチよりも速い。 類似性解析の精度は、ポリフォニック トリガまたはレッスンの品質に部分的に依存します。したがって、トレーニングセットは、モデルのオーバーフィットまたはアンダーフィットを最小限に抑えるように構成できます。あるいは、いったんメトリックツリーが構築されると （ブロック１ＡＡ１１５３、図６参照） 、それはツリー構造よりもツリーに階層的に含まれる情報をより重視する伝播または部分ラベル付きツリーアプローチ （ブロック２ＣＫ１１０４） を使用して比較 （ブロック２ＣＬ１１０４） を実行できます。いくつかの実施形態では、部分的にラベル付けされたツリーアプローチは包含する： （１） ラベル付けされていない内部ノードの子孫のラベル付けされた葉を見つける可能性の平均を計算する、（２） レッスンデータベース２ＴＸ０１２０に保存ているトリガと同様のトレードアクティビティ／メトリックツリーが対応する期間内に見つからないまで再帰的に計算（つまり一致しない、したがってパターン認識２ＣＸ０９０４チェックポイントを渡す） 、（３） 最近隣ルールや他の分類プロトコルやアルゴリズムを使用して、レッスンデータベース２ＴＸ０１２０に格納されているレッスン内の他のメトリカルツリーとの間の距離を測定、（４） レッスンデータベースのレッスンをジャンルに整理し （後述の図１７を参照） 、トリガカウンター２ＣＮ１１０４を使用して、一致可能なレッスンのセットを識別、それは距離、ジャンル、トリガ カウンターを使用して、メトリクス ツリーに一致するレッスンを識別します。 トリガカウンターは、メトリック ツリーと一致する可能性があるレッスンのサブセットを識別するために使用されます。例えば、表１を参照すると、トリガ「ｊ」が一致すると、「ｊ」のトリガカウンターが更新されます。 マッチングプロセスは、更新されたトリガカウンターから「ｊ」のトリガカウンターから、レッスン （ｉ） と （ｖｉ） が一致する可能性があるものと判断できます。 マッチングプロセスは、レッスンのサブセットと上述の比較と残りのレッスンのみを比較し、マッチングプロセスを最適化します。トレード活動のスコアは、レッスンのトリガに一致するたびに重みを増やして調整されます。例えば、表１を再度参照すると、スコアは、レッスン （ｉ） で「ｂ」をトリガする一致に応じて調整される。 マッチングプロセスはその後トリガー「ｅ」、「ｎ」、および「ｏ」を一致させる、スコアはウェイトを増加させることで調整、すなわち、「ｏ」のトレードマッチが最も重みを持つている不規則性の増加可能性を反映ます。

【0090】

図９を参照し続けると、最近隣規則または他の分類プロセスおよび／または分類器は、分類アルゴリズムおよび／または分類器の作成プロセスを使用して実装され得る。この開示で使用される分類アルゴリズムは、コンピューティング デバイスがトレーニング データから、入力をデータのカテゴリまたはビンに分類するための「分類器」 と呼ばれるモデルを派生させるプロセスとして定義されます。分類は線形分類器を使用非限定的して行うことができ、ロジスティック回帰やナイーブベイズ分類器、最近隣分類器など、Ｋ近傍法分類器、サポートベクターマシン、最小二乗はベクトルマシンをサポートし、フィッシャーの線形判別、二次分類器、決定木、ブーストツリー、ランダムフォレスト分類器、学習ベクトル量子化、および／または ニューラルネットワークベース分類器。

【0091】

非限定的な例として、図９をいまだに参照している。コンピューティング デバイスは、Ｋ近傍法（ＫＮＮ） アルゴリズムを使用して分類器を分類または生成するように構成できます。この開示で使用される「Ｋ近傍法」アルゴリズムには、サンプル外の特徴がトレーニングデータにどの程度近いかを分析するために特徴の類似性を利用する分類方法が含まれており、入力データを１つ以上のクラスターまたは／または特徴のカテゴリに分類します。これは、トレーニングデータと入力データの両方をベクター形式で表現し、１つ以上のベクトル類似度の尺度を使用してトレーニングデータ内の分類を識別し、入力データの分類を決定することによって行うことができます。「Ｋ近傍法」アルゴリズムには、が含まれ： Ｋ 値を指定するか、特定のサンプルに最も類似した入力トレーニング データを選択し、データベース内のエントリの最も一般的な分類器を決定し、既知のサンプルを分類する Ｋ 値または数値を指定するこ、これは再帰的に行われるか、または反復的に、それは入力データをさらなるサンプルとして分類するために使用される分類器を生成する場合があります。たとえば、初期のヒューリスティックや「最初の推測」を、シードされる出力および／または関係でカバーするために、サンプルの初期セットを実行できます。非制限の例として、ここで説明する任意のプロセスに従って受け取った専門家の入力を使用します。非制限の例として、初期ヒューリスティックには、入力とトレーニングデータの要素間の関連付けのランキングが含まれる場合があります。ヒューリスティックには、上位の関連付けおよび／またはトレーニング データ要素の数を選択することが含まれます。

【0092】

図９を引き続き参照すると、Ｋ近傍法アルゴリズムを生成して、データの２つ以上の要素間の近接度を計算することによって動作し、そのような距離および／または近接計算に従って分析される要素に対してｋ最も近いトレーニングデータ要素を特定することができる。たとえば、Ｋ近傍法アルゴリズムは、データ入力クラスタを含む第１のベクトル出力を生成し、入力データを含む第２のベクトル出力を生成し、コサイン類似度、ユークリッド距離測定等のような任意の適切な規範を用いて第１のベクトル出力と第２のベクトル出力との間の距離を計算することができる。各ベクトル出力は、ｎ－タプルの値として、限定されずに表現することができ、ここでｎは少なくとも２つの値である。ｎ－組の値の各値はを表し： データの特定のカテゴリ に関連付けられた測定値またはその他の定量的な値、または属性ます。その例は、以下でさらに詳細に提供されています： ベクトルは、ごとの軸を使用してｎ次元空間で、ｎ－タプルの値で表される値のカテゴリあたり、ベクトルがｎタプル内の属性の相対的な量を互いに比較して特徴付ける幾何学的方向を有するように、限定されないで表され得る。２つのベクトルは、各ベクトル内の値の相対量が互いに比較される場合、その方向、および／または相対値の量が同じ場合に、等価と見なされます。したがって、非限定的な例として、［５，１０，１５］として表されるベクトルは、この開示の目的で、［１，２，３］として表されるベクトルとして、同等として扱われてもよい。ベクトルは、方向がより似ている場合はより似ている可能性があり、方向がより異なる場合はより異なる場合があります。しかし、ベクトル類似性は、類似属性間の類似性の平均、または任意のｎ－タプル値に適した類似性の他の尺度、または以下に説明する損失関数の目的のための数値類似度測定の集約を使用して、代替または追加的に決定され得る。本明細書に記載されているベクトルは、各ベクトルが同等の尺度の値に沿って各属性を表すようにスケールすることができる。各ベクトルは「正規化」されるか、「長さ」属性で割られる可能性があります、その例は、ピタゴラスのノルムを使用して派生した長さ属性

【化1】

、ここで、ａ_ｉ はベクトルの属性番号ｉ です。尺度変更および／または正規化は、属性の類似性に対する依存関係を維持しながら、ベクトル比較を属性の絶対量とは無関係にする機能を果たします。たとえば、トレーニングデータで表されるケースが異なる量のサンプルで表され、その結果、異なる値を持つ比例的に等価なベクトルが生じる場合に、これが有利になる可能性があります。

【0093】

Ｋ近傍法アルゴリズムおよび／または他の近接ベース分類アルゴリズムは、任意の２つのデータ構造間の他の標準および／または距離計算をに、代わりまたは追加的に採用、することができます。非限定的な例として、メトリックツリーなどの木の間でここに記述されたとおりに計算される距離。

【0094】

部分的にラベル付けされたツリー比較アルゴリズムは、ラベル付きのリーフとラベルのない内部ノードの間の一致値は、その内部ノードの子孫でそのリーフを見つける可能性の平均値であるという仮定に基づいています。この比較方法では、ノードを面倒に挿入または削除する必要はありませんが、一致するラベルを見つける確率を測定するだけで、きツリーに含まれる階層的に情報がツリーの構造よりも重要であることを意味します。この例示的な実施形態では、異なるテンポで演奏する２つのトレードシーケンスを考慮する場合、完璧なクロック同期は、２つのトレードシーケンスが、類似性を測定する前に２つのトラックを同じテンポに変更する必要があることに似ています。２つのトラックは、同じテンポを持つことができます （例えば、「長い、長い、短い、長い、短い、と短い」 構造接続）、または時間的階層構造のクロスレベル間の相対距離など。したがって、完全にラベル付けされたツリーにノードを挿入または削除する「ジグリング」プロセスは、「ツリー構造」に関連する場合にのみ関連します （つまり、テクニカル分析」が依存するプロットされたチャートの「形状」であり、ベクトルをグラフィカルに測定する際に多くの不正確さを引き起こす。例えば、形状の変化は線形ベクトルの角度に影響します） 。ただし、それは失敗する、情報を「階層的に」測定または「強調」することに焦点を当てていません。「部分的なラベル付けされたツリー」アプローチでは、一致値は距離とみなされ、最近隣のルールに従って、クエリに最も近いトレードアクティビティのメロディ分類は、レッスンデータベース２ＴＸ０１２０に保存されたコーパスレッスンとして取られます。 これは、従来の方法 （ブロック２ＣＧ０９０４） よりも正確な結果と洞察な発見をもたらし、エラーが少なく、クロック同期許容度が高くなります。 また、解析は従来の方法よりも高速に実行され、処理やその他のコンピューティングリソースをさらに節約できます。

【0095】

いくつかの実施形態では、モノフォニックアプローチとポリフォニックアプローチの選択は、ユーザによって手動で選択される。 他の実施形態では、選択は、ユーザの介入なしに自動的に実行され、ここで、最も迅速なパス方法、最小使用エラー、目的に適した方法が選択され、図１７に以下の参照で説明される。

【0096】

図１１は、いくつかの実施形態に係るバックストップ保証コンポーネント２ＥＸ０１０６によって実施されるプロセスを示す。バックストップ保証コンポーネント２ＥＸ０１０６は、基本制御コンポーネント２ＡＸ０１０１および検出エンジン２ＢＸ０１０４によって検出されなかったトレード活動のゲートキーピングを実行します。これらのアクティビティは、制御をバイパスする合成的に作成されたトレード、や一時的な許容または遅延のケースに対するアクションの欠如による潜在的な影響など、重大なリスクまたは重大な違反を示します。

【0097】

バックストップ保証コンポーネント２ＥＸ０１０６は、複数のプロセスを並列にトレード活動を再検討する。 第１のプロセスにおいて、モデルおよびロジックコンポーネント２ＤＸ０１０５からの出力を用いて、バックストップ保証コンポーネント２ＥＸ０１０６は、集計リスクが所定の基準２ＤＡ０９０６のいずれかに一致するか否かを判断し、すなわち、「パラメータの範囲外」状態をもたらす（ブロック２ＥＦ０９０６）。集計リスクが所定の基準のいずれにも一致しない場合、バックストップ保証コンポーネント２ＥＸ０１０６は、これらの基準に基づいて「赤フラグ」がないと判断する。 集計リスクが所定の基準のいずれかに一致する場合、バックストップ保証コンポーネント２ＥＸ０１０６は、トレード活動が重要的なエクスポージャー、重要的な利益相反、またはエンティティに対する安全性と健全性の脅威をもたらすと判断する。これに応じて、トレードに「マテリアリティ」の懸念を持つものとしてフラグを立て（ブロック２ＥＧ０９０９）。 この例示的な実施形態では、所定の基準は、以下に限定されないが含まれる： 個々の非バンクカウンターパーティエクスポージャーがしきい値を超えているかどうか、銀行の普通株式ティア１／ティア１ 資本がしきい値内にあるかどうか、関連当事者のエクスポージャーが単一または接続された当事者のトレードより少ないか、関連当事者のトランザクションまたは損金処理がしきい値を超えているかどうか、特定のアセットクラスや商品の純露出がしきい値を超えているかどうか。 ここに示す各きい値は、ユーザが構成し、取引オーダーに関連付けられた免除の正当性を考慮に入れます。 モデルとロジックコンポーネント２ＤＸ０１０５は、これらの測定値の数字を実行し続け、したがって、次のトレード活動が潜在的な外部パラメータ状況を引き起こす可能性があるときはいつでも、ケースは、可能なストップロスまたはその他のアクションに関しては管理上の考慮のためにエスカレートされる （ブロック２ＥＥ０２１２） 。 この発明の特徴は、大きなエクスポージャーを識別するためのリスクモデルを有するエンティティにもかかわらず、エンティティが暴露の結果を避けるために時間内に損失を止めるための堅牢な制御メカニズムを持っていないという業界全体の問題に対処する。

【0098】

第２のプロセスにおいて、（ブロック２ＥＡ０９０１）バックストップ保証コンポーネント２ＥＸ０１０６は、パターン認識プロセス （ブロック２ＣＸ０９０４） によって合成的に作成された的トレードとして識別された対応する期間における一連のトレード活動を調べる （ブロック２ＣＸ０９０４） （上述の図９を参照）。 図１２は、いくつかの方法に従って、基本制御コンポーネント２ＡＸ０１０１によって、それ以外の場合は制限されるか、検出エンジン２ＢＸ０１０４の制御をバイパスする効果がある取引オーダーまたは処理済みトレードデータのペイオフに似た合成的に作成されたトレードの識別。合成的に作成されたトレードは、他の資産のコレクションの組み合わせの特徴を持つ別の商品をシミュレートすることによって人工的に作成される金融商品です。たとえば、チャートＡに示すように、トレーダーが正当なトレード目的のためにショートプットのペイオフを生み出そうとしているが、プットオプションが市場で利用できない場合、トレーダーは金融工学手法を正当に使用して証券のロングポジションを保持し、同じ期間に特定のストライク価格で対応するショートコールオプションと組み合わせて、同じ効果を得ることができます。他のペイオフリプリケーションもありますが、これらに限定されません： プット （チャートＢ） 、コール （チャートＣ） 、ショートコール （チャートＤ） 、バタフライ（蝶）スプレッド （チャートＥ） 、ストラングル （チャートＦ） など。 チャートＡからＦは、この分野で知られており、ここではそれ以上説明されていないオプションモデル、ブラックスコールズ［Ｂｌａｃｋ－Ｓｃｈｏｌｅｓ］ 、プットコールパリティ式を示しています。

