(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210243161.8 (22)申请日 2022.03.11 (71)申请人 刘星 地址 730000 甘肃省兰州市中广宜景湾尚 城 (72)发明人 刘星　 (74)专利代理 机构 南昌卓尔精诚专利代理事务 所(普通合伙) 36133 专利代理师 刘文彬 (51)Int.Cl. G06Q 40/04(2012.01) G06F 16/35(2019.01) G06F 40/289(2020.01) G06F 40/30(2020.01) G06N 3/00(2006.01) (54)发明名称 基于算法、 大数据、 人工智能的股票舆情监 测和风控系统 (57)摘要 本发明涉及金融风控 管理技术领域， 具体地 说， 涉及基于算法、 大数据、 人工智能的股 票舆情 监测和风控系统。 包括平台架构单元、 数据处理 单元、 预测判识单元和风控管理单元； 平台架构 单元用于对平台环境进行管 理； 数据处理单元对 数据进行分析并建立模型； 预测判识单元用于预 测风险并进行类型识别和程度分析； 风控管理单 元用于对风险进行管控。 本发明设计以金融公司 积累的大量市场数据为基础， 构建模型并训练， 可以快速准确地识别或预测可能存在的风险以 便控制干预； 对业务流程进行动态监测， 降低风 险因素， 保障双方利益； 实现对金融证券业务的 实时监测， 提高风控效果， 改良金融证券公司的 业务， 从根本上降低风险程度， 加强证券公司的 风控体系。 权利要求书7页 说明书20页 附图5页 CN 114612239 A 2022.06.10 CN 114612239 A 1.基于算法、 大 数据、 人工智能的股票舆情监测 和风控系统， 其特 征在于： 包括 平台架构单元(100)、 数据处理单元(200)、 预测判识单元(300)和风控管理单元(400)； 所述平台架构单元(100)、 所述数据处理单元(200)、 所述预测判识单元(300)与所述风控 管 理单元(400)依次通过网络通信连接； 所述平台架构单元(100)用于对构成平台运行环 境的 设备、 软件及技术应用进 行连接及管理； 所述数据处理单元(200)用于采集 获取大量与金融 证券及其风险相关的多元数据， 通过对数据进行整理分析并建立完善的数据分析模型； 所 述预测判识单元(300)用于通过对 大量数据的伸入挖掘分析来预测金融证券业务流程中可 能存在的风险， 对风险进行类型识别和程度分析； 所述风控管理单元(400)用于从多方面、 采用多种风控手段对金融证券业 务的风险进行 管控； 所述平台架构单元(100)包括基建设备模块(101)、 软件环境模块(102)、 技术支撑模块 (103)和三方平台模块(104)； 所述数据处理单元(200)包括数据 集合模块(201)、 分类整理模块(202)、 数据分析模块 (203)和数据模型模块(204)； 所述预测判识单元(300)包括动态监测模块(301)、 风险预测模块(302)、 类型识别模块 (303)和程度判定模块(3 04)； 所述风控管理单元(400)包括风险控制模块(401)、 合作风控模块(402)、 监管干预模块 (403)和改良措施模块(404)； 该基于算法、 大数据、 人工智能的股票舆情监测和风控系统在运行时， 首先在构建预测 及风控平台的产品架构上， 开发相关的软件应用， 连接各金融证券信息管理平台及第三方 服务平台、 监管平台， 以合法手段从多渠道获取大量金融舆情资讯、 用户征信、 用户与证券 公司之间的交易活动信息、 证券公司及其产品的数据， 对数据进 行归集整合后， 采用神经网 络、 机器学习、 支持向量机算法技术对 数据进行建模及训练， 以确保风险预测数据模型的准 确度， 平台运转过程中， 通过模 型对金融证券业务的动态监测， 实时预测业务全流程中可能 出现的风险， 判识 风险的类型、 评估风险的程度， 从而采用预设的风险控制手段对其进行干 预或消除， 并利用大数据不断改良金融证券交易业务的政策及流程， 以期从根本上降低金 融证券交易 业务的风险。 2.根据权利要求1所述的基于算法、 大数据、 人工智能的股票舆情监测和风控系统， 其 特征在于： 所述基建设备模块(101)、 所述软件环境模块(102)、 所述技术支撑模块(103)与 所述三方平台模块(104)依次通过网络通信连接； 所述基 建设备模块(101)用于对加入风控 平台系统的电子计算机设备进行连接管理； 所述软件环境模块(102)用于在基建设备的基 础上研发针对证券金融业务风险管理的软件及应用平台， 以便构建支持系统的运行环境； 所述技术支撑模块(103)用于载入以人工智能为主的智能技术， 并引入多种智能算法来支 撑平台系统的顺畅运行； 所述三方平台模块(104)用于连接多个如金融证券信息管 理平台、 监管平台等第三方服务平台 以获取大量补充数据及补充服务。 