基于大数据的金融风险预测方法及系统与流程

本发明涉及数据分析，具体涉及基于大数据的金融风险预测方法及系统。

背景技术：

1、基于大数据的金融风险预测是指利用大规模数据分析技术和算法，对金融市场中可能发生的各种风险进行识别、评估和预测的过程。首先，大数据技术允许金融机构收集和整合来自不同来源的大量数据，包括市场行情数据、交易数据、经济指标、舆情数据等。其次，通过对这些数据进行深度挖掘和分析，可以发现数据之间的潜在关联和模式，从而识别出潜在的金融风险因素。最后，利用机器学习和统计模型对这些因素进行建模和预测，帮助金融机构及时发现和应对可能出现的风险，降低金融市场波动性，保障金融系统的稳定运行。

2、现有技术存在以下不足之处：

3、在利用大规模数据分析技术和算法，对金融市场中可能发生的各种风险进行识别、评估和预测时，当金融市场的数据量不断增加时，数据的质量价值也会随之变得参差不齐，如果系统不能够及时准确的识别出较高质量价值的数据，可能导致金融机构的风险控制降低。如果系统获取到的数据的质量价值较低，风险管理系统可能无法及时识别和响应潜在风险，使得金融机构暴露于未知和不可控制的风险中，增加了系统性风险和损失的可能性。

4、数据的质量价值指的是金融市场产生的数据之间的强相关性以及对业务决策的重要性程度等因素综合评估所得到的指标，数据之间的相关性越高，对业务的决策重要性越大，数据的质量价值就越高；在金融领域，数据的质量价值尤为重要，如果数据质量价值较高，那么金融机构可以更加准确地评估风险，做出更好的投资和业务决策，从而降低潜在的风险和损失。相反，如果数据质量价值较低，可能导致金融机构做出错误的决策，增加了系统性风险和损失的风险。因此，对于金融风险预测和管理而言，确保数据的质量价值至关重要。

技术实现思路

1、本发明的目的是提供一种基于大数据的金融风险预测方法及系统，以解决背景技术中不足。

2、为了实现上述目的，本发明提供如下技术方案：基于大数据的金融风险预测方法，包括以下步骤；

3、s1：收集金融市场相关的大规模数据，包括市场行情数据、交易数据、经济指标、舆情数据，对数据进行整理和清洗，提高数据的准确性；

4、s2：对收集到的数据进行探索性分析，将各个变量之间的关系和趋势进行可视化，判断数据之间的趋势相关性程度；

5、s3：根据金融市场的特点，对收集到的数据进行市场实时性分析，评估数据对金融市场的影响程度；

6、s4：将数据之间的趋势相关性程度和数据对金融市场的影响程度进行综合分析，对数据质量价值进行评估；

7、s5：根据评估结果，对数据进行分类标记，将数据划分为高等质量数据，中等质量数据以及低等质量数据；

8、s6：对一段时间内收集到的数据质量价值变化情况进行分析，并对金融市场出现的风险级别进行提前预测预警。

9、在一个优选地实施方式中，s2中，判断数据之间的趋势相关性程度，通过数据之间的趋势相关性程度获取数据趋势相关性指数，则数据趋势相关性指数的获取方法为：

10、获取与数据采集时间相应的两个待比较的时间序列：x＝(x1,x2,...,xn)和y＝(y1,y2,...,ym)，其中n和m分别表示序列的长度；

11、创建一个二维矩阵d，其中，d[i][j]表示序列x的第i个元素与序列y的第j个元素之间的距离；

12、计算动态规整路径，从d[1][1]开始，依次沿着矩阵d的最小代价路径移动，直到到达d[n][m]；

13、计算动态规整路径上所有对应元素之间的距离的总和，作为趋势相关性指数；计算距离矩阵d[i][j]＝d(xi,yj)；其中，d(xi,yj)表示序列x的第i个元素xi和序列y的第j个元素yj之间的距离；

14、动态规划求解最小代价路径，初始化路径矩阵，p[1][1]＝(1,1)；对于p[i][j]，选择d[i][j]、d[i-1][j]和d[i][j-1]中的最小值，更新路径矩阵，直到p[n][m]，定义趋势相关性指数为动态规整路径上所有对应元素之间的距离的总和，式中，dtxy为数据趋势相关性指数，p表示动态规整路径。

15、在一个优选地实施方式中，s3中，评估数据对金融市场的影响程度，包括利用数据对金融市场的影响程度获取数据价值复合指数，数据价值复合指数的获取方法为：

16、对获取到的数据进行标记，用矩阵x表示它们的数据矩阵，则相关性矩阵r的计算表达式为：rij＝corr(xi,xj)；式中，rij表示数据i和数据j之间的相关性程度；

