数据处理方法、违约赎回方法、装置及系统

本申请涉及区块链领域，也可用于金融领域，具体涉及一种数据处理方法、违约赎回方法、装置及系统。

现有技术中，通过构建算法模型，使用算法让机器自动预测未来指标，由于参与预测的指标单一，无法考虑各项指标间的相互影响，因此指标预测结果并不准确，且指标预测结果存在被其他节点篡改的信息不安全性。

针对现有技术中的问题，本申请提供一种数据处理方法、违约赎回方法、装置及系统，能够准确对待预测指标进行预测。

为了解决上述问题中的至少一个，本申请提供以下技术方案：

第一方面，本申请提供一种数据处理方法，包括：

接收区块链网络中发起节点发送的数据处理申请；

调用指标预测智能合约对所述数据处理申请中的待预测指标进行指标预测，将指标预测结果和所述数据处理申请发送至所述区块链网络中的审核节点，以使所述审核节点对所述指标预测结果和所述数据处理申请进行审核，并返回审核结果；

接收所述审核节点发送的审核结果，在所述审核结果为通过时向所述发起节点发送数据处理指令，以使所述发起节点执行数据处理操作并将数据处理结果同步至所述区块链网络中的用户端。

进一步地，所述调用指标预测智能合约对所述数据处理申请中的待预测指标进行指标预测，包括：

根据所述数据处理申请中待预测指标的历史数据和宏观指标分别进行第一特征预测，根据第一特征预测结果确定对应的第一特征；

根据设定的历史时间序列数据和历史宏观指标数据进行回归向量预测，确定对应的第二特征；

根据所述第一特征、所述第二特征、设定再平衡区间以及设定参数，确定所述待预测指标的指标预测值。

进一步地，所述根据所述数据处理申请中待预测指标的历史数据和宏观指标分别进行第一特征预测，根据第一特征预测结果确定对应的第一特征，包括：

根据所述数据处理申请中待预测指标的历史数据作为训练集构建多个并行集成算法的基学习器进行第一特征预测；

根据所有并行集成算法基学习器第一特征预测结果的均值，确定第一特征的第一计算因子；

根据所述数据处理申请中待预测指标的宏观指标作为训练集构建多个串行集成算法的基学习器进行第一特征预测；

根据所有串行集成算法基学习器第一特征预测结果的均值，确定第一特征的第二计算因子；

根据所述第一特征的第一计算因子和所述第一特征的第二计算因子的均值，得到第一特征。

进一步地，所述根据设定的历史时间序列数据和历史宏观指标数据进行回归向量预测，确定对应的第二特征，包括：

获取设定时间周期内的设定的历史时间序列数据和历史宏观指标数据；

对所述历史时间序列数据和所述历史宏观指标数据进行数据归一化处理，得到训练样本数据；

根据所述训练样本数据对预设支持向量回归预测模型进行迭代训练，得到第二特征预测模型，并根据所述第二特征预测模型预测得到第二特征。

进一步地，所述根据所述第一特征、所述第二特征、设定再平衡区间以及设定参数，确定所述待预测指标的指标预测值，包括：

获取历史指标数据中的设定参数、指标预测值以及设定再平衡区间，拟合得到所述第一特征的系数和所述第二特征的系数；

根据所述第一特征及其系数、所述第二特征及其系数、设定再平衡区间以及设定参数，确定所述待预测指标的指标预测值。

第二方面，本申请提供一种违约赎回方法，包括：

接收区块链网络中金融机构节点发送的违约赎回交易申请；

调用违约价格预测智能合约对所述违约赎回交易申请中的待赎回金融产品进行赎回价格预测，将预测的赎回价格和所述违约赎回交易申请发送至所述区块链网络中的审核节点，以使所述审核节点对所述赎回价格和所述违约赎回交易申请进行审核，并返回审核结果；

接收所述审核节点发送的审核结果，在所述审核结果为通过时向所述金融机构节点发送兑付指令，以使所述金融机构节点执行兑付操作并将兑付结果同步至所述区块链网络中的客户节点。

