一种基于知识图谱的风险预警方法及存储介质技术

本发明专利技术涉及金融数据分析技术领域，提供一种基于知识图谱的风险预警方法及存储介质，利用大数据的便利性，最大限度的获取到了金融异构信息，随后通过统一的信息处理得到标准化的多份结构化数据，并建立股票知识图谱，从而通过股票知识图谱了解各个行业中各个个股的关联性，使得数据分析更为全面，进而提高风险预警的准确率；随后，针对股票行情的实时变化，根据动态权重算法计算动态的权重，实时更新对应与每一行业的多因子风险控制模型，从而使得风险排序列表处于动态修正的状态，紧跟股票交易变化趋势，进一步提高风险预警的准确率；最后，针对不同的用户输出个性化的风险预警，从而可降低用户的操作难度、贴合用户的实际需求。贴合用户的实际需求。贴合用户的实际需求。

【技术实现步骤摘要】
一种基于知识图谱的风险预警方法及存储介质


[0001]本专利技术涉及金融数据分析
，尤其涉及一种基于知识图谱的风险预警方法及存储介质。

技术介绍

[0002]知识图谱(Knowledge Graph)，在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。
[0003]知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。它能为学科研究提供切实的、有价值的参考。
[0004]股票至今已有将近400年的历史，它伴随着股份公司的出现而出现。随着企业经营规模扩大与资本需求不足要求一种方式来让公司获得大量的资本金。于是产生了以股份公司形态出现的，股东共同出资经营的企业组织。股份公司的变化和发展产生了股票形态的融资活动；股票融资的发展产生了股票交易的需求；股票的交易需求促成了股票市场的形成和发展；而股票市场的发展最终又促进了股票融资活动和股份公司的完善和发展
[0005]目前，随着股票市场的发展，股票市场的大盘走势通常反映为股票价格指数的变化，但现有的股票预测、推荐方法是通过人为单纯从股票价格指数本身预测大盘走势，并调整交易状态。但是，人工的预测依赖于经验，过于主观导致敏感度较差，往往会出现误判。r/>
技术实现思路