【0099】

図１１に戻りに、トレード注文および一連の最近のトレード活動が合成的に作成されたトレードであると判断された場合 （ブロック２ＥＡ０９０１）、モノフォニックとポリフォニックのハイブリッド部分ラベルツリーアプローチ （上記を参照して説明） 図６及び９）は、同等のトレードパターンを伝播する。 合成的に作成されたトレードが乱用されているかどうかを判断するために、バックストップ保証コンポーネント２ＥＸ０１０６は、基本制御コンポーネント２ＡＸ０１０１と検出エンジン２ＢＸ０１０４に対して同等のトレードパターンを再検討用に送る （ブロック２ＥＢ０９０２）、基本的なコントロールコンポーネントで設定されたコントロールを回避しようとする試みと同じ効果があるかどうかを決定します （ブロック ２ＥＣ０９０２）。乱用効果がある場合、取引オーダーはバックストップ保証コンポーネント （ブロック２ＥＤ０９１０） によってフラグが立てられる。

【0100】

たとえば、ディーラーが債券価格下落した場合に利益を得るポジションを求めているとします。 ディーラーは同時に、逆買戻し契約を締結と担保の売却に入ります。ディーラーは債券を借りて売却し、売却の収益を逆買い戻しに貸し出します。 買い戻しの期間の終了時に、ディーラーのローンは合意された利息で返済され、ディーラーは公開市場で債券を買い戻し、逆買い戻し契約に引き渡します。このような例の活動は、取引オーダーにパターン認識が、と対応する期間内の一連のトレード活動が必要です。取引オーダーと一連の対応する期間のトレード活動が合成空売の効果を持たない場合、バックストップ保証コンポーネント２ＥＸ０１０６は、トレーディングアクティビティが、の効果を持つかを決定しますトータルリターンスワップ、または合成フォワード。 トータルリターンスワップには、一方の当事者が設定レートに基づいて支払いを行い、他方の当事者が原資産 （通常は株式指数、ローン、債券） のリターンに基づいて支払いを行う契約が含まれます。 合成フォワードは、ロングコールオプションとショートプットオプションの両方を同時に保持する単一の投資家を含みます。トレード活動がトータルリターンスワップまたは合成フォワードの効果を持っていない場合、トレードは 米国のボルカールールコンプライアンスの文脈で正当であろう。 トレード活動がトータルリターンスワップまたは合成フォワードの効果を持つ場合、その効果は基本制御コンポーネント２ＡＸ０１０１と検出エンジン２ＢＸ０１０４に入力され、「効果」を考慮して調整されたスコアを返す。

【0101】

第３のプロセスでは、ケース管理システム３ＣＸ０１４０を介してトレードが承認された一時的な許容範囲を受信すると、トレードはさらにフォローアップ監視（ブロック２ＥＨ０９０８）に供され、そして集計リスクが存在するかどうかを判断するためにさらに評価される必要がある懸念事項であり続け、フラグを立てるます（すなわち、コントロールのバイパス、ブロック２ＥＣ０９０２と２ＥＣ０９１０）。 一時的な許容範囲は、特定の期間内に超過分を二乗する必要がある場合など、特定の条件下で付与されることがあります。フォローアップ監視は、設定された時間枠で条件が適切に満たされていることを確認します。ケース管理システム３ＣＸ０１４０は、一時な許容的範囲と延滞の未クローズのケースを注意深く監視して優先順位を付けます。バックストップ保証コンポーネント２ＥＸ０１０６は、そのようなトレランスまたは延滞の状態の累積的な影響が、制御不能または制御が困難になる可能性のある意図しない結果またはその他の問題を引き起こさないことを保証し、と一時的なトレランスプロセスを悪用する悪用者を防ぎます。モデルとロジックコンポーネント ２ＤＸ０１０５ は、定期的にカウントを維持し、一時的な許容範囲、または延滞の場合にどの程度のリスクが隠されているかを報告します。次に、トレードの不規則性にフラグが付き、さらに処理のためにケース管理コンポーネント３ＣＸ０１４０に送信されます（ブロック３ＣＸ０１４０）。

【0102】

図１３は、いくつかの実施形態に係るモデルおよびロジックコンポーネント２ＤＸ０１０５によってパラメータおよび境界を定義する方法を示す。 モデルとロジックコンポーネント ２ＤＸ０１０５ は、一連の前提から始まります。 この例示的な実施形態では、仮定は、管理計画２ＪＢ０３０１から得られる。 前提条件には、以下が含まれる場合がありますが、これらに限定されません： 市場、クライアント ／ カウンターパーティ、指示、 リスク、 流動性、と在庫 （図１４参照） 。モデルおよびロジックコンポーネント２ＤＸ０１０５は、パターン認識コンポーネント２ＣＸ０９０４から結果と発見を受け取る。 ブロック２ＤＨ０３０４において、モデルおよびロジックコンポーネント２ＤＸ０１０５は、パターン認識コンポーネント２ＣＸ０９０４からのデータのデータマイニングを行い、 他の情報源 （以下のような： 市場データ５ＸＡ０１３１、参照データ５ＸＢ０１３１、音声および電子通信監視システム５ＤＸ９９９９、およびニュースフィード５ＤＢ９９９９、および監査証跡データベース３ＴＸ０１２１） から同様に、枠組みとアルゴリズムを強化する関連するビジネスインテリジェンスを発見する （図１４－１６を参照して以下に説明）。 この知見は、モデルとロジックの変更を立証するために使用され、この知見を群集コンピューティング コンポーネント２ＦＸ０１０７に入力し、さらなる調整につながる可能性があります。枠組みとアルゴリズム （ブロック ２ＤＩ０３０４ および ２ＤＪ９９９９） を使用して、モデルおよびロジックコンポーネント ２ＤＸ０１０５ は、シミュレータ２ＢＸ０４１５ と組み合わせてバックテストと「した場合はどう」評価の結果を計算します。 評価の結果を用いて、パラメータと境界のセット、および「手が届かない範囲」とき考えられるもし何が定義される（ブロック２ＤＧ０３２０）、図１９を参照してさらに後述する。 パラメータおよび境界は、検出エンジン２ＢＸ０１０４およびバックストップ保証コンポーネント２ＥＸ０１０６によって使用される基本制御コンポーネント２ＡＸ０１０１および高度なフィルター基準２ＪＣ１２０７によって使用される制御リストまたはルール２ＪＡ０１１３を定義または更新するために使用される。 検出エンジン２ＢＸ０１０４およびバックストップ保証コンポーネント２ＥＸ０１０６は、トレードの不規則性または望ましくない検出における分析システム２ＸＸ０１００の案内、トレード行動の監視、潜在的な取引不正行為の識別および調査。疑わしい取引オーダーが検出され、その後、ケース管理コンポーネント３ＣＸ０１４０ とオーダーブックリプレイシミュレータ ３ＢＸ０４１５に送信され、さらなる処理が行われます。検出エンジン２ＢＸ０１０４およびバックストップ保証コンポーネント２ＥＸ０１０６は、モデルおよびロジックコンポーネント２ＤＸ０１０５から計算結果を取得し、インベントリプラン （ブロック２ＤＣ０７０１）および合理的に予想される短期需要 （ブロック２ＤＢ０７０３） を構成する際 （観察された現実を考慮して） および総および集計リスクエクスポーを計算する（ブロック２ＤＡ０９０６） （図８および１１を参照して上記で説明した）。モデルとロジックコンポーネント２ＤＸ０１０５からの結果は、マーケットメーカーのリスクプロファイルの計算で検出エンジンによってさらに使用され （ブロック２ＤＦ０８１１） 、トレードサイズ ／ 市場タイミングの不一貫性を探し （ブロック２ＤＥ０８１０） 、ＡＢＣ分析を実行します２ＤＤ０８０５ （図８を参照して上記） 。オーダーブックリプレイシミュレータ３ＢＸ０４１５は、設定されたパラメータと境界、仮説的利益と損失 （Ｐ＆Ｌ） 、シャープレシオ、ドローダウン率等（図１９を参照して以下に説明） などを含むモデルとロジックコンポーネント ２ＤＸ０１０５ の計算と結果も利用します。

【0103】

図１４は、本発明のいくつかの実施形態に係る分析システム２ＸＸ０１００で使用するための例示的な枠組みおよびアルゴリズムを示す。枠組みとアルゴリズムは、例えば市場マイクロ構造、顧客／カウンターパーティ、商品、リスク、流動性、資本、在庫、およびフィルタリング基準２ＪＣ１２０７に適したパラメータを決定するためのその他の考慮事項など、複数の要因を測定するために使用される。枠組みとアルゴリズムは、何を、いつ、どこで、不規則性が存在する可能性があるかを定義し、関連するコントロールを導くために適切なパラメータを設定します。 金融機関は、通常、リスク、流動性、資本等など、多くのパフォーマンス指標を持っています。これらの測定はサイロの異なった部門によって準備される。図１４に示す枠組みは、外部市場、顧客そしてカウンターパーティの関係の違い （紛争回避など） 、金融商品の責任ある使用、十分な流動性の維持、リスク、資本、有価証券の在庫に適切な焦点を絞って、バランススコアカードと同等のものを作成します。

【0104】

図１５は、いくつかの実施形態に係る合理的に予想される短期需要（ＲＥＮＴＤ）を決定する方法を示す。 トレーディングデスクの在庫は、歴史的な需要や市場要因の考慮などに基づいて、継続的に顧客の合理的に予想される短期需要を超えないように設計する必要があります。 さらに、合理的に予想される短期需要は、企業のマーケットメイキングおよび引受計画を満たすために、企業の証券在庫の市場タイミングとオーダーサイズの合理性を測定する必要があります。 マーケットメイキングの活動のために、２つのアプローチが使用されるかもしれない。１つのアプローチは繰り返し計画モデルに基づいており、もう １つのアプローチはイベント駆動型モデルに基づいています。過去の予測に従う資本市場の決定論的な側面のために、繰り返し計画モデルを使用することができます。繰り返し計画モデルアプローチでは、経済発注数量 （ＥＯＱ） モデルが、合理的に予想される短期需要の「妥当な」在庫を決定するために、金融商品の在庫に適用されます。経済発注数量は、在庫の総保有コストとオーダー コストを最小限に抑え、両者のトレードオフのバランスを取る数量と見なされる場合があります。 考慮される変数には、単価、オーダー 数量、最適な注文数量、年間需要数量、オーダー ごとの固定コスト、および単位あたりの年間保有コストが含まれます。

【0105】

図１５に示すように、繰返計画モデルの実装において、モデルおよびロジックコンポーネント２ＤＸ０１０５は、トランザクションコストアナライザー （ＴＣＡ ） を使用して、トランザクションの、ポートフォリオマネージャーが売買を決定した時点で優勢な価格と実際の価格とで実行された場合の特定のトランザクションの価格の差にアクセスする、取得コストを計算します（ブロック２ＤＢ０４０１）。を含むトランザクション価格： 手数料、税金、その他のコスト、すなわち、スリッページ。また、さまざまなリスクの高い資産を保有する場合のエンティティのコスト負担（銀行の資本の妥当性要件、在庫を運ぶために資本または債務を調達するコスト）に依存する保有コスト（ブロック２ＤＢ０４０２）を計算します。この例示的な実施形態では、総取得 （設定） コスト ＝ 発注の配置のコスト （Ｓ） ＊ 需要 （Ｒ） ／ 経済発注サイズ （Ｑ）。マーケットメイキングでは、取得コストは一般に「予想トランザクションコスト」

【化2】

と呼ばれます。これらに限定されないが、マーケットメーカーやトレードプラットフォームの競争力、ティックサイズ（トレード商品の最低価格の動き）、市場の断片化、入札／尋ねスプレッドの費用 （尋ね価格が入札価格を上回る金額）など、予想されるトランザクションコストに多くの要因が影響を与えます。一例示的な実施形態では、線形モデルまたは平方根モデルのいずれかを、取得コストを計算するために使用され得る、以下のような：

【化3】

あるいは、エンティティは、次のような、エンティティの取引デスクのコストを最もよく表すために、それは別のモデルを使用することができます： オーダーのキャプチャの費用、実行の費用、記録の保存の費用、証券取引所のコスト、ヘッジコスト、および円滑化プロセスに関連するコスト、そして入札／尋ねスプレッドの維持平衡。使用される任意のモデルは、特定のトレードデスクに適用可能な構成可能なパラメータや仮定を含む、入力パラメータを使用してカスタマイズすることができます。

【0106】

この例示的な実施形態では、保有コストは、経済発注数量の単位コスト（Ｃ） の一部として、またはトレードのセキュリティの価格として表される。マーケットメイカーが自己資金に依存している場合、在庫を運ぶコストは、マーケットメイカーのリスク回避を反映する調整を伴う資本の機会コスト （資金調達コスト） です。好ましくは、マーケットメイカーの資本が債務ファイナンスの際に借入コストを考慮に入れるための追加リスクプレミアムが含まれます（リスクの資産に対する予想リターンがリスクのない資産に対する既知のリターンを超える）。 コンピューティング取得コストと同様に、使用されるモデルは、設定可能なパラメータや特定のトレーディングデスクに適用可能な仮定など、入力パラメータを使用してカスタマイズできます。