进一步地，所述调用违约价格预测智能合约对所述违约赎回交易申请中的待赎回金融产品进行赎回价格预测，包括：

根据所述违约赎回交易申请中待赎回金融产品的资产历史数据和宏观金融指标分别进行卖出价格预测，根据卖出价格预测结果确定对应的卖出资产实现收益率；

根据同业拆借利率的历史时间序列数据和历史宏观指标数据进行回归向量预测，确定对应的同业拆借成本利率；

根据所述卖出资产实现收益率、所述同业拆借成本利率、违约赎回再平衡区间以及违约赎回当日净值，确定所述待赎回金融产品的赎回价格预测值。

进一步地，所述根据所述违约赎回交易申请中待赎回金融产品的资产历史数据和宏观金融指标分别进行卖出价格预测，根据卖出价格预测结果确定对应的卖出资产实现收益率，包括：

根据所述违约赎回交易申请中待赎回金融产品的资产历史数据作为训练集构建多个并行集成算法的基学习器进行卖出价格预测；

根据所有并行集成算法基学习器卖出价格预测结果的均值，确定第一卖出资产实现收益率；

根据所述违约赎回交易申请中待赎回金融产品的宏观金融指标作为训练集构建多个串行集成算法的基学习器进行卖出价格预测；

根据所有串行集成算法基学习器卖出价格预测结果的均值，确定第二卖出资产实现收益率；

根据所述第一卖出资产实现收益率和所述第二卖出资产实现收益率的均值，得到卖出资产实现收益率。

进一步地，所述根据同业拆借利率的历史时间序列数据和历史宏观指标数据进行回归向量预测，确定对应的同业拆借成本利率，包括：

获取设定时间周期内的同业拆借利率的历史时间序列数据和历史宏观指标数据；

对所述历史时间序列数据和所述历史宏观指标数据进行数据归一化处理，得到训练样本数据；

根据所述训练样本数据对预设支持向量回归预测模型进行迭代训练，得到同业拆借成本利率预测模型，并根据所述同业拆借成本利率预测模型预测得到同业拆借成本利率。

进一步地，所述根据所述卖出资产实现收益率、所述同业拆借成本利率、违约赎回再平衡区间以及违约赎回当日净值，确定所述待赎回金融产品的赎回价格预测值，包括：

获取历史违约赎回成交数据中的违约赎回当日净值、赎回价格预测值以及违约赎回再平衡区间，拟合得到所述卖出资产实现收益率的收益系数和所述同业拆借成本利率的成本系数；

根据所述卖出资产实现收益率及其收益系数、所述同业拆借成本利率及其成本系数、违约赎回再平衡区间以及违约赎回当日净值，确定所述待赎回金融产品的赎回价格预测值。

第三方面，本申请提供一种违约赎回方法，包括：

向区块链网络中的价格预测节点发送违约赎回交易申请，以使所述价格预测节点调用违约价格预测智能合约对所述违约赎回交易申请中的待赎回金融产品进行赎回价格预测，并将预测的赎回价格和所述违约赎回交易申请发送至所述区块链网络中的审核节点，以使所述审核节点对所述赎回价格和所述违约赎回交易申请进行审核，并使所述价格预测节点接收所述审核节点发送的审核结果，在所述审核结果为通过时发送兑付指令；

接收所述价格预测节点发送的兑付指令并执行兑付操作，将兑付结果同步至所述区块链网络中的客户节点。

进一步地，所述向区块链网络中的价格预测节点发送违约赎回交易申请，包括：

接收用户提交的赎回申请信息并生成一违约赎回交易申请；

将所述违约赎回交易申请发送至区块链网络中的价格预测节点。

第四方面，本申请提供一种违约赎回方法，包括：

接收区块链网络中价格预测节点发送的违约赎回交易申请和预测的赎回价格，并对所述赎回价格和所述违约赎回交易申请进行审核，其中，所述预测的赎回价格是由所述价格预测节点接收到区块链网络中金融机构节点发送的违约赎回交易申请后，调用违约价格预测智能合约对所述违约赎回交易申请中的待赎回金融产品进行赎回价格预测得到的，

将审核结果发送至所述价格预测节点，以使所述价格预测节点在所述审核结果为通过时向所述金融机构节点发送兑付指令，并使所述金融机构节点执行兑付操作并将兑付结果同步至所述区块链网络中的客户节点。

第五方面，本申请提供一种违约赎回装置，包括：

赎回申请接收模块，用于接收区块链网络中金融机构节点发送的违约赎回交易申请；

赎回价格预测模块，用于调用违约价格预测智能合约对所述违约赎回交易申请中的待赎回金融产品进行赎回价格预测，将预测的赎回价格和所述违约赎回交易申请发送至所述区块链网络中的审核节点，以使所述审核节点对所述赎回价格和所述违约赎回交易申请进行审核，并返回审核结果；

兑付操作模块，用于接收所述审核节点发送的审核结果，在所述审核结果为通过时向所述金融机构节点发送兑付指令，以使所述金融机构节点执行兑付操作并将兑付结果同步至所述区块链网络中的客户节点。

第六方面，本申请提供一种违约赎回装置，包括：

赎回申请模块，用于向区块链网络中的价格预测节点发送违约赎回交易申请，以使所述价格预测节点调用违约价格预测智能合约对所述违约赎回交易申请中的待赎回金融产品进行赎回价格预测，并将预测的赎回价格和所述违约赎回交易申请发送至所述区块链网络中的审核节点，以使所述审核节点对所述赎回价格和所述违约赎回交易申请进行审核，并使所述价格预测节点接收所述审核节点发送的审核结果，在所述审核结果为通过时发送兑付指令；

兑付执行模块，用于接收所述价格预测节点发送的兑付指令并执行兑付操作，将兑付结果同步至所述区块链网络中的客户节点。

第七方面，本申请提供一种违约赎回装置，包括：

审核模块，用于接收区块链网络中价格预测节点发送的违约赎回交易申请和预测的赎回价格，并对所述赎回价格和所述违约赎回交易申请进行审核，其中，所述预测的赎回价格是由所述价格预测节点接收到区块链网络中金融机构节点发送的违约赎回交易申请后，调用违约价格预测智能合约对所述违约赎回交易申请中的待赎回金融产品进行赎回价格预测得到的；

审核结果反馈模块，用于将审核结果发送至所述价格预测节点，以使所述价格预测节点在所述审核结果为通过时向所述金融机构节点发送兑付指令，并使所述金融机构节点执行兑付操作并将兑付结果同步至所述区块链网络中的客户节点。

第八方面，本申请提供一种违约赎回系统，包括处于同一区块链网络中的价格预测节点、金融机构节点、审核节点以及客户节点；

所述价格预测节点包括：

赎回申请接收模块，用于接收区块链网络中金融机构节点发送的违约赎回交易申请；

赎回价格预测模块，用于调用违约价格预测智能合约对所述违约赎回交易申请中的待赎回金融产品进行赎回价格预测，将预测的赎回价格和所述违约赎回交易申请发送至所述区块链网络中的审核节点；