其中， 基建设备包括但不限 于计算机、 显示器、 PC平板、 手机、 智能传感器、 数据采集装置(扫描仪、 RFID、 身份证OCR、 人 脸/指纹识别器等)等。 3.根据权利要求1所述的基于算法、 大数据、 人工智能的股票舆情监测和风控系统， 其 特征在于： 所述数据集合模块(201)的信号输出端与所述分类整理模块(202)的信号输入端 连接， 所述分类整理模块(202)的信号输出端与所述数据分析模块(203)的信号输入端连权　利　要　求　书 1/7 页 2 CN 114612239 A 2接， 所述数据分析模块(203)的信号输出端与所述数据模型模块(204)的信号输入端连接； 所述数据集合模块(201)用于通过多种手段从多来源获取大量与金融证券相关的数据； 所 述分类整理模块(202)用于按照一定的类别规则将大量的数据进行分类归纳整理操作， 以 便进行后期的计算分析； 所述数据分析模块(203)用于采用多种全球领先技术来对金融证 券的数据进 行分析； 所述数据模 型模块(204)用于以大量的数据为基础、 根据数据分析的结 果构建风险分析的数据模型并进行训练及验证。 4.根据权利要求3所述的基于算法、 大数据、 人工智能的股票舆情监测和风控系统， 其 特征在于： 所述数据集合模块(201)包括舆情资讯模块(2011)、 用户征信模块(2012)、 公司 产品模块(2013)和交易活动模块(2014)； 所述舆情资讯模块(2011)、 所述用户征信模块 (2012)、 所述公司产品模块(2013)与所述交易活动模块(2014)依次通过网络通信连接且并 列运行； 所述舆情资讯模块(2011)用于从网络上获取公开的历史或实时的与金融证券相关 的舆情资讯； 所述用户征信模块(2012)用于从用户、 证券公司、 合作银行等方面以合法手段 或经用户授权后获取与用户征信相关的信息； 所述 公司产品模块(2013)用于获取各证券公 司包括经营情况、 公开资产、 公司业务及具体产品详情等信息数据； 所述交易活动模块 (2014)用于获取用户与证券公司之间的交易活动的全流 程信息。 5.根据权利要求3所述的基于算法、 大数据、 人工智能的股票舆情监测和风控系统， 其 特征在于： 所述数据分析模块(203)包括神经网络模块(2031)、 机器学习模块(2032)、 支持 向量机模块(2033)和碰撞分析模块(2034)； 所述神经网络模块(2031)、 所述机器学习模块 (2032)、 所述支持向量机模块(2033)与所述碰撞分析模块(2034)依次通过网络通信连接且 独立运行； 所述神经网络模块(2031)用于通过神经网络的训练算法来将算法权重的值调整 到最佳， 以使得整个网络的预测效果最好， 利用训练样本集中的样本对BP神经网络或支持 向量机进行训练， 利用测试样本集中的样本对BP神经网络或支持向量机进行测试， 从而构 建股票走势预测模型用于对目标股票的走势进行预测， 参数优化单元利用人工萤火虫群优 化算法对BP神经网络的初始权值和阈值进行优化或采用布谷鸟搜索算法对支持向量机的 惩罚因子和核函数参数进 行寻优； 所述机器学习模块(2032)用于使用机器学习相关的技术 进行神经网络的训练， 使得参数尽可能的与真实的模型逼近， 从而使得模型训练可以获得 性能与数据利用上的双重优势； 所述支持向量机模块(2033)用于采用支持向量机的算法， 通过构造分割 面将数据进行分离， 以便进行关系分析； 所述碰撞分析模块(2034)用于将来 自不同金融领域、 不同金融机构的数据及风险因素进行碰撞分析以挖掘潜在的风险情况。 6.根据权利要求5所述的基于算法、 大数据、 人工智能的股票舆情监测和风控系统， 其 特征在于： 所述机器学习模块(20 32)中， 机器学习的训练算法为： 首先给所有参数 赋上随机值， 使用这些随机生成的参数值， 来预测训练数据中的样本； 设样本的预测目标为yp， 真实目标为y， 那么定义 一个值loss， 计算公式如下： 其中， loss称为损失， 机器学习的目标 是使对所有训练数据的损失和尽可能的小； 进而， 如果将先前的神经网络 预测的矩阵公式带入到yp中， 则可以把损失写为 关于参数 的损失函数。 7.根据权利要求5所述的基于算法、 大数据、 人工智能的股票舆情监测和风控系统， 其权　利　要　求　书 2/7 页 3 CN 114612239 A 3