【0107】

取得コストと保有コストが計算されると、これら ２つのコスト間のトレードオフが最適化され、妥当な在庫 （ブロック ２ＤＢ０４０３） が決定されます。 この例示的な実施形態では、トレードオフは、在庫コストを最小限に抑えるように最適化される。図１５のグラフＡは、取得コストと保有コストとのトレードオフを図示している。グラフは、保有コスト曲線２ＤＢ０４４０、取得 （設定または発注） 曲線２ＤＢ０４４１、および総コスト曲線２ＤＢ０４４２を示す。 マーケットメイカーの在庫が大きければ大きいほど、資本の平均コストが高くなり、入札／尋ねスプレッドが広がります。 したがって、保有コスト曲線２ＤＢ０４４０は、再発注数量に対して上方に傾斜します。 取得原価曲線２ＤＢ０４４１は、スケールの経済性に起因する再発注量に関連して下方に傾斜する。経済発注数量（２ＤＢ０４４３） は、最小在庫コストを生成するために、保有コストと取得コスト ２ＤＢ０４４０ ～ ２ＤＢ０４４１ のトレードオフを最適化するように設定されています。 ここで、繰返し注文サイクルの長さは、経済発注数量で割った周期的需要で割り、リードタイム時の通常消費、プラス安全バッファと等しい。 「オーダーサイクル」の長さは、連続する順序変更アクションの時間間隔を指します。 在庫レベルが再発注ポイントに到達した場合、在庫を補充する時間です。 そうしないと、在庫がなくなる前に在庫を取得するのに十分なリード タイムがなくなる可能性があります。 企業は、在庫を使い果たすのではなく、「安全バッファ」を含めたいと思うかもしれません。 定型化された事実は、観察された現実に基づいて構成された誤差の範囲内で、定性的に真として受け入れられる一貫性を有する経験的所見である。様式化された事実は、経済発注数量計算 （ブロック２ＤＢ０４０４） に組み込まれています。 ブロック ２ＤＢ０４０５ では、補充サイクルと再発注ポイントは経済発注数量式を使用して計算されます。

【0108】

資本市場の確率的または事象主導的な側面の一部は、上記の経済発注数量の歴史的予測または統計的特性に従っていません。 これらのアクティビティでは、イベントドリブン アプローチを使用できます。 イベント駆動モデルアプローチでは、この例示的な実施形態は、グロスマン・ミラー［Ｇｒｏｓｓｍａｎ Ｍｉｌｌｅｒ］モデルを使用して、合理的に予想される短期需要の「合理的な」インベントリが何であるかを決定します。グロスマン・ミラーモデルでは、市場の流動性は即時性の需要と供給によって決定されるものとしてモデル化されます。 一般的に、マーケットメイカーの数は、即時性の需要と供給を同一視するように調整します。これにより、市場の流動性の均衡レベルが決定されます。 あるいは、合理的に予想される短期需要予測の計算では、条件付き期待、ベイズ推定、カルマンフィルタリング、マーチンゲール対策、またはこれらのモデルの組み合わせなどの「市場タイミング」の予測方法を使用する場合があります、代わりにまたはと一緒に、グロスマン・ミラーモデル。

【0109】

グロスマン・ミラーモデルを適用する際には、市場プレイヤーの２つのカテゴリが想定されています： 市場原理主義者 （情報に基づいた） とチャーティスト （情報なし） 。 コアマーケットメーカーは市場原理主義者とみなされ、市場の他の参加者はチャーティストとみなされるかもしれません。 エンティティーまたはトレーディングデスクは、特定市場における独自の経験と競争力に基づいて市場原理主義者の数を決定します。グロスマン・ミラーモデルは Ｍ ＝ σ^２ _ｖσ^２ _ｕ／Ａ を定義します：
Ｍ ＝ コアマーケットメーカーは数、
σ^２ _ｖ ＝ 資産のペイオフで観測された分散、
σ^２ _ｕ ＝ ノイズトレーダーの在庫で観測された分散、 そして
Ａ ＝ トレードから得られる期待シャープレシオ。
市場価格は、特に株式、デリバティブ、コモディティ市場において、マイクロ秒で迅速かつ頻繁に動きます。歴史は、多くの場合、これらの市場で将来の貧弱な予測者です。２ＤＢ０７０３ 合理的に予想される短期需要／在庫予測の計算は、一定の公正な価格で需要を測定し、関連するトレード活動が「合理的」と見なされる場合に測定します。米国のボルカー規則、価格の変動 （すなわち、デルタ市場価値） が在庫収益の懸念事項です。それは市場データフィード５ＸＡ０１３１にオーダーの観察とスキャンを通じて、枠組みとアルゴリズム （図１４を参照） は、オーダーの不均衡 （トレード取引所で特定のセキュリティの買いまたは売りのオーダー の過剰に起因する状況） と市場で発生する流動性ショックまたは制約を特定することができます。 場合によっては、これらの指標がエンティティの市場データサブスクリプションに含まれる場合があります。 ノイズトレーダーの在庫の標準偏差 （σ_ｕ） 、資産ペイオフの標準偏差の観測 （σ_ｖ） 、およびトレーディングデスクから入手可能な予想シャープレシオ （Ａ） に基づいて、合理的に予想される短期需要予測の計算では、グロスマン・ミラー の逆選抜モデルを使用して、デプスオブマーケットさをとして計算します： λ＝ Ａ （σ_ｖ／σ_ｕ） （ブロック ２ＤＢ０４１１）。デプスオブマーケットさは、特定の量で市場価格を移動するために必要なオーダーのサイズを指します。シャープレシオは、リスク調整後のリターンを計算するための指標であり、ボラティリティまたは総リスクの単位当たりのリスクフリーレートを超えて獲得した平均リターンです。デプスオブマーケット （λ） を使用して、それはを含む他のパラメータを抽出することができ： 資産のペイオフで観測された平均 （μ） と分散 （σ^２ _ｖ） 、およびチャーティストの在庫 （σ_ｕ） の標準偏差ます。 資本市場は、市場原理主義者とチャーティストの２種類のプレーヤーで構成され、次に入力されます（ブロック２ＤＢ０４１２）。市場原理主義者は定期的にチャーティストとトレードを行い、チャーティストのプレーヤーからの需要量

【化4】

は、「合理的」でマーケットメーカーの取引に利用できるものの合理的な基礎を形成します。

【0110】

チャーティストの在庫は、合理的な市場のタイミングで公正な価格を測定するために使用されます （ブロック ２ＤＢ０４１３） 。マーケットメーカーのトレード利益は、トレードから得られる予想される ２乗シャープレシオの関数であり、そこから「適正価格」を計算できます： Ｐ ＝ （σ_ｖ ／Ｍ） _＊ ｕ － μ、または代わりに

【化5】

、どこ：
Ｍ ＝ コアマーケットメーカーの数、
σ^２ _ｖ ＝ 資産のペイオフで観測された分散、
σ^２ _ｕ ＝ ノイズトレーダーの在庫で観測された分散、
Ａ ＝ トレードから得られる期待シャープレシオ、
μ ＝観測資産ペイオフの平均値の観測、 そして

【化6】

【0111】

これらの最適な価格ポイントは、マーケットメイカー合理的入札／尋ねスプレッドで市場に忠実に促進しているか、または流動性を提供しているかを測定するために、合理的な市場タイミングとして置き換えられます。グロスマン・ミラー モデルおよび／または代替モデルを適用して、予想されるマーケットメイカーの価格安定化効果を掛けた優勢な平均と公正な価格を比較することで、２ＤＢ０７０３合理的に予想される短期需要予測の計算は、銀行企業またはトレーディングデスクが持つべき「合理的な」市場が何であるかを予測または決定することができます：

【化7】

（ブロック ２ＤＢ０４１４）。あるいは、シミュレータ３ＢＸ０４１５を介してプレイヤー間のやり取りをシミュレートして、プレイヤーの相互作用、「仮に」シナリオをシミュレートし、定型化された事実を調整して検討し、バックテストを実行して「手が届かない範囲」シナリオが発生しないことを確認します。図１９を参照してさらに以下に、妥当な時間及びトレード範囲を測定する。 モデルおよびロジックコンポーネント２ＤＸ０１０５によって計算された合理的に予想される短期需要は、ユーザが結果をレビューしてバックテストするために、分析システム ２ＸＸ０１００ （ブロック２ＤＢ０４１５） によってレビューシステム３ＸＸ０１４０に出力される。 オプションで、モデルおよびロジックコンポーネント２ＤＸ０１０５は、たとえば、ユーザの期待とリスク管理ポリシー２ＪＢ０３０１との同期に基づいて、合理的に予想される短期需要インベントリレベルの調整に対するユーザのリクエストを受け取ることができます。オプションとして、合理的に予想される短期需要予測のモデルおよびロジックコンポーネント２ＤＸ０１０５は、ユーザの期待やリスク管理ポリシー２ＪＢ０３０１との同期などに基づいて、ユーザから在庫レベルの調整を受け取る場合があります。 各調整には、文書化された正当性と調整の根拠が伴います。 在庫レベルが確定すると、合理的に予想される短期需要予測の計算を使用して、トレードと市場時間の「合理的な」範囲として構成するもの、および「手が届かない範囲」と見なすものの境界を設定することができ、高度なフィルタリング基準２ＪＣ１２０７はそれに応じて更新され、図１３、１７、および１９を参照して説明される。引受活動の場合、合理的に予想される短期需要予測を計算する目的は、各引受活動に関する主要なパラメータを取得して登録することです。エンティティに既存の資本および／または債務資本市場引受システムがある場合、合理的に予想される短期需要予測の引受活動はオプション的処理であるか、既存のシステムに統合されて新規の株式または債務の提供を更新し、関連する引受在庫の数値とタイミングを在庫計画に組み込んでパラメータと境界を設定することができます。モデルおよびロジックコンポーネント ２ＤＸ０１０５ は、引受の義務 （２ＪＢ０３０１ 管理計画の一部） に従って引受活動を処理します。引受義務には、次の情報が含まれますが、これらに限定されません： 金融商品の種類、銀行がコミットしており、責任を負っているロットサイズまたは売却されている株式数、任意の提供価格制限、オファーの期間、そしてするグリーンシューオプションここで、それは－ 引受会社は発行者が当初計画していたよりも多くの株式を投資家に売却することを可能に従って新規株式公開 （ＩＰＯ） 目論見書の特別条項により。

【0112】

合理的に予想される短期需要予測ためにモデルおよびロジックコンポーネント２ＤＸ０１０５は、各引受ジョブのログブックにキーパラメータをキャプチャして登録します （ブロック２ＤＢ０４２１） 。米国のボルカールールでは、関連するトレード活動を特定のロットと関連付けたりリンクしたりするために、新しい引受ロットを登録する必要があります。 登録ロットに対する更新は、監査証跡データベース３ＴＸ０１２１に記録され、適切な正当化によってサポートされる必要があります。モデルおよびロジックコンポーネント２ＤＸ０１０５は、さまざまな販売チームの引受ロットに対応する販売目標も入力します。（ブロック ２ＤＢ０４２２） 。引受ロットによる販売目標の入力例は、次のようなものですが、これらに限定されません：投資信託の分配、退職プランとエンダウメント基金、富裕層の投資家、および小売販売デスク。市場での資産の価格を決定するプロセスでは、投資における市場の利益を測定するために、銀行法人または販売デスクによってロードショーや勧誘キャンペーンを実行することができます。機関投資家は彼らの興味のある兆候 （ＩＯＩ） を提供するかもしれません引受ロットから特定の数の株式をさまざまな価格で購入するというコミットメントのために関して。この情報から、合理的に予想される短期需要予測用のモデルおよびロジックコンポーネント２ＤＸ０１０５は、異なる販売チャネルからの非 ＩＯＩ 顧客がいくら購入されるか予測するかもしれません。合理的に予想される短期需要予測のモデルおよびロジックコンポーネント ２ＤＸ０１０５ は、引受売上目標 （ブロック ２ＤＢ０４２３） をモデル化し、シミュレータ３ＢＸ０４１５ の「仮に」 シナリオとバックテスト機能を使用して販売目標を検証します。 引受義務の成功または完了は、多くの場合、以下を含むさまざまな要因の関数です： 市場センチメント、かなりのコミットメントをロックするエンティティまたは営業チームのマーケティング力、と勧誘キャンペーンの効果。モデルおよびロジックコンポーネント２ＤＸ０１０５は、これらの要因を合理的に予想される短期需要計算の予測アルゴリズムモデルに入れます。過去のデータは、販売努力、市場環境、および販売効率の相関関係と一致し、販売目標を検証するためにアルゴリズムによって相互参照される可能性があります。

【0113】

この例示的な実施形態では、グリーンシューオプションの有無にかかわらず、銀行エンティティが引き受けることを約束する割り当は、銀行の在庫ポートフォリオにある予測または予想取引シェアである。市場のセンチメント、リスクとリターンの属性が似ている競合製品、顧客のリスク選好の変化に合わせて調整を行うことができます。 その後、証券在庫計画にタイミング （すなわち引受期間） と在庫数値を設定し、取引と市場時間の「合理的な」範囲として構成するもののパラメータと境界を設定し、さらに図１９を参照して「手が届かない範囲」と考えるものを設定します。

【0114】

図１６は、いくつかの実施形態による、企業のリスク軽減ヘッジおよび流動性管理活動を導くための在庫計画を作成するための例示的な方法を示す。リスクを軽減するヘッジと流動性管理は、技術的には、米国ボルカールール のコンプライアンスのための合理的に予想される短期需要のコンテキストでは「顧客需要」のカテゴリではなく、トレード業務に必要な活動です。ただし、これらのアクティビティは、エンティティが支払能力とリスクエクスポージャーを管理するために持つべき在庫の量に影響を与え、在庫計画の作成に考慮されます。在庫計画は、合理的に予想される短期需要の出力、前提、時間の経過に伴う計画の変更、および変更に関する関連する根拠をまとめたドキュメントです。銀行法人は、在庫計画を使用して、銀行エンティティの在庫レベルの基礎を確立する際の合理性を規制当局に示すことができます。 リスク軽減ヘッジカテゴリでは、ヘッジ対象のリスクがこのカテゴリ （ブロック ２ＤＣ０３１０） に登録され、ヘッジの予想エクスポージャーと寿命が入力されます （ブロック ２ＤＣ０３１１） 。モデルおよびロジックコンポーネント２ＤＸ０１０５は、線形ヘッジポジションの予想デルタヘッジポジションを計算し（ブロック２ＤＣ０３１３）、と非線形ヘッジの相関分析を実行するか、内部または外部ソースから事前に計算された入力を受け取ります（ブロック２ＤＣ０３１２）。予想されるデルタヘッジポジションに基づいて、必要に応じて、コンプライアンスを維持するためにポートフォリオの構成を調整できます（ブロック２ＤＣ０３１６）。次に、在庫計画予測のモデルおよびロジックコンポーネント２ＤＸ０１０５は、シミュレータの３ＢＸ０４１５「仮に」およびバックテスト機能を使用して、予想されるデルタヘッジポジションまたは非線形ヘッジをモデリングおよび検証します。

