[發(fā)明專利]一種基于集成學(xué)習(xí)的投資交易風(fēng)險(xiǎn)趨勢(shì)預(yù)測(cè)方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202110169175.5
• 申請(qǐng)日: 2021-02-07
• 公開（公告）號(hào): CN112767167A
• 公開（公告）日: 2021-05-07
• 發(fā)明（設(shè)計(jì)）人: 洑佳紅;楊振華;李明潔;李玙霞
• 申請(qǐng)（專利權(quán)）人: 中國(guó)工商銀行股份有限公司
• 主分類號(hào): G06Q40/04
• 分類號(hào): G06Q40/04;G06Q40/06;G06N20/20
• 代理公司: 北京三友知識(shí)產(chǎn)權(quán)代理有限公司 11127
• 代理人: 任默聞;孫乳筍

本申請(qǐng)?zhí)峁┑囊环N基于集成學(xué)習(xí)的投資交易風(fēng)險(xiǎn)趨勢(shì)預(yù)測(cè)方法及裝置，可用于金融領(lǐng)域或其他領(lǐng)域，方法包括：將投資交易過程中的交易數(shù)據(jù)輸入至多個(gè)弱學(xué)習(xí)器，弱學(xué)習(xí)器輸出交易數(shù)據(jù)對(duì)應(yīng)的風(fēng)險(xiǎn)等級(jí)，將弱學(xué)習(xí)器輸出的風(fēng)險(xiǎn)等級(jí)輸入至集成學(xué)習(xí)器，集成學(xué)習(xí)器輸出綜合風(fēng)險(xiǎn)等級(jí)，集成學(xué)習(xí)器用于對(duì)每個(gè)弱學(xué)習(xí)器輸出的風(fēng)險(xiǎn)等級(jí)的權(quán)重進(jìn)行賦值，綜合風(fēng)險(xiǎn)等級(jí)為每個(gè)弱學(xué)習(xí)器輸出的風(fēng)險(xiǎn)等級(jí)進(jìn)行加權(quán)得到；該方法可應(yīng)用于信用債投資交易風(fēng)險(xiǎn)多趨勢(shì)預(yù)測(cè)，預(yù)測(cè)模型的建立無需依靠專家經(jīng)驗(yàn)，避免了預(yù)測(cè)的主觀性，將投資交易風(fēng)險(xiǎn)的預(yù)測(cè)模型建立在動(dòng)態(tài)挖掘歷史數(shù)據(jù)對(duì)當(dāng)前的風(fēng)險(xiǎn)趨勢(shì)的隱藏映射關(guān)系上，采用集成學(xué)習(xí)的思想，提高信用債投資交易風(fēng)險(xiǎn)的準(zhǔn)確性。

技術(shù)領(lǐng)域

本申請(qǐng)涉及金融領(lǐng)域，具體涉及一種基于集成學(xué)習(xí)的投資交易風(fēng)險(xiǎn)預(yù)測(cè)方法及裝置。

背景技術(shù)

隨著我國(guó)債券市場(chǎng)的發(fā)展，債券市場(chǎng)開放程度也逐步加快，經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型升級(jí)疊加經(jīng)濟(jì)下行壓力加大，債券市場(chǎng)風(fēng)險(xiǎn)不斷積累，因此涌現(xiàn)了各種對(duì)債券類投資交易過程中的信用風(fēng)險(xiǎn)、市場(chǎng)風(fēng)險(xiǎn)的計(jì)量分析工具。在信用風(fēng)險(xiǎn)領(lǐng)域，例如基于KMV模型的對(duì)企業(yè)債的信用風(fēng)險(xiǎn)領(lǐng)域研究，運(yùn)用Knight不確定性的研究政府債券的信用風(fēng)險(xiǎn)。市場(chǎng)風(fēng)險(xiǎn)方面，例如基于CVar的對(duì)債券回購(gòu)市場(chǎng)利率的風(fēng)險(xiǎn)度量，利用久期衡量利率風(fēng)險(xiǎn)等手段。這些工具和方法的共同特點(diǎn)都是依據(jù)理論數(shù)據(jù)或交易員投資經(jīng)驗(yàn)建立風(fēng)險(xiǎn)評(píng)估模型進(jìn)行風(fēng)險(xiǎn)計(jì)量分析，并僅適用于特定的債券種類。伴隨著債券類交易數(shù)據(jù)的不斷積累，我們期望對(duì)信用債投資交易風(fēng)險(xiǎn)評(píng)估的手段能從利用模型評(píng)估信用債當(dāng)前狀況轉(zhuǎn)向挖掘債券類投資交易過程中歷史數(shù)據(jù)與當(dāng)前信用債投資交易風(fēng)險(xiǎn)狀況的映射關(guān)系，采用機(jī)器學(xué)習(xí)算法有監(jiān)督的訓(xùn)練預(yù)測(cè)模型。

