[發明專利]一種基于人工智能和區塊鏈的金融預測系統

在審

• 申請號: 202110391442.3
• 申請日: 2021-04-09
• 公開（公告）號: CN113065710A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 龔美嬌
• 申請（專利權）人: 深圳市小金象科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q40/06;G06N3/04;G06N3/08
• 代理公司: 深圳市世通專利代理事務所(普通合伙) 44475
• 代理人: 賀愛文

本發明公開了一種基于人工智能和區塊鏈的金融預測系統，包括數據采集模塊組，數據分析模塊、區塊鏈存儲模塊和金融預測模塊，所述數據采集模塊組包括第一數據采集模塊和第二數據采集模塊，所述數據分析模塊包括數據預處理模塊、數據聚類模塊和入侵檢測模塊，所述金融數據預處理模塊用于對收集的歷史金融數據和實時金融數據進行預處理，區塊鏈存儲模塊是將預處理后的歷史金融數據和實時金融數據進行聚類。該種基于人工智能和區塊鏈的金融預測系統，采用BP神經網絡對金融數據的未來走勢進行預測，有助于及時了解金融市場的發展和變化；采用粒子群算法對BP神經網絡的初始權值和閾值進行優化，能夠有效的提高BP神經網絡的預測精度。

技術領域

本發明涉及金融預測技術領域，具體為一種基于人工智能和區塊鏈的金融預測系統。

背景技術

金融科技的迅猛發展正在深刻改變金融發展模式，同時也引發了金融業務面臨的層出不窮的多方面風險。包括信貸中介、不法分子、惡意欺詐等在內的金融風險會使銀行以及客戶遭受重大財產損失的威脅。因此，需要進行金融數據的風險控制，來確定惡意用戶信息，識別客戶在支付、活動、理財、風控等業務環節遇到的欺詐威脅，減少資損率，降低企業的損失。

現有技術中，對金融數據進行風險控制的方式通常為根據業務專家的經驗積累，通過領域專家的經驗制定風控規則因子，并根據該風控規則因子對金融數據進行風險控制。

然而，人為制定風控規則因子的方式方案不僅消耗大量人力成本，而且受限于單個專家掌握的知識領域其規則因子往往不是全局最優方案，也就是說，該方式存在風控效率低、周期長且風控結果不準確的問題。因此我們對此做出改進，提出一種基于人工智能和區塊鏈的金融預測系統。

發明內容

為了解決上述技術問題，本發明提供了如下的技術方案：

本發明一種基于人工智能和區塊鏈的金融預測系統，包括數據采集模塊組，數據分析模塊、區塊鏈存儲模塊和金融預測模塊，所述數據采集模塊組包括第一數據采集模塊和第二數據采集模塊，所述數據分析模塊包括數據預處理模塊、數據聚類模塊和入侵檢測模塊，所述金融數據預處理模塊用于對收集的歷史金融數據和實時金融數據進行預處理，區塊鏈存儲模塊是將預處理后的歷史金融數據和實時金融數據進行聚類，根據聚類結果對收集的歷史金融數據和實時金融數據進行入侵檢測，將通過入侵檢測的金融數據傳輸至區塊鏈存儲模塊進行存儲。

作為本發明的一種優選技術方案，所述第一數據采集模塊用于采集歷史金融時序數據，并將采集的歷史金融時序數據輸入至金融數據預處理模塊進行處理，處理后的歷史金融時序數據傳輸至區塊鏈存儲模塊進行存儲，所述第二數據采集模塊用于采集實時金融時序數據，并將采集的實時金融時序數據輸入至金融數據預處理模塊進行處理，處理后的實時金融時序數據輸入至金融數據預測模塊。

作為本發明的一種優選技術方案，所述金融預測模塊采用BP神經網絡對金融時間序列的走勢進行預測，在BP神經網絡的訓練過程中，采用粒子群算法對BP神經網絡的初始權值和閾值進行優化，在 BP神經網絡的訓練過程中，采用粒子群算法對BP神經網絡的初始權值和閾值進行優化。

作為本發明的一種優選技術方案，所述金融數據預測模塊根據輸入的實時金融時序數據對當前金融數據的未來走勢進行預測，所述可視化模塊用于對金融數據預測模塊的預測結果進行顯示。

作為本發明的一種優選技術方案，所述數據預處理單元用于對收集的歷史金融數據和實時金融數據進行歸一化處理，所述數據聚類單元分別將歸一化處理后的歷史金融數據和實時金融數據進行聚類，所述入侵檢測單元用于根據聚類結果對收集的歷史金融數據和實時金融數據進行入侵檢測，當檢測到類中的金融數據為入侵數據時將該類進行刪除，當檢測到類中的金融數據為正常數據時將該類傳輸至區塊鏈存儲模塊進行存儲。