【0115】

流動性管理カテゴリの場合、在庫計画予測ためにモデルおよびロジックコンポーネント ２ＤＸ０１０５ が、流動性補充率 （ＬＣＲ） と金融機関ポジションの統計資金ニーズを計算または受け取り、ソース内部または外部から （ブロック２ＤＣ０３１４） は。それは製品に固有のコンティンジェンシー金融流動性プレミア （ブロック２ＤＣ０３１５） を決定し、必要に応じて流動性管理計画を達成するために必要に応じてポートフォリオの構成を調整する（ブロック２ＤＣ０３１６） 。 調整されたポートフォリオ構成は、モデルとロジックコンポーネント２ＤＸ０１０５、にフィードバックされ、インベントリプランを修正するか、必要に応じて、群集コンピューティングコンポーネント２ＦＸ０１０７を介して高度なフィルタリング基準２ＪＣ１２０７を更新し、図１７を参照する。

【0116】

図７に戻ると、検出エンジン２ＢＸ０１０４がトレード活動を調べた後、許容パラメータ以外のトレード活動がフィルタリングされる。使用されるスコアリング方法は、関連トレードの結果として生じる影響の大きさに基づいており、システムユーザーは、特定のトレーダー、トレード可能なオブジェクトまたはターゲット、または特定のトレードパターンまたはパターン内のいくつかのトリガを、それぞれのスコアを歪めてフィルタリングメカニズムを引き締めたり緩めたりして精査する場合があります （図８参照） 。検出エンジン２ＢＸ０１０４によって実行されるスコアリングプロセスは、「灰色」の領域にある取引オーダー に対処するのに特に有用です（例えば、特定のトレードまたはオーダー は正当に見え、デスク固有のコントロール２ＪＡ０１１３に準拠する可能性がありますが、組み合わせた一連のトレードは異常なトレード活動を意味する場合や、総リスクレベルが「重要であり、適切な管理注意を必要とする」と見なされる事前定義されたしきい値を超えている場合）。取引オーダーまたは一連のトレードがしきい値を満たしていないと特定されると、取引オーダーに関連付けられたトレーダー４ＤＸ０５０５は、後述の群集コンピューティング プロセス２ＦＸ０１０７で精査され得る （図１７） 。識別されたトレーダー、とトレード活動がフラグまたは隔離されている理由は、フラグ／隔離データベース２ＴＸ０１２２に保存されます。検出エンジン２ＢＸ０１０４のチェックポイントを通過すると、トレードはバックストップ保証コンポーネント （ブロック２ＥＸ０１０６） によって更なる見直しを受ける。 スコアが特定のカスタマイズ可能なしきい値を満たすと、アラートが生成されるか、トレード指示やトレードレコードの処理がエスカレート通知でタグ付けされ、ケース管理コンポーネント ３ＣＸ０１４０ に送信されます。 警告とエスカレート通知でタグ付けされた取引オーダー や処理済のトレードレコードのコピーは、フラグ／隔離データベース ２ＴＸ０１２２ に保存されます。または、管理者は、２ＴＸ０１２２ データベースに格納されているタグ付きトレードを隔離することにより、オーダー管理／実行管理システム ４ＡＸ０２１１でのさらなる処理から取引オーダーを保留する裁量権を持っています。

【0117】

分析システム２ＸＸ０１００は、群集コンピューティング コンポーネント２ＦＸ０１０７によって微調整することができる。 ケース管理システム３ＣＸ０１４０および偽陽性および偽陰性の再学習での処置は、分析システム２ＸＸ０１００におけるフィルタリングアルゴリズムを継続的に微調整するために使用することができる。

【0118】

図１７は、いくつかの実施形態による群集コンピューティングコンポーネントのための例示的方法を示す。 例示的な実施形態は、ユーザのネットワーク （すなわち、「群衆」） からの集団知能を活用して、市場行動を監視し、不正行為と戦い、例外を学び、分析システム２ＸＸ０１００によって実行される様々なプロセスをカスタマイズする。群集コンピューティング コンポーネント ２ＦＸ０１０７ は、アクティブな学習ループでフィルタリングルールを継続的に微調整します。 群集コンピューティングコンポーネント２ＦＸ０１０７は、分析システム２ＸＸ０１００内 （例えば、レッスンデータベース２ＴＸ０１２０、監査証跡データベース３ＴＸ０１２１、フラグ／検疫データベース２ＴＸ０１２２など） および分析システム２ＸＸ０１００外のソースからのデータとメタデータを含む内部および外部ソースからの入力を受け取ります。 これらの入力は、ルール／制御リスト ２ＪＡ０１１３ および高度なフィルタリング基準 ２ＪＣ１２０７ を更新するために処理され、使用されます。群集コンピューティングコンポーネント２ＦＸ０１０７は、検出エンジン２ＢＸ０１０４およびバックストップ保証プロセス２ＥＸ０１０６で使用されるフィルタリングスコアをさらに微調整する。 ユーザは、各パターンと新しいルールがスコアテーブルに対して、地域またはデスクごとにどのように影響するかをカスタマイズして、組織内での最適な使用方法を決定できます。 ユーザは、他の群集ユーザと、発見したベスト プラクティス ２ＦＳ１２０９ を共有することもできます。

【0119】

非限定的な例として、デバイスおよび／またはシステムのコンポーネントは、非限定的オーダーブックリプレイシミュレータ等は、上記のようにトレード活動のセットを代表する任意のプロセスおよび／またはプロセスステップに従ってトレード活動の集合を表す複数のデータを受信してもよい。コンピューティングデバイスおよび／またはコンポーネントは、による一連のトレード活動を表すデータを受け取る、コンピューティングデバイスによる複数のユーザークライアントデバイスから複数のユーザ入力を受信する。ここで複数のユーザ入力の各ユーザ入力は、トレード活動のセットを表す少なくともーデータムの識別を更に含む。ここでトレード活動を表す複数のデータと、トレード活動のセットに関連するトレードの不規則性の識別。識別されたトレードの不規則性は、この開示に記載されている通りいかなるトレード上の不規則性を含み得る。

【0120】

図１７をいまだに参照している、一連のトレード活動を表す複数のデータは、コンピューティングデバイスおよび／またはコンポーネントによって、をトレーニング データに変換できますは。本開示で用いられる「トレーニングデータ」は、最近隣分類器等の機械学習プロセス、が２つ以上のカテゴリのデータ要素間の関係をモデル化するために使用し得る相関を含むデータである。例えば、および非限定的な例として、トレーニングデータは、複数のデータエントリを含み、関連付け、記録、受信、および／または一緒に生成されたデータ要素のセットを表す各エントリを含んでいてもよい。データ要素は、特定のデータエントリ内の共有存在によって、所定のデータエントリ内の近接度、等によって相関され得る。非限定的な例として、上記のようにユーザ入力の識別に従ってそのようなデータエントリが作成され得る。トレーニングデータ内の複数のデータエントリは、データ要素のカテゴリ間の相関関係における１つ以上の傾向を示す可能性があります。インスタンスの場合、および制限なく、データ要素の最初のカテゴリに属する最初のデータ要素の値が高いほど、データ要素の ２ 番目のカテゴリに属する ２ 番目のデータ要素の高い値に相関する傾向があり、２つのカテゴリに属する値をリンクする可能性のある比例関係またはその他の数学的関係を示す。データ要素の複数のカテゴリは、さまざまな相関関係に従ってトレーニングデータに関連付けることができます。相関関係は、データ要素のカテゴリ間の因果関係および／または予測リンクを示し、関係としてモデル化される可能性があります。機械学習プロセスによる数学的関係など、以下に詳細に説明します。トレーニングデータは、データ要素のカテゴリに対応する１つ以上の記述子にデータ要素を関連付けることによって、データ要素のカテゴリ別にフォーマットまたは編成することができます。非限定的な例として、トレーニングデータには、人またはプロセスによって標準化された形式で入力されたデータが含まれ、フォーム内の指定されたフィールドに指定されたデータ要素を入力するが１つ以上のカテゴリの記述子にマッピングされる可能性があります。トレーニングデータの要素は、タグ、トークン、またはその他のデータ要素によってカテゴリの記述子にリンクすることができます。インスタンスの場合、および制限なく、トレーニングデータは、固定長形式、は、カンマ区切り値 形式および／または拡張マークアップ言語や拡張可能なビジネス レポート言語 などの自己記述形式などのカテゴリにデータの位置をリンクする形式ですされ、プロセスまたはデバイスがデータのカテゴリを検出できるようにします。代または追加的に、トレーニングデータは、音楽的な作品および／またはメトリックツリーの形態の要素を含んでいてもよい、インスタンスの場合、上記のように、トレード活動データの音楽作品やメトリックのツリー表現を含む。

【0121】

代または追加的に、トレーニング データは、分類されていない １ つ以上の要素が含まれる場合があり、つまり、データの一部の要素のフォーマットまたは記述子を含んでいないか、データ スキーマを持たない場合があります （つまり、非構造化データ）。機械学習アルゴリズムおよび／または他のプロセスは、いて１つ以上の分類に従ってトレーニングデータをソートすることがで、インスタンスの場合はを使用： 自然言語処理アルゴリズム、トークン化、生データにおける相関値の検出、構造化照会言語だけでなく［ＮｏＳＱＬ］ 、オブジェクト指向プログラミング、およびスキーマレスまたはスキーマに依存しないマルチモデルデータベース等である。カテゴリは、相関や他の処理アルゴリズムを使用して生成することができます。非限定的な例として、テキストのコーパスでは、他の名詞によって修飾された名詞のような複合語の数「ｎ」を構成するフレーズは、特定の順序でそのような単語を含むｎグラムの統計的に有意な有病率に従って同定され得る。ｎグラムは、単一の単語と同様に追跡される「単語」のような言語の要素として分類され、統計分析の結果として新しいカテゴリを生成する。同様に、ある人の名前などのテキストデータを含むデータエントリは、用語、辞書、またはその他の用語の一覧を参照することによって識別され、機械学習アルゴリズムおよび／またはデータ入力によるアドホック分類を自動的に記述子または特定の形式に関連付けることができます。データ エントリを自動で分類する機能により、この開示で説明する ２つ以上の異なる機械学習アルゴリズムに対して、同じトレーニング データを適用できる場合があります。非限定的な例示例として、ブースト、ブートストラップ集約、スタッキングは、いくつかの機械学習技術を１つの予測モデルに組み合わせて、ブーストによるバイアスの減少、ブートストラップ集約による分散の低減、または積み重ねエイリアスアンサンブルによる予測力のブーストを行う「メタアルゴリズム」機械学習アプローチです。ブーストは ２ 段階のアプローチで、最初に元のデータのサブセットを使用して一連の平均的なパフォーマンス モデルを生成し、モデルのバイアスを減らすために過半数の投票関数として含まれる特定の関数を使用してそれらを組み合わせることでパフォーマンスを「ブースト」します。ブートストラップ集約は、たとえば繰り返しと組み合わせて元のデータと同じ基数／サイズのマルチセットを生成するなど、元のデータセットからトレーニング用の追加データを生成します。そして、トレーニングセットのサイズを大きくすることによって、モデルの分散が減少する。積み重ねは、元のデータに複数のモデルを適用するので、重み関数の経験的な公式だけでなく、メタレベルを導入しまし、また、それは各モデルの出力と共に入力を推定する別のモデルまたはアプローチを使用して、どのモデルが最良の結果をもたらすかを決定することに基づいて予測力を高めます。この開示で説明するようにコンピューティングデバイスで使用されるトレーニングデータは、この開示で説明するあらゆる出力データに、この開示で説明されている任意の入力データを関連付ける可能性がある。非限定的な例示例として、トレーニングデータは、パターンおよび／またはトレード活動のセットを表す入力を、トレードの不規則性を表す出力に関連付ける場合があります。

【0122】

この例示的な実施形態では、ケース管理システム３ＣＸ０１４０、シミュレータ３ＢＸ０４１５を介して、フラグが立てられたアラートが誤報であるかどうかを判断し、本物のケースを肯定し、一時的な許容、変更および改善措置に対する管理承認を求める。変更を含むが、これらに限定されない例： 修正トレード注文、 トレード注文をキャンセルする、 管理計画 ２ＪＢ０３０１、 コントロールリスト２ＪＡ０１１３、 および高度なフィルタリング基準 ２ＪＣ１２０１。これは、トレーニングデータの生成の一部として、制限なく実行することができます。インスタンスの場合、および制限なく、トレード活動のセットおよび複数のユーザ入力を表す複数のデータをトレーニングデータに変換することは、各ユーザ入力およびデータを、以前に特定されたトレード活動のジャンルに分類することを含んでよい。分類は、本開示で説明する分類アルゴリズムおよび／または分類器を使用して、限定することなく実行され得る。コンピューティングデバイスおよび／またはケース管理システム３ＣＸ０１４０は、インスタンスの場合えば１つまたは複数のジャンルに関する１つまたは複数のトレーニングデータのセットを作成することによって、分類の関数として、複数のトレード活動および複数のユーザ入力を表す複数のデータをトレーニングデータに変換することができる。だから、さらなる分類が、後述する更なる詳細に説明されるように、各ジャンル内で行われてもよい。ジャンルの分類および／または識別などのプロセスを、トレーニング データに含めるエントリを除外するフィルターとして使用できます。非限定的な例として、コンピューティングデバイスおよび／またはケース管理システム３ＣＸ０１４０は、複数のユーザクライアントデバイスの少なくともユーザクライアントデバイスか受信してもよいが： トレード活動のセットは偽陽性および／または偽陰性である を表す所定のパターンを示、一連のトレード活動を偽陽性および／または偽陰性を表すパターンに一致、および、トレーニングデータに示されるトレード活動のセットを含めます。さらなる非限定的な例として、データをトレーニングデータに変換するプロセスには、上述のように定義された誤検出を識別するジャンルにトレード活動のセットを分類すること、および示されるようにトレーニングデータにトレード活動のセットを含めることができます。コンピューティングデバイスおよび／またはシステムのコンポーネントは は、分類器は、解析対象のパターンを既存のジャンルに分類せず、パターンに一致する新しいジャンルを生成します を決定する際に特定のパターンをジャンルに分類する分類プロセス を実行することにより、新しいジャンルを表すジャンルを限定することなく識別する場合があります。また、生成には、新しいジャンルのユーザ識別を受け取ったり、遠くのメトリックの下で既存のジャンルから近距離のパターンのクラスターを識別したり、分析の下のパターンに近いパターンを識別したりすること非限定的が含まれます。新しいジャンルは、既存のジャンルの変更のための任意のプロセスを使用して変更することができます。トレーニングデータへの変換には、最近隣アルゴリズムを用いた複数のトレード活動のセットから保存されたパターンへの一連のトレード活動のマッチング、が含まれ、そこで一致は、任意のプロセスを使用して実行することができますは、トレード活動のパターンを他のパターンに一致させるために本明細書で説明する。追加のプロセスには、図１９を参照して、以下に詳細に記載される、シミュレーション、バックテスト、および／または関係の検出が非限定的含まれる。非限定的な例として、図１９を参照してさらに詳細に説明に、コンピューティングデバイスおよび／またはデバイス、またはシステムのコンポーネント０ＸＸ０１００は、隠れたモデルを検出し、または、例えば、トレーニングデータの要素を用いて少なくともモデル取引をシミュレートするように構成されてもよい。トレード活動のパターンを特定し、分析し、トレーニングデータに変換することができます、図１９を参照して以下に非限定的説明するように。

