一种基于金融时间序列数据的深度学习风险预测方法

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：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。

作者：

朱林

展开 >

作者单位：

贵阳学院电子信息工程学院

关键词：

深度学习金融时间序列数据特征分布金融风险异常检测

基金：

贵州省千层次人才项目(第六批)贵州省基础研究计划(自然科学类)(2024)

项目编号：

筑科合同-GCC[2022]011黔科合基础-ZK[2024]一般520

出版年：

2024

信息系统工程

天津市信息中心

信息系统工程

影响因子：0.29

ISSN：1001-2362

年,卷(期)：2024.(6)