本发明专利技术涉及风险预警领域，特别涉及一种证券市场波动预警方法、系统以及存储介质。本发明专利技术提供的证券市场波动预警方法，通过负面新闻文本数据对BERT模型进行微调训练；基于上市公司的产业链关系图构建动态图神经网络；获取产业链关系图上多家上市公司分别对应的节点的特征信息，输入训练后的BERT模型，获得对应的多个节点的特征向量；将多个节点的特征向量输入动态图神经网络进行信息聚合获得对应的多个节点特征；根据目标上市公司对应的节点特征对应进行波动风险预警。实现了得到有效的节点特征向量，并以自适应地改变各家上市公司之间的链接强度，以动态的传播预警信息，最终能够准确地预警负面事件造成的即将到来的证券市场波动。场波动。场波动。
【技术实现步骤摘要】
证券市场波动预警方法、系统以及存储介质
[0001]本专利技术涉及风险预警领域，特别涉及一种证券市场波动预警方法、系统以及存储介质。
技术介绍
[0002]随着人民生活水平的提高，居民家庭资产逐渐向金融资产转移，股市的涨跌也愈发引起更多人的注目。如何预测证券市场走势，成为各类投资者最为关注的问题。但加上社会经济生活的复杂性，企业的内外部环境往往是复杂多变的。因此，不确定性普遍存在于企业的生产经营中，使得异常风险反复存在。这种不寻常风险的发生对证券市场和经济体系产生了巨大的影响，因此对证券市场走势的预测愈发重要。近年来，金融学研究确认了公司间动量溢出效应(Momentum Spillover Effect) 的存在，其表明，单个公司股票价格的波动会受到证券市场上其他与之关联公司股票价格波动的影响。其中，动态图神经网络模型能够最为有效的有效的模拟公司间的动量溢出效应，因而在近期得到广泛应用。
[0003]动态图神经网络本质上是通过观察上市公司的市场信号，并模拟公司间的溢出效应，从而对上市公司进行相关的预测判断。投资者情绪被行为金融学证实对证券市场波动有着直接影响。最能影响投资者情绪的便是新闻媒体信息。因此为了能够预警证券市场的波动，准确地表征负面影响的新闻信息成为重中之重。然而，现有的动态图神经网络及相关技术难以从负面金融新闻事件中提取并有效地传播预警信息。
技术实现思路
[0004]为解决现有的动态图神经网络及相关技术难以从负面金融新闻事件中提取并有效地传播预警信息的问题，本专利技术提供了一种证券市场波动预警方法、系统以及存储介质。
[0005]本专利技术解决技术问题的方案是提供一种证券市场波动预警方法，包括以下步骤：获取负面新闻文本数据，基于负面新闻文本数据对BERT模型进行微调训练；基于上市公司的产业链关系图构建动态图神经网络；其中，每家上市公司对应为产业链关系图中的一个节点；获取产业链关系图上多家上市公司分别对应的节点的特征信息，输入训练后的BERT模型，获得对应的多个节点的特征向量；将多个节点的特征向量输入动态图神经网络进行信息聚合获得对应的多个节点特征；根据目标上市公司对应的节点特征对应进行波动风险预警。
[0006]优选地，所述负面新闻文本数据，通过以下步骤获得：获取不同类别的负面新闻文本；对不同类别的负面新闻文本分别添加标签，以获得不同标签的负面新闻文本数据。
[0007]优选地，基于上市公司的产业链关系图构建动态图神经网络之前，所述方法还包
括：获取多家上市公司的经营产品和范围，以构建了产业链关系图，使产业链关系图链接多家上市公司。
[0008]优选地，基于上市公司的产业链关系图构建动态图神经网络，具体包括以下步骤：根据上市公司的产业链关系图构建初始图神经网络；在初始图神经网络添加自适应的注意力机制，构建动态图神经网络。
[0009]优选地，将多个节点的特征向量输入动态图神经网络进行信息聚合获得对应的多个节点特征，具体包括：将多个节点的特征向量输入动态图神经网络，以通过动态图神经网络将每个当前上市公司的相邻上市公司对应的节点的特征向量对应合并到每个当前上市公司对应的节点的特征向量中，以获得对应的多个节点特征，其中，每个上市公司对应均作为当前上市公司，与当前上市公司直接链接的其他上市公司均作为当前上市公司的相邻上市公司，一个节点特征对应一个上市公司。
[0010]优选地，节点特征为：，其中，为当前上市公司节点；为相邻上市公司节点；表示当前上市公司节点的所有相邻上市公司节点的集合；为动态图神经网络的层数；为相邻上市公司节点特征向量；为节点特征；为线性变换的参数；为激活函数；为经过函数归一化后相邻上市公司节点对当前上市公司节点的相对影响强弱。
[0011]优选地，经过函数归一化后相邻上市公司节点对当前上市公司节点的相对影响强弱为：其中，为当前上市公司节点的任一相邻上市公司节点；代表相邻上市公司节点对当前上市公司节点的相对影响强度；代表了相邻上市公司节点对当前上市公司节点的相对影响强度。
[0012]优选地，根据目标上市公司对应的节点特征对应进行波动风险预警，具体包括以下步骤：确定目标上市公司，将目标上市公司对应的节点特征输入动态图神经网络中的感知机，获得对应的输出类别；根据输出类别进行目标上市公司的风险状态提示。
