数据处理方法、系统、设备及可读存储介质

技术领域

本发明实施例涉及大数据技术领域，尤其涉及一种数据处理方法、系统、计算机设备及计算机可读存储介质。

背景技术

收益的归属是组合投资的重要部分。现有的收益系统中，有的收益系统是根据当前持仓数据进行收益数据的获取和推送，这样的收益系统容易忽略交易行为对组合投资的收益数据的影响。有的收益系统忽略穿透的影响，穿透的数据不能够通过收益系统很好的得到，进而分析不出穿透的收益。尽管有的系统尝试进行穿透持仓和交易，但是数据的处理范围往往很有限，只能将100％持有的基金进行穿透分析，这会给系统带来极大的收益能力分析的限制性，容易会导致收益的分析结果不准确的情况发生。

上述的收益系统，在组合投资数据的处理过程中，需要进行大量且复杂的数据计算，计算量大，容易造成CPU的运算负担。

发明内容

有鉴于此，本发明实施例提供了一种数据处理方法、系统、计算机设备及计算机可读存储介质，用于解决现有的收益系统处理组合投资数据需要进行大量且复杂的数据计算，容易因计算量大造成CPU的运算负担的问题。

本发明实施例是通过下述技术方案来解决上述技术问题：

一种数据处理方法，包括：

提取投资组合数据的多个分析因子，并将所述多个分析因子归类封装在预设的数据库中，所述多个分析因子包括组合持仓数据、组合交易数据以及份额比数据；

从所述数据库中获取所述组合持仓数据以及份额比数据，并根据预设的多个穿透分解式对所述组合持仓数据以及份额比数据进行穿透分解操作，得到多个中间数据，所述多个中间数据包括所述投资组合数据中个券的期末持仓数据、期初持仓数据和交易持仓数据；

根据预设的基金虚拟交易模板，构建基金虚拟交易，并将所述基金虚拟交易作为第一调整项，所述基金虚拟交易通过所述份额比数据更新所述基金虚拟交易模板得到，且所述基金虚拟交易用于模拟所述投资组合数据的申购和赎回；

从所述数据库中获取所述组合交易数据和份额比数据，通过所述预设的多个穿透分解式对所述组合交易数据和份额比数据进行穿透分解操作，以得到投资组合数据中多个母基金市值数据、每个底层数据的交易数据、每个底层数据的市值数据，其中，每个母基金包括至少一个底层数据；

根据每个母基金市值数据和对应的底层数据的市值数据，构建现金虚拟交易，将所述现金虚拟交易作为第二调整项，所述现金虚拟交易用于表示现金在投资组合数据中对应的子基金中的占比；及

根据所述多个中间数据、所述第一调整项和所述第二调整项，生成所述投资组合数据的穿透数据，并进行可视化处理，所述穿透数据用于表征所述投资组合数据的收益归属。

可选地，所述预设的多个穿透分解式包括第一穿透分解式，所述根据预设的多个穿透分解式对所述组合持仓数据以及份额比数据进行穿透分解操作，得到多个中间数据的步骤，包括：

获取所述投资组合数据的每个个券在目标时间周期的最终时间的份额比数据以及期末市值数据；

根据所述第一穿透分解式以及所述投资组合数据的每个个券在目标时间周期的最终时间的份额比数据和期末市值数据，计算以得到所述投资组合数据的每个个券对应的期末持仓数据。

可选地，所述预设的多个穿透分解式包括第二穿透分解式，所述根据预设的多个穿透分解式对所述组合持仓数据以及份额比数据进行穿透分解操作，得到多个中间数据的步骤，包括：

获取所述投资组合数据的每个个券在目标时间周期的初始时间的份额比数据以及期初市值数据；

根据所述第二穿透分解式以及所述投资组合数据的每个个券在目标时间周期的初始时间的份额比数据和期初市值数据，计算以得到所述投资组合数据的每个个券对应的期初持仓数据。

可选地，所述预设的多个穿透分解式包括第三穿透分解式，所述根据预设的多个穿透分解式对所述组合持仓数据以及份额比数据进行穿透分解操作，得到多个中间数据的步骤，包括：

获取所述投资组合数据的每个个券在目标时间周期内对应的基金规模数据、交易数据和单位净值数据；

根据所述第三穿透分解式以及所述投资组合数据的每个个券在目标时间周期内对应的基金规模数据、交易数据和单位净值数据，计算以得到所述投资组合数据的每个个券对应的交易持仓数据。

