买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：慧研智投科技有限公司

申请日：2024-05-29

公开（公告）日：2025-01-17

公开（公告）号：CN118505394B

专利技术分类：.资产管理；金融规划或分析[2012.01]

专利摘要：本申请公开了一种基于大数据的金融风险智能分析方法，涉及金融数据处理，包括：获取金融数据将预处理后的金融数据输入到基于注意力机制的LSTM模型中，得到时间序列特征；对时间序列特征进行小波变换；将多尺度时间序列特征与金融数据中的其他风险特征进行组合，作为堆叠集成学习模型的输入；采用堆叠集成学习方法对多个基础模型的预测结果进行组合，通过训练元模型来组合权重，得到初始的金融风险预测结果；根据获取的金融数据与得到的初始的金融风险预测结果，通过概念漂移检测机制，对数据分布的变化进行检测；根据检测到的数据分布变化，对模型参数进行调整；针对现有技术中金融风险预测精度低，本申请提高了预测精度。

专利权项：1.一种基于大数据的金融风险智能分析方法，包括：获取金融数据，对获取的金融数据进行预处理；将预处理后的金融数据输入到基于注意力机制的LSTM模型中，通过注意力机制层调整不同时间步特征的权重，得到时间序列特征；对得到的时间序列特征进行小波变换处理，通过对时间序列特征进行多尺度分解，得到多尺度时间序列特征；将得到的多尺度时间序列特征与金融数据中的其他风险特征进行组合，作为堆叠集成学习模型的输入；采用堆叠集成学习方法stacking对多个基础模型的预测结果进行组合，通过训练元模型来组合权重，得到堆叠集成学习模型的输出，作为初始的金融风险预测结果；其中，金融数据中的其他风险特征包含用户属性特征、宏观经济特征、市场行业特征和社交网络特征中的至少一种；根据获取的金融数据与得到的初始的金融风险预测结果，通过概念漂移检测机制，对数据分布的变化进行检测；根据检测到的数据分布变化，对堆叠集成学习模型的参数进行调整，得到调整后的堆叠集成学习模型；利用调整后的堆叠集成学习模型进行风险分析；获取初始的金融风险预测结果，包括：将通过小波包分解和对数能量熵得到的多尺度时间序列特征，与金融数据中的其他风险特征进行组合，构成风险特征集合；采用信息增益方法对风险特征集合进行特征选择，得到特征子集；采用Relief算法对得到的特征子集进行特征加权，得到加权后的特征向量；选择决策树或支持向量机作为基础模型，将加权后的特征向量作为输入，训练选择的基础模型；采用boosting集成方法生成多个训练后的基础模型实例；采用训练后的基础模型实例，对加权后的特征向量进行预测，得到预测概率向量；采用IsotonicRegression方法将预测概率向量转换为校准后的概率向量，作为基础模型的最终预测结果；获取初始的金融风险预测结果，还包括：将每个基础模型的最终预测结果作为元模型的输入特征，构建元模型训练集；采用stacking方法，以元模型训练集作为输入，训练元模型，得到训练后的堆叠集成学习模型；采用训练后的堆叠集成学习模型，对加权后的特征向量进行预测，得到金融风险预测结果向量，作为初始的金融风险预测结果。

百度查询： 慧研智投科技有限公司 一种基于大数据的金融风险智能分析方法