CN112150279A - 一种基于多方计算的金融风险预测方法及预测系统 - Google Patents
一种基于多方计算的金融风险预测方法及预测系统 Download PDFInfo
- Publication number
- CN112150279A CN112150279A CN202011077705.5A CN202011077705A CN112150279A CN 112150279 A CN112150279 A CN 112150279A CN 202011077705 A CN202011077705 A CN 202011077705A CN 112150279 A CN112150279 A CN 112150279A
- Authority
- CN
- China
- Prior art keywords
- data
- risk
- financial
- structured
- prediction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Abstract
本发明涉及一种基于多方计算的金融风险预测方法及预测系统,该方法首先对结构化风险数据、半结构化风险数据、非结构化风险数据分别进行特征处理;然后进行协同通信处理,根据协同通信传输的特征处理后数据进行金融风险计算和预测;最后还根据金融风险值和模型参数,对金融风险预测模型进行优化。本发明充分利用多方计算的协同性,解决了多个互不信任的参与方之间保护隐私的协同计算问题;本发明可确保多方输入的独立性、计算的正确性,其不泄露各输入值给参与计算的其他成员,实现了对多方数据在跨域情况下的安全多方计算的前提下,对结构化风险数据、半结构化风险数据、非结构化风险数据进行多方计算,实现了对金融风险的计算和预测。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种基于多方计算的金融风险预测方法及预测系统。
背景技术
安全多方计算是一种“针对无可信第三方情况下,安全地进行多方协同的计算的多方计算的方法。即在一个分布式网络中,多个参与多方计算的参与方各自输入参与多方计算的数据,各参与方希望共同完成对某函数或者模型的计算,而要求每个参与方除计算结果外均不能得到其他参与方的任何输入信息。安全多方计算可以让多个数据拥有者在私有数据的基础上进行协同计算以提取数据的价值,而不会泄露每个数据拥有者的原始数据。伴随着云计算、人工智能等多种新兴技术的快速发展以及数据隐私安全保护的加强,安全多方计算在多个领域中的作用变得越来越重要。
金融风险的预测是一个难题,但是随着大数据和人工智能技术的广泛应用,金融风险的预测具备了一定的技术基础。目前,常见的金融风险预测技术主要是基于大数据的预测技术,主要通过历史数据预测未来的事件或行为,它通过数据挖掘、建模和机器学习技术来预测接下来会发生什么。大数据预测技术能够帮助金融机构进行对企业的贷款风险评估,通过关联性的信息分析,对企业贷款的期限与实际用途期限,通过大数据分析做一系列的预警工作,知道每个企业其真实用途和还款能力,对于企业的风险的不确定性提早进行预防和控制。同时金融机构还可以通过一系列的数据,进行关联性的分析,从而开发出更宽泛的风险预警模型,并通过技术手段,实现大数据关联性风险评估的实时性和可视化运行。
在大数据预测技术中,目前主要采用结构化数据来做预测,但是大数据预测需要有更多的数据维度,更多源化的数据结构,更快的数据频度和更广的数据宽度。
在大数据预测过程中,面临着越来越大的挑战,特别是数据的异构化。金融机构越来越多地得到各式各样的数据输入,从传统的结构化数据到日益增长的非结构化数据类型,而且,随着更多的非结构化数据流成为业务流程中不可或缺的组成部分,非结构化数据正成为预测模型必不可少的数据源。这意味着,必须拥有一套非常强大的流程,用于扫描、分析和处理非结构化数据,以将其转化为可用作分析算法输入的数据集。
其次,多源异构数据带来的数据质量问题,数据的质量决定了预测结果的好坏,因此在大数据预测技术中,数据的准备工作十分重要。在预测前期,数据准备工作,清理、转换与重组数据,使其符合预测分析或机器学习算法所需的格式。包括分析数据、寻找异常、确定应用和待修复的数据质量标准类型、设计适合分析的数据模型,并执行转换,使数据集保持一致。
再次是处理海量数据的速度。处理大量不同结构数据所带来的复杂性,与更快速的数据流输入速度叠加。使得你不仅必须能够处理输入速度更快的数据源,而且需要应对这些数据源的结构或格式可能会发生的变化。更关键的是,这种变化通常难以预测,因此迫切需要做好数据分析与准备工作。
发明内容
本发明为了解决上述技术问题提供一种基于多方计算的金融风险预测方法及预测系统。
本发明通过下述技术方案实现:
一种基于多方计算的金融风险预测方法,包括以下步骤;
A,对结构化风险数据、半结构化风险数据、非结构化风险数据分别进行特征处理;
B,协同通信处理;
C,根据协同通信传输的特征处理后数据进行金融风险计算和预测。
进一步的,基于多方计算的金融风险预测方法还包括步骤D:
根据计算的金融风险值和模型参数,对金融风险预测模型进行优化。
进一步的,执行步骤D时,先评估预测结果,检查各项评价指标是否符合要求,再进行预测模型参数的更新。
进一步的,所述特征处理包括;
A1,对原始数据进行数据解析,按照联合多方计算的要求进行格式处理;
A2,对风险数据进行特征指标处理;
A3,将特征处理后的数据输入到协同通信模块。
进一步的,协同通信处理时,首先加载原始数据,然后继续加载计算信息及地址。
基于多方计算的金融风险预测系统,包括:
结构化风险数据特征处理模块:用于对结构化风险数据进行特征处理;
半结构化风险数据特征处理模块:用于对半结构化风险数据进行特征处理;
