【技術(shù)實(shí)現(xiàn)步驟摘要】
本專(zhuān)利技術(shù)涉及異常檢測(cè)、金融風(fēng)險(xiǎn)管理和深度學(xué)習(xí)領(lǐng)域，尤其涉及融資融券賬戶(hù)的風(fēng)險(xiǎn)預(yù)測(cè)領(lǐng)域，具體是指一種基于圖模型針對(duì)信用賬戶(hù)實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)測(cè)處理的方法、系統(tǒng)、裝置、處理器及其計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。
技術(shù)介紹
1、融資融券是金融機(jī)構(gòu)的一種重要的資產(chǎn)配置工具，其主要功能是為投資者提供資金的融資和融券服務(wù)。融資融券賬戶(hù)的風(fēng)險(xiǎn)主要來(lái)自于其持有資產(chǎn)的波動(dòng)，包括股票市場(chǎng)的波動(dòng)、用戶(hù)的操作行為、交易平臺(tái)的風(fēng)險(xiǎn)等。因此，對(duì)融資融券賬戶(hù)的風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)是金融機(jī)構(gòu)的重要工作。
2、近年來(lái)，基于機(jī)器學(xué)習(xí)模型的異常檢測(cè)方法在各個(gè)領(lǐng)域得到了廣泛應(yīng)用，例如通過(guò)機(jī)器學(xué)習(xí)模型識(shí)別圖像中的異常區(qū)域，進(jìn)行人臉識(shí)別中的偽造圖像檢測(cè)、醫(yī)學(xué)影像中的病灶檢測(cè)；通過(guò)分析系統(tǒng)日志，識(shí)別異常行為網(wǎng)絡(luò)攻擊、服務(wù)異常等；通過(guò)分析網(wǎng)絡(luò)流量數(shù)據(jù)，識(shí)別網(wǎng)絡(luò)攻擊、流量異常等。這些檢測(cè)的方法大概可以按照無(wú)監(jiān)督、半監(jiān)督、有監(jiān)督學(xué)習(xí)的方式進(jìn)行分類(lèi)。另外，需要指出的是，傳統(tǒng)的定義異常的方法是基于統(tǒng)計(jì)學(xué)的假設(shè)，如標(biāo)準(zhǔn)分?jǐn)?shù)(z-score)、四分位距1(iqr)、核密度估計(jì)(kde)等，這些假設(shè)數(shù)據(jù)服從正態(tài)分布，因此對(duì)異常值敏感。但是，在實(shí)際應(yīng)用中，用戶(hù)和股票之間的關(guān)系是復(fù)雜的，傳統(tǒng)方法無(wú)法學(xué)習(xí)到結(jié)構(gòu)信息；用戶(hù)的風(fēng)險(xiǎn)變化是復(fù)雜的，可能是多種因素的組合，因此傳統(tǒng)的異常檢測(cè)方法無(wú)法很好地適應(yīng)。
3、圖神經(jīng)網(wǎng)絡(luò)(gnn)是一種專(zhuān)門(mén)用于處理圖數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)模型。gnn能夠有效地學(xué)習(xí)圖結(jié)構(gòu)和節(jié)點(diǎn)屬性信息，并將其應(yīng)用于各種任務(wù)，例如節(jié)點(diǎn)分類(lèi)、鏈接預(yù)測(cè)、圖生成等。基于圖神經(jīng)網(wǎng)絡(luò)的異常檢測(cè)方法，能夠?qū)⒂?span style='display:none'>戶(hù)行為建模為圖結(jié)構(gòu)，并利用gnn學(xué)習(xí)圖中節(jié)點(diǎn)的異常模式。這種方法具有以下優(yōu)勢(shì)：首先，能夠捕捉用戶(hù)行為的復(fù)雜關(guān)系：gnn能夠?qū)W習(xí)圖結(jié)構(gòu)信息，因此能夠捕捉用戶(hù)行為之間的依賴(lài)關(guān)系以及用戶(hù)和股票之間的影響關(guān)系。其次，能夠適應(yīng)非正態(tài)分布的數(shù)據(jù)：gnn不依賴(lài)于數(shù)據(jù)分布的假設(shè)，因此能夠適應(yīng)實(shí)際應(yīng)用中復(fù)雜的用戶(hù)風(fēng)險(xiǎn)變化。