為了獲得更好的預(yù)測(cè)性能，本裝置在利用現(xiàn)有機(jī)器學(xué)習(xí)算法支持向量機(jī)(SVM)訓(xùn)練信用債風(fēng)險(xiǎn)預(yù)測(cè)模型的基礎(chǔ)上，創(chuàng)新地采用了集成學(xué)習(xí)的思想，不僅能解決當(dāng)前信用債投資交易風(fēng)險(xiǎn)評(píng)估模型依賴主觀人為因素的缺陷，還提高了SVM機(jī)器學(xué)習(xí)建立風(fēng)險(xiǎn)預(yù)測(cè)模型的可靠性。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)中的問題，本申請(qǐng)?zhí)峁┮环N基于集成學(xué)習(xí)的投資交易風(fēng)險(xiǎn)預(yù)測(cè)方法及裝置，采用集成學(xué)習(xí)的思想，能避免單個(gè)弱學(xué)習(xí)器因過擬合導(dǎo)致的預(yù)測(cè)準(zhǔn)確性降低的問題，提高信用債投資交易風(fēng)險(xiǎn)的準(zhǔn)確性。

為解決上述技術(shù)問題，本申請(qǐng)?zhí)峁┮韵录夹g(shù)方案：

第一方面，本申請(qǐng)?zhí)峁┮环N基于集成學(xué)習(xí)的投資交易風(fēng)險(xiǎn)趨勢(shì)預(yù)測(cè)方法，包括：

獲取投資交易過程中的交易數(shù)據(jù)；

將所述交易數(shù)據(jù)輸入至多個(gè)弱學(xué)習(xí)器中，其中，所述弱學(xué)習(xí)器輸出所述交易數(shù)據(jù)對(duì)應(yīng)的風(fēng)險(xiǎn)等級(jí)，所有交易數(shù)據(jù)的風(fēng)險(xiǎn)等級(jí)構(gòu)成一風(fēng)險(xiǎn)等級(jí)集合；

將所述風(fēng)險(xiǎn)等級(jí)集合輸入至集成學(xué)習(xí)器中，其中，所述集成學(xué)習(xí)器輸出綜合風(fēng)險(xiǎn)等級(jí)，所述集成學(xué)習(xí)器用于對(duì)每個(gè)弱學(xué)習(xí)器輸出的風(fēng)險(xiǎn)等級(jí)的權(quán)重進(jìn)行賦值，所述綜合風(fēng)險(xiǎn)等級(jí)為所述集成學(xué)習(xí)器對(duì)每個(gè)弱學(xué)習(xí)器輸出的風(fēng)險(xiǎn)等級(jí)進(jìn)行加權(quán)得到；

根據(jù)所述綜合風(fēng)險(xiǎn)等級(jí)預(yù)測(cè)出投資交易的風(fēng)險(xiǎn)趨勢(shì)，以根據(jù)所述風(fēng)險(xiǎn)趨勢(shì)執(zhí)行對(duì)應(yīng)的風(fēng)險(xiǎn)對(duì)抗操作。

進(jìn)一步地，所述投資交易風(fēng)險(xiǎn)趨勢(shì)預(yù)測(cè)方法還包括：

利用已標(biāo)注風(fēng)險(xiǎn)等級(jí)的歷史交易數(shù)據(jù)訓(xùn)練所述弱學(xué)習(xí)器以及所述集成學(xué)習(xí)器。

進(jìn)一步地，所述利用已標(biāo)注風(fēng)險(xiǎn)等級(jí)的歷史交易數(shù)據(jù)訓(xùn)練所述弱學(xué)習(xí)器以及所述集成學(xué)習(xí)器，包括：

將第一歷史交易數(shù)據(jù)集輸入至多個(gè)弱學(xué)習(xí)器中，對(duì)所述弱學(xué)習(xí)器進(jìn)行訓(xùn)練；

將第二歷史交易數(shù)據(jù)集輸入至訓(xùn)練后的多個(gè)弱學(xué)習(xí)器中，其中，所述弱學(xué)習(xí)器輸出歷史交易數(shù)據(jù)對(duì)應(yīng)的風(fēng)險(xiǎn)等級(jí)測(cè)試結(jié)果，所有所述風(fēng)險(xiǎn)等級(jí)測(cè)試結(jié)果構(gòu)成風(fēng)險(xiǎn)等級(jí)測(cè)試結(jié)果集，所述第二歷史交易數(shù)據(jù)集中的所有交易數(shù)據(jù)的原始風(fēng)險(xiǎn)等級(jí)構(gòu)成一原始風(fēng)險(xiǎn)等級(jí)集合；