非结构化风险数据特征处理模块:用于对非结构化风险数据进行特征处理;
结构化风险数据协同通信模块:用于将结构化风险数据特征处理模块处理后的数据传输至金融风险预测模块;
半结构化风险数据协同通信模块:用于将半结构化风险数据特征处理模块处理后的数据传输至金融风险预测模块;
非结构化风险数据协同通信模块:用于将非结构化风险数据特征处理模块处理后的数据传输至金融风险预测模块;
金融风险预测模块:包括金融风险预测模型,用于根据特征处理后的三方数据,进行金融风险计算和预测。
进一步的,基于多方计算的金融风险预测系统还包括优化模块,所述优化模块用于根据预测后的金融风险结果和模型参数,对预测模型进行优化迭代,并将优化后的参数重新输入至所述特征处理模块。
与现有技术相比,本发明具有以下有益效果:
本发明充分利用多方计算的协同性,解决了多个互不信任的参与方之间保护隐私的协同计算问题;本发明可确保多方输入的独立性、计算的正确性,其不泄露各输入值给参与计算的其他成员,实现了对多方数据在跨域情况下的安全多方计算的前提下,对结构化风险数据、半结构化风险数据、非结构化风险数据进行多方计算,实现了对金融风险的计算和预测,同时不断优化迭代预测的准确性。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。
图1是本发明的流程图;
图2是结构化风险数据特征处理过程图;
图3是结构化风险数据、半结构化风险数据、非结构化风险数据协同通信过程图;
图4是半结构化风险数据特征处理过程图;
图5是非结构化风险数据特征处理过程图;
图6是预测值的优化过程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
如图1所示,本发明公开的基于多方计算的金融风险预测方法,该方法包括以下步骤:
A,对结构化风险数据、半结构化风险数据、非结构化风险数据三类风险数据进行各自特征处理;
B,协同通信处理;
C,根据协同通信传输的特征处理后数据进行金融风险计算和预测。
D,根据计算的金融风险值和模型参数进行金融风险预测模型的优化。
如图2、4、5是所示,结构化风险数据、半结构化风险数据、非结构化风险数据的特征处理均包括以下步骤;
A1,将原始数据输入到数据解析器,对原始数据进行数据解析,按照联合多方计算的要求进行格式处理;
A2,对风险数据进行特征指标处理;;
A3,将特征处理后的数据输入到协同通信模块。
如图3是所示,结构化风险数据、半结构化风险数据、非结构化风险数据的协同通信均是先将原始数据加载到协同通信模块中,然后继续加载计算信息及地址。
如图6是所示,结构化风险数据、半结构化风险数据、非结构化风险数据在进行多方计算后,得出了金融风险的预测值。本发明根据计算的金融风险值和模型参数,对金融风险预测模型进行优化。优化时,先评估预测结果,检查各项评价指标是否符合要求,然后进行预测模型参数的更新、预测模型的优化,从而不断提高迭代预测的准确性。
本发明通过多方计算的的特性将金融风险中常见的几种不同结构类型的风险数据进行各自的数据结构处理,然后针对每类不同结构的金融风险数据进行各自特征处理,实现了多方计算前的计算格式的统一;然后通过协同通信模块,将不同结构化的金融风险数据协同通信,输入到多方计算节点进行金融风险预测,得出金融风险预测值,优化模块根据金融风险预测值的结果,进行预测评估和模型参数迭代,实现预测模型的优化。本发明实现了对结构化风险数据、半结构化风险数据、非结构化风险数据的多方计算和金融风险的预测。
本发明公开的基于多方计算的金融风险预测系统,包括:
结构化风险数据特征处理模块:用于对结构化风险数据进行特征处理,并将处理后的数据输入至结构化风险数据协同通信模块;
半结构化风险数据特征处理模块:用于对半结构化风险数据进行特征处理,并将处理后的数据输入至半结构化风险数据协同通信模块;
非结构化风险数据特征处理模块:用于对非结构化风险数据进行特征处理,并将处理后的数据输入至非结构化风险数据协同通信模块;
结构化风险数据协同通信模块:用于进行多方计算前的准备,首先实现原始结构化风险数据的加载,然后继续加载计算信息及相应多方计算的地址,从而将结构化风险数据特征处理模块处理后的数据传输至金融风险预测模块;
半结构化风险数据协同通信模块:用于进行多方计算前的准备,首先实现原始半结构化风险数据的加载,然后继续加载计算信息及相应多方计算的地址,从而将半结构化风险数据特征处理模块处理后的数据传输至金融风险预测模块;
非结构化风险数据协同通信模块:用于进行多方计算前的准备,首先实现原始非结构化风险数据的加载,然后继续加载计算信息及相应多方计算的地址,从而将非结构化风险数据特征处理模块处理后的数据传输至金融风险预测模块;
金融风险预测模块:包括金融风险预测模型,用于根据特征处理后的结构化风险数据、半结构化风险数据、非结构化风险数据,进行多方计算后得出金融风险的预测值。
优化模块:优化模块用于根据预测后的金融风险结果和模型参数,进行预测模型优化迭代,随后再将优化后的参数重新输入至所述特征处理模块,使不重要的信息在特征处理阶段首先被剔除。通过优化模块可不断优化迭代预测的准确性。
本发明系统可对已有结构化金融风险数据、半结构化金融风险数据、非结构化金融风险数据进行多方计算,从而预测多源异构金融风险数据的金融风险值,克服了传统的金融风险预测方法无法实现对这些非结构化风险数据或者半结构化风险数据的直接多方计算的问题,解决了异构化数据无法多方计算的问题。
本发明充分利用了多方计算的特征,在针对不同结构的风险数据进行特征处理的基础上,通过协同通信和多方计算,实现了不同结构金融化的风险数据的多方计算,实现了金融风险的预测,实现了统一的金融风险预测。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于多方计算的金融风险预测方法,其特征在于:包括以下步骤;
