【技术实现步骤摘要】
本申请属于数据处理领域，尤其涉及一种经济风险智能识别方法以及系统。
技术介绍
1、经济风险的传播和积累可能会对整个金融体系的稳定性产生影响，甚至引发系统性风险。经济风险主要表现在，借款人未能按约还款、金融机构支付能力不足、市场利率波动、汇率变动、国家宏观经济金融决策不当、金融机构重要人员违规经营、其他国家或地区政治经济形势变化、金融衍生产品过度使用以及金融机构过快扩张等方面。
2、目前，相关技术中，经济风险预警系统往往只是简单地监测单一数据是否超出预警范围，然后给出风险预警结果。然而，这种方法存在识别不准确、预警不完善的问题，无法及时预警并有效规避经济风险。因此需要一种用以克服上述技术问题的经济风险智能识别方案，用于提前发现复杂金融系统中的潜在经济风险。
技术实现思路
1、本申请提供了一种经济风险智能识别方法以及系统，用以实现对金融系统中潜在风险的提前预警，有助于提高经济风险监测的效率和准确性，帮助金融机构及时应对潜在风险，保障金融系统的安全运行。
2、第一方面，本申请提供了一种经济风险智能识别方法，应用于经济风险监测场景；所述经济风险智能识别方法包括：
3、实时监测目标金融系统中的多模态监测数据；所述多模态监测数据至少包括：结构型经济数据和/或非结构型经济数据；所述目标金融系统对应于特定地理区域和/或组织机构；所述多模态监测数据来自于多个数据源；
4、对所述多模态监测数据进行网络拓扑编辑，以获得所述目标金融系统的实时监测拓扑网络；其
5、通过风险识别模型，对所述实时监测拓扑网络进行风险识别，以得到所述目标金融系统中的潜在风险对象；
6、对所述潜在风险对象进行监测设置优化以及数据重采集，以获得所述潜在风险对象的优化分析数据；
7、基于所述潜在风险对象的优化分析数据，生成针对所述目标金融系统的风险预警信息。
8、第二方面，本申请实施例提供了一种经济风险智能识别系统，应用于经济风险监测场景；所述经济风险智能识别系统包括：
9、监测单元，被配置为实时监测目标金融系统中的多模态监测数据；所述多模态监测数据至少包括：结构型经济数据和/或非结构型经济数据；所述目标金融系统对应于特定地理区域和/或组织机构；所述多模态监测数据来自于多个数据源；
10、编辑单元，被配置为对所述多模态监测数据进行网络拓扑编辑，以获得所述目标金融系统的实时监测拓扑网络；其中，所述实时监测拓扑网络中的节点元素表示所述多模态监测数据中的各个监测对象，所述监测对象包括实体对象和/或变量对象；所述实时监测拓扑网络中网络拓扑结构用于表示各个监测对象对应的经济环境特征之间的关系模式；
11、识别单元，被配置为通过风险识别模型，对所述实时监测拓扑网络进行风险识别，以得到所述目标金融系统中的潜在风险对象；
12、重采单元，被配置为对所述潜在风险对象进行监测设置优化以及数据重采集，以获得所述潜在风险对象的优化分析数据；
13、预警单元，被配置为基于所述潜在风险对象的优化分析数据，生成针对所述目标金融系统的风险预警信息。
14、第三方面，本申请实施例提供了一种经济风险智能识别设备，所述经济风险智能识别设备包括：
15、至少一个处理器、存储器和输入输出单元；
16、其中，所述存储器用于存储计算机程序，所述处理器用于调用所述存储器中存储的计算机程序来执行第一方面的经济风险智能识别方法。
17、第四方面，提供了一种计算机可读存储介质，其包括指令，当其在计算机上运行该指令时，使得计算机执行第一方面的经济风险智能识别方法。
