具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

如图1所示，一种基于区块链的基金信息实时交互系统，包括数据采集模块、交互模块、修正模块、储存模块、区块链模块和服务器；

所述区块链模块用于对用户的注册信息和基金信息进行分配储存，注册信息就是用户在使用本系统前进行的身份信息注册，不仅限于姓名、年龄、联系方式、投资经历等信息，基金信息就是由用户添加的基金信息，可以是用户购买的基金或者用户需要关注的基金；

所述数据采集模块包括基金估值采集单元和基金信息采集单元，所述基金估值采集单元用于采集用户所选基金当日的估值信息，所述基金信息采集单元用于根据用户所选基金推荐基金持仓公司的动态信息，基金持仓公司就是根据基金公布的持仓公司，就是基金买了哪家的股票；

所述修正模块用于对基金估值采集单元采集的数据进行修正，并将修正后的数据发送到交互模块；

所述交互模块用于建立与用户之间的交互通道，将接收的信息由交互通道发送给用户，并接收由用户发送的信息；

基金估值采集单元采集用户所选基金当日的估值信息的方法包括：

步骤SA1：获取用户添加的基金信息，根据基金信息获取具有本基金估值的基金平台，就是在哪些基金平台看可以看到本基金的当日估值，并将获取的基金平台标记为i，其中i=1、2、……、n，n为获取的基金平台数量；

步骤SA2：获取基金平台对应基金的历史估值数据和历史净值数据，这个基金平台是具有用户添加基金的基金平台，将历史估值数据标记为P_ij，将历史净值数据标记为L_ij，其中j为获取的历史估值数据和历史净值数据对应的日期，j=1、2、……、m，j=1代表采集数据的当天日期，j=2，采集数据的前一天数据，依此类推；

步骤SA3：根据公式获取基金估值稳值α_i，其中为日期比重系数，可以根据专家组进行讨论设置或者根据神经网络模型学习判断，基本 原则为j越小，所占比重越大；将基金估值稳值α_i进行排序，将排列第一的基金估值稳值α_i对 应的基金平台作为用户基金估值的数据采集来源；

步骤SA4：获取用户基金在对应基金平台的当日估值；

通过基金估值采集单元的设置，从众多的基金平台中选取基金估值准确的，使得采集的基金估值更加的准确，为用户提供更好的投资信息；

基金信息采集单元根据用户所选基金推荐基金持仓公司的动态信息的方法包括：

步骤SB1：获取用户所选基金的持仓信息，根据持仓信息获取基金持仓公司信息；

步骤SB2：建立检索单元，检索单元用于根据基金持仓公司信息检索对应公司发布的信息；将基金持仓公司信息输入到检索单元中进行检索，获得检索结果，将检索结果发送到交互模块；

通过基金信息采集单元的设置，为客户提供更多的基金相关信息，同时为用户提供更加专业和准确信息解读，避免用户被券商平台内的内容所诱导；

步骤SB2将基金持仓公司信息输入到检索单元中进行检索的方法包括：

获取基金持仓公司名称和所属产业领域，根据基金持仓公司名称在证券交易平台中进行检索，获取对应公司发布的公告信息以及对应的评论信息；

根据基金持仓公司所属产业领域，在对应产业领域的专业网站中进行信息检索，检索的内容包括政策信息、行业信息、销售信息、财务信息等信息，因为证券交易平台公布的消息具有极大的片面性和误导性，通过在对应产业领域的专业网站中进行信息检索，获得的消息更加的真实和全面，获得对应的产业检索信息；

获取的公告信息、评论信息和产业检索信息均是经过数据去重的，就是将相同的信息、重复的信息进行删除；

建立评估模型，获取对应持仓公司的股票走势和基金走势，将股票走势、基金走势、公告信息、评论信息和产业检索信息进行整合并标记为评估输入数据；将评估输入数据输入到评估模型中，获得评估结果，评估结果为当日基金走势预测；