兑付操作模块，用于接收所述审核节点发送的审核结果，在所述审核结果为通过时向所述金融机构节点发送兑付指令；

所述金融机构节点包括：

赎回申请模块，用于向区块链网络中的价格预测节点发送违约赎回交易申请；

兑付执行模块，用于接收所述价格预测节点发送的兑付指令并执行兑付操作，将兑付结果同步至所述区块链网络中的客户节点；

所述审核节点包括：

审核模块，用于接收区块链网络中价格预测节点发送的违约赎回交易申请和预测的赎回价格，并对所述赎回价格和所述违约赎回交易申请进行审核；

审核结果反馈模块，用于将审核结果发送至所述价格预测节点。

第九方面，本申请提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的方法的步骤。

第十方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的方法的步骤。

第十一方面，本申请提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现所述的违约赎回方法的步骤。

由上述技术方案可知，本申请提供一种数据处理方法、违约赎回方法、装置及系统，通过区块链网络中指标预测节点调用指标预测智能合约能够准确对待预测指标进行指标预测，同时将指标预测结果通过区块链网络进行节点共识，提高了指标预测准确性，保障了指标预测过程的安全性和可靠性。

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例中的数据处理方法的流程示意图之一；

图2为本申请实施例中的数据处理方法的流程示意图之二；

图3为本申请实施例中的数据处理方法的流程示意图之三；

图4为本申请实施例中的数据处理方法的流程示意图之四；

图5为本申请实施例中的数据处理方法的流程示意图之五；

图6为本申请实施例中的违约赎回方法的流程示意图之一；

图7为本申请实施例中的违约赎回方法的流程示意图之二；

图8为本申请实施例中的违约赎回方法的流程示意图之三；

图9为本申请实施例中的违约赎回方法的流程示意图之四；

图10为本申请实施例中的违约赎回方法的流程示意图之五；

图11为本申请实施例中的违约赎回方法的流程示意图之六；

图12为本申请实施例中的违约赎回方法的流程示意图之七；

图13为本申请实施例中的违约赎回方法的流程示意图之八；

图14为本申请实施例中的违约赎回装置的结构图之一；

图15为本申请实施例中的违约赎回装置的结构图之二；

图16为本申请实施例中的违约赎回装置的结构图之三；

图17为本申请实施例中的违约赎回系统的结构图；

图18为本申请实施例中的电子设备的结构示意图。

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。

考虑到现有违约赎回业务流程存在涉及方多、流程长、不透明等特点，且目前的违约赎回价格目前仅由人工主观判断输入，因客户提前发起违约赎回金融机构需配合卖出投资组合资产以筹集赎回资金，若资产因流动性不足无法及时卖出将产生再平衡成本给投资组合造成损失，给金融机构带来风险的问题，本申请提供一种数据处理方法、违约赎回方法、装置及系统，通过区块链网络中指标预测节点调用指标预测智能合约能够准确对待预测指标进行指标预测，同时将指标预测结果通过区块链网络进行节点共识，提高了指标预测准确性，保障了指标预测过程的安全性和可靠性。

为了能够准确对待预测指标进行预测，同时将指标预测结果通过区块链网络进行节点共识，提高指标预测准确性，保障指标预测过程的安全性和可靠性，本申请提供一种数据处理方法的实施例，执行主体为应用于区块链网络中的指标预测节点，参见图1，所述数据处理方法具体包含有如下内容：

步骤A101：接收区块链网络中发起节点发送的数据处理申请。

步骤A102：调用指标预测智能合约对所述数据处理申请中的待预测指标进行指标预测，将指标预测结果和所述数据处理申请发送至所述区块链网络中的审核节点，以使所述审核节点对所述指标预测结果和所述数据处理申请进行审核，并返回审核结果。

步骤A103：接收所述审核节点发送的审核结果，在所述审核结果为通过时向所述发起节点发送数据处理指令，以使所述发起节点执行数据处理操作并将数据处理结果同步至所述区块链网络中的用户端。

待预测指标以金融产品的违约赎回价格为例，为了能够准确对金融产品的违约赎回价格进行预测，同时保障交易过程的安全性和可靠性，本申请提供一种违约赎回方法的实施例，执行主体为应用于区块链网络中的价格预测节点，参见图6，所述违约赎回方法具体包含有如下内容：

步骤S101：接收区块链网络中金融机构节点发送的违约赎回交易申请。

可选的，本申请的价格预测节点可以内置或前置一信息记录节点，用于接收金融机构节点发送的违约赎回交易申请，并将违约赎回交易申请发送至区块链网点，以此确定违约赎回交易信息和产品价格对区块链中的其他节点(例如客户节点、审核节点)公开。

在一种实施例中，本申请的信息记录节点还可以用于接收将兑付信息发送至区块链网点，以此确定兑付信息对客户节点、司法机构节点公开。

步骤S102：调用违约价格预测智能合约对所述违约赎回交易申请中的待赎回金融产品进行赎回价格预测，将预测的赎回价格和所述违约赎回交易申请发送至所述区块链网络中的审核节点，以使所述审核节点对所述赎回价格和所述违约赎回交易申请进行审核，并返回审核结果。

可选的，本申请的价格预测节点可以利用智能合约的方式，通过构建算法模型预测因违约赎回引发的流动性风险和经营风险，以此准确预测待赎回金融产品的赎回价格。

可以理解的是，因客户提前发起违约赎回，系统按照投资比例进行资产再平衡，从各大类资产按照投资比例卖出资产筹集赎回资金，若资产无法卖出将产生再平衡成本给投资组合造成损失，给金融机构带来风险，因此本申请可以通过预测资金准备成本和投资组合收益可实现提前赎回价格的动态定价，降低金融机构的经营风险。

可选的，为准确预测违约赎回价格，本申请的价格预测节点可以分别构建收益预测模型、成本预测模型、违约赎回价格计算模型，其中，收益预测模型用于预测投资组合收益，成本预测模型用于预测资金准备成本，违约赎回价格计算模型用于通过预测资金准备成本和投资组合收益实现提前赎回价格的动态定价。

