[發明專利]一種互聯網環境下的金融市場風險預警方法

在審

• 申請號: 201910208570.2
• 申請日: 2019-03-19
• 公開（公告）號: CN109934503A
• 公開（公告）日: 2019-06-25
• 發明（設計）人: 倪麗萍;李瑩;倪志偉;朱旭輝;李想;夏千姿
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q40/04;G06F16/951;G06F16/36;G06F17/27
• 代理公司: 安徽省合肥新安專利代理有限責任公司 34101
• 代理人: 陸麗莉;何梅生

本發明公開了一種互聯網環境下的金融市場風險預警方法，其步驟包括：1、數據預處理2、使用TF算法選取情感種子詞并利用Word2vec進行情感詞典擴展，定義程度副詞權重從而計算出文本情感強度指數3、利用MF?DCCA模型計算交叉多重分形譜4、構建對股票異常收益產生影響的特征指標5、構建股票異常收益預測分析模型。本發明能構建出更加精準的風險預警模型，從而實現更加準確的風險預測，為金融市場監管提供依據，為投資者投資決策提供參考。

技術領域

本發明涉及文本數據挖掘以及風險預警領域，具體的說是一種互聯網環境下的金融市場風險預警方法。

背景技術

金融市場在國民經濟中扮演重要的角色，是中國市場經濟發展過程中的重要一環。對金融市場風險進行預警從宏觀層面來說不僅可以保證社會經濟健康穩定發展，使得中國經濟形成良性循環，而且可以對金融市場的實施較為有效的監管和分析；從微觀層面上看，為降低廣大投資者投資風險，為投資決策提供參考，獲取投資利益，對金融市場進行科學分析，預警建模是很有必要的。

國內外學者對金融市場風險預警的研究從傳統的通過股票市場內部歷史數據以及相關指標進行預測逐漸向互聯網金融領域轉變，預警模型中使用了媒體因素作為特征指標，通過新聞數量，新聞情感傾向或對新聞進行分類，在不同的新聞類別下對金融風險進行預測。此外，還有研究將在線評論文本數據作為風險預警的影響因素，包括評論的數量，評論的情感值指數，但是傳統方法在情感強度的計算過程中對并沒有完全覆蓋領域內及網絡情感詞，程度副詞權重的定義主觀性較強，缺少客觀評測，導致情感強度計算不夠準確。此外，目前對金融市場風險預警的研究方法并沒有統一的認識，沒有將市場內外因素同時加入到模型中，忽略了各因素間相互作用，綜上所述，目前的風險預警模型準確度欠佳。

發明內容

本發明是為了解決上述現有技術的不足之處，提出一種互聯網環境下的金融市場風險預警方法，以期能構建出更加精準的風險預警模型，從而實現更加準確的風險預測，為金融市場監管提供依據，為投資者投資決策提供參考。

為達到上述目的，本發明采用的技術方案為：

本發明一種互聯網環境下的金融市場風險預警方法的特點是按照如下步驟進行：

步驟1、數據預處理：

步驟1.1、定義時間段為T，T＝{T₁,…T_t,…T_F}，1≤t≤F，T_t表示第t個時間段，在第t個時間段T_t內選取任意一支股票i所對應的股吧評論文本集合，記為

步驟1.2、對第t個時間段T_t內股票i所對應的股吧評論文本集合進行去停用詞及分詞處理，得到股票i在第t個時間段T_t內文本向量表示第t個時間段T_t內股票i所對應的股吧評論文本集合中第r個句子；R表示第t個時間段T_t內股票i所對應的股吧評論文本集合中句子總數；

步驟2、計算情感指數：

步驟2.1、在股票i上漲時刻后的一段時間內對股票i所對應的股吧評論進行抓取后使用TF詞頻算法，選出詞頻最高的N個積極情感詞語，記為{Pos_n|n＝1,2,…,N}，并作為積極情感詞典的種子詞語；

同理，在所選股票i下跌時刻后的一段時間內對股票i所對應的股吧評論進行抓取后使用TF詞頻算法，選出詞頻最高的N個消極情感詞語，記為{Neg_n|n＝1,2,…,N}，并作為消極情感詞典的種子詞語；

由N個積極情感詞典的種子詞語和N個消極情感詞典的種子詞語合并為2N個情感詞典的種子詞語；