[發明專利]基于全媒體大數據技術的海外投資風險評估方法及系統

在審

• 申請號: 201810997591.2
• 申請日: 2018-08-29
• 公開（公告）號: CN109300040A
• 公開（公告）日: 2019-02-01
• 發明（設計）人: 薛文芳;李林靜;孫哲南
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06Q40/06
• 分類號: G06Q40/06;G06Q10/06;G06F16/953;G06N3/04
• 代理公司: 北京瀚仁知識產權代理事務所(普通合伙) 11482
• 代理人: 宋寶庫;陳曉鵬

1.一種基于全媒體大數據技術的海外投資風險評估方法，其特征在于，所述評估方法包括：

通過云計算和網絡爬蟲方法，獲取海外投資國家的歷史投資數據，作為訓練樣本；

對所述訓練樣本進行歸一化處理，得到歷史風險量化指標；

根據所述歷史風險量化指標，建立風險預測模型；

監測待投資國家的當前風險投資數據；

對所述當前風險投資數據進行歸一化處理，得到當前風險量化指標；

基于所述風險預測模型及所述當前風險量化指標，確定對所述待投資國家的投資風險情況。

2.根據權利要求1所述的基于全媒體大數據技術的海外投資風險評估方法，其特征在于，所述對所述訓練樣本進行歸一化處理，得到歷史風險量化指標，具體包括：

將訓練樣本劃分成8個維度和54個二級指標；

將各二級指標的數據進行歸一化，得到[0,1]之間的無量綱數值。

3.根據權利要求2所述的基于全媒體大數據技術的海外投資風險評估方法，其特征在于，根據以下公式進行歸一化處理：

其中，x_i為訓練樣本中第i個二級指標數值，為訓練樣本中該指標出現的最小值，為訓練樣本中該指標出現的最大值，x′_i為歸一化后的指標值，i＝1,2,…54。

4.根據權利要求1所述的基于全媒體大數據技術的海外投資風險評估方法，其特征在于，所述風險預測模型包括輸入層、隱藏層及輸出層；其中，

所述輸入層用于接收歷史風險量化指標或當前風險量化指標；

所述隱藏層用于基于深度神經網絡構建，所述隱藏層包括A層，A≥1，每一層為卷積層、激活函數層、池化層、長短期記憶網絡LSTM層及全連接層中任意一者；

所述輸出層用于輸出風險來源及風險評估等級。

5.根據權利要求4所述的基于全媒體大數據技術的海外投資風險評估方法，其特征在于，所述風險來源分為8個，分別為社會政治、經濟金融、商業環境、法律政策、產業、自然環境、自然資源及生態；

風險評估等級分為5級，分別為無風險、輕度風險、中度風險、重度風險、極度風險。

6.根據權利要求4所述的基于全媒體大數據技術的海外投資風險評估方法，其特征在于，所述評估方法還包括：

分析所述風險預測模型，確定所述風險預測模型是否符合要求，如果不符合要求，則修正所述風險預測模型。

7.根據權利要求6所述的基于全媒體大數據技術的海外投資風險評估方法，其特征在于，所述分析所述風險預測模型，確定所述風險預測模型是否符合要求，具體包括：

隨機選取第k個訓練樣本X(k)、對應期望輸出D(k)及實際輸出Y(k)；其中，

X(k)＝(x₁(k)，x₂(k)，x₃(k)，...，x_n(k))；

D(k)＝(d₁(k)，d₂(k)，d₃(k)，...，d_n(k))；

n＝1,2,…,i,x_n(k)表示第k個訓練樣本中第n個指標值；d_n(k)表示x_n(k)對應的期望輸出；

基于計算全局誤差E，其中，m表示訓練樣本數量；

比較所述全局誤差E與預設的誤差閾值的大小，確定所述風險預測模型是否符合要求。