4、gnn已經(jīng)有了成熟的方法進(jìn)行節(jié)點(diǎn)的異常檢測(cè)任務(wù)，但是對(duì)融資融券的金融賬戶(hù)進(jìn)行異常檢測(cè)依然面臨若干挑戰(zhàn)。首先是解決對(duì)融資融券賬戶(hù)建模的問(wèn)題，活躍的賬戶(hù)每天產(chǎn)生大量的交易行為，根據(jù)這些行為建立的圖結(jié)構(gòu)應(yīng)該盡量簡(jiǎn)單，并且能夠反映賬戶(hù)和賬戶(hù)、賬戶(hù)和市場(chǎng)波動(dòng)之間的聯(lián)系。其次，怎樣根據(jù)建立的圖進(jìn)行異常檢測(cè)，因?yàn)閳D要反映出賬戶(hù)和市場(chǎng)波動(dòng)的關(guān)系，所以應(yīng)該是動(dòng)態(tài)的、異構(gòu)的，而普通圖的異常檢測(cè)方法對(duì)特定的問(wèn)題沒(méi)有很好的適應(yīng)性，因此需要開(kāi)發(fā)新的模型進(jìn)行異常檢測(cè)。
5、現(xiàn)有對(duì)融資融券賬戶(hù)爆倉(cāng)風(fēng)險(xiǎn)的異常檢測(cè)方法主要是基于規(guī)則，比如根據(jù)維持擔(dān)保比例是否低于某個(gè)閾值來(lái)判斷賬戶(hù)風(fēng)險(xiǎn)，或者根據(jù)賬戶(hù)的其他特征來(lái)判斷賬戶(hù)風(fēng)險(xiǎn)，這種方法靈活性較差，過(guò)度依賴(lài)人工數(shù)據(jù)，難以適應(yīng)賬戶(hù)行為的動(dòng)態(tài)變化。而且融資融券賬戶(hù)風(fēng)險(xiǎn)和股市的波動(dòng)有很大的關(guān)系，基于特征的方法難以做到全方位的判斷股票波動(dòng)的風(fēng)險(xiǎn)，也就對(duì)預(yù)測(cè)結(jié)果的準(zhǔn)確性存在一定的影響。
技術(shù)實(shí)現(xiàn)思路
1、本專(zhuān)利技術(shù)的目的是克服了上述現(xiàn)有技術(shù)的缺點(diǎn)，提供了一種滿(mǎn)足準(zhǔn)確性高、操作簡(jiǎn)便、適用范圍較為廣泛的基于圖模型針對(duì)信用賬戶(hù)實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)測(cè)處理的方法、系統(tǒng)、裝置、處理器及其計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。
2、為了實(shí)現(xiàn)上述目的，本專(zhuān)利技術(shù)的基于圖模型針對(duì)信用賬戶(hù)實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)測(cè)處理的方法、系統(tǒng)、裝置、處理器及其計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)如下：
3、該基于圖模型針對(duì)信用賬戶(hù)實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)測(cè)處理的方法，其主要特點(diǎn)是，所述的方法包括以下步驟：
4、(1)構(gòu)建動(dòng)態(tài)異構(gòu)圖，將用戶(hù)數(shù)據(jù)和股票數(shù)據(jù)轉(zhuǎn)化為二部圖數(shù)據(jù)；
5、(2)使用基于異構(gòu)圖神經(jīng)網(wǎng)絡(luò)的動(dòng)態(tài)預(yù)測(cè)風(fēng)險(xiǎn)模型對(duì)二部圖數(shù)據(jù)進(jìn)行預(yù)測(cè)；
6、(3)訓(xùn)練模型，通過(guò)模型對(duì)用戶(hù)數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)。
7、較佳地，所述的步驟(1)具體包括以下步驟：
8、(1.1)以天為單位分別聚合用戶(hù)的特征和股票的特征；
9、(1.2)定義兩類(lèi)邊。
10、較佳地，所述的步驟(1)的動(dòng)態(tài)異構(gòu)圖通過(guò)圖結(jié)構(gòu)表示賬戶(hù)和股票之間的關(guān)系，圖中包括兩類(lèi)節(jié)點(diǎn)，分別為賬戶(hù)節(jié)點(diǎn)和股票節(jié)點(diǎn)，每個(gè)賬戶(hù)節(jié)點(diǎn)代表一個(gè)賬戶(hù)，節(jié)點(diǎn)上存有賬戶(hù)的特征；每個(gè)股票節(jié)點(diǎn)代表一只股票，節(jié)點(diǎn)上存有股票的特征；節(jié)點(diǎn)之間的邊代表賬戶(hù)持股股票的多頭或空頭關(guān)系；