可选的，本申请的价格预测节点在调用违约价格预测智能合约对所述违约赎回交易申请中的待赎回金融产品进行赎回价格预测后，还可以将预测的赎回价格和所述违约赎回交易申请发送至所述区块链网络中的审核节点，所述审核节点用于对通过区块链接收的违约赎回交易申请进行审核，在审核结果为通过时，确定违约赎回交易申请并对金融机构节点、客户节点、司法机构节点公开，在审核结果为不通过时，确认不通过原因对客户节点、金融机构节点、司法机构节点公开。

步骤S103：接收所述审核节点发送的审核结果，在所述审核结果为通过时向所述金融机构节点发送兑付指令，以使所述金融机构节点执行兑付操作并将兑付结果同步至所述区块链网络中的客户节点。

可选的，针对审核通过的交易，本申请可以将交易信息、兑付对象及金额信息发送至金融机构节点的业务处理系统以完成资金兑付。本申请还可以接收来自金融机构节点业务处理系统的兑付处理反馈，调用共识节点将是否兑付成功等信息写入区块链，以及时同步至客户节点处。

从上述描述可知，本申请实施例提供的违约赎回方法，能够通过区块链网络中的价格预测节点调用违约价格预测智能合约能够准确对金融产品的违约赎回价格进行预测，同时将违约赎回的各流程结果通过区块链网络进行节点共识，保障了交易过程的安全性和可靠性。

为了能够准确预测指标，在本申请的数据处理方法的一实施例中，参见图2，上述步骤A102还可以具体包含如下内容：

步骤A201：根据所述数据处理申请中待预测指标的历史数据和宏观指标分别进行第一特征预测，根据第一特征预测结果确定对应的第一特征。

步骤A202：根据设定的历史时间序列数据和历史宏观指标数据进行回归向量预测，确定对应的第二特征。

步骤A203：根据所述第一特征、所述第二特征、设定再平衡区间以及设定参数，确定所述待预测指标的指标预测值。

待预测指标以金融产品的违约赎回价格为例，为了能够准确预测赎回价格，在本申请的违约赎回方法的一实施例中，参见图7，上述步骤S102还可以具体包含如下内容：

步骤S201：根据所述违约赎回交易申请中待赎回金融产品的资产历史数据和宏观金融指标分别进行卖出价格预测，根据卖出价格预测结果确定对应的卖出资产实现收益率。

步骤S202：根据同业拆借利率的历史时间序列数据和历史宏观指标数据进行回归向量预测，确定对应的同业拆借成本利率。

步骤S203：根据所述卖出资产实现收益率、所述同业拆借成本利率、违约赎回再平衡区间以及违约赎回当日净值，确定所述待赎回金融产品的赎回价格预测值。

为了能够确定第一特征，在本申请的违约赎回方法的一实施例中，参见图3，上述步骤A202还可以具体包含如下内容：

步骤A301：根据所述数据处理申请中待预测指标的历史数据作为训练集构建多个并行集成算法的基学习器进行第一特征预测。

步骤A302：根据所有并行集成算法基学习器第一特征预测结果的均值，确定第一特征的第一计算因子。

步骤A303：根据所述数据处理申请中待预测指标的宏观指标作为训练集构建多个串行集成算法的基学习器进行第一特征预测。

步骤A304：根据所有串行集成算法基学习器第一特征预测结果的均值，确定第一特征的第二计算因子。

步骤A305：根据所述第一特征的第一计算因子和所述第一特征的第二计算因子的均值，得到第一特征。

待预测指标以金融产品的违约赎回价格为例，为了能够确定卖出资产实现收益率，在本申请的违约赎回方法的一实施例中，参见图12，上述步骤S201还可以具体包含如下内容：

步骤S701：根据所述违约赎回交易申请中待赎回金融产品的资产历史数据作为训练集构建多个并行集成算法的基学习器进行卖出价格预测。

步骤S702：根据所有并行集成算法基学习器卖出价格预测结果的均值，确定第一卖出资产实现收益率。

步骤S703：根据所述违约赎回交易申请中待赎回金融产品的宏观金融指标作为训练集构建多个串行集成算法的基学习器进行卖出价格预测。

步骤S704：根据所有串行集成算法基学习器卖出价格预测结果的均值，确定第二卖出资产实现收益率。

步骤S705：根据所述第一卖出资产实现收益率和所述第二卖出资产实现收益率的均值，得到卖出资产实现收益率。

为了能够确定第二特征，在本申请的违约赎回方法的一实施例中，参见图4，上述步骤A202还可以具体包含如下内容：

步骤A401：获取设定时间周期内的设定的历史时间序列数据和历史宏观指标数据。

步骤A402：对所述历史时间序列数据和所述历史宏观指标数据进行数据归一化处理，得到训练样本数据。

步骤A403：根据所述训练样本数据对预设支持向量回归预测模型进行迭代训练，得到第二特征预测模型，并根据所述第二特征预测模型预测得到第二特征。

待预测指标以金融产品的违约赎回价格为例，为了能够确定同业拆借成本利率，在本申请的违约赎回方法的一实施例中，参见图13，上述步骤S202还可以具体包含如下内容：

步骤S801：获取设定时间周期内的同业拆借利率的历史时间序列数据和历史宏观指标数据。

步骤S802：对所述历史时间序列数据和所述历史宏观指标数据进行数据归一化处理，得到训练样本数据。

步骤S803：根据所述训练样本数据对预设支持向量回归预测模型进行迭代训练，得到同业拆借成本利率预测模型，并根据所述同业拆借成本利率预测模型预测得到同业拆借成本利率。

可选的，为准确预测违约赎回价格，本申请价格预测节点分别构建收益预测模型、成本预测模型、违约赎回价格计算模型，再基于Stacking算法对各模型进行策略组合，再次对各个模型进行优化。