【0123】

代または追加的に、群集コンピューティングコンポーネントおよび／またはシステムの他のコンポーネントは、解析中のパターンを現在のジャンルに分類および／または一致させる場合があります。例えば、ブロック２ＦＡ１２０２ において、群集コンピューティングコンポーネント２ＦＸ０１０７は、レッスンデータベース２ＴＸ０１２０内の類似のケースを検索し、そのケースをジャンルに整理する。例えば、ジャンルへの分類には、データベースエントリへの分類や、データベースエントリへのクエリの生成に使用される場合があります。ジャンルには、以下が含まれますが、これらに限定されません： 肯定されたケース、 偽陽性、偽陰性また、相場操縦、市場変化シグナル、合成的に作成されたトレード、トレード活動のセットが１つ以上の金融資産の市場価格の変動をもたらす可能性など、さまざまな種類の取引パターン。群集コンピューティングコンポーネント２ＦＸ０１０７は、同じジャンルにケースがあるかどうかを判定 （ブロック２ＦＢ１２０８） 、上記のように分類やデータベースのルックアップを使用するインスタンスの場合。アクティブな学習プロセスの一部として、分析システム２ＸＸ０１００は、検出エンジン２ＢＸ０１０４のパターン認識処理 （図９を参照して上述） を通じて識別されたトレードパターンとトレーダー識別子を関連付けることができる。これは、特定の取引デスクに関連するトレーニングデータを特定し、取引データのセットを特定の取引デスクに分類するトレードパターン分類器を生成することによって、制限なく達成することができます。分析システム２ＸＸ０１００は、トレードスタイルの一貫性を類似の取引デスクから検出されたパターンと比較するために、特定のトレーダー識別子に関連付けられたパターンを使用することができます。これは役に立つに、同じジャンルのケースが、トレーダーがネットワーク内で「ホッピング」している可能性のあるトレードデスクに関係なく、潜在的な不正なトレーダーによる可能繰り返し違規を示しているかどうかを判断（すなわち、システミックの懸念、ブロック２ＦＣ１２０３）。その場合、スコアを歪め、トレード活動のパターンに関連付けられた動作が精査され、高度なフィルタリング基準２ＪＣ１２０７が更新することができます。上述した不正取引の検出方法は、パターンに一致する前のジャンルへのマッチングや、および制限なく、および／またはメトリックツリーを使用した表現やマッチングプロセスなど、本明細書に記載されている他の要因によって可能になるパターンの迅速な検出と相まって、さらなる利点を与えることができます。このような機能は、不正なトレーダーによる制御をバイパスしようとする試みを阻止する可能性があります， たとえば、チェックされるたびに取引をキャンセルし、その後、別の金融商品や合成トレードの組み合わせを使用してベットを置き換える、または検出を避けるために取引デスクを横切ってホッピングすることによって。

【0124】

図１７をいまだに参照しているに、コンピューティング デバイスおよび／またはモジュールは、この開示に記載されているように、トレード活動のセットの表現を、トレーニングデータの関数として関連のトレードの不規則性を入力および出力として受け取る分類器を生成してもよい、これはして達成され得るが、上記の分類アルゴリズムおよび／または分類器を使用、上述した分類プロセスおよび／または分類器を含むこれらに限定されない、と図９を参照でます。非限定的な例として、分類器および／または分類アルゴリズムには、最近隣分類器やアルゴリズムを含めることができます。最近隣分類器および／または分類アルゴリズムは、上述のとおり、一致値を使用してツリー間の距離を計算するように構成できます。インスタンスの場合、メトリックツリーから複数のトリガツリーまでの距離は、メトリックツリーのラベル付けされていない内部ノードに接続されたリーフノードの学習データのツリーからラベル付きリーフを見つける平均確率として計算され得る。分類には、メトリック ツリーまでの距離が最小の一致するツリーを非制限的識別することが含まれます。実施例では、現在のトレードのセットは、インスタンスの場合に上記のようにジャンルに分類および／または一致することができ、その後、トレード活動の現在のセットの分類は、特定のトレードの不規則性を識別するために、そのジャンル内で進行し得る、又は類似。非限定的な例として、ここで、現在のトレード活動パターンが上述のように偽陽性に関連するジャンルに分類される場合、システム０ＸＸ０１００は、現在のトレード活動パターンがトレードの不規則性に関連していない可能性が高いことを示し、また／またはそれは上記のように不規則性および／またはリスクスコアを減少させる可能性がある。ここで分類器は、さらにトレードパターン分類器を含みます。トレードパターン分類器は、可能なデスクホッピングシナリオを識別するために使用され、識別されたパターンに従事するトレーダーとして定義され、検出をかわすかそうと、ある取引デスクから別の取引デスクに移動した可能性があります。シナリオのトレードデスクホッピングシナリオの識別は、トレーダーやトレーダーの個人識別情報の識別を必要とせずに、そのような行動の検出を可能にする可能性があります。非限定的な例として、ここで、現在のトレード活動のセットが最初のトレードデスクの識別子に関連付けられている場合、システム０ＸＸ０１００は、現在のトレード活動のセットを第２のトレードデスクで発生する取引パターンに分類することができます。ここで最初の取引デスクは第２のトレーディングデスクとは異なり、可能なシナリオのトレードデスクホッピングシナリオを分類の関数として特定します。

【0125】

さらに図１７を参照して、上記載の方法は、近接するマシンの集中ハブおよび／またはクラスターによって行われ、次いでトレーニングデータおよび／またはモデルをローカルマシンに送信および／または配布することができ、そこでそのような局在機械は、そのようなモデルを利用してトレードの不規則性を迅速に検出することができる。実施例では、これにより、低速またはリソースを消費するプロセス（例えば、トレーニングデータの集約および分析および／またはトレーニングデータのデータ構造への変換のためのプロセスには、音楽的な作品の表現、メトリックツリーなどが非限定的含まれます）、を専用リソースで実行できる一方で、それは特定のトレードアクティビティパターンの発生に対してよりローカルにデバイスを計算することで、そのトレーニングパターンをローカルで分析できる場合があり、したがって、メモリの使用量が少なく、上記のように、モデル、データ構造、および／またはトレーニングデータに対するトレーニングパターンの計算計算上の比較が少なくなります。

【0126】

実施例では、さらに図１７を参照して、現在の一連のトレード活動をジャンルに分類しおよび／またはマッチングし、その後にジャンル内で分類しの分類を行いに、トレードの不規則性をより迅速かつ効率的に識別する利点があります。これは、ジャンルへの分類では、比較のポイントが少なく、より微調整されたマッチングと比較して、より少ない正確性の基準を課す可能性があるためです。また、トレード不規則性の特定のパターンに分類し、最初は、ジャンル内のトレーニングデータを使用して、ジャンルとその後の分類に現在のトレード活動のセットを配置し、および／またはジャンル固有の分類器は、授業データベース全体と比較して、分類に必要な計算サイクルの数がはるかに少なくなる可能性があります。この利点は、この開示で説明されている追加のデータ構造とプロセスの使用によってさらに追加される可能性があり、以下を含む制限なし、メトリックツリー、カーネル、最近隣、および／またはランダムフォレスト／デシジョンツリーのメソッド。さらに、本明細書に記載されている他の分類方法とジャンルマッチングおよび／または分類の組み合わせは、相乗的な結果をもたらす可能性がある。あまりにも多くのデータは、決定点数の指数関数的な増加を管理するのが難しいため、従来のＫ－最近傍アルゴリズムの弱点である可能性があります。コーポラを設定し、それらをジャンルにグループ化することで、システム０ＸＸ０１００は、集団全体ではなく、関連するサブセットのみをマッチングすることに集中することができます。

【0127】

いつ、同じジャンルのケース （ブロック２ＦＢ１２０８） で十分な経験を蓄積み重ねると、群集コンピューティングコンポーネント２ＦＸ０１０７は、コントロールまたはフィルターの変更をユーザに求める。 「十分」と見なされる蓄積経験の量は、ジャンルに依存し、設定可能です。 ユーザは、データを採掘または、分析システム２ＸＸ０１００およびレビューシステム３ＸＸ０１４０全体で自動マイニングまたはクロール方法を使用して変更を立証し、変更に関連するリスクが許容できるかどうかを判断することができます （ブロック２ＦＤ１２１１） 。許容可能と見なされるリスクの量は構成可能であり、ビジネスレベルと戦略的レベルの考慮事項に基づいて行うことができます。 承認者がケース管理システム３ＣＸ０１４０の様々なケースをどのようにレビューしたか、監査証跡データベース３ＴＸ０１２１に保存されたマイニング承認の正当性のデータをマイニングすることによって、承認者のフィールド体験が集約され、分析システム２ＸＸ０１００に継続的にフィードバックされる洞察となる。 このようにして、分析システム２ＸＸ０１００は、偽陽性または陰性のケースから学習し、再学習します。

【0128】

リスクが許容できない場合 （ブロック２ＦＤ１２１１） 、経営陣は、経営計画２ＪＢ０３０１が適切な改訂を必要とするかを決定する可能性があります。また、経営陣は、トレーダーのシステムアクセス （ブロック２ＦＦ９９９９） または特定のアルゴリズムトレードを凍結する裁量権を持っています （「回路破り」、ブロック２ＦＧ９９９９） は、管理計画／ポリシーに従って許容できない緊急かつ重大なリスクイベントのために必要に応じて停止することができます。リスクが戦略的レベルで許容されるが、他の理由 （例えば、異なる国／地域の異なる制御規則） （ブロック２ＦＨ１２１２） 、そうしたらで許容されない場合、カスタマイズされた変更が実施されます。 オプションで、許容リスクレベルを上書きすることができ、その場合（ブロック２ＦＩ１２１３）、モデルおよびロジックコンポーネント２ＤＸ０１０５のパラメータが調整されます。群集コンピューティングコンポーネント２ＦＸ０１０７を介して、データ結果は、変更を立証するためにモデルおよびロジックコンポーネント２ＤＸ０１０５を介して採掘することができる。 ２ＢＸ０１０４検出エンジンで初期スコアを設定する場合 （図８）、制御担当者は、特定のトレーダーまたはトレードアルゴリズムによって提出されたトレードのスコアをカスタムに歪める、および／または特定の金融商品／取引場の使用を思いとどまらせる一定期間、ＡＢＣ分析を歪めることによっておよび／または関連するトレード活動を精査に（ブロック２ＦＪ０８０２） 、特定の「トリガー」／「パターン」に対応するスコアを歪めることによってきる（図１０）。 ケース管理システム３ＣＸ０１４０ （詳細は後述） の承認グリッドとエンパワーメントレベルを修正することができます （ブロック２ＦＫ１２１１および２ＦＬ１２１１） 。 ケース管理コンポーネント３ＣＸ０１４０で使用する承認グリッドを修正することができます。たとえば、群集コンピューティングコンポーネント２ＦＸ０１０７が特定の性質の「フラグ」が繰り返し承認されていると判断した場合、ジュニア承認者に適切な権限を与え、運用の詳細に対する経営陣の関与を緩和することができます。同様に、ジュニア承認者がケースの承認に繰り返し間違いを犯した場合、エンパワーメントレベルは上級管理職に戻ることができます。検出エンジン２ＢＸ０１０４およびバックストップ保証コンポーネント２ＥＸ０１０６内の任意の制御は、オンまたはオフをオンまたはオフにすることができる（ブロック２ＦＭ１２１１および２ＦＮ１２１１）。随意に応じて、新しいコントロールを定義および追加できます。 制御リスト ２ＪＡ０１１３ または高度なフィルタリング基準 ２ＪＣ１２０７ は、３ＣＸ０１４０ ケース管理システム （ブロック ２ＦＯ１２１１） で承認されたアクションごとに更新することができます。その他のカスタマイズされた変更も、システム ０ＸＸ０１００ をトレーニングするために実装できます。 ドメインの専門家からの知識を利用することに加えて、群集コンピューティングコンポーネント２ＦＸ０１０７はシミュレータ３ＢＸ０４１５による「仮に」シナリオと記録レッスンのシミュレーションを通じてシステム０ＸＸ０１００を訓練する。 ユーザは、レッスンデータベース２ＴＸ０１２０ の変更とそれに対応する変更の影響に関するレッスンを記録することができます（ブロック２ＦＰ１２０６）。 機械学習を使用して － 強化学習モデル、レッスンデータベースのレッスン２ＴＸ０１２０と蓄積されたケースは、０ＸＸ０１００システムを訓練し、および分析システム２ＸＸ０１００の精度を向上させるために使用されます（ブロック２ＦＱ１２０６）。コンピュータのトレーニングには、シミュレータ３ＢＸ０４１５を使用して、前述の図９を参照して、トレーニングセット（新しいレッスン）を未トレーニングの最近隣ルールと比較することが含まれます。新しいレッスンで誤検出や陰性の量が減らない場合、レッスンは役に立たないと考えるかもしれません。それ以外の場合、新しいレッスンは、パターンオンセット検出の精度を向上させるのに役立ち、適合します。