11、按照不同的時(shí)間維度進(jìn)行數(shù)據(jù)處理，將當(dāng)天的數(shù)據(jù)處理為一張圖，前后若干天有多張圖，共同組成動(dòng)態(tài)異構(gòu)圖網(wǎng)絡(luò)。
12、較佳地，所述的步驟(2)具體包括以下步驟：
13、(2.1)將第t天的圖數(shù)據(jù)輸入模型的gnn層；
14、(2.2)將gnn層輸出的表征傳入循環(huán)神經(jīng)網(wǎng)絡(luò)層，從而獲得第t天的表征ht；
15、(2.3)將表征ht通過(guò)輸出層輸出t+1天的邊的連接關(guān)系
16、較佳地，所述的步驟(3)具體包括以下步驟：
17、(3.1)將gnn層輸出得到的表征輸入到循環(huán)神經(jīng)網(wǎng)絡(luò)層中，學(xué)習(xí)賬戶(hù)和股票長(zhǎng)時(shí)間的依賴(lài)關(guān)系，得到表征ht；
18、(3.2)分別將表征ht傳入兩個(gè)輸出層，進(jìn)行邊預(yù)測(cè)和賬戶(hù)風(fēng)險(xiǎn)預(yù)測(cè)。
19、該實(shí)現(xiàn)上述方法的基于圖模型針對(duì)信用賬戶(hù)進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)處理的系統(tǒng)，其主要特點(diǎn)是，所述的系統(tǒng)包括gnn層、lstm層和兩個(gè)全連接輸出層，所述的lstm層與gnn層相連接，所述的兩個(gè)全連接輸出層與所述的lstm層相連接，所述的lstm層用于實(shí)現(xiàn)循環(huán)神經(jīng)網(wǎng)絡(luò)，所述的兩個(gè)全連接輸出層用于分別得到兩個(gè)全連接輸出層以及判斷賬戶(hù)是否異常。
20、較佳地，所述的gnn層包括hgt層，所述的hgt層將每個(gè)節(jié)點(diǎn)的特征投影到一個(gè)更高維的空間中，使用注意力機(jī)制來(lái)計(jì)算每個(gè)節(jié)點(diǎn)與它的鄰居節(jié)點(diǎn)之間的權(quán)重，根據(jù)所述的權(quán)重聚合鄰居節(jié)點(diǎn)的特征來(lái)更新每個(gè)節(jié)點(diǎn)的特征，使用hgtconv學(xué)習(xí)賬戶(hù)和股票之間的關(guān)系，并預(yù)測(cè)客戶(hù)未來(lái)可能購(gòu)買(mǎi)的股票。
21、較佳地，所述的gnn層包括兩個(gè)gnn子層，所述的兩個(gè)gnn子層均包括兩個(gè)gcn層卷積賬戶(hù)節(jié)點(diǎn)和兩個(gè)圖樣本聚合估計(jì)層卷積股票節(jié)點(diǎn)。
22、該用于實(shí)現(xiàn)基于圖模型針對(duì)信用賬戶(hù)進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)處理的裝置，其主要特點(diǎn)是，所述的裝置包括：
23、處理器，被配置成執(zhí)行計(jì)算機(jī)可執(zhí)行指令；
24、存儲(chǔ)器，存儲(chǔ)一個(gè)或多個(gè)計(jì)算機(jī)可執(zhí)行指令，所述的計(jì)算機(jī)可執(zhí)行指令被所述的處理器執(zhí)行時(shí)，實(shí)現(xiàn)上述的基于圖模型針對(duì)信用賬戶(hù)實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)測(cè)處理的方法的各個(gè)步驟。
25、該用于實(shí)現(xiàn)基于圖模型針對(duì)信用賬戶(hù)進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)處理的處理器，其主要特點(diǎn)是，所述的處理器被配置成執(zhí)行計(jì)算機(jī)可執(zhí)行指令，所述的計(jì)算機(jī)可執(zhí)行指令被所述的處理器執(zhí)行時(shí)，實(shí)現(xiàn)上述的基于圖模型針對(duì)信用賬戶(hù)實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)測(cè)處理的方法的各個(gè)步驟。
26、該計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其主要特點(diǎn)是，其上存儲(chǔ)有計(jì)算機(jī)程序，所述的計(jì)算機(jī)程序可被處理器執(zhí)行以實(shí)現(xiàn)上述的基于圖模型針對(duì)信用賬戶(hù)實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)測(cè)處理的方法的各個(gè)步驟。