A,对结构化风险数据、半结构化风险数据、非结构化风险数据分别进行特征处理;
B,协同通信处理;
C,根据协同通信传输的特征处理后数据进行金融风险计算和预测。
2.根据权利要求1所述的基于多方计算的金融风险预测方法,其特征在于:它还包括步骤D:根据计算的金融风险值和模型参数,对金融风险预测模型进行优化。
3.根据权利要求2所述的基于多方计算的金融风险预测方法,其特征在于:执行步骤D时,先评估预测结果,检查各项评价指标是否符合要求,再进行预测模型参数的更新。
4.根据权利要求1、2或3所述的基于多方计算的金融风险预测方法,其特征在于:所述特征处理包括;
A1,对原始数据进行数据解析,按照联合多方计算的要求进行格式处理;
A2,对风险数据进行特征指标处理;
A3,将特征处理后的数据输入到协同通信模块。
5.根据权利要求4所述的基于多方计算的金融风险预测方法,其特征在于:协同通信处理时,首先加载原始数据,然后继续加载计算信息及地址。
6.基于多方计算的金融风险预测系统,其特征在于:包括:
结构化风险数据特征处理模块:用于对结构化风险数据进行特征处理;
半结构化风险数据特征处理模块:用于对半结构化风险数据进行特征处理;
非结构化风险数据特征处理模块:用于对非结构化风险数据进行特征处理;
结构化风险数据协同通信模块:用于将结构化风险数据特征处理模块处理后的数据传输至金融风险预测模块;
半结构化风险数据协同通信模块:用于将半结构化风险数据特征处理模块处理后的数据传输至金融风险预测模块;
非结构化风险数据协同通信模块:用于将非结构化风险数据特征处理模块处理后的数据传输至金融风险预测模块;
金融风险预测模块:包括金融风险预测模型,用于根据特征处理后的三方数据,进行金融风险计算和预测。
7.根据权利要求6所述的基于多方计算的金融风险预测系统,其特征在于:它还包括优化模块,所述优化模块用于根据预测后的金融风险结果和模型参数,对预测模型进行优化迭代,并将优化后的参数重新输入至所述特征处理模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011077705.5A CN112150279A (zh) | 2020-10-10 | 2020-10-10 | 一种基于多方计算的金融风险预测方法及预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011077705.5A CN112150279A (zh) | 2020-10-10 | 2020-10-10 | 一种基于多方计算的金融风险预测方法及预测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112150279A true CN112150279A (zh) | 2020-12-29 |
Family
ID=73952853
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011077705.5A Pending CN112150279A (zh) | 2020-10-10 | 2020-10-10 | 一种基于多方计算的金融风险预测方法及预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112150279A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110838060A (zh) * | 2019-10-30 | 2020-02-25 | 成都数融科技有限公司 | 金融风险度量方法、装置及电子设备 |
CN113672986A (zh) * | 2021-09-06 | 2021-11-19 | 成都数融科技有限公司 | 一种基于多方数据的安全联合计算方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060059073A1 (en) * | 2004-09-15 | 2006-03-16 | Walzak Rebecca B | System and method for analyzing financial risk |
US20180225765A1 (en) * | 2015-08-03 | 2018-08-09 | Finmason, Inc. | Financial Risk Management Assessment System and Method for Assessing Financial Risk |
CN111046425A (zh) * | 2019-12-12 | 2020-04-21 | 支付宝(杭州)信息技术有限公司 | 多方联合进行风险识别的方法和装置 |
CN111160814A (zh) * | 2020-04-01 | 2020-05-15 | 支付宝(杭州)信息技术有限公司 | 基于多方安全计算的用户风险评估方法、装置和系统 |
-
2020
- 2020-10-10 CN CN202011077705.5A patent/CN112150279A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060059073A1 (en) * | 2004-09-15 | 2006-03-16 | Walzak Rebecca B | System and method for analyzing financial risk |