【0129】

各事業体は、特定の市場、金融商品、および／または取引するカウンターパーティに関する独自の経験や専門分野を持つことができます。「十分な」経験の定義は、エンティティによって異なる場合があります。 要因には、リスク管理の経験、需給の変化に関するドメイン知識、地域ごとの行動の違いの理解などがありますが、これらに限定されません。 エンティティが十分な経験を欠いている場合、群集コンピューティングコンポーネント ２ＦＸ０１０７ は、通知と共有機能 （ブロック ２ＦＲ１２０９） を通じて群集が推奨するルールまたはベスト プラクティスを表示します。このように、群集コンピューティングコンポーネント２ＦＸ０１０７は、ネットワーク内の他のエンティティーによって設定された特定のシステムロジックを採用、調整、または採用しないオプションをユーザに提供する。ユーザは、推奨ルールまたはベストプラクティスを自社のケースと比較することができます （ブロック ２ＦＴ１２１０） 。シミュレータ３ＢＸ０４１５を介してバックテスト機能を使用することにより、 と図１９を参照してさらに説明、バックテスト結果は、群衆のベストプラクティスが「現在の状態」 （ブロック２ＦＵ１２０９） または適切な調整またはカスタマイズ （ブロック２ＦＨ１２１２、２ＦＪ０８０２、２ＦＬ１２１１、２ＦＮ１２１１、および２ＦＯ１２１１） の使用に適しているかどうかを判断するのに役立ちます。群衆のベストプラクティスは、リスクが戦略的レベルで許容できるかどうかを判断するために評価されるかもしれません（ブロック２ＦＤ１２１１）。そうでなければ、管理計画２ＪＢ０３０１は、それに応じて改訂され得る（ブロック２ＦＥ１２１１）。

【0130】

このように方法で分析コンポーネントの有効性の基準とフィードバックをカスタマイズすることで、地域取引デスクが複数ある金融機関や、地理的な場所や資産クラスをまたがって複数のアルゴリズム取引を行う金融機関が、本社やクロスチーム作業を行う際に役立ちます。本社が注文ルーティングとトレード実行のすべての動きを導く代わりに、意思決定を遅らせることがよくありますが、意思決定を遅らせる大量の不要な行き来を生み出し、トレードのための最良の市場タイミングを逃または、動的な電子取引環境でヘッジ機会を軽減するリスクを生み出す可能性があります。この開示に記載されている実施形態は、ローカルトレーディングデスク（４ＤＸ０５０５）および／またはアルゴリズムトレード（４ＥＸ９９９９）に与えられる適切な裁量を可能にし、一方、本社（４ＸＸ１３１１）は、全体的なマクロ戦略を調整し、市場に対応するために長期的な方向性を分析することを許可しています。

【0131】

さらに、この方法で分析コンポーネントの有効性の基準やフィードバックをカスタマイズすることで、誤検出や偽陰性を減らすことができます。 時間の経過と同時に、高いレベルのカスタマイズを実現し、「合理的」条件と「手が届かない範囲」条件をより正確に識別できます。群集コンピューティングコンポーネント２ＦＸ０１０７はまた、可能性のあるストレスシナリオ、金融安定の脅威、またはエンティティが合理的に予想される短期需要２ＤＢ０７０３の再予測の可能性をアラートされる可能性がある、または可能なヘッジ保護を検討するために在庫計画２ＤＣ０７０１を再検討する可能性のある危機的状況を示すケースを発見してもよい。

【0132】

オプションで、群集コンピューティングコンポーネント２ＦＸ０１０７と後述のシミュレータ３ＢＸ０４１５を介して「圧力状態下の合理的に予想される短期需要」トリガを作動させるし、ここで、合理的に予想される短期需要計算の入力とパラメータを実際の市場状況に照らして分析し、市場のダイナミクスをリアルタイムで評価します （例えば、有毒資産の分布をマクロで表示し、と誰が市場に流動性を提供する準備ができているかを判断し、市場暴落時に誰が圧迫されているかを判断します） 。 これにより、業界と規制当局の間でよりタイムリーな介入が可能になります。 一つの例示的な実施形態では、群集コンピューティングコンポーネント２ＦＸ０１０７を通じて、利害関係者は、な金融セクターの納税者保釈を求めるを防ぐために市場への流動性のタイムリーな注入が不可欠である状況である呼ばれる状況「圧力状態下の合理的に予想される短期需要」を宣言するための適切な時期をまとめて決定することができる。

【0133】

レビューシステム

【0134】

レビューシステム３ＸＸ０１４０は、３つのコンポーネントを含む： トレードイベント再構築コンポーネント３ＡＸ１２０６、 オーダーブックリプレイシミュレータ ３ＢＸ０４１５、 ケース管理コンポーネント ３ＣＸ０１４０ （図１参照） 。 図２１は、いくつかの実施形態によるケース管理コンポーネント３ＣＸ０１４０によって実施される方法を示す。 ケース管理コンポーネント３ＣＸ０１４０は、分析システム２ＸＸ０１００からフラグ／検疫データベース２ＴＸ０１２２に格納されたアラートのキュー （ブロック３ＣＡ０１４１） を受信して表示します。 ブロック ３ＣＭ１２１０ では、ケース管理コンポーネント ３ＣＸ０１４０ に管理ダッシュボードの一部としてアラートも表示されます。 管理ダッシュボードを通じて、ユーザは主要業績評価指標を表示できます （例： オープンケースの数、マテリアリティやシステミックの懸念的な問題のために注意をエスカレートする必要がある優先度の高いケースの数、および「ターゲット」または「トレーダー」が現在精査中である可能性のあるクローズケースのターンアラウンドタイムなど）。 ブロック３ＣＮ１２０８では、ユーザは閉じたフラグまたは延滞のケースをさらに確認し （つまり、クロージングケースの適時性と標準ターンアラウンドタイムは、ケース管理コンポーネント３ＣＸ０１４０によって監視および追跡されます） 、以前にクローズされたケースが解決され、対処されることを確認するために、またそれは結果を管理ダッシュボードに記録することができます。 ユーザはさらに、クローズされた「フラグ」を再び開き、クローズされたケースを再調査したアラートキューに戻す （ブロック ３ＣＢ０１４０） 。 ユーザはさらに、エスカレートして長い未解決 ／非クローズケースをフォローアップすることができるため、重要の懸念、システミックの懸念、または長い未解決のケースがレビューのために優先されます （ブロック３ＣＯ０１４０） 。 例示的な実施形態では、クローズドケースまたは延滞ケースのレビューにおいて、コンプライアンスおよび制御担当者は、適切なフォローアップおよび調査または個々のパフォーマンスレビューのために、最も繰り返される違反またはフラグ付きまたは隔離されたトレードを伴うトレーダー識別子のリストを管理ダッシュボードから取得することができる。特定の識別子を持つトレーダーの特定の活動を精査することができ、そのスコアは、群集コンピューティングコンポーネント２ＦＸ０１０７によってそれに応じて歪んだ。 オープンフラグ （ブロック３ＣＢ０１４０） の調査では、ケース管理コンポーネント３ＣＸ０１４０は、シミュレータ３ＢＸ０４１５を介して相関プロセスを介して偽陰性のケースを識別します （すなわち「検出されない驚き」／タイプ ＩＩ エラー）。 これらの偽陰性ケースを特定して処理することにより、ケース管理コンポーネント３ＣＸ０１４０は、群集コンピューティングコンポーネント２ＦＸ０１０７を介して偽陰性を共有し、合理的に予想される短期需要／在庫計画に偽陰性のケースを反映させることにより、偽陰性の再発を最小限に抑える。

【0135】

アラートのキュー （ブロック ３ＣＢ０１４０） 上のケースを調査する際には、レビューシステム ３ＸＸ０１４０ はトレードイベントを再構築し、オーダーブックをリプレイします。 図１８は、いくつかの実施形態によれば、レビューシステム３ＸＸ０１４０のトレード再建成分３ＡＸ１２０６によって実施されるトレードイベントを再構築する方法を示す。トレードイベント再構築コンポーネント３ＡＸ１２０６は、通信チャネル５ＢＸ１３０７を介してデータ処理装置１ＸＸ１１０１からデータを受信する。トレードイベント再構築コンポーネント３ＡＸ１２０６ では、ユーザはレッスンデータベース ２ＴＸ０１２０で期間または以前に記録されたレッスンを選択し（ブロック ３ＡＢ９９９９）、レッスンデータベース ２ＴＸ０１２０ から １つ以上のターゲットトレードレコードを選択し（ブロック ３ＡＣ９９９９）てリプレイし、これらのトレード記録を取得します （ブロック ３ＡＤ９９９９） 。 ターゲットは以下の場合がありますが、これらに限定されません： 特定の株式銘柄記号、債務金融商品の統一セキュリティ識別手順 （ＣＵＳＩＰ） に関する委員会、ハイブリッドインストゥルメント （例えば、トラスト優先証券 ［ＴｒｕＰＳ］）、任意のトレード可能なオブジェクト、アセットクラス全体、か特定の地理的地域でトレードされた取引、か特定のトレーダーまたはトレーディングデスクの最小の離散単位 （音楽用語では単一の「トラック」）、または「ディメンション」のミックスアンドマッチ。

【0136】

図２０は、トレードイベント再構築コンポーネント３ＡＸ１２０６によって実施されたユーザインタフェースー３ＫＳ１２０６の例を示す。 図１８および２０の両方を参照して、トレードイベント再構築コンポーネント３ＡＸ１２０６は、ユーザが分解、ドリルダウン、または「トラック」の集約 （ロールアップ） （ブロック３ＡＧ９９９９） を可能にする最初のウィンドウ３ＫＦ９９９１ （ブロック３ＡＦ９９９９） に取り出されたレコードを表示し、下方寸法と上方寸法を表示する（ブロック３ＡＨ９９９９）。３ＫＳ１２０６ユーザーインターフェイスーを使用すると、ユーザはズームインとズームアウトまたはその他の同様の機能を介してアクティビティを拡大し（ブロック３ＡＩ９９９９）、アクティビティを拡大 （例えば、アクティビティをマイクロ秒単位、ミリ秒、または「ティック・バイ・ティック」再生） 、かまたは長期間にわたるアクティビティを表示することができます （ブロック３ＡＪ９９９９） 。トレードイベント再構築コンポーネント３ＡＸ１２０６は、表示第２番目のウィンドウ３ＫＥ９９９２に特定のトレードのためのブロッターと（すなわち、 特定のトレードの記録と一定期間に行われた取引の詳細）、最初のウィンドウ３ＫＦ９９９１ （ブロック３ＡＫ９９９９） の変更と共に更新される、や期間の主要な統計： 高、低、およびボリューム加重平均価格 （ＶＷＡＰ）等（ブロック３ＡＥ９９９９）。トレードイベント再構築コンポーネント３ＡＸ１２０６は、３番目のウィンドウに （ブロック３ＫＭ９９９３）、全米国に存在する最高価格 （ＮＢＢＯ） よりも低い入札とオファーに関する「デプスオブマーケット帳」情報を表示します （ブロック３ＡＬ９９９９および３ＡＭ９９９９） 。ユーザは、特定の時点で特定の取引会場 （例えば、証券取引所、最良の入札とオファー） を見るためにドリルダウンすることができます （ブロック３ＡＮ９９９９と３ＡＯ９９９９） 。 ユーザは、マーケットイベントレコードから情報で構成されるイベントタイムラインをプルできます （ブロック ３ＡＰ９９９９） 。 市場イベント記録には含まれ：音声または電子通信監視システム ５ＤＡ９９９９ およびニュースフィード５ＤＢ９９９９からの出力と、トレード活動の選択された期間に対応する監査証跡データベース３ＴＸ０１２１の監査証跡が、と参照データ ５ＸＢ０１３１ のコードリンクのタグ付け、および対応する取引オーダーや価格設定レコードの他のマーケットイベントレコードのタグ付けを適宜行います （例えば、音楽フォーマットファイルやデータストリームの接頭辞など）。トレードイベント再構築コンポーネント３ＡＸ１２０６ は、関連するタイムラインのイベントログファイルを、「ファイルエクスプローラ」のように動作する第 ４番目のディスプレイウィンドウ ３ＫＱ９９９４ （ブロック ３ＡＱ９９９９） に表示し、矢印とログ参照を示す第 １番目のディスプレイ ３ＸＦ９９９１ （ブロック ３ＡＲ９９９９）、とに ５ 番目のディスプレイ３ＫＲ９９９５をオーバーレイます。 ユーザは、マウスオーバーまたはクリックして特定のイベント レコードを表示できます。 ユーザーインターフェースー ３ＫＳ１２０６ は、さまざまな機能 （ブロック ３ＡＳ１２０６） 用の制御ボタン ３ＫＳ９９９６ を提供します： 停止します、 一時停止、トレードシーケンスの再生を開始するために巻き戻す、 カット、 または編集します。図２１を参照して、再構築されたトレードイベントは、分析システム２ＸＸ０１００によって参照されるレッスンデータベース２ＴＸ０１２０に記録することができ、ケース管理コンポーネント３ＣＸ０１４０は、コーポラを設定し、記録および／またはオフまたは複合イベント処理レッスン３ＣＪ１１０２をオフまたはオンにすることができる。 コントロールはさらに、オーディオスペクトラムまたは従来のチャートビューのいずれかを表示するために、最初のディスプレイ３ＫＦ９９９１を変更するためのトグルを含めることができます。取引オーダーの詳細 （監査証跡） は ３ＫＱ９９９７ に表示されます。 これらの機能は、オーダーブックリプレイシミュレータ３ＢＸ０４１５、ケース管理コンポーネント３ＣＸ０１４０、および群集コンピューティングコンポーネント２ＦＸ０１０７と対話することを可能にする。