17、在构建好数据网络后，计算网络度中心性，节点i的度中心性为具体的计算表达式为：式中，表示节点i的度中心性；将节点的重要性综合起来，计算节点的综合重要性，具体的计算表达式为：式中，wk是第k种中心性指标的权重，是节点i的第k种中心性指标，m为中心性指标数量，表示节点i的综合重要性；计算数据价值复合指数，具体的计算表达式为：式中，ykm为数据价值复合指数，n是网络中的节点数量，表示节点i的综合重要性。

18、在一个优选地实施方式中，s4中，将数据之间的趋势相关性程度和数据对金融市场的影响程度进行综合分析，对数据质量价值进行评估，具体为：

19、将数据趋势相关性指数和数据价值复合指数进行归一化处理，通过归一化处理后的数据趋势相关性指数和数据价值复合指数计算收集到的金融市场相关的大规模数据的质量价值评估系数。

20、在一个优选地实施方式中，s5中，根据评估结果，对数据进行分类标记，将数据划分为高等质量数据，中等质量数据以及低等质量数据，具体为：

21、将获取到的质量价值评估系数与梯度标准阈值进行比较，梯度标准阈值包括第一标准阈值和第二标准阈值，且第一标准阈值小于第二标准阈值，将质量价值评估系数分别与第一标准阈值和第二标准阈值进行对比；

22、若质量价值评估系数大于第二标准阈值，此时发出数据正常信号，将对应的数据标记为高等质量数据；

23、若质量价值评估系数大于第一标准阈值且小于等于第二标准阈值，此时不发出信号，将对应的数据标记为中等质量数据；

24、若质量价值评估系数小于等于第一标准阈值，此时发出数据异常信号，将对应的数据标记为低等质量数据。

25、在一个优选地实施方式中，s6中，对一段时间内收集到的数据质量价值变化情况进行分析，并对金融市场出现的风险级别进行提前预测预警，具体为：

26、将数据持续时间差，水位平滑程度值以及整体性能异常指数进行归一化处理，通过归一化处理后的数据持续时间差，水位平滑程度值以及整体性能异常指数计算子监测区域内地质数据的准确性系数；

27、将子监测区域内地质数据的准确性系数与准确性阈值进行比较，若子监测区域内地质数据的准确性系数大于等于准确性阈值，此时发出数据正常信号；若子监测区域内地质数据的准确性系数小于准确性阈值，此时发出数据异常信号。

28、在一个优选地实施方式中，s6中，对子监测区域规定时间内地质数据的准确性进行分析，并对子监测区域内的地质灾害风险级别进行提前预测并进行预警；

29、设定金融市场风险预测区间，获取在金融市场风险预测区间内发出数据异常信号的风险占比情况，并进行分析，具体为；

30、若金融市场风险预测区间内没有发出数据异常信号，此时不发出预警信号；

31、若金融市场风险预测区间内发出数据异常信号，且数据异常信号的风险占比小于风险占比阈值，此时生成二级预警信号；

32、若金融市场风险预测区间内发出数据异常信号，且数据异常信号的风险占比大于等于风险占比阈值，此时生成一级预警信号。

33、本发明还提供一种基于大数据的金融风险预测系统，包括数据收集模块、数据探索性分析模块、市场实时性分析模块、综合分析评估模块，数据分类标记模块以及风险预测预警模块；

34、数据收集模块：收集金融市场相关的大规模数据，包括市场行情数据、交易数据、经济指标、舆情数据，对数据进行整理和清洗，提高数据的准确性；

35、数据探索性分析模块：对收集到的数据进行探索性分析，将各个变量之间的关系和趋势进行可视化，判断数据之间的趋势相关性程度；

36、市场实时性分析模块：根据金融市场的特点，对收集到的数据进行市场实时性分析，评估数据对金融市场的影响程度；

37、综合分析评估模块：将数据之间的趋势相关性程度和数据对金融市场的影响程度进行综合分析，对数据质量价值进行评估；

38、数据分类标记模块：根据评估结果，对数据进行分类标记，将数据划分为高等质量数据，中等质量数据以及低等质量数据；

39、风险预测预警模块：对一段时间内收集到的数据质量价值变化情况进行分析，并对金融市场出现的风险级别进行提前预测预警。

40、在上述技术方案中，本发明提供的技术效果和优点：

41、1、本发明通过收集、清洗和分析大规模金融市场相关数据，系统能够更准确地识别和评估各种风险。探索性分析和趋势相关性程度的评估帮助识别数据中的模式和趋势，而综合分析和分类标记步骤则进一步提高了数据的质量价值，使得风险预测更为准确。最终的预警机制通过对数据质量价值变化的监测，及时预警可能出现的风险事件，帮助金融机构及时响应。

42、2、本发明通过全面的数据收集和分析，提高了金融机构对市场风险的感知能力，降低了系统性风险的可能性。同时，预测预警机制能够在风险发生前就给出警示，使得金融机构能够及时采取应对措施，减少损失。整个方法的流程清晰，逻辑严谨，为金融机构提供了一套全面有效的风险管理工具，有助于提升金融市场的稳定性和可持续性。