US20180225765A1 (en) * | 2015-08-03 | 2018-08-09 | Finmason, Inc. | Financial Risk Management Assessment System and Method for Assessing Financial Risk |
CN111046425A (zh) * | 2019-12-12 | 2020-04-21 | 支付宝(杭州)信息技术有限公司 | 多方联合进行风险识别的方法和装置 |
CN111160814A (zh) * | 2020-04-01 | 2020-05-15 | 支付宝(杭州)信息技术有限公司 | 基于多方安全计算的用户风险评估方法、装置和系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110838060A (zh) * | 2019-10-30 | 2020-02-25 | 成都数融科技有限公司 | 金融风险度量方法、装置及电子设备 |
CN113672986A (zh) * | 2021-09-06 | 2021-11-19 | 成都数融科技有限公司 | 一种基于多方数据的安全联合计算方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gröger | Building an Industry 4.0 analytics platform: practical challenges, approaches and future research directions | |
Zhao et al. | Coordination between control layer AI and on-board AI in optical transport networks | |
CN112150279A (zh) | 一种基于多方计算的金融风险预测方法及预测系统 | |
US10733517B2 (en) | Decision service | |
CN111915143B (zh) | 一种基于智能合约的复杂产品装配管控系统 | |
CN112380572B (zh) | 一种多方数据协同场景下的隐私保护量化评估方法和系统 | |
CN113033652B (zh) | 一种基于区块链与联邦学习的图像识别系统及方法 | |
Radanliev et al. | Cyber risk impact assessment-assessing the risk from the IoT to the digital economy | |
Chen et al. | Knowledge-based support for simulation analysis of manufacturing cells | |
Leitao et al. | A survey on factors that impact industrial agent acceptance | |
Ali et al. | Towards requirement change management for global software development using case base reasoning | |
CN115309647A (zh) | 一种基于联邦学习的软件缺陷预测隐私保护方法 | |
Globa et al. | Approach to uniform platform development for the ecology digital environment of Ukraine | |
CN111177653B (zh) | 一种信用评估方法和装置 | |
CN111191050B (zh) | 知识图谱本体模型构建的方法和装置 | |
Larrinaga et al. | Implementation of a reference architecture for cyber physical systems to support condition based maintenance | |
CN110825589A (zh) | 用于微服务系统的异常检测方法及其装置和电子设备 | |
Hasoon et al. | Diagnosis Windows Problems Based on Hybrid Intelligence Systems | |
CN113672986A (zh) | 一种基于多方数据的安全联合计算方法及系统 | |
WO2021184346A1 (zh) | 隐私机器学习模型生成、训练方法、装置及电子设备 | |
CN115525921A (zh) | 基于mpc的联邦学习模型训练和预测方法、系统、设备及介质 | |
Pantovic et al. | 5G mobile networks and Digital Twins concept: Research challenges in network DT emulation | |
Chia et al. | A selection model of privacy patterns | |
Bu et al. | An analysis of decision-centric architectural design approaches | |
WO2019200625A1 (zh) | 基于人工智能的电子产品建模系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201229 |
|
RJ01 | Rejection of invention patent application after publication |