具体步骤如下：

首先，获取来自金融机构节点的该产品的投资品资产类型、比例及可卖出时间。构建收益预测模型(model11和model12)预测卖出资产实现收益率Rr。所述预测卖出资产实现收益率是指所有拟卖出资产在卖出时间实现的收益率，具体公式如下

其中PiT，是指卖出时间资产i的价格，Pi0是指违约赎回申请日当天的资产i的价格，mi是指资产i卖出的份数。所述PiT即预测卖出价格，可利用机器学习线性回归的算法预测可卖出时间的卖出价格。

可以理解的是，卖出价格的预测基于集成学习算法进行建模，此模型有效的将Boosting弱学习器“串行”的方式(Model1)和Bagging基学习器“并行”方式(Model2)进行了结合，并基于资产历史数据和各项宏观指标对卖出价格进行预测，具体来说：

1、利用Bagging集成算法，基于历史资产数据，构建预测模型Model1,对未来资产卖出价格进行预测：获取资产名称、资产代码、卖出时间、卖出的价格、卖出的份额，使用过去5年的数据作为训练集，采用Bagging集成算法预测未来一年的收益。

具体步骤如下：

1)通过随机采样的方式，有放回的从样本数据中选取出n个样本。

2)从所有特征中算则K个特征，对选出的样本利用特征建立决策树，决策树选取GBDT回归树。

3)重复以上步骤m次可以得到m棵决策树，形成随机森林。

4)学习器判决规则是计算所有基学习器预测结果的均值，作为最终的预测资产卖出价格P1，并根据公式(1)计算得到收益率预测值Rr1。

2、利用Boosting集成算法，基于债券和股票各项宏观指标数据，构建预测模型Model2,对未来资产卖出资产价格进行预测：其中指标包括宏观指标数据(通过膨胀率、GDP实际增长率、正负财政支持增长率)、财政指标(资产收益率、总资产同比增长率、净资产同比增长率、公司总股本、流通股本、现金营运指数)、市场情绪(高1，底0)、企业风险指标值。将各项指标数据作为训练样本数据，利用机器学习Boosting算法对价格进行预测。

具体步骤如下：

1)获取各指标数据作为训练集样本X＝{x1,x2,x3……xi}；

2)初始化训练数据的权重分布，假设权重分布为平均分配，分布为W＝{w1,w2,w3,w4....}，其中

3)选择基学习器CJ＝train(X,Y,W,b)，基学习器采用线性回归算法,y＝ax1+ax2+……+axi+b。每个基学习器的预测值为

4)通过计算基学习器的误差e来计算基学习器的系数，对于误差较大的基学习器，赋予更小的权重；

5)通过投票法得到最终的预测结果：将权重最大的学习器预测据结果作为最终的预测资产价格P2，并根据公式(1)计算得到收益率预测值Rr2。

3、组合以上两个模型的预测结果，通过均值计算得到卖出资产实现收益率Rr＝1/2(Rr1+Rr2)。

然后，构建成本预测模型Model3预测同业拆借成本利率Rc。通常短期资金成本采用同业拆借利率，所述同业拆借成本利率可利用机器学习方法进行预测。具体采取基于向量机SVM回归建立同业拆借利率预测模型，支持向量回归机利用非线性映射将数据x映射到非线性高维特征空间，并在这个高维特征空间进行线性逼近，从而到映射函数使其能够更好的逼近给定已知数据样本，具体例如：

1)获取五年内上海银行间同业拆借利率(SHBOR)的历史时间序列数据及历史宏观指标数据，所述宏观指标数据可包括但不限于存贷款净额、汇率、货币供应量、固定资产投资、消费物价指数、沪深市成交量、净出口量。

2)将样本数据进行归一化处理。

3)将数据分为训练集和测试集，并将所述训练集中的宏观指标数据对预设的支持向量机回归算法的初始参数进行优化处理，并根据优化后的初始参数，构建利率预测模型。

其中，所述支持向量机回归算法公式具体为：

其中，w为权重系数，T为转置，x为输入变量，b为偏置项，ai为拉格朗日乘子，K(xi,xj)为核函数。所述核函数可以包括径向基函数，具体为：K(xi,x)＝exp{-r||x-xi||2/2σ2。

接着，利用上述获得的预测卖出资产实现收益率Rr和同业拆借成本利率Rc作为输入，构建违约赎回价格计算模型Model4。

综合公式1、2、3可得出：

P*＝P/[1+(Rc-Rr)×T/365]

其中，C＝Q×(Rc-Rr)×T/365 (公式1)、Q＝P×n-C (公式2)、P*＝Q/n (公式3)，其中，违约赎回实际兑付资金为Q，违约赎回的再平衡区间为T，即交易时间至资产确认卖出平均时间区间为T。理财产品违约赎回当日净值为P，违约赎回价格P*，赎回份额n。

在本申请的另一些实施例中，本申请还可以基于Stacking算法对各模型进行策略组合，再次对模型进行优化。

例如，模型训练数据包括：以上4个模型的预测数据和独立于4个模型的样本数据，基于以上数据再次对模型进行训练优化。具体步骤如下：

各模型均作为基础模型进行五折交叉验证，即四折作为训练集进行训练，以资产卖出价格模型model1为例：设置训练集共10000行数据，测试集b共2500行数据。对于训练集数据再进行5折交叉验证，针对10000行训练集数据进行划分可以包含2000行测试数据a，8000行训练数据。每一次交叉验证得到会得到关于测试集a的预测值，即2000行的数据，记a1和全部的2500行数据b的测试数据记为b1。因为进行5折交叉验证因此训练过程会进行5次，得到5个测试集A＝{a1,a1,a3,a4,a5}，5个测试集B＝{b1,b2,b3,b4,b5}。