27、采用了本專(zhuān)利技術(shù)的基于圖模型針對(duì)信用賬戶(hù)實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)測(cè)處理的方法、系統(tǒng)、裝置、本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于圖模型針對(duì)信用賬戶(hù)實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)測(cè)處理的方法，其特征在于，所述的方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于圖模型針對(duì)信用賬戶(hù)實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)測(cè)處理的方法，其特征在于，所述的步驟(1)具體包括以下步驟：
3.根據(jù)權(quán)利要求1所述的基于圖模型針對(duì)信用賬戶(hù)實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)測(cè)處理的方法，其特征在于，所述的步驟(1)的動(dòng)態(tài)異構(gòu)圖通過(guò)圖結(jié)構(gòu)表示賬戶(hù)和股票之間的關(guān)系，圖中包括兩類(lèi)節(jié)點(diǎn)，分別為賬戶(hù)節(jié)點(diǎn)和股票節(jié)點(diǎn)，每個(gè)賬戶(hù)節(jié)點(diǎn)代表一個(gè)賬戶(hù)，節(jié)點(diǎn)上存有賬戶(hù)的特征；每個(gè)股票節(jié)點(diǎn)代表一只股票，節(jié)點(diǎn)上存有股票的特征；節(jié)點(diǎn)之間的邊代表賬戶(hù)持股股票的多頭或空頭關(guān)系；
4.根據(jù)權(quán)利要求1所述的基于圖模型針對(duì)信用賬戶(hù)實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)測(cè)處理的方法，其特征在于，所述的步驟(2)具體包括以下步驟：
5.根據(jù)權(quán)利要求1所述的基于圖模型針對(duì)信用賬戶(hù)實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)測(cè)處理的方法，其特征在于，所述的步驟(3)具體包括以下步驟：
6.一種實(shí)現(xiàn)權(quán)利要求1的方法的基于圖模型針對(duì)信用賬戶(hù)進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)處理的系統(tǒng)，其特征在于，所述的系統(tǒng)包括GNN層、LSTM層和兩個(gè)全連接輸出層，所述的LST
7.根據(jù)權(quán)利要求6所述的基于圖模型針對(duì)信用賬戶(hù)進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)處理的系統(tǒng)，其特征在于，所述的GNN層包括HGT層，所述的HGT層將每個(gè)節(jié)點(diǎn)的特征投影到一個(gè)更高維的空間中，使用注意力機(jī)制來(lái)計(jì)算每個(gè)節(jié)點(diǎn)與它的鄰居節(jié)點(diǎn)之間的權(quán)重，根據(jù)所述的權(quán)重聚合鄰居節(jié)點(diǎn)的特征來(lái)更新每個(gè)節(jié)點(diǎn)的特征，使用HGTConv學(xué)習(xí)賬戶(hù)和股票之間的關(guān)系，并預(yù)測(cè)客戶(hù)未來(lái)可能購(gòu)買(mǎi)的股票。
8.根據(jù)權(quán)利要求6所述的基于圖模型針對(duì)信用賬戶(hù)進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)處理的系統(tǒng)，其特征在于，所述的GNN層包括兩個(gè)GNN子層，所述的兩個(gè)GNN子層均包括兩個(gè)GCN層卷積賬戶(hù)節(jié)點(diǎn)和兩個(gè)圖樣本聚合估計(jì)層卷積股票節(jié)點(diǎn)。
9.一種用于實(shí)現(xiàn)基于圖模型針對(duì)信用賬戶(hù)進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)處理的裝置，其特征在于，所述的裝置包括：