[0013]本专利技术为解决上述技术问题还提供一种证券市场波动预警系统，用于实现如上任一项所述的证券市场波动预警方法，包括：模型训练模块，用于获取负面新闻文本数据，基于负面新闻文本数据对BERT模型进行微调训练；网络构建模块，用于基于上市公司的产业链关系图构建动态图神经网络；其中，每家上市公司对应为产业链关系图中的一个节点；
向量获得模块，用于获取产业链关系图上多家上市公司分别对应的节点的特征信息，输入训练后的BERT模型，获得对应的多个节点的特征向量；信息聚合模块，用于将多个节点的特征向量输入动态图神经网络进行信息聚合获得对应的多个节点特征；风险预警模块，用于根据目标上市公司对应的节点特征对应进行波动风险预警。
[0014]本专利技术为解决上述技术问题还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被执行时实现如上任一项所述的证券市场波动预警方法。
[0015]与现有技术相比，本专利技术提供的证券市场波动预警方法、系统以及存储介质具有以下优点：1、本专利技术的一种证券市场波动预警方法，包括以下步骤：获取负面新闻文本数据，基于负面新闻文本数据对BERT模型进行微调训练；基于上市公司的产业链关系图构建动态图神经网络；其中，每家上市公司对应为产业链关系图中的一个节点；获取产业链关系图上多家上市公司分别对应节点的特征信息，输入训练后的BERT模型，获得对应的多个节点的特征向量；将多个节点的特征向量输入动态图神经网络进行信息聚合获得对应的多个节点特征；根据目标上市公司对应的节点特征对应进行波动风险预警。通过负面新闻文本数据对BERT模型进行训练，从而使训练后的BERT模型能够准确地编码各类负面新闻文本，能够获得更为有效的节点对应的特征向量，即预警信息表征向量；之后通过产业链关系图构建的动态图神经网络将多个节点的特征向量进行信息聚合，以自适应地改变各家上市公司之间的链接强度，以此更改各个公司之间的影响强度，获得改变后的节点特征，以反映了真实市场中业务流动的情况，因此通过目标上市公司对应的节点特征就可对目标上市公司进行风险预警，实现了能够十分有效地将预警信息传递给最易被受影响的相关上市公司。
[0016]2、本专利技术的负面新闻文本数据，通过以下步骤获得：获取不同类别的负面新闻文本；对不同类别的负面新闻文本分别添加标签，以获得不同标签的负面新闻文本数据。通过对不同类别的负面新闻文本分别添加标签，从而将负面新闻文本进行分类，让BERT模型能够学到不同类别的新闻的各自的特征，也使BERT模型能够识别具体的负面事件。
[0017]3、本专利技术的基于上市公司的产业链关系图构建动态图神经网络之前，所述方法还包括：获取本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种证券市场波动预警方法，其特征在于：包括以下步骤：获取负面新闻文本数据，基于负面新闻文本数据对BERT模型进行微调训练；基于上市公司的产业链关系图构建动态图神经网络；其中，每家上市公司对应为产业链关系图中的一个节点；获取产业链关系图上多家上市公司分别对应的节点的特征信息，输入训练后的BERT模型，获得对应的多个节点的特征向量；将多个节点的特征向量输入动态图神经网络进行信息聚合获得对应的多个节点特征；根据目标上市公司对应的节点特征对应进行波动风险预警。2.如权利要求1所述的证券市场波动预警方法，其特征在于：所述负面新闻文本数据，通过以下步骤获得：获取不同类别的负面新闻文本；对不同类别的负面新闻文本分别添加标签，以获得不同标签的负面新闻文本数据。3.如权利要求1所述的证券市场波动预警方法，其特征在于：基于上市公司的产业链关系图构建动态图神经网络之前，所述方法还包括：获取多家上市公司的经营产品和范围，以构建了产业链关系图，使产业链关系图链接多家上市公司。4.如权利要求3所述的证券市场波动预警方法，其特征在于：基于上市公司的产业链关系图构建动态图神经网络，具体包括以下步骤：根据上市公司的产业链关系图构建初始图神经网络；在初始图神经网络添加自适应的注意力机制，构建动态图神经网络。5.如权利要求1所述的证券市场波动预警方法，其特征在于：将多个节点的特征向量输入动态图神经网络进行信息聚合获得对应的多个节点特征，具体包括：将多个节点的特征向量输入动态图神经网络，以通过动态图神经网络将每个当前上市公司的相邻上市公司对应的节点的特征向量对应合并到每个当前上市公司对应的节点的特征向量中，以获得对应的多个节点特征，其中，每个上市公司对应均作为当前上市公司，与当前上市公司直接链接的其他上市公司均作为当前上市公司的相邻上市公司，一个节点特征对应一个上市公司。6.如权利要求5所述的证券市场波动预警方法，其特征在于：节点特征为：，其中...
【专利技术属性】
技术研发人员：马永亮，谭晶桦，周明，
申请(专利权)人：北京澜舟科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。