以上即为完成预测流程，Stacking模型中包括卖出价格模型Model2、成本预测模型Model13、违约赎回价格计算模型Model14，重复以上步骤完整流程得到A1、A2、A3、B1、B2、B3矩阵。然后，本申请再此将A1、A2、A3合并成为一个矩阵作为训练集，B1、B2、B3合并成为一个矩阵作为测试集，进行模型训练，得到优化后的违约赎回价格。在获得调整优化后的违约赎回价格后，调用共识节点对违约赎回申请信息共识，记录交易状态为待审核状态，确定违约赎回交易申请对信息审核节点、金融机构节点、客户节点、司法机构节点公开。

为了能够准确进行预测，在本申请的违约赎回方法的一实施例中，参见图5，上述步骤A203还可以具体包含如下内容：

步骤A501：获取历史指标数据中的设定参数、指标预测值以及设定再平衡区间，拟合得到所述第一特征的系数和所述第二特征的系数。

步骤A502：根据所述第一特征及其系数、所述第二特征及其系数、设定再平衡区间以及设定参数，确定所述待预测指标的指标预测值。

待预测指标以金融产品的违约赎回价格为例，为了能够提高赎回价格预测精确度，在本申请的违约赎回方法的一实施例中，参见图8，上述步骤S203还可以具体包含如下内容：

步骤S301：获取历史违约赎回成交数据中的违约赎回当日净值、赎回价格预测值以及违约赎回再平衡区间，拟合得到所述卖出资产实现收益率的收益系数和所述同业拆借成本利率的成本系数。

步骤S302：根据所述卖出资产实现收益率及其收益系数、所述同业拆借成本利率及其成本系数、违约赎回再平衡区间以及违约赎回当日净值，确定所述待赎回金融产品的赎回价格预测值。

可选的，为提升价格计算精准度，本申请还可以设置成本系数w1和收益系数w2，得到：

P*＝P/[1+(w1Rc-w2Rr)×T/365]

基于Model1、Model2、Model3得到的同业拆借总成本Rc和预测卖出资产实现收益率为Rr，获取历史违约赎回成交数据包括理财产品违约赎回当日净值为P、违约赎回价格P*、再平衡区间为T，构建最小二乘线性回归模型Mode14，拟合得到成本系数和收益系数，用于预测违约赎回价格。

为了能够准确对金融产品的违约赎回价格进行预测，同时保障交易过程的安全性和可靠性，本申请提供一种违约赎回方法的实施例，执行主体为应用于区块链网络中的金融机构节点，参见图9，所述违约赎回方法具体包含有如下内容：

步骤S401：向区块链网络中的价格预测节点发送违约赎回交易申请，以使所述价格预测节点调用违约价格预测智能合约对所述违约赎回交易申请中的待赎回金融产品进行赎回价格预测，并将预测的赎回价格和所述违约赎回交易申请发送至所述区块链网络中的审核节点，以使所述审核节点对所述赎回价格和所述违约赎回交易申请进行审核，并使所述价格预测节点接收所述审核节点发送的审核结果，在所述审核结果为通过时发送兑付指令。

步骤S402：接收所述价格预测节点发送的兑付指令并执行兑付操作，将兑付结果同步至所述区块链网络中的客户节点。

从上述描述可知，本申请实施例提供的违约赎回方法，能够通过区块链网络中的价格预测节点调用违约价格预测智能合约能够准确对金融产品的违约赎回价格进行预测，同时将违约赎回的各流程结果通过区块链网络进行节点共识，保障了交易过程的安全性和可靠性。

为了能够为用户提供违约赎回的发起平台，在本申请的违约赎回方法的一实施例中，参见图10，上述步骤S401还可以具体包含如下内容：

步骤S501：接收用户提交的赎回申请信息并生成一违约赎回交易申请。

步骤S502：将所述违约赎回交易申请发送至区块链网络中的价格预测节点。

可选的，用户可以通过金融机构自身柜面业务系统提交申请信息，申请信息可包括但不限于申请单号、客户编号、产品代码、赎回份额、赎回类型。其中赎回类型包括客户违约赎回和司法违约赎回。

可选的，客户违约赎回为客户发起的违约赎回，流程中将不涉及司法机构节点。若赎回类型为司法违约赎回，申请信息还需包括司法机关名称、法院执行文书号、司法要求金额、司法银行账户等信息。

为了能够准确对金融产品的违约赎回价格进行预测，同时保障交易过程的安全性和可靠性，本申请提供一种违约赎回方法的实施例，执行主体为应用于区块链网络中的审核节点，参见图11，所述违约赎回方法具体包含有如下内容：

步骤S601：接收区块链网络中价格预测节点发送的违约赎回交易申请和预测的赎回价格，并对所述赎回价格和所述违约赎回交易申请进行审核，其中，所述预测的赎回价格是由所述价格预测节点接收到区块链网络中金融机构节点发送的违约赎回交易申请后，调用违约价格预测智能合约对所述违约赎回交易申请中的待赎回金融产品进行赎回价格预测得到的。

步骤S602：将审核结果发送至所述价格预测节点，以使所述价格预测节点在所述审核结果为通过时向所述金融机构节点发送兑付指令，并使所述金融机构节点执行兑付操作并将兑付结果同步至所述区块链网络中的客户节点。

从上述描述可知，本申请实施例提供的违约赎回方法，能够通过区块链网络中的价格预测节点调用违约价格预测智能合约能够准确对金融产品的违约赎回价格进行预测，同时将违约赎回的各流程结果通过区块链网络进行节点共识，保障了交易过程的安全性和可靠性。

为了能够准确对金融产品的违约赎回价格进行预测，同时保障交易过程的安全性和可靠性，本申请提供一种用于实现所述违约赎回方法的全部或部分内容的违约赎回装置的实施例，参见图14，所述违约赎回装置具体包含有如下内容：