10.一種用于實(shí)現(xiàn)基于圖模型針對(duì)信用賬戶(hù)進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)處理的處理器，其特征在于，所述的處理器被配置成執(zhí)行計(jì)算機(jī)可執(zhí)行指令，所述的計(jì)算機(jī)可執(zhí)行指令被所述的處理器執(zhí)行時(shí)，實(shí)現(xiàn)權(quán)利要求1至5中任一項(xiàng)所述的基于圖模型針對(duì)信用賬戶(hù)實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)測(cè)處理的方法的各個(gè)步驟。
11.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，其上存儲(chǔ)有計(jì)算機(jī)程序，所述的計(jì)算機(jī)程序可被處理器執(zhí)行以實(shí)現(xiàn)權(quán)利要求1至5中任一項(xiàng)所述的基于圖模型針對(duì)信用賬戶(hù)實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)測(cè)處理的方法的各個(gè)步驟。
...【技術(shù)特征摘要】
1.一種基于圖模型針對(duì)信用賬戶(hù)實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)測(cè)處理的方法，其特征在于，所述的方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于圖模型針對(duì)信用賬戶(hù)實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)測(cè)處理的方法，其特征在于，所述的步驟(1)具體包括以下步驟：
3.根據(jù)權(quán)利要求1所述的基于圖模型針對(duì)信用賬戶(hù)實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)測(cè)處理的方法，其特征在于，所述的步驟(1)的動(dòng)態(tài)異構(gòu)圖通過(guò)圖結(jié)構(gòu)表示賬戶(hù)和股票之間的關(guān)系，圖中包括兩類(lèi)節(jié)點(diǎn)，分別為賬戶(hù)節(jié)點(diǎn)和股票節(jié)點(diǎn)，每個(gè)賬戶(hù)節(jié)點(diǎn)代表一個(gè)賬戶(hù)，節(jié)點(diǎn)上存有賬戶(hù)的特征；每個(gè)股票節(jié)點(diǎn)代表一只股票，節(jié)點(diǎn)上存有股票的特征；節(jié)點(diǎn)之間的邊代表賬戶(hù)持股股票的多頭或空頭關(guān)系；
4.根據(jù)權(quán)利要求1所述的基于圖模型針對(duì)信用賬戶(hù)實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)測(cè)處理的方法，其特征在于，所述的步驟(2)具體包括以下步驟：
5.根據(jù)權(quán)利要求1所述的基于圖模型針對(duì)信用賬戶(hù)實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)測(cè)處理的方法，其特征在于，所述的步驟(3)具體包括以下步驟：
6.一種實(shí)現(xiàn)權(quán)利要求1的方法的基于圖模型針對(duì)信用賬戶(hù)進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)處理的系統(tǒng)，其特征在于，所述的系統(tǒng)包括gnn層、lstm層和兩個(gè)全連接輸出層，所述的lstm層與gnn層相連接，所述的兩個(gè)全連接輸出層與所述的lstm層相連接，所述的lstm層用于實(shí)現(xiàn)循環(huán)神經(jīng)網(wǎng)絡(luò)，所述的兩個(gè)全連接輸出層用于分別得到兩個(gè)全連接輸出層以及判斷...
【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：俞楓，王壯壯，詹婷婷，倪康夫，王凱，趙敬業(yè)，王建偉，沈家楠，周天緣，
申請(qǐng)(專(zhuān)利權(quán))人：國(guó)泰君安證券股份有限公司，
類(lèi)型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。