可选地，所述通过所述预设的多个穿透分解式对所述组合交易数据和份额比数据进行穿透分解操作，以得到组合中每个母基金市值数据、每个底层数据的交易数据、每个底层数据的市值数据的步骤，包括：

获取所述投资组合数据中每个母基金的持仓数据；

获取所述每个母基金的至少一个子基金；

监控所述至少一个子基金对于对应的底层数据的交易变化值，所述交易变化值用于记录所述底层数据的交易状态；

当所述底层数据的交易变化值满足预设交易条件时，穿透分析底层数据和对应的母基金的持仓数据，以得到所述母基金市值数据、底层数据的交易数据、底层数据的市值数据。

可选地，所述根据每个母基金市值数据和对应的底层数据的市值数据，构建现金虚拟交易的步骤包括：

计算每个母基金市值数据和对应的底层数据的市值数据的差值；

将多个所述差值求和，以得到现金虚拟交易的数据。

可选地，所述投资组合数据方法还包括：根据所述穿透数据，生成目标投资人员的投资等级数据的步骤：

解析所述投资组合数据中每个资产数据以得到每个资产数据的基准类型；

从每个资产数据的多个中间数据对应的收益结论数据中确定收益最高的多个中间数据为目标中间数据；

解析所述目标中间数据以得到目标中间数据的资产类型；

计算所述目标中间数据的资产类型和对应的资产数据的基准类型之间的匹配度；

基于所述匹配度生成目标投资人员的投资等级数据：当匹配度大于预设阈值时，生成目标投资人员的投资等级数据为第一等级；当匹配度小于预设阈值时，生成目标投资人员的投资等级数据为第二等级。

为了实现上述目的，本发明实施例还提供一种数据处理系统，包括：

第一获取模块，用于提取投资组合数据的多个分析因子，并将所述多个分析因子归类封装在预设的数据库中，所述多个分析因子包括组合持仓数据、组合交易数据以及份额比数据；

第一穿透分解模块，用于从所述数据库中获取所述组合持仓数据以及份额比数据，并根据预设的多个穿透分解式对所述组合持仓数据以及份额比数据进行穿透分解操作，得到多个中间数据，所述多个中间数据包括所述投资组合数据中个券的期末持仓数据、期初持仓数据和交易持仓数据；

虚拟交易构建模块，用于根据预设的基金虚拟交易模板，构建基金虚拟交易，并将所述基金虚拟交易作为第一调整项，所述基金虚拟交易通过所述份额比数据更新所述基金虚拟交易模板得到，且所述基金虚拟交易用于模拟所述投资组合数据的申购和赎回；

第二穿透分解模块，用于从所述数据库中获取所述组合交易数据和份额比数据，通过所述预设的多个穿透分解式对所述组合交易数据和份额比数据进行穿透分解操作，以得到投资组合数据中多个母基金市值数据、每个底层数据的交易数据、每个底层数据的市值数据，其中，每个母基金包括至少一个底层数据；

构建现金模块，用于根据每个母基金市值数据和对应的底层数据的市值数据，构建现金虚拟交易，将所述现金虚拟交易作为第二调整项，所述现金虚拟交易用于表示现金在投资组合数据中对应的子基金中的占比；及

生成模块，用于根据所述多个中间数据、所述第一调整项和所述第二调整项，生成所述投资组合数据的穿透数据，并进行可视化处理，所述穿透数据用于表征所述投资组合数据的收益归属。

为了实现上述目的，本发明实施例还提供一种计算机设备，所述计算机设备包括存储器、处理器以及存储在所述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计算机程序时实现如上所述数据处理方法的步骤。

为了实现上述目的，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序可被至少一个处理器所执行，以使所述至少一个处理器执行如上所述的数据处理方法的步骤。

本发明实施例提供的数据处理方法、系统、计算机设备及计算机可读存储介质，通过份额比数据等多个分析因子、多个穿透分解式、虚拟交易以及现金流数据等多角度分析投资组合数据，保证了数据处理的准确性，简化了数据的计算量，提高了数据的处理效率，减轻了CPU的运算负担。