赎回申请接收模块10，用于接收区块链网络中金融机构节点发送的违约赎回交易申请。

赎回价格预测模块20，用于调用违约价格预测智能合约对所述违约赎回交易申请中的待赎回金融产品进行赎回价格预测，将预测的赎回价格和所述违约赎回交易申请发送至所述区块链网络中的审核节点，以使所述审核节点对所述赎回价格和所述违约赎回交易申请进行审核，并返回审核结果。

兑付操作模块30，用于接收所述审核节点发送的审核结果，在所述审核结果为通过时向所述金融机构节点发送兑付指令，以使所述金融机构节点执行兑付操作并将兑付结果同步至所述区块链网络中的客户节点。

从上述描述可知，本申请实施例提供的违约赎回装置，能够通过区块链网络中的价格预测节点调用违约价格预测智能合约能够准确对金融产品的违约赎回价格进行预测，同时将违约赎回的各流程结果通过区块链网络进行节点共识，保障了交易过程的安全性和可靠性。

为了能够准确对金融产品的违约赎回价格进行预测，同时保障交易过程的安全性和可靠性，本申请提供一种用于实现所述违约赎回方法的全部或部分内容的违约赎回装置的实施例，参见图15，所述违约赎回装置具体包含有如下内容：

赎回申请模块40，用于向区块链网络中的价格预测节点发送违约赎回交易申请，以使所述价格预测节点调用违约价格预测智能合约对所述违约赎回交易申请中的待赎回金融产品进行赎回价格预测，并将预测的赎回价格和所述违约赎回交易申请发送至所述区块链网络中的审核节点，以使所述审核节点对所述赎回价格和所述违约赎回交易申请进行审核，并使所述价格预测节点接收所述审核节点发送的审核结果，在所述审核结果为通过时发送兑付指令。

兑付执行模块50，用于接收所述价格预测节点发送的兑付指令并执行兑付操作，将兑付结果同步至所述区块链网络中的客户节点。

从上述描述可知，本申请实施例提供的违约赎回装置，能够通过区块链网络中的价格预测节点调用违约价格预测智能合约能够准确对金融产品的违约赎回价格进行预测，同时将违约赎回的各流程结果通过区块链网络进行节点共识，保障了交易过程的安全性和可靠性。

为了能够准确对金融产品的违约赎回价格进行预测，同时保障交易过程的安全性和可靠性，本申请提供一种用于实现所述违约赎回方法的全部或部分内容的违约赎回装置的实施例，参见图16，所述违约赎回装置具体包含有如下内容：

审核模块60，用于接收区块链网络中价格预测节点发送的违约赎回交易申请和预测的赎回价格，并对所述赎回价格和所述违约赎回交易申请进行审核，其中，所述预测的赎回价格是由所述价格预测节点接收到区块链网络中金融机构节点发送的违约赎回交易申请后，调用违约价格预测智能合约对所述违约赎回交易申请中的待赎回金融产品进行赎回价格预测得到的。

审核结果反馈模块70，用于将审核结果发送至所述价格预测节点，以使所述价格预测节点在所述审核结果为通过时向所述金融机构节点发送兑付指令，并使所述金融机构节点执行兑付操作并将兑付结果同步至所述区块链网络中的客户节点。

从上述描述可知，本申请实施例提供的违约赎回装置，能够通过区块链网络中的价格预测节点调用违约价格预测智能合约能够准确对金融产品的违约赎回价格进行预测，同时将违约赎回的各流程结果通过区块链网络进行节点共识，保障了交易过程的安全性和可靠性。

为了更进一步说明本方案，本申请还提供一种应用上述违约赎回装置实现违约赎回方法的系统的具体应用实例，参见图17，包括处于同一区块链网络中的价格预测节点、金融机构节点、审核节点以及客户节点；

所述价格预测节点包括：

赎回申请接收模块，用于接收区块链网络中金融机构节点发送的违约赎回交易申请；

赎回价格预测模块，用于调用违约价格预测智能合约对所述违约赎回交易申请中的待赎回金融产品进行赎回价格预测，将预测的赎回价格和所述违约赎回交易申请发送至所述区块链网络中的审核节点；

兑付操作模块，用于接收所述审核节点发送的审核结果，在所述审核结果为通过时向所述金融机构节点发送兑付指令；

所述金融机构节点包括：

赎回申请模块，用于向区块链网络中的价格预测节点发送违约赎回交易申请；

兑付执行模块，用于接收所述价格预测节点发送的兑付指令并执行兑付操作，将兑付结果同步至所述区块链网络中的客户节点；

所述审核节点包括：

审核模块，用于接收区块链网络中价格预测节点发送的违约赎回交易申请和预测的赎回价格，并对所述赎回价格和所述违约赎回交易申请进行审核；

审核结果反馈模块，用于将审核结果发送至所述价格预测节点。

从上述描述可知，本申请实施例提供的违约赎回系统，能够通过区块链网络中的价格预测节点调用违约价格预测智能合约能够准确对金融产品的违约赎回价格进行预测，同时将违约赎回的各流程结果通过区块链网络进行节点共识，保障了交易过程的安全性和可靠性。

从硬件层面来说，为了能够准确对金融产品的违约赎回价格进行预测，同时保障交易过程的安全性和可靠性，本申请提供一种用于实现所述违约赎回方法中的全部或部分内容的电子设备的实施例，所述电子设备具体包含有如下内容：

处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述通信接口用于实现违约赎回装置与核心业务系统、用户终端以及相关数据库等相关设备之间的信息传输；该逻辑控制器可以是台式计算机、平板电脑及移动终端等，本实施例不限于此。在本实施例中，该逻辑控制器可以参照实施例中的违约赎回方法的实施例，以及违约赎回装置的实施例进行实施，其内容被合并于此，重复之处不再赘述。