【0137】

図 １９は、オーダーブックをリプレイするための方法を図示し、オーダーブックリプレイシミュレータ３ＢＸ０４１５によって実施された、いくつかの実施形態に従う。 シミュレータ３ＢＸ０４１５はオーダーブックをリプレイし、市場のダイナミクスを同化し、バックテストを行うために可能な市場相互作用を観察し、異なる「仮に」シナリオを評価します。 シミュレータ３ＢＸ０４１５は、を同化ー市場のダイナミクス、図１８を参照して自社の取引３ＡＸ０１２０６を再構築を介して、と市場における歴史的または仮説のトレード記録を組み合わせることによって、（ブロック３ＢＤ９９９９）。 シミュレータ３ＢＸ０４１５は、市場をシミュレートするための基礎を確立するために、レッスンデータベース２ＴＸ０１２０ （ブロック３ＢＡ９９９９） からのレッスンを使用するか、または特定の期間で取引記録を取得します。あるいは、データプロセッサの１ＸＸ１１０１集約 （伝播） 機能を使用してトラックを積み重ねて、市場参加者間の特定の相互作用を複製し、仮説の市場を表すバックグラウンドトラックを導入します（ブロック３ＢＢ９９９９）。 パターン認識コンポーネント２ＣＸ０９０４を介して市場変化シグナルの可能性を考慮すると、シミュレータ３ＢＸ０４１５は、チューン制御パネル３ＫＳ９０００（図５）で利用可能なデータプロセッサ１ＸＸ１１０１のチューニングおよび構成技術を介してシミュレートされた市場を変更することができる（ブロック３ＢＣ９９９９）。 チューニングの例には、相場の深さを表す「リバーブ」が含まれますが、これらに限定されません、および「高音／ 中音／ 低音」： 「ダークプール」の活動を表す（すなわち、買い手や売り手の検索中に、投資家が自分の意図を公に明らかにすることなく、注文を行い、取引を行う機会を投資家に与える取引会場）、とシステマティックインターナライザー （すなわち、投資会社は、組織的で、頻繁に体系的かつ実質的に、取引場の外で顧客の注文を実行する際に、独自の口座で取引する）、および証券取引所 （すなわち、証券取引所は、ダークプールの反対に、異なる株式で異なる入札とオファーを示しています）の活動を表します） 。さらに、「フェーダー」は銀行セクターとシャドーバンキングの相対的な活動や相互作用を表します、また、ラウドネスを高めまたは、ランダムノイズを導入して、レッスンデータベース２ＴＸ０１２０に保存されているレッスンを難読化します。 群集コンピューティング２ＦＸ０１０７は、シミュレートされた環境で適用される制御フィルターをカスタマイズすることができる。次に、本会社の取引、シミュレートされた市場を表すバックグラウンドトラック、モデルとロジック２ＤＸ０１０５からの枠組み（例えばメイカーテイカーモデル、価格／時間／サイズの優先順位） 、および適用可能なフィルタリング制御は、市場ダイナミクスの評価のために同化されます （ブロック３ＢＤ９９９９） 。

【0138】

シミュレータ３ＢＸ０４１５は、任意の「手が届かない範囲」状況 （ブロック３ＢＥ０４１５） に対して同化モデルを検証する。非限定的「手が届かない範囲」状況、例えば、自社の取引とモデルの間の価格の矛盾、または特定の市場における非現実的なボラティリティが含まれますが （つまり、以前に設定された合理的に予想される短期需要の範囲とは反対および遠く離れた）。「手が届かない範囲」の状況が見つからない場合は、バックテストが実行されます （ブロック ３ＢＦ０４１５）。「手が届かない範囲」の状況が見つかった場合、モデルは、前に説明したように、バックテストを行う前に再び再カスタマイズされます、図１７を参照して。

【0139】

ブロック３ＢＦ０４１５では、バックテストは、トレード戦略 （例えば、一連の自社の取引） または分析方法を履歴データまたはシミュレートされた環境に適用するプロセスを指し、戦略または方法が実際の結果をどれだけ正確に予測しているかを確認し、および／または戦略が他の市場参加者とどのように相互作用するかを観察します （ブロック３ＢＧ１２０５） 。バックテストシミュレーションは、トレードアルゴリズム４ＥＸ９９９９の性能評価にも適しています。シミュレータ２ＢＸ０４１５は、モデルとロジックコンポーネント２ＤＸ０１０５を介じて、トレード戦略を評価するために仮定の損益 （Ｐ＆Ｌ） 、シャープ比、ドローダウン率などをバックテストに基づいて結果計算します。シミュレータ２ＢＸ０４１５はまた、モデルとロジックコンポーネント２ＤＸ０１０５によって通知することができ、ベースラインまたは様々な応力シナリオを適用し、および複数の「仮に」シナリオ （３ＢＪ９９９９） をシミュレートするためにます。これらの「仮に」シナリオは、さまざまな市場状況に最適なトレードアルゴリズムを評価するのに役立ちますので、パターン認識コンポーネント２ＣＸ０９０４が望ましい市場変化シグナルをピックアップまたは検出する際に、トレード戦略のタイムリーな切り替えがあります。

【0140】

シミュレータ３ＢＸ０４１５は、音声および電子通信監視システム５ＤＡ９９９９および様々なニュースフィード５ＤＢ９９９９からの出力に対する相関にアクセスするために、バックテスト結果に基づく。バックテスト結果から観察された相互作用には、市場メカニズムのバイアスを引き起こし（例えば、市場をだまして偽りを信じさせる、または効率的な市場仮説に違反する） 、とトレード可能なオブジェクトの価値を変更影響を与える効果及ぼすか（市場価格を移動）、または影響を及ぼさないという自社の取引が含まれますが、これらに限定されません。 トレードイベントが市場メカニズム （ブロック３ＢＨ９９９９） にバイアスを発生させなければ、トレードイベントは偽陽性としてフラグが立てられます。 その場合、シミュレータ３ＢＸ０４１５は、トレードイベントが目標の価値を変更する効果があるかどうかを判断します （ブロック３ＢＩ９９９９） 。ない場合、トレードイベントは偽陽性としてフラグが立てされます。 それ以外の場合、シミュレータは、ケースが２ＸＸ０１００分析システムによって正当にフラグ／隔離されていることを肯定確認し、または取引イベントが２ＸＸ０１００分析システムによって以前にフラグが付けられていない場合は、偽陰性としてフラグが付けられることもあります。肯定されたケース、誤陽性、および偽陰性は、ケース管理コンポーネント３ＣＸ０１４０に報告されます。

【0141】

繰り返しますが、シミュレータ３ＢＸ０４１５は、シミュレートされた「モデル」を再調整し、使用事例、レッスン、またはジャンルをカスタマイズすることによって、他の「仮に」シナリオとのバックテストを継続（ブロック３ＢＪ９９９９）。「仮に」の選択肢が評価され（ブロック３ＢＫ９９９９）、取引アルゴリズムの最適なリスクと報酬の結果が得られます。あるいは、「仮に」の選択肢を使用して、不合理な投資または「手が届かない範囲」状態を排除または排除し、したがって、潜在的不正行為および／または不合理であるとフラグされたトレード活動の肯定をサポート、する証拠を提供します。この場合、潜在的不公正取引または相場操縦に対して相関が確立され、取引事例は、レッスンデータベース２ＴＸ０１２０に記録されるか、またはケース管理コンポーネント３ＣＸ０１４０を介してさらなる処置のために第三者にエクスポートされる（特に、図２１を参照してブロック３ＣＪ１１０２）。

【0142】

図１９は、まだに参照されている、システム０ＸＸ０１００および／またはコンピューティングデバイス、および／またはこのシステムに含まれるモジュールは、この開示に記載されているトレード活動および／またはやトレーニングデータを記述するデータにおいて、追加のパターンおよび／または潜在的な不規則性トレード活動のモデルを検出するための追加の機械学習プロセスを採用する可能性がある。追加の機械学習は、教師ありおよび／または教師なしの機械学習プロセスおよび／または方法を使用して、複数のトレード活動のセットの少なくとも隠されたモデルを発見すること非限定的が含まれる場合があります、そして、複数のユーザ識別と少なくとも隠されたモデルを用いて、複数のトレード活動をトレーニングデータに変換すること、つまり隠しモデルは、新しい保存されたパターンとして使用されるか、または保存されたパターンの新しいジャンルを形成するために使用することができます。教師なし機械学習プロセスは、限定されない限り、部分的に観察されたマルコフ決定プロセスを含み得る（ＰＯＭＤＰ）。部分的に観察されたマルコフ決定プロセスは、マルコフ決定過程によって決定されたダイナミクスを有するシステムの基礎状態を検出できないエージェントの決定プロセスをモデル化する一般化マルコフ決定プロセスを含んでいてもよい。部分的に観察されたマルコフ決定プロセスのエージェントは、観測、観測特性、マルコフ決定プロセスに基づいて計算および更新することができる一連のシステム状態に対する確率分布を維持することができます。環境やシステムとの相互作用を繰り返すと、状態の確率分布の周期的な再計算が発生し、結果モデルの予測精度が向上します。その結果、部分的に観察されたマルコフ決定プロセスは、トレーニング データおよび／またはトレード データ セットのデータ要素間の未知の関係を検出しは、順番に追加のモデルである可能性がありとして使用されたり、および／またはシステム０ＸＸ０１００ で使用される既存のモデルを更新したりする場合があります。実施例において、を含み得る部分的に観察されたマルコフ決定プロセスを用いて： 以前に特定されたモデルトレードのセマンティックを検出する、モデル認識エンジンをオペレーティングして、ノードジェネレータをオペレーティングして、トラックにシーケンスして次元に集約される新しく生成されたノードの挿入を生成および合成（ブートストラップ集約）、およびユーザクライアントデバイスを介して、ダイアログ管理コンポーネントをオペレーティングして、き最も可能性のパス以外のモデルのトレードパスの追跡を可能にする、 ユーザと対話する、トレーニングデータの要素の代替または新しいジャンルカテゴリを示唆する。部分的に観察されたマルコフ決定プロセスは隠れモデルの発見のための例示的なプロセスとして説明されているが、ナッシュ平衡を用いた部分的に観察可能な確率的ゲーム（ＰＯＧＳ）などの代替プロセスが代わりに採用され得る。また、前述の通り、ブースト、ブートストラップ集約、スタッキングは、複数の機械学習技術を単一の予測モデルに組み合わせて、バイアスの削減、散乱の削減、予測力の向上を実現する「メタアルゴリズム」の機械学習アプローチです。反復学習、学習解除、関連するコンテキスト、条件、関連するモデルの再学習し、（ブースト、ブートストラップ集約、スタッキング、部分的に観察されたマルコフ決定プロセス、部分的に観察可能な確率的ゲーム、ディープラーニング、その他の機械学習アプローチを通じて） は、トレーディングデスクやアルゴリズム取引が市場の動向と共に回復力とスマートになることを可能にするのに役立つ可能性があります。

【0143】

図１９をいまだに参照して、隠れたパターンは、一般的に試験され、および／または有効性、および／または有用性について評価され得る、および／または、または１つ以上の文脈において、上記のようなシミュレーション方法を用いて、本明細書においてさらに詳しく説明する。例えば、これらに限定されない、そのようなプロセスは、複数の保存されたトレード活動モデルの取得、隠しモデルおよび／または複数の格納されたモデルを用いて少なくとも１つのモデルトレードをシミュレートすること、少なくともトレードの結果を計算すること、および結果の関数としての隠されたモデルの適合性を決定することを含み得る。複数の格納モデルを取得して、特定の市場状況をシミュレートすることができる。インスタンスの場合、この開示に記載されているようにプロセス、プロセスステップ、および／または組み合わせに従って収集、分析、および／または保存されたトレード活動データで一緒に検出されたトレード活動のパターンを表す複数の格納モデルを取り得した。パターンは、１つ以上の市場および／または活動ベースコンテキストに従ってグループ化できます。例えば、以前に存在していた様々なシナリオは、新たに識別された隠れパターンをトレード活動のパターンとしてシミュレートすることができる。隠しパターンの結果は、シミュレートされるため、測定され、しきい値と比較することができ、ここで、これらに限定されない、利益最小限であるお金を失う結果および／または結果を含め、不十分に肯定的な結果は、トレーニングデータで使用するパターンとして隠されたパターンを拒否するために使用することができる。例えば、金融利益を生み出さないトレードパターンは、私利私欲で行動するトレーダーによって頻繁に繰り返される可能性は低いという仮定の下で。このような結果テストは、一般的に、またはコンテキストごとに実行することができ、ここで、結果が特定のコンテキストのしきい値に失敗すると、パターンはそのコンテキストに対して拒否され、パターンはしきい値が満たされたコンテキストでトレーニングデータとして使用される場合があります。また、トレーニングデータのパターンに対する現在のトレードパターンの分類は、その後、現在のトレードパターンに一致するコンテキストに一致するトレーニングデータのセットに対して実行することができ、コンテキストは、ジャンルへの分類が関連するコンテキストでトレードパターンを取得するようにジャンルに従って編成することができます。そのような結果および／またはシミュレーションテストに使用されるコンテキストは、を使用して識別することがで： 隠されたパターンの分類、および／または、関連および／または共同発生するデータ、にジャンルにおよび／またはコンテキストまたきる。結果は、任意の適切な方法を用いて決定および／または測定され得るが、合理的に予想される短期需要／在庫計画、グロスマン・ミラー、経済発注数量または類似の、この開示で更に説明する例に限定されない。文脈および／またはジャンルは、取引される証券の種類、市場状況、代表される機関の種類、または類似のものを含む、トレードパターンに影響を与える任意の要因を含んでいてもよい。

【0144】

分類、シミュレーション、バックテストの有効性は、この方法で、トレードリサーチや「既知」のケースの監視における検出精度の向上に役立つ可能性があります、 （すなわち、検定仮説を作成し、実験を設計し、その結果が既知の可能性の範囲内にあるかどうかを確認する） 。このようなプロセスは、予期しない市場シナリオの発見と準備にも役立つ可能性があります、（フラッシュクラッシュなどの「知られていないと知られていないこと」など）。クラッシュイベントの結果がタイムリーに検出されない場合、壊滅的なものになる可能性があることを考えると、フラッシュクラッシュがどのように発生したかをよりよく理解することは非常に有益です。クラッシュイベントの結果は、タイムリーに検出されない場合、壊滅的なものになる可能性があります。偽陰性、未知数または隠しモデルの量を減らすには、フラッシュクラッシュの原因をよりよく理解し、潜在的なクラッシュを検出するための効果的な早期警告信号を決定し、異なるクラッシュシナリオに最も効果的適切的リスクなヘッジを選択することが非常に有益である可能性があります。したがって、上記のような機械学習のアプローチは、グローバル金融システムの安全性と健全性を促進するために重要な目的を果たす可能性があります。