以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。

附图说明

图1为本发明实施例一之数据处理方法的步骤流程图；

图2为本发明实施例一之数据处理方法中获取贷款相关数据的步骤流程图；

图3为本发明实施例一之数据处理方法中穿透得到期末持仓数据的步骤流程图；

图4为本发明实施例一之数据处理方法中穿透得到期初持仓数据的步骤流程图；

图5为本发明实施例一之数据处理方法中穿透得到交易持仓数据的步骤流程图；

图6为本发明实施例一之数据处理方法中子基金穿透的步骤流程图；

图7为本发明实施例一之数据处理方法中获取现金流数据的步骤流程图；

图8为本发明实施例二之数据处理系统的程序模块示意图；

图9为本发明实施例三之计算机设备的硬件结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。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他实施例，都属于本发明保护的范围。

需要说明的是，在本发明实施例中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

在本发明的描述中，需要理解的是，步骤前的数字标号并不标识执行步骤的前后顺序，仅用于方便描述本发明及区别每一步骤，因此不能理解为对本发明的限制。

实施例一

请参阅图1，示出了本发明实施例之数据处理方法的步骤流程图。可以理解，本方法实施例中的流程图不用于对执行步骤的顺序进行限定。下面以计算机设备为执行主体进行示例性描述，具体如下：

如图1所示，所述数据处理方法可以包括步骤S100～S600，其中：

步骤S100，提取投资组合数据的多个分析因子，并将所述多个分析因子归类封装在预设的数据库中，所述多个分析因子包括组合持仓数据、组合交易数据以及投资组合数据额比数据。

在示例性的实施例中，投资组合数据可以为投资人员构建的投资组合数据。例如，基金的投资组合数据通常从货币类、债券类、股票类、QDII类、商品类等大类的资产来进行配置的。其中，某一投资组合数据包括每个资产的品种大类、行业、券种、风格、规模、地区、国别等等。每个资产的份额比数据是指用户持有该资产的份额在该资产的总份额中所占的比例。

步骤200，从所述数据库中获取所述组合持仓数据以及份额比数据，并根据预设的多个穿透分解式对所述组合持仓数据以及份额比数据进行穿透分解操作，得到多个中间数据，所述多个中间数据包括所述投资组合数据中个券的期末持仓数据、期初持仓数据和交易持仓数据投资组合数据。

在示例性的实施例中，多个中间数据包括基于预设的多个穿透分解式对组合持仓数据以及份额比数据进行穿透生成的每个资产对应的期末持仓数据、期初持仓数据和交易持仓数据，可以理解为是，每个资产持有的底层数据的相应多个中间数据，如A基金持有的股票、现金、B基金等底层数据的相应期末持仓数据、期初持仓数据和交易持仓数据。所述多个穿透分解式包括第一穿透分解式、第二穿透分解式和第三穿透分解式。

进一步的，第一穿透分解式、第二穿透分解式和第三穿透分解式均是基于收益计算规则演化而来；收益计算规则为净值收益规则。其中，收益计算规则为：(emv-bmv-rmv)/(bmv+prch)，其中，emv：期末市值，bmv：期初市值，rmv：交易的现金流汇总，prch：购买金额。

具体的，结合第一关联规则和收益计算规则，转化得到第一穿透分解式，第一关联规则对应的公式为：unit_net_value＝net_value/lot，其中，unit_net_value(unv)：单位净值数据，net_value(nv)：净值数据，lot：份额数。

结合第二关联规则和收益计算规则，转化得到第二穿透分解式，第二关联规则对应的公式为：qty*unv＝ratio*nv，其中，qty：持仓数量，Ratio：份额比。

结合第三关联规则和收益计算规则，转化得到第三穿透分解式，第三关联规则对应的公式为：net_value＝sum(security+cash)，其中，sum表示为求和，security：个券；cash：现金。

进一步的，总的穿透分解式表示为：(ratio(t)*net_value(t)-ratio(t-1)*net_value(t-1)-size*unit_net_value(t-1))/(ratio(t-1)*net_value(t-1)+size(buy)*unit_net_value(t-1)。

在示例性的实施例中，请参阅图2，所述预设的多个穿透分解式包括第一穿透分解式，所述步骤S200还可以进一步包括步骤S101～S102，其中：步骤S201，获取所述投资组合数据的每个个券在目标时间周期的最终时间的份额比数据以及期末市值数据；步骤S202，根据所述第一穿透分解式，分析所述投资组合数据的每个个券在目标时间周期的最终时间的份额比数据以及期末市值数据，以得到所述投资组合数据的每个个券对应的期末持仓数据。

示例性的，第一穿透分解式经演化得到：期末持仓收益数据＝份额比数据*个券持仓期末市值。目标时间周期为(t-1)～t，最终时间对应为t，t>0，即期末持仓数据＝ratio(t)*net_value(t)。