18、本申请实施例提供的技术方案，适用于经济风险监测场景。在经济风险智能识别方案中，首先，实时监测目标金融系统中的多模态监测数据。该多模态监测数据至少包括：结构型经济数据和/或非结构型经济数据。目标金融系统对应于特定地理区域和/或组织机构。多模态监测数据来自于多个数据源。进而，对多模态监测数据进行网络拓扑编辑，以获得目标金融系统的实时监测拓扑网络。其中，实时监测拓扑网络中的节点元素表示多模态监测数据中的各个监测对象，各个监测对象的对象类型包括实体对象和/或变量对象；实时监测拓扑网络中网络拓扑结构用于表示各个监测对象对应的经济环境特征之间的关系模式。接着，通过风险识别模型，对实时监测拓扑网络进行风险识别，以得到目标金融系统中的潜在风险对象。然后，对潜在风险对象进行监测设置优化以及数据重采集，以获得潜在风险对象的优化分析数据。最终，基于潜在风险对象的优化分析数据，生成针对目标金融系统的风险预警信息。本申请实施例提供的技术方案，实现对金融系统中潜在风险的提前预警，有助于提高经济风险监测的效率和准确性，帮助金融机构及时应对潜在风险，保障金融系统的安全运行。
本文档来自技高网...【技术保护点】
1.一种经济风险智能识别方法，其特征在于，应用于经济风险监测场景；所述经济风险智能识别方法包括：
2.根据权利要求1所述的经济风险智能识别方法，其特征在于，所述对所述多模态监测数据进行网络拓扑编辑，以获得所述目标金融系统的实时监测拓扑网络，包括：
3.根据权利要求2所述的经济风险智能识别方法，其特征在于，所述实时监测拓扑网络中各个节点元素之间的边用于表示各监测对象之间的关联关系；各个边的属性表示各自连接的监测对象之间的关联程度；
4.根据权利要求3所述的经济风险智能识别方法，其特征在于，所述基于各个监测对象与其他监测对象之间的关联关系，设置各个节点元素之间的网络拓扑结构之后，还包括：
5.根据权利要求4所述的经济风险智能识别方法，其特征在于，所述多维实时变动特征分别对应于多种金融指标数据；
6.根据权利要求2所述的经济风险智能识别方法，其特征在于，所述识别所述多模态监测数据中的各个监测对象，并以各个监测对象对应的多个数据点分别作为所述实时监测拓扑网络中对应的节点元素，包括：
7.根据权利要求1所述的经济风险智
8.根据权利要求7所述的经济风险智能识别方法，其特征在于，所述对比校验层中获取第y个候选元素节点在第i个潜在风险模式下的异常表现概率的过程表示为如下公式：
9.根据权利要求1所述的经济风险智能识别方法，其特征在于，所述对所述潜在风险对象进行监测设置优化以及数据重采集，以获得所述潜在风险对象的优化分析数据，包括：
10.一种经济风险智能识别系统，其特征在于，应用于经济风险监测场景；所述经济风险智能识别系统包括：
...【技术特征摘要】
1.一种经济风险智能识别方法，其特征在于，应用于经济风险监测场景；所述经济风险智能识别方法包括：
2.根据权利要求1所述的经济风险智能识别方法，其特征在于，所述对所述多模态监测数据进行网络拓扑编辑，以获得所述目标金融系统的实时监测拓扑网络，包括：
3.根据权利要求2所述的经济风险智能识别方法，其特征在于，所述实时监测拓扑网络中各个节点元素之间的边用于表示各监测对象之间的关联关系；各个边的属性表示各自连接的监测对象之间的关联程度；
4.根据权利要求3所述的经济风险智能识别方法，其特征在于，所述基于各个监测对象与其他监测对象之间的关联关系，设置各个节点元素之间的网络拓扑结构之后，还包括：
5.根据权利要求4所述的经济风险智能识别方法，其特征在于，所述多维实时变动特征分别对应于多种金融指标数据；
6.根据...
【专利技术属性】
技术研发人员：蒋馨锋，熊键，张博亮，
申请(专利权)人：珠海凤泽信息科技有限公司，
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。