摘要
金融时间序列数据的指标按照不同的会计准则会得到不同的数值,如何取舍会受到人为因素的干预.针对金融时序数据的领域泛化专门提出一种异常检测方法,解决特征分布的多样性和复杂性,捕捉金融序列数据的特有表征模式.将循环神经网络之后获得的结果仅作为学习到的知识,通过标准分类器在特征空间对其边缘分布进行适配,然后再通过隐变量自回归模型进一步进行预测,以此来提高预测的精度.然后,构建一个隐变量自回归模型来进行风险预测,通过捕捉金融时间序列数据之间的特征分布来识别其中的金融风险,实验结果表明,模型具有一定的可行性.
基金项目
贵州省千层次人才项目(第六批)(筑科合同-GCC[2022]011)
贵州省基础研究计划(自然科学类)(2024)(黔科合基础-ZK[2024]一般520)
NETL
NSTL
万方数据