在示例性的实施例中，请参阅图3，所述预设的多个穿透分解式包括第二穿透分解式，所述步骤S200还可以进一步包括：步骤S211，获取所述投资组合数据的每个个券在目标时间周期的初始时间的份额比数据以及期初市值数据；步骤S212，根据所述第二穿透分解式，分析所述投资组合数据的每个个券在目标时间周期的初始时间的份额比数据以及期初市值数据，以得到所述每个投资组合数据的每个个券对应的期初持仓数据。

具体的，第二穿透分解式经演化得到：期初持仓收益数据＝份额比数据*个券持仓期初市值。初始时间对应为t，t>0，即期初持仓数据＝ratio(t-1)*net_value(t-1)。

在示例性的实施例中，如图4，所述预设的多个穿透分解式包括第三穿透分解式，所述步骤S200还可以进一步包括：步骤S221，获取所述投资组合数据的每个个券在目标时间周期内对应的基金规模数据、交易数据和单位净值数据；步骤S222，根据所述第三穿透分解式，分析所述投资组合数据的每个个券在目标时间周期内对应的基金规模数据、交易数据和单位净值数据，以得到所述投资组合数据的每个个券对应的交易持仓数据。

根据穿透分解式对应的公式，可知资产数据持仓的穿透为子基金按份额比调整的结果。以份额比*个券持仓计算得到穿透后的期末持仓，穿透后期初期末持仓可以直接获得。

步骤S300，根据预设的基金虚拟交易模板，构建基金虚拟交易，并将所述基金虚拟交易作为第一调整项，所述基金虚拟交易通过所述份额比数据更新所述基金虚拟交易模板得到，且所述基金虚拟交易用于模拟所述投资组合数据的申购和赎回。

由于份额占比的变化带来的调整，往往很复杂，结合基金的申购和赎回，不能够很清晰的根据每笔申购赎回得到结果。因此需要简化份额比带来的影响，则构建虚拟交易，也即通过申购和赎回造成的稀释/反稀释，通过相应的交易反应在最终的持仓上。

其中，通过公式sum(b_ratio(t-1)*ratio(t-1)*pv(t-1))＝sum(buy)，sum(s_ratio(t-1)*ratio(t-1)*pv(t-1))＝sum(fee+sell)，基于份额比数据，构建出虚拟交易数据，从而得到每个资产对应生成的虚拟交易数据。其中，buy、b均表示申购，sell、s均表示赎回，fee表示手续费；pv表示申购或者赎回的净值。

假设A基金有100份，甲持有了50份A基金，甲在今日卖掉了25份A基金，即甲持有的份额比从50％变成了25％，因为交易行为份额比会产生变化。假设甲在今日并没有卖掉A基金，仍然持有50份A基金，但是次日乙购入了100份A基金，使得A基金的总份额变化了，A基金有200份，此时，即使甲没有发生实际的交易行为，甲持有A基金的份额比也发生了变化，相当于稀释了25％，则可以通过构建的虚拟交易去计算收益，被稀释的25％相当于卖出了这5％部分以T-1的价格。对交易数据进行分析，得到最终的份额比数据。

步骤S400，从所述数据库中获取所述组合交易数据和份额比数据，通过所述预设的多个穿透分解式对所述组合交易数据和份额比数据进行穿透分解操作，以得到投资组合数据中多个母基金市值数据、每个底层数据的交易数据、每个底层数据的市值数据，其中，每个母基金包括至少一个底层数据。

示例性的，假设A基金为母基金，A基金持有B基金、C基金、D基金等子基金，所述B基金持有的股票、现金、E基金为底层数据

在示例性的实施例中，参阅图5，所述步骤S500还可以进一步包括：步骤S501，获取所述投资组合数据中每个母基金的持仓数据；步骤S502，获取所述每个母基金的至少一个子基金；步骤S503，监控所述至少一个子基金对于对应的底层数据的交易变化值，所述交易变化值用于记录所述底层数据的交易状态；步骤S504，当所述底层数据的交易变化值满足预设交易条件时，穿透分析底层数据和对应的母基金的持仓数据，以得到所述母基金市值数据、底层数据的交易数据、底层数据的市值数据。

其中，预设交易条件为当底层数据的交易变化值满足底层数据与相应子基金的穿透比例时，得到母基金市值数据、底层数据的交易数据、底层数据的市值数据。

步骤S500，根据每个母基金市值数据和对应的底层数据的市值数据，构建现金虚拟交易，将所述现金虚拟交易作为第二调整项，所述现金虚拟交易用于表示现金在投资组合数据中对应的子基金中的占比。

