一种金融大数据风险分析平台制造技术

本发明专利技术公开了一种金融大数据风险分析平台，包括数据采集模块、云存储模块、控制中心模块、数据分析模块、数据校验模块、信息补偿模块、风险评估模块、警报模块，所述数据采集模块将采集到的金融数据发送至云存储模块进行存储，数据分析模块通过对初始阶段的数据影响和分析过程影响来对进行阶段数据分析过程进行分析得到数据加权矩阵和算法加权矩阵，再结合进行进行阶段对金融数据的状态分析对金融数据实施状态监控，当存在数据异常时，由数据校验模块和信息补偿模块对偏差数据进行数据补偿得到待预测数据，再由风险评估模块对得但预测数据进行风险评估，从而提高了金融大数据中风险预测分析的准确性，加强了金融大数据的风险管理程度。险管理程度。险管理程度。

【技术实现步骤摘要】
一种金融大数据风险分析平台


[0001]本专利技术涉及及金融大数据
，特别是涉及一种金融大数据风险分析平台。

技术介绍

[0002]随着互联网时代的发展，大数据在各个领域都得到了广泛的应用，为了通过金融大数据建立和维护一个稳定、健全和高效的金融体系来保护各方参与者的利益；现有技术中管理人员利用风险评估模型对全面的、准确的、及时的用户数据进行信用风险的预估和分析，即通过数学算法模型对交易中的金融数据进行分析计算，降低了金融数据领域中信息不对称问题带来的风险，但是由于不同层次的金融交易的要求不同，且掌握的科技技术水平不同，使得信息不对称的风险不能完全消除；数学算法模型的融合分析不断提高了金融大数据数据分析过程中的数据分析的准确性；但是数学模型的融合的复杂性又会降低金融大数据的处理过程信息的传递，提高分析准确性的同时又加大了信息不对称的风险，不对称的数据信息又会造成信息泄露、风险预测不及时和决策不准确的问题，在进行金融交易的过程中，不同状态下的数据安全风险受到分析过程的不同影响因素的影响，为了提高金融大数据的监管程度，克服风险分析过程中信息不对称、风险预测算法的选择和计算误差带来的影响，提高风险预测和决策的准确性，我们提出了一种金融大数据风险分析平台。

