(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211081363.3 (22)申请日 2022.09.06 (71)申请人 山东省市场监管监测中心 地址 250000 山东省济南市历下区燕子山 路43号山东省市场监管局 (72)发明人 周伟光　赵跃程　卢吉晓　赵帅　 阮洪新　 (74)专利代理 机构 北京奇眸智达知识产权代理 有限公司 1 1861 专利代理师 徐秋韵 (51)Int.Cl. G06Q 30/00(2012.01) G06Q 50/26(2012.01) (54)发明名称 一种用于判断垄断行为的大数据感知方法 及系统 (57)摘要 本发明属于大数据技术领域， 公开了一种用 于判断垄断行为的大数据感知方法及系统， 大数 据感知方法包括： 对重点行业产品进行监测， 确 定生产企业的地理分布、 市场影响力分布， 分析 重点行业产品价格变动与全省产品价格变动的 趋势异同； 同时用于市场存在异常价格变动的风 险时识别出价格变动期， 反馈预警信息； 对行政 立案后的企业产品， 确定具有高影 响力的企业间 的高相关性， 进行生产企业成本、 价格成本分析， 提供可追溯、 可证明的模型分析证据。 本发明可 实现对垄断违法行为的早期预警、 证据收集， 运 用多种算法进行数据扩展、 风险预警、 取证固证， 并且从时间和空间两个维度利用大数据的算法 模型及指标体系实现对垄断违法行为发现和确 认。 权利要求书3页 说明书13页 附图8页 CN 115170166 A 2022.10.11 CN 115170166 A 1.一种用于判断垄断行为的大数据感知方法， 其特征在于， 所述用于判断垄断行为的 大数据感知方法包括： 通过对重点行业产品信 息进行监测， 确定生产企业的地理分布、 市场影响力分布， 获得 重点行业产品价格变动与产品价格变动的趋势异同分析数据； 基于 分析数据识别市场存在 异常价格 变动风险时反映出的价格 变动期， 进行 预警信息反馈， 并可视化 示出。 2.如权利要求1所述用于判断垄断行为的大数据感知方法， 其特征在于， 所述用于判断 垄断行为的大 数据感知方法包括以下步骤： 步骤一， 获取企业基本信息数据、 税务数据、 销售数据； 对获取的数据进行清洗和处 理； 步骤二， 基于结构突变理论从时空两个维度确定产品价格波动特征的异质性， 识别企 业对产品价格的垄断行为； 步骤三， 进行可视化参数设置， 基于设置的可视化参数进行识别结果的可视化展示以 及整体分析报告的下 载。 3.如权利要求2所述用于判断垄断行为的大数据感知方法， 其特征在于， 所述步骤一中 对获取的数据进行清洗和处 理包括： 首先， 对获取的数据进行缺失值的处 理、 数据标准 化、 异常值的检测处 理； 其次， 对价格数据的多时间维度进行聚合和转换； 同时将处理后的数据存储入预先构 建的基础库、 主题库中。 4.如权利要求2所述用于判断垄断行为的大数据感知方法， 其特征在于， 所述步骤二中 基于结构突变理论从时空两个维度确定产品价格波动特征的异质性， 识别企业对产品价格 的垄断行为包括： 在时间维度上， 构建每家企业产品的多元时间序列模型， 结合内生多重突变检验模型 识别产品价格数据的结构变点， 构建 GARCH模型确定产品价格波动特 征的异质性； 在空间维度上， 构建空间计量模型确定不同企业产品价格的空间相关性、 聚集性和异 质性。 5.如权利要求2所述用于判断垄断行为的大数据感知方法， 其特征在于， 所述步骤二中 基于结构突变理论从时空两个维度确定产品价格波动特征的异质性， 识别企业对产品价格 的垄断行为包括以下步骤： （1） 对处理后的数据进行聚类分析， 得到多个分组， 并计算每个企业所在分组的组内相 关系数和组间相关系数， 得到具有价格串谋的特 征和具有 垄断特征的数据； （2） Bai‑Perron内生结构突变 检验方法的思路如下： 假设某个Ｔ期的时间序列数据存在ｍ个潜在突变点， 产生ｍ＋1个分割区间， 数据的生 成过程如下： 其中， ； ， 为t时刻被解释变量的值， 解 释变量由 和 两部分组成， 表示系数未发生改变的变量， 表示系数发生改变 的变量， 和 为相应的系数向量， 为残差项， 是ｍ个未知的结构权　利　要　求　书 1/3 页 2 CN 115170166 A 2突变点， 为了 便于定义结构突变点的日期， 设 ； Bai‑Perron结构突变检验分为三步： 第一步， 针对式中每个可 能的分割点， 利用普通最 小二乘法 （OLS） ， 计算出 和 的估计值， 并得到对应的残差平方和； 第二步， 比较不同分 割方式得到的残差平方和， 取最小残差平方和的分割： 第三步， 对时间序列的生成过程是否 发生结构突变进行显著性检验； （3） 对时间序列的生成过程是否发生结构突变进行显著性检验， 得到若干个结构变点， 对相邻两个结构变点划分出的时间区间检验是否产生了具有长期记忆性的波动， GARCH模 型是用来描述波动率能得到很好效果的时间序列模型； 对于一个时间序列 ， 令 ， 称 服从GARC H(m,s)模型， 如果满足 ， 其中， 表示截止到时刻的收益率信息， 为常数， 为不相关的白噪声序列， 是波动率， 是收益率的条件标准差， 为零均值单位方差的独立同分布白噪声列， 的模型是 的波动率方程， m、 s为GARC H模型的参数， α 、 β 为常数项； （4） 对所有企业的产品建立空间相关性模型， 根据聚类分析所得的不同分组， 采用一阶 时间相关系数分析计算每 个企业所在分组的组内相关系数和组间相关系数。 6.如权利要求5所述用于判断垄断行为的大数据感知方法， 其特征在于， 所述步骤 （1） 中计算每个企业所在分组的组内相关系数和组间相关系数， 得到具有价格串 谋的特征和具 有垄断特征的数据包括： 1） 在时间维度下， 计算两个时间序列之间是否具有类似的变化趋势： 其中， XT、 YT指输入的两个时间序列， Xt、 Xt+1、 Yt、 Yt+1分别指在t时刻、 t+1时刻XT、 YT序列 的值， CORT为相关性系数的值； 2） 确定 的性质： ， 其中 表示 两条时间序列持有相同的趋势， 会同时上涨或者下跌， 并且涨幅或者跌幅相同； 表示两条时间序列的上涨和下跌趋势相反； 表示两条时间序列在单调性方面没有相关性； 3） 对于出现产品价格结构突变并进入到价格变动期的企业， 所在组 的组内多个企业具 有较强的系统相关性， 而组间相关性较弱： 组内组间相关性呈现出高值 ‑低值的特征， 判断 几家具有市场支配能力的企业进行价格领导的可能性增大， 具有价格串谋 的特征； 任意出 现产品价格结构突变并进入到价格变动期的企业， 组内组间相关性呈现出低值 ‑低值的特 征， 判断所述企业具有 垄断特征。权　利　要　求　书 2/3 页 3 CN 115170166 A 3