在示例性的实施例中，如图6，所述步骤S600还可以通过以下操作得到：步骤S601，计算每个母基金市值数据和对应的底层数据的市值数据的差值；步骤S602，将多个所述差值求和，以得到现金流数据。

示例性的，以穿透后的基金市值的总值减去穿透后个券的市值，直接得到最终汇总的现金差值部分，汇总多个现金差值部分，即可得到现金流数据。

汇总现金流数据可以理解为是汇总现金项目，将投资组合数据中的所有持有的子基金的现金汇总为唯一科目，以总的现金作为现金项目进行调整；很好地处理了现金流数据。

步骤S600，根据所述多个中间数据、所述第一调整项和所述第二调整项，生成所述投资组合数据的穿透数据，并进行可视化处理，所述穿透数据用于表征所述投资组合数据的收益归属投资组合数据投资组合数据。

在示例性的实施例中，穿透数据包括收益结论数据，其中，收益结论数据是指在一段时期内投资组合数据的投资收益(包括资本利得、分红收入、利息收入等)较期初投入所取得的投资回报率。

在示例性的实施例中，根据收益结论数据，生成收益表单。

在示例性的实施例中，参阅图7，所述方法还包括：分析所述收益结论数据，以得到所述投资组合数据对应的投资人员等级数据，并将所述投资人员的投资等级数据反馈至客户端；具体如下：步骤S801，解析所述投资组合数据中每个资产数据以得到每个资产数据的基准类型；步骤S802，从每个资产数据的多个中间数据对应的收益结论数据中确定收益最高的多个中间数据为目标中间数据；步骤S803，解析所述目标中间数据以得到目标中间数据的资产类型；步骤S804，计算所述目标中间数据的资产类型和对应的资产数据的基准类型之间的匹配度；步骤S805，基于所述匹配度生成目标投资人员的投资等级数据：当匹配度大于预设阈值时，生成目标投资人员的投资等级数据为第一等级；当匹配度小于预设阈值时，生成目标投资人员的投资等级数据为第二等级。

具体的，第一等级对应目标投资人员的投资能力较高，第二等级对应目标投资人员的投资能力较低。

示例性的，将根据收益结论数据分析得到的投资等级数据，填入收益表单中。

本发明实施例通过份额比数据、演化后的穿透规则、虚拟交易以及现金流数据等多角度分析投资组合数据，以得到收益归属数据，再根据所述收益归属数据分析得到的投资人员的投资等级数据，提高了投资数据分析的准确率。

本申请对于子基金的穿透，得到的个券收益数据和当日个券行情匹配的，保证了数据的准确性。构造的虚拟交易作为个券收益的调整项，汇总的现金虚拟交易作为整体的调整项，保证了准确性。将申购和赎回的影响转换为每日期末的份额比，简化了对于收益结论数据的计算。

本发明通过份额比数据等多个分析因子、多个穿透分解式、虚拟交易以及现金流数据等多角度分析投资组合数据，保证了数据处理的准确性，简化了数据的计算量，提高了数据的处理效率，减轻了CPU的运算负担

本发明实施例还具有以下技术效果：

(1)简化数据的处理过程以及逻辑，提高了数据的处理能力，能够用简单且严谨的规则，处理非100％持有的问题。

(2)保证了本发明实施例收益系统的严谨性，得到的收益结果无残差，提高了数据处理的准确性。

(3)本发明实施例中的收益系统由于上述系统的严谨性以及规则简单性，通过得到的穿透数据快速进行收益分析，大大减少了数据的计算量。

(4)本发明实施例的收益系统通过收益率算法，得到后续的收益归属，支持详细的分析收益的来源。如非穿透情况下，只能够分析到收益的来源于一个基金，而在穿透情况下，可以分析到更细的粒度，到个券的粒度。

(5)本发明实施例的收益系统的数据处理效率高，简化了中间交易、份额变化等各个步骤，直接通过结果构造虚拟交易数据，加快了收益系统对投资组合数据穿透的处理效率，同时也复制了收益的计算过程，保证了数据处理的准确性。