技术实现思路

[0003]针对上述情况，为克服现有技术之缺陷，本专利技术之目的在于提供一种金融大数据风险分析平台，本专利技术将就不同层次的交易用户带来的数据风险和不同的数据分析模型带来的误差考虑在内，数据分析模块对金融交易的初始阶段的数据进行分析得到数据加权矩阵和算法加权矩阵，再通过对进行阶段的金融数据进行的状态分析得到分析误差，数据校验模块再根据分析误差进行金融数据进行数据校验，再由风险评估模块进行风险评估，大大提高了风险预测的准确性，加强了金融大数据的数据安全管理程度。
[0004]其解决的技术方案是，一种金融大数据风险分析平台，包括数据采集模块、云存储模块、控制中心模块、数据分析模块、数据校验模块、信息补偿模块、风险评估模块、警报模块，所述数据采集模块对金融交易过程中产生的金融数据进行采集，并将金融数据存储于云存储模块，数据分析模块利用融合数据分析算法对金融数据进行数据分析得到分析结果，数据校验模块根据数据分析模块的分析结果对金融数据进行校验并得到校验误差，信息补偿模块根据校验误差对金融数据进行数据补偿得到待预测数据，风险评估模块对待预测的金融数据进行风险预测得到风险预测结果，警报模块根据风险预测结果发送警报信号，此系统管理过程具体如下：
[0005](1)数据采集模块分别对金融交易的初始阶段、进行阶段、最终阶段产生的金融数据进行采集并将金融数据存出于云存储模块，当进行金融数据分析时，由控制中心模块向云存储模块发送调用指令来对金融数据进行调用；
[0006](2)数据分析模块在接收到控制中心模块发送的分析指令后利用融合数据分析算
法对金融数据进行分析得到分析结果，首先，数据分析模块对待分析的初始阶段的金融数据和进行阶段的分析指令进行分类得到分类结果，再根据分类结果建立数据分析模型，并对金融数据进行拟合分析得到分析结果，具体分析过程如下：
[0007]步骤1、数据分析模块将初始阶段金融数据的采集时间分为不同的时间段 t1，t2，t3...t
i
，i∈[1，n]，n为时间段的个数，再对每一个时间段内采集的金融数据的数据量进行分析得到p1，p2，p3...p
j
，j∈[1，m]，m表示的是产生不同的金融数据的用户数量，初始阶段中不同时间段的交易用户对进行阶段的数据影响程度不同，将数据影响程度记为y
ij
，数据影响程度的数据加权值记为w
ij
，公式为 w
ij
＝t
i
p
j
，根据数据加权值w
ij
得到数据加权矩阵W，
[0008][0009]数据加权矩阵W表示的是在金融交易过程中初始阶段的金融数据对进行阶段的安全风险的影响矩阵，不同时间段内不同的交易用户的交易数据量和信息安全值不同；
[0010]步骤2、当金融交易处于进行阶段时，数据分析模块根据分析指令调取对应的初始阶段的金融数据，并对提取的金融数据进行预处理得到预处理数据集，数据分析模块根据人工神经网络分类算法对预处理数据集进行分类得到分类数据，方程如下：
[0011][0012]其中，Y为非线性输出函数，x
i
一个数据集中的数据项，w
i
为权值，θ为分类误差；
[0013]步骤3、数据分析模块利用非线性分析函数对初始阶段的每一类分类数据进行非线性分析得到算法分析误差L
i
(i∈[1，k])，k表示分类数据的类别数，数据分析模块根据分析目的建立目标函数，并根据目标函数对k类分类数据的分析结果设定l个目标参数，记为y1，y2，y3...y
l
，不同的分类数据得到目标参数的分析过程不同，不同的分析过程中利用了不同复杂程度的数据分析模型，算法分析误差的非线性方程组如下：
[0014][0015]其中，v
ij
为目标参数的加权值，i，j表示加权值下标的正整数，i，j的范围分别满足i∈[1，l]，j∈[1，k]，数据分析模块对非线性方程组进行求解得到算法加权矩阵 V；
[0016]步骤4、数据分析模块对金融阶段的进行阶段中的金融数据进行分析得到对应的分析结果，分析结果中包括分析影响参数，进行阶段中金融交易的数据安全风险受到初级阶段金融数据的数据加权矩阵和算法加权矩阵的影响，数据分析模块对初始阶段影响下的进行阶段的金融数据进行动态分析得到动态阈值，再根据动态阈值进行分析得的进行阶段的分析误差，最后数据分析模块将分析误差发送至数据校验模块；
[0017](3)数据校验模块接收数据分析模块的分析误差，并根据分析误差对进行阶段的金融数据进行校验得到偏差数据，信息补偿模块根据数据分析模块和数据校验模块的分析结果对偏差数据进行补偿得到待预测数据；
[0018](4)风险评估模块利用风险评估模型对补偿过后的待预测数据进行风险评估，警
报模块根据风险评估模块的风险评估结果对数据分析过程进行信息安全预警。
[0019]所述数据分析模块根据初始阶段中分析得到的数据加权矩阵和算法加权矩阵对进行阶段的数据安全进行状态分析，状态方程如下：
[0020][0021]其中，I0为初始状态量，I(t)为状态函数，在进行阶段中金融数据处理中的信息链，R
i
(t)为进行阶段中产生的金融数据的分析结果中的边缘分析值，R
o
(t)为确定性分析结果的确定分析值，ε为状态误差，δ为数据加权矩阵和算法加权矩阵对带来的分析误差，方程为：
[0022][0023]其中，V＝(v1，v2，v3...v
k
)非线性方程组的特征值。
[0024]所述数据分析模块根据初始阶段的金融数据对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种金融大数据风险分析平台，其特征在于，包括数据采集模块、云存储模块、控制中心模块、数据分析模块、数据校验模块、信息补偿模块、风险评估模块、警报模块，所述数据采集模块对金融交易过程中产生的金融数据进行采集，并将金融数据存储于云存储模块，数据分析模块利用融合数据分析算法对金融数据进行数据分析得到分析结果，数据校验模块根据数据分析模块的分析结果对金融数据进行校验并得到校验误差，信息补偿模块根据校验误差对金融数据进行数据补偿得到待预测数据，风险评估模块对待预测的金融数据进行风险预测得到风险预测结果，警报模块根据风险预测结果发送警报信号，此系统管理过程具体如下：(1)数据采集模块分别对金融交易的初始阶段、进行阶段、最终阶段产生的金融数据进行采集并将金融数据存出于云存储模块，当进行金融数据分析时，由控制中心模块向云存储模块发送调用指令来对金融数据进行调用；(2)数据分析模块在接收到控制中心模块发送的分析指令后利用融合数据分析算法对金融数据进行分析得到分析结果，首先，数据分析模块对待分析的初始阶段的金融数据和进行阶段的分析指令进行分类得到分类结果，再根据分类结果建立数据分析模型，并对金融数据进行拟合分析得到分析结果，具体分析过程如下：步骤1、数据分析模块将初始阶段金融数据的采集时间分为不同的时间段t1，t2，t3...t
i
，i[1，n],n为时间段的个数，再对每一个时间段内采集的金融数据的数据量进行分析得到p1，p2，p3...p
j
，j∈[1，m]，m表示的是产生不同的金融数据的用户数量，初始阶段中不同时间段的交易用户对进行阶段的数据影响程度不同，将数据影响程度记为y
ij
，数据影响程度的数据加权值记为w
ij
，i、j属于正整数共同组成一个下标，公式为w
ij
＝t
i
p
j
，根据数据加权值w
ij
得到数据加权矩阵W，数据加权矩阵W表示的是在金融交易过程中初始阶段的金融数据对进行阶段的安全风险的影响矩阵，不同时间段内不同的交易用户的交易数据量和信息安全值不同；步骤2、当金融交易处于进行阶段时，数据分析模块根据分析指令调取对应的初始阶段的金融数据，并对提取的金融数据进行预处理得到预处理数据集，数据分析模块根据人工神经网络分类算法对预处理数据集进行分类得到分类数据，方程如下：其中，Y为非线性输出函数，x
i
一个数据集中的数据项，w
i
为权值，θ为分类误差；步骤3、数据分析模块利用非线性分析函数对初始阶段的每一类分类数据进行非线性分析得到算法分析误差L
i
(i∈[1，k])，k表示分类数据的类别数，数据分析模块根据分析目的建立目标函数，并根据目标函数对k类分类数据的分析结果设定l个目标参数，记为y1，y2，y3…
y
l
，不同的分类数据得到目标参数的分析过程不同，不同的分析过程中利用...

【专利技术属性】
技术研发人员：丁文涛，刘天航，
申请(专利权)人：河南冉麟企业管理咨询有限公司，
类型：发明
国别省市：