【0145】

図２１に戻ると、ケース管理コンポーネント３ＣＸ０１４０は、監査証跡データベース３ＴＸ０１２１における調査結果に関するさらなるリマークを行い、任意の誤報のフラグを閉じる（ブロック３ＣＣ０２１０）。すべての偽陽性と偽陰性は、（タイプ Ｉ とタイプ ＩＩ のエラー）、群集コンピューティング コンポーネント２ＦＸ０１０７ にフィードバックされます。 ケース管理コンポーネント ３ＣＸ０１４０ は、確認されたケース （ブロック ３ＣＤ０１４０） をレビューし、是正措置 （ブロック ３ＣＥ０１４０） を特定し、是正措置を承認します （ブロック ３ＣＦ０２１３） 。 是正処置は、分析システム ２ＸＸ０１００ におけるフィルタリング機構を変更するか、または状況に対して一時的な許容を可能にすることを含むが、これらに限定されない。 情報の有価証券管理は、個々のトレーダーのプライバシーと機密性を維持するために実装され、取引戦略。例えば、指定された承認者は、図１７を参照する承認グリッドに従って、トレードデスクや地域または管轄区域など、割り当てられたキューでフラグ付き／隔離された取引オーダーを表示して処理することしか許可されず、トレーダーは一意のトレーダー識別子を使用してのみタグ付けされます。 ケース管理コンポーネント３ＣＸ０１４０は、承認された一時的な許容範囲ケース （ブロック３ＣＧ０９０７） の有効期限のリマインダーを生成します。上記の図１１を参照して、バックストップ保証コンポーネント２ＥＸ０１０６は、許容事例の累積効果が、誤ってカスケードまたは制御不能または困難制御な結果をもたらす可能性のある他の問題を引き起こさないことを保証する、または、検出をバイパスする一時的な許容範囲プロセスを乱用することを防ぐ。

【0146】

ケース管理コンポーネント ３ＣＸ０１４０ は、承認された修正されたアクションに従って変更を適用し、監査証跡データベース ３ＴＸ０１２１ （ブロック ３ＣＨ１２１１） で実行された修正アクションを文書化します。ケース管理コンポーネント ３ＣＸ０１４０ は、必要な変更を完成了する際の適時性を監視および追跡し、ケースをクローズします （ブロック ３ＣＩ０１４０） 。延滞または長く未解決のケースのステータスが管理ダッシュボードに表示される場合があります。監視プロセスでは、シミュレータ３ＢＸ０４１５をバックテストに使用し、バックテスト結果に基づいて、修正／改善アクションに対するさらなる変更を行う必要があるか、外れ値または例外の数が設定されたしきい値 （ブロック３ＣＬ０２１３） を下回るまでさらなる調査が必要かどうかを検討する必要があります。完全に満足したら、ケース管理コンポーネント３ＣＸ０１４０はフラグを閉じます。学習した教訓は、レッスンデータベース２ＴＸ０１２０に記録されます （ブロック ３ＣＪ１１０２） 。規制当局などの利害関係者には、適切な通知が行われます（ブロック ３ＣＫ９９９９）。偽陽性、偽陰性、および学習された教訓は、図１７を参照して上述したように群集コンピューティングコンポーネント２ＦＸ０１０７に供給される。

【0147】

図２２は、コンピュータシステムの構成要素のブロック図であり、そのうちの１つまたは複数は、本発明の種々の実施形態を実施するために使用される。 コンピュータシステム２２００の構成要素としては、および制限なくを含む： １つ以上のプロセッサまたは処理ユニット２２０６、メモリ２２０１、およびバス２２０９は、プロセッサ２２０６に様々なシステムコンポーネント（メモリ２２０１を含む） を組み合たてる。 バス２２０９は、メモリバスまたはメモリコントローラ、周辺バス、加速グラフィックスポート、およびさまざまなバスアーキテクチャを使用するプロセッサまたはローカルバスを含む、いくつかのタイプの種類のバス構造のうちの１つ以上を表します。 メモリ２２０１は、ランダムアクセスメモリ （ＲＡＭ） ２２０２またはキャッシュメモリ２２０３、または不揮発性記憶媒体２２０４のような揮発性メモリの形態でコンピュータ読み取り可能なメディアを含んでいてもよい。 メモリ２２０１は、プロセッサ２２０６によって実行される際に本発明の例示的な実施形態の機能を実行するように構成された少なくとも１つのプログラムコードモジュール２２０５のセットを有する少なくとも１つのプログラム製品を含んでもよい。 コンピュータシステム２２００はまた、入出力スイッチインタフェース２２０７を介して、ディスプレイ２２１０などの１つ以上の外部デバイス２２１１と通信することができる。 コンピュータシステム２２００は、ネットワークアダプタ２２０８を介して１つまたは複数のネットワークと通信することができる。

【0148】

本発明は、完全にハードウェア実施形態の形態、完全にソフトウェアの実施形態、またはハードウェアおよびソフトウェア要素の両方を含む実施形態の形態をとることができる。 好ましい実施形態において、本発明は、ファームウェア、常駐ソフトウェア、マイクロコード等を含むがこれに限定されないソフトウェアで実施される。

【0149】

さらに、本発明は、コンピュータで使用媒体またはコンピュータ可読記憶媒体からアクセス可能なコンピュータプログラム製品の形態をとることができ、コンピュータまたは任意の命令実行システムにまたは関連して使用するプログラムコードを提供する。 この説明の目的のために、コンピュータの使用媒体またはコンピュータ可読の記憶媒体は、命令実行システム、器具、または装置に関連して、または使用するためにプログラムを含み、保存し、通信し、伝搬または輸送することができる任意の装置であり得る。媒体は、電子システム、磁気システム、光学システム、電磁システム、赤外線システム、または半導体システム（または器具または装置）、または伝搬媒体です。コンピュータ読み取り可能な媒体の例としては、半導体またはソリッドステートメモリ、磁気テープ、リムーバブルコンピュータディスケット、ランダムアクセスメモリ （ＲＡＭ） 、読み取り専用メモリ （ＲＯＭ） 、リジッド磁気ディスク、光ディスクなどがあります。 光学式ディスクの現在の例としては、読み取り専用メモリ（ＣＤ－ＲＯＭ）、コンパクトディスク－読み取り／書き込み （ＣＤ－Ｒ／Ｗ） 、デジタルビデオディスク（ＤＶＤ） などがあります。 本明細書で使用される場合、コンピュータ可読記憶媒体は、それ自体一時的な信号であると解釈されるべきではなく、といった： 電波またはその他の自由に伝播する電磁波、導波管またはその他の伝送媒体を介して伝播する電磁波 （例：光ケーブルを通過する光パルス）、またはワイヤを介して送信される電気信号。

【0150】

プログラム コードの格納や実行に適したデータ処理システムには、システム バスを介してメモリ要素に直接または間接的に結合されるプロセッサが少なくとも １つ含まれます。 メモリ要素には、プログラムコード、バルクストレージ、およびキャッシュメモリの実際の実行中に使用されるローカルメモリを含めることができます必要があるす、また、少なくとも一部のプログラムコードに一時記憶域ストレージを提供するキャッシュ メモリを使用して、実行中にバルクストレージからコードを取得する回数を減らします。

【0151】

入出力装置またはＩ／Ｏ装置 （キーボード、ディスプレイ、ポイントデバイスなどは含まれますが、これらに限定されません） は、直接または介在する入出力コントローラーを介してシステムに結合することができます。

【0152】

ネットワークアダプタをシステムにまた結合して、データ処理システムを他のデータ処理システムやリモートプリンタ、またはストレージデバイスに、介在するプライベート ネットワークやパブリック ネットワークを介して結合することもできます。モデム、ケーブル モデム、およびイーサネット（登録商標）カードは、現在使用可能なネットワーク アダプタのほんの一部です。

【0153】

結論

【0154】

トレードデータの検出および分析のための改良されたシステムの実施形態は、上述する。 いくつかの実施形態では、図６を参照して上述したように、トレード活動におけるデータポイントは、音楽作品表現に変換される。 音楽作品の表現は、メトリックツリーに変換されます。 これにより、ベクターを使用した従来の技術分析よりも小さいサイズのデータ構造が得られ、ストレージリソースの要件が減少します。トレードデータの量が増えると、ストレージリソースの節約量も増えます。比較プロセスは、図９－１０を参照して上述した、メトリックツリーを使用して実行され、トレード可能な金融商品または市場の傾向を分析し、したがって、従来の方法のように、プロットチャートへの依存やグラフィカルなベクトルの測定が回避されます。さらに、メトリックツリーのサイズが小さいため、比較プロセスを従来の技術分析よりも迅速かつタイムリーに実行できます。さらに、メトリックツリーのサイズが小さいほど、比較プロセスは従来の技術分析よりも迅速かつタイムリーに実行できます。これにより、比較プロセスの待ち時間が短縮され、規制当局にとって重要な信号や警告をタイムリーに特定できます （といった：米国の証券取引委員会、金融業界規制当局）、電子市場（といった証券取引所）、高頻度取引、そして深刻市場参加者それ最高のトレード実行を達成しようとする。比較プロセスでより小メトリックツリー構造を使用し、レッスンデータベース２ＴＸ０１２０の複合イベント処理レッスンを使用すると、従来のテクニカル分析手法の複雑な計算を回避できます （図９－１０を参照） 、 したがって、コンピューティングリソースの要件を削減します。いくつかの実施形態における複合イベント処理のレッスンは、仮説的な「仮に」シナリオを含む、複合イベント処理レッスンにより、過去のデータセットだけに頼るのではなく、実装前に望ましくない結果（とか：潜在的に相場操縦または顧客との衝突を引き起こすなど）、を防ぐ前方の見通し分析の実践が可能になります。比較プロセスは、人間による監視では合理的に実現できない、リアルタイム、プリトレード、または取引オーダー分析で大量のトレードデータを処理することができます。

【0155】

いくつかの実施形態では、メトリックツリーが構築されると、比較プロセスは、ツリー構造よりも階層構造に含まれる情報に重点を置く伝播または部分的にラベル付けされたツリーアプローチを使用して実行することができます。 これにより、より正確な結果が得られ、エラーが少なくなり、クロック同期の許容範囲が広がります。

【0156】

さらに、オーディオ圧縮技術は、従来の金融データ圧縮アプローチの下よりも、メトリックツリーの大きな圧縮を達成するために活用することができます。いくつかの実施形態では、可逆または非可逆性のデータ圧縮のための様々なコーディング方法に対する柔軟性が向上する。 非可逆の方法では、一般的な財務データ圧縮アプローチよりも大きな圧縮率を実現できます。 いくつかの実施形態では、メトリカルツリー表現の使用は、許容可能な品質の損失と伝送速度の向上とストレージサイズの減少との間のトレードオフを最適化します。 オーディオ コーデックは、データ保護やその他の目的のために、メトリック ツリー内のデータの難読化と暗号化にさらに活用できます。

【0157】

いくつかの実施形態では、圧縮されたデータは、時間ロックされたオーディオコーデックで暗号化され、早期アクセスを防止し、市場参加者への市場データの公正な可用性を促進する。

【0158】

いくつかの実施形態では、システム０ＸＸ０１００は、スコアにトレードデータを定量化し、パターン認識の精度を向上させるために群集コンピューティング コンポーネント２ＦＸ０１０７を介してフィードバックを使用する。

【0159】

いくつかの実施形態では、群集コンピューティング コンポーネント２ＦＸ０１０７およびシミュレータ３ＢＸ０４１５を介して、群衆の情報源からのフィードバックは、システム０ＸＸ０１００を訓練するために使用されるレッスンデータベース２ＴＸ０１２０および蓄積されたケースのレッスンを改善するために活用され、ならびに分析システム２ＸＸ０１００の精度を向上させる。合理的に予想される短期需要や在庫計画を含む分析システム ２ＸＸ０１００ で使用されるパラメータ、リスト、およびフィルタリング基準も微調整できます。 「圧力状態下の合理的に予想される短期需要」トリガは、０ＸＸ０１００プラットフォームの異なるユーザによる合理的に予想される短期需要 ／在庫計画計算の入力とパラメータを実際の市場状況に対して分析して、３ＢＸ０４１５シミュレータを介してリアルタイムで市場ダイナミクスを評価する群集コンピューティングコンポーネント２ＦＸ０１０７を介してそれは作動させるすことができ、これは、計算が人間によって実行される場合、合理的に実現することができないよりタイムリーな介入を可能にします。

【0160】

いくつかの実施形態では、トレード再建コンポーネントおよび取引オーダーブックリプレイシミュレータは、市場イベントタイムラインにおける事実とのトレードイベントの客観的な相関関係を提供する。 対象となる金融商品の価値を変更する効果がある場合としない場合のトレード活動は、疑わしいケースとして客観的に肯定される可能性があります。したがって、疑わしいケースを識別するためにチャートやグラフィックの主観的な人間の比較に依存する従来の方法の使用を回避けてください。

【0161】

いくつかの実施形態では、ユーザインタフェースは、リバーブやその他のチューニングやシミュレーションの方法を使用して、デプスオブマーケット帳を模倣複製し、市場のダイナミクスを同化して表現することによって、財務記録を有意義に集約または分解する簡単な方法を提供します。 資産の価格設定やペイオフなどの複雑な計算、およびロールアップと基礎となるディメンション間の相関関係の解読、するが回避されるため、コンピューティングリソースと処理リソースが節約されます。

【0162】

本発明は、示された実施形態に従って記載されているが、当分野における普通の技能の一つは、実施形態にばらつきがある可能性があることを容易に認識し、それらのバリエーションは本発明の精神および範囲内にあるであろう。それに応じて、多くの変更は、付加された請求項の精神および範囲から逸脱することなく、技術の当業者の一人によって行われ得る。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】

【図19】

【図20】

【図21】

【図22】

【国際調査報告】