实施例二

请继续参阅图8，示出了本发明数据处理系统的程序模块示意图。在本实施例中，数据处理系统20可以包括或被分割成一个或多个程序模块，一个或者多个程序模块被存储于存储介质中，并由一个或多个处理器所执行，以完成本发明，并可实现上述数据处理方法。本发明实施例所称的程序模块是指能够完成特定功能的一系列计算机程序指令段，比程序本身更适合于描述数据处理系统20在存储介质中的执行过程。以下描述将具体介绍本实施例各程序模块的功能：

第一获取模块900，用于提取投资组合数据的多个分析因子，并将所述多个分析因子归类封装在预设的数据库中，所述多个分析因子包括组合持仓数据、组合交易数据以及份额比数据；

第一穿透分解模块910，用于从所述数据库中获取所述组合持仓数据以及份额比数据，并根据预设的多个穿透分解式对所述组合持仓数据以及份额比数据进行穿透分解操作，得到多个中间数据，所述多个中间数据包括所述投资组合数据中个券的期末持仓数据、期初持仓数据和交易持仓数据；

虚拟交易构建模块920，用于根据预设的基金虚拟交易模板，构建基金虚拟交易，并将所述基金虚拟交易作为第一调整项，所述基金虚拟交易通过所述份额比数据更新所述基金虚拟交易模板得到，且所述基金虚拟交易用于模拟所述投资组合数据的申购和赎回；

第二穿透分解模块930，用于通过所述预设的多个穿透分解式对所述组合交易数据和份额比数据进行穿透分解操作，以得到组合中母基金市值数据、每个底层数据的交易数据、每个底层数据的市值数据，其中，每个母基金包括至少一个底层数据；

构建现金模块940，用于根据每个母基金市值数据和对应的底层数据的市值数据，构建现金虚拟交易，将所述现金虚拟交易作为第二调整项，所述现金虚拟交易用于表示现金在投资组合数据中对应的子基金中的占比；及

生成模块950，用于根据所述多个中间数据、所述第一调整项和所述第二调整项，生成所述投资组合数据的穿透数据，并进行可视化处理，所述穿透数据用于表征所述投资组合数据的收益归属。。

实施例三

参阅图9，是本发明实施例三之计算机设备的硬件架构示意图。本实施例中，所述计算机设备2是一种能够按照事先设定或者存储的指令，自动进行数值计算和/或信息处理的设备。该计算机设备2可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。如图9所示，所述计算机设备2至少包括，但不限于，可通过系统总线相互通信连接存储器21、处理器22、网络接口23、以及数据处理系统20。其中：

本实施例中，存储器21至少包括一种类型的计算机可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器21可以是计算机设备2的内部存储单元，例如该计算机设备2的硬盘或内存。在另一些实施例中，存储器21也可以是计算机设备2的外部存储设备，例如该计算机设备2上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，存储器21还可以既包括计算机设备2的内部存储单元也包括其外部存储设备。本实施例中，存储器21通常用于存储安装于计算机设备2的操作系统和各类应用软件，例如上述实施例的数据处理系统20的程序代码等。此外，存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。

处理器22在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制计算机设备2的总体操作。本实施例中，处理器22用于运行存储器21中存储的程序代码或者处理数据，例如运行数据处理系统20，以实现上述实施例的数据处理方法。

所述网络接口23可包括无线网络接口或有线网络接口，该网络接口23通常用于在所述计算机设备2与其他电子装置之间建立通信连接。例如，所述网络接口23用于通过网络将所述计算机设备2与外部终端相连，在所述计算机设备2与外部终端之间的建立数据传输通道和通信连接等。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobile communication，GSM)、宽带码分多址(WidebandCode Division Multiple Access，WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。

需要指出的是，图9仅示出了具有部件20-23的计算机设备2，但是应理解的是，并不要求实施所有示出的部件，可以替代的实施更多或者更少的部件。

在本实施例中，存储于存储器21中的所述数据处理系统20还可以被分割为一个或者多个程序模块，所述一个或者多个程序模块被存储于存储器21中，并由一个或多个处理器(本实施例为处理器22)所执行，以完成本发明。

例如，图8示出了所述实现数据处理系统20实施例二的程序模块示意图，该实施例中，所述基于数据处理系统20可以被划分为第一获取模块900、第一穿透分解模块910、虚拟交易构建模块920、第二穿透分解模块930、构建现金模块940以及生成模块950。其中，本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述所述数据处理系统20在所述计算机设备2中的执行过程。所述程序模块900-950的具体功能在实施例二中已有详细描述，在此不再赘述。

实施例四

本实施例还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于存储数据处理系统20，被处理器执行时实现上述实施例的数据处理方法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。