可以理解的是，所述用户终端可以包括智能手机、平板电子设备、网络机顶盒、便携式计算机、台式电脑、个人数字助理(PDA)、车载设备、智能穿戴设备等。其中，所述智能穿戴设备可以包括智能眼镜、智能手表、智能手环等。

在实际应用中，违约赎回方法的部分可以在如上述内容所述的电子设备侧执行，也可以所有的操作都在所述客户端设备中完成。具体可以根据所述客户端设备的处理能力，以及用户使用场景的限制等进行选择。本申请对此不作限定。若所有的操作都在所述客户端设备中完成，所述客户端设备还可以包括处理器。

上述的客户端设备可以具有通信模块(即通信单元)，可以与远程的服务器进行通信连接，实现与所述服务器的数据传输。所述服务器可以包括任务调度中心一侧的服务器，其他的实施场景中也可以包括中间平台的服务器，例如与任务调度中心服务器有通信链接的第三方服务器平台的服务器。所述的服务器可以包括单台计算机设备，也可以包括多个服务器组成的服务器集，或者分布式装置的服务器结构。

图18为本申请实施例的电子设备9600的系统构成的示意框图。如图18所示，该电子设备9600可以包括中央处理器9100和存储器9140；存储器9140耦合到中央处理器9100。值得注意的是，该图11是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。

一实施例中，违约赎回方法功能可以被集成到中央处理器9100中。其中，中央处理器9100可以被配置为进行如下控制：

步骤S101：接收区块链网络中金融机构节点发送的违约赎回交易申请。

步骤S102：调用违约价格预测智能合约对所述违约赎回交易申请中的待赎回金融产品进行赎回价格预测，将预测的赎回价格和所述违约赎回交易申请发送至所述区块链网络中的审核节点，以使所述审核节点对所述赎回价格和所述违约赎回交易申请进行审核，并返回审核结果。

步骤S103：接收所述审核节点发送的审核结果，在所述审核结果为通过时向所述金融机构节点发送兑付指令，以使所述金融机构节点执行兑付操作并将兑付结果同步至所述区块链网络中的客户节点。

从上述描述可知，本申请实施例提供的电子设备，通过区块链网络中的价格预测节点调用违约价格预测智能合约能够准确对金融产品的违约赎回价格进行预测，同时将违约赎回的各流程结果通过区块链网络进行节点共识，保障了交易过程的安全性和可靠性。

在另一个实施方式中，违约赎回装置可以与中央处理器9100分开配置，例如可以将违约赎回装置配置为与中央处理器9100连接的芯片，通过中央处理器的控制来实现违约赎回方法功能。

如图18所示，该电子设备9600还可以包括：通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是，电子设备9600也并不是必须要包括图18中所示的所有部件；此外，电子设备9600还可以包括图18中没有示出的部件，可以参考现有技术。

如图18所示，中央处理器9100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。

其中，存储器9140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序，以实现信息存储或处理等。

输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器，但并不限于此。

该存储器9140可以是固态存储器，例如，只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142，该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。

存储器9140还可以包括数据存储部9143，该数据存储部9143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。

通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。

基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块9110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132，以经由扬声器9131提供音频输出，并接收来自麦克风9132的音频输入，从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器9130还耦合到中央处理器9100，从而使得可以通过麦克风9132能够在本机上录音，且使得可以通过扬声器9131来播放本机上存储的声音。

本申请的实施例还提供能够实现上述实施例中的执行主体为服务器或客户端的违约赎回方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的执行主体为服务器或客户端的违约赎回方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：

步骤S101：接收区块链网络中金融机构节点发送的违约赎回交易申请。

步骤S102：调用违约价格预测智能合约对所述违约赎回交易申请中的待赎回金融产品进行赎回价格预测，将预测的赎回价格和所述违约赎回交易申请发送至所述区块链网络中的审核节点，以使所述审核节点对所述赎回价格和所述违约赎回交易申请进行审核，并返回审核结果。

步骤S103：接收所述审核节点发送的审核结果，在所述审核结果为通过时向所述金融机构节点发送兑付指令，以使所述金融机构节点执行兑付操作并将兑付结果同步至所述区块链网络中的客户节点。

从上述描述可知，本申请实施例提供的计算机可读存储介质，通过区块链网络中的价格预测节点调用违约价格预测智能合约能够准确对金融产品的违约赎回价格进行预测，同时将违约赎回的各流程结果通过区块链网络进行节点共识，保障了交易过程的安全性和可靠性。

本申请的实施例还提供能够实现上述实施例中的执行主体为服务器或客户端的违约赎回方法中全部步骤的一种计算机程序产品，该计算机程序/指令被处理器执行时实现所述的违约赎回方法的步骤，例如，所述计算机程序/指令实现下述步骤：

步骤S101：接收区块链网络中金融机构节点发送的违约赎回交易申请。

步骤S102：调用违约价格预测智能合约对所述违约赎回交易申请中的待赎回金融产品进行赎回价格预测，将预测的赎回价格和所述违约赎回交易申请发送至所述区块链网络中的审核节点，以使所述审核节点对所述赎回价格和所述违约赎回交易申请进行审核，并返回审核结果。

步骤S103：接收所述审核节点发送的审核结果，在所述审核结果为通过时向所述金融机构节点发送兑付指令，以使所述金融机构节点执行兑付操作并将兑付结果同步至所述区块链网络中的客户节点。

从上述描述可知，本申请实施例提供的计算机程序产品，通过区块链网络中的价格预测节点调用违约价格预测智能合约能够准确对金融产品的违约赎回价格进行预测，同时将违约赎回的各流程结果通过区块链网络进行节点共识，保障了交易过程的安全性和可靠性。

本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。