[0006]本专利技术提供一种基于知识图谱的风险预警方法及存储介质，解决了现有的股票预测、推荐技术过于主观敏感度较差，导致预测准确率较低的技术问题。
[0007]为解决以上技术问题，本专利技术提供一种基于知识图谱的风险预警方法，包括步骤：
[0008]S1、获取金融异构信息并根据预设策略进行统一的信息处理，整合得到对应的多份结构化数据；
[0009]S2、根据多份所述结构化数据建立股票知识图谱；
[0010]S3、根据动态权重算法及所述股票知识图谱，更新多因子风险控制模型；
[0011]S4、在所述多因子风险控制模型的基础上，计算每一个股的风控值；
[0012]S5、根据所述风控值对所述个股进行股票排序，输出风险排序列表；
[0013]S6、根据所述风险排序列表对用户进行个性化的风险预警。
[0014]本基础方案利用大数据的便利性，最大限度的获取到了金融异构信息，随后通过统一的信息处理得到标准化的多份结构化数据，不仅覆盖了金融领域中的绝大部分数据以此保证预警的客观，还使得数据更为清晰、简洁，从而便于数据的分析及用户的查看；根据结构化数据建立股票知识图谱，可通过股票知识图谱了解各个行业中各个个股的关联性，
使得数据分析更为全面，进而提高风险预警的准确率；随后，针对股票行情的实时变化，根据动态权重算法计算动态的权重，实时更新对应与每一行业的多因子风险控制模型，从而使得风险排序列表处于动态修正的状态，紧跟股票交易变化趋势，进一步提高风险预警的准确率；最后，针对不同的用户输出个性化的风险预警，从而可降低用户的操作难度、贴合用户的实际需求。
[0015]在进一步的实施方案中，所述步骤S1包括：
[0016]S11、通过行情获取和/或网络爬虫获取金融异构信息；
[0017]S12、采用信息抽取技术处理所述金融异构信息，获取每一支个股相关的行业信息及其它基本信息，并根据标准格式整合得到对应的结构化数据。
[0018]本方案采用行情获取、网络爬虫等多种信息获取手段，充分的利用了大数据网络化、数据化的便利性，尽可能更为全面的获取更多的金融异构信息，通过数据的全面性来提高数据的准确率，进而保证输出判断的公正、客观；采用信息抽取技术处理金融异构信息，提取其中的关键信息，并根据标准格式整合得到结构化数据，可有效减少冗余数据、提高数据的可读性。
[0019]在进一步的实施方案中，所述步骤S2包括：
[0020]S21、根据所述结构化数据中的行业属性，确定其所对应的个股的所属行业；
[0021]S22、整合每一行业中所有的所述结构化数据，建立股票知识图谱。
[0022]本方案根据结构化数据中的行业属性，确定其所对应的个股的所属行业，进而为每一个行业构建股票行业知识图谱(即股票知识图谱)，以行业为单位，通过股票知识图谱将每一个股的数据进行关联，在分析数据时考虑的更为全面从而可进一步提高数据的分析的准确率。
[0023]在进一步的实施方案中，所述步骤S3包括：
[0024]S31、根据所述股票知识图谱，定时获取每一所述行业中每一所述个股在预设时间段内的历史数据；
[0025]S32、从所述历史数据中，获取每一属性因子为不同权重时对应的风控准确率，进而根据所述风控准确率计算所述属性因子的目标权重；
[0026]S33、整合所有所述属性因子的目标权重，并实时更新到对应的多因子风险控制模型中。
[0027]本方案以预设时间段内的历史数据为依据，以风控准确率为参照值，实时地对每一所述行业中每一属性因子的最佳权重进行计算，获取最接近当前时局的多因子风险控制模型，通过定时更新、动态调整，从而紧跟时事、贴合时局，不仅提高了系统智能化程度和工作效率，还使得预警更具实时性和准确性，为用户提供更精准的股票风险预警。
[0028]在进一步的实施方案中，在所述步骤S4中：所述多因子风险控制模型为，对每一行业中影响所述个股的风控值的属性因子分配对应的权重，进而整合所有所述属性因子及对应的权重得到多因子风险控制模型。
[0029]在进一步的实施方案中，所述步骤S5具体为：获取每一所述行业所对应的所述个股的所述风控值，以所述风控值为标准对所述个股进行排序，结合所述结构化数据输出对应每一所述行业的股票风险排序列表。
[0030]在进一步的实施方案中，所述步骤S6包括：
[0031]S61、以用户应用数据为基础，基于知识推理技术判断用户行业偏好；
[0032]S62、根据所述用户行业偏好推送对应的所述风险排序列表，并进行风险预警。
[0033]在进一步的实施方案中，所述用户应用数据为历史数据或当前输入数据；所述历史数据或所述当前输入数据包括用户选取的量化因子以及操作偏好。
[0034]本方案以知识推理技术为核心，分析用户的应用数据，从而智能化地判断每一用户的用户行业偏好，在此基础上，优先向用户推送其感兴趣的股票行业的风险排序列表，并及时地向用户进行风险预警，从而降低用户受损的风险，提高用户的使用体验。
[0035]在进一步的实施方案中，所述金融异构信息包括时间序列数据和文本信息；其中，所述时间序列数据包括股票交易数据；所述文本信息包括行业新闻、事件信息、政策信息，以及个股公司公告信息、网站公布信息。
[0036]本专利技术还提供一种存储介质，其上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识图谱的风险预警方法，其特征在于，包括步骤：S1、获取金融异构信息并根据预设策略进行统一的信息处理，整合得到对应的多份结构化数据；S2、根据多份所述结构化数据建立股票知识图谱；S3、根据动态权重算法及所述股票知识图谱，更新多因子风险控制模型；S4、在所述多因子风险控制模型的基础上，计算每一个股的风控值；S5、根据所述风控值对所述个股进行股票排序，输出风险排序列表；S6、根据所述风险排序列表对用户进行个性化的风险预警。2.如权利要求1所述的一种基于知识图谱的风险预警方法，其特征在于，所述步骤S1包括：S11、通过行情获取和/或网络爬虫获取金融异构信息；S12、采用信息抽取技术处理所述金融异构信息，获取每一支个股相关的行业信息及其它基本信息，并根据标准格式整合得到对应的结构化数据。3.如权利要求1所述的一种基于知识图谱的风险预警方法，其特征在于，所述步骤S2包括：S21、根据所述结构化数据中的行业属性，确定其所对应的个股的所属行业；S22、整合每一行业中所有的所述结构化数据，建立股票知识图谱。4.如权利要求3所述的一种基于知识图谱的风险预警方法，其特征在于，所述步骤S3包括：S31、根据所述股票知识图谱，定时获取每一所述行业中每一所述个股在预设时间段内的历史数据；S32、从所述历史数据中，获取每一属性因子为不同权重时对应的风控准确率，进而根据所述风控准确率计算所述属性因子的目标权重；S33、整合所有所述属性因子的目标权重，并实时更新到对应的多因子风...

【专利技术属性】
技术研发人员：马驰，胡辉，
申请(专利权)人：惠州学院，
类型：发明
国别省市：