将当日基金走势预测信息、公告信息、评论信息和产业检索信息整合标记为检索结果；

建立评估模型的方法包括：

获取评估历史数据，评估历史数据包括股票走势、基金走势、公告信息、评论信息和产业检索信息；为评估历史数据设置评估结果；构建人工智能模型；人工智能模型包括误差逆向传播神经网络、RBF神经网络和深度卷积神经网络；将评估历史数据和对应的评估结果按照设定比例划分为训练集、测试集和校验集；所述设定比例包括4：3：2、3：2：1和3：1：1；通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为评估模型；

修正模块对基金估值采集单元采集的数据进行修正的方法包括：

获取采集到的当日基金估值和基金估值稳值α_i，建立修正模型，将当日基金估值和基金估值稳值α_i输入到修正模型中，获得修正估值；

建立修正模型的方法包括：

获取基金历史数据，基金历史数据包括历史估值和基金估值稳值α_i；获取对应的基金净值；构建人工智能模型；人工智能模型包括误差逆向传播神经网络、RBF神经网络和深度卷积神经网络；将基金历史数据和对应的基金净值按照设定比例划分为训练集、测试集和校验集；所述设定比例包括4：2：2、3：2：1和3：1：1；通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为修正模型；

交互模块的工作过程包括：

建立与用户之间的交互通道，例如：公众号、群聊等，将接收到的检索结果和修正后的基金估值数据由交互通道发送给用户，用户通过交互通道查阅发送的信息，并可以通过交互通道设置信息来源屏蔽，就是可以对信息来源进行屏蔽，例如：某个人员的评论信息、某个平台发布的信息，用户还可以通过交互通道输入关键字信息进行检索，检索想要了解的信息；

通过交互模块的设置，使得用户与本系统之间拥有了沟通的渠道，可以将获取的基金信息及时的发送给用户，用户可以通过交互通道输入关键字信息进行检索，检索想要了解的信息，避免用户不能对基金信息的及时了解。

上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。

本发明的工作原理：对用户的注册信息和基金信息进行分配储存，采集用户所选 基金当日的估值信息，获取用户添加的基金信息，根据基金信息获取具有本基金估值的基 金平台，并将获取的基金平台标记为i，获取基金平台对应基金的历史估值数据和历史净值 数据，将历史估值数据标记为P_ij，将历史净值数据标记为L_ij，根据公式获取基金估值稳值α_i，基本原则为j越小，所占比重越大； 将基金估值稳值α_i进行排序，将排列第一的基金估值稳值α_i对应的基金平台作为用户基金 估值的数据采集来源；获取用户基金在对应基金平台的当日估值；

根据用户所选基金推荐基金持仓公司的动态信息，获取用户所选基金的持仓信息，根据持仓信息获取基金持仓公司信息；建立检索单元，将基金持仓公司信息输入到检索单元中进行检索，获取基金持仓公司名称和所属产业领域，根据基金持仓公司名称在证券交易平台中进行检索，获取对应公司发布的公告信息以及对应的评论信息；根据基金持仓公司所属产业领域，在对应产业领域的专业网站中进行信息检索，获得对应的产业检索信息；获取评估历史数据，评估历史数据包括股票走势、基金走势、公告信息、评论信息和产业检索信息；为评估历史数据设置评估结果；构建人工智能模型；将评估历史数据和对应的评估结果按照设定比例划分为训练集、测试集和校验集；通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为评估模型；获取对应持仓公司的股票走势和基金走势，将股票走势、基金走势、公告信息、评论信息和产业检索信息进行整合并标记为评估输入数据；将评估输入数据输入到评估模型中，获得评估结果，评估结果为当日基金走势预测；将当日基金走势预测信息、公告信息、评论信息和产业检索信息整合标记为检索结果；获得检索结果，将检索结果发送到交互模块；

对基金估值采集单元采集的数据进行修正，并将修正后的数据发送到交互模块；建立与用户之间的交互通道，将接收的信息由交互通道发送给用户，并接收由用户发送的信息；获取采集到的当日基金估值和基金估值稳值α_i，建立修正模型，将当日基金估值和基金估值稳值α_i输入到修正模型中，获得修正估值。

在本发明所提供的实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式；所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方法的目的。

另对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。