CN113592641A - 一种基于知识图谱的风险预警方法及存储介质 - Google Patents
一种基于知识图谱的风险预警方法及存储介质 Download PDFInfo
- Publication number
- CN113592641A CN113592641A CN202110717681.3A CN202110717681A CN113592641A CN 113592641 A CN113592641 A CN 113592641A CN 202110717681 A CN202110717681 A CN 202110717681A CN 113592641 A CN113592641 A CN 113592641A
- Authority
- CN
- China
- Prior art keywords
- stock
- risk
- industry
- knowledge
- information
- 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
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Finance (AREA)
- Technology Law (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及金融数据分析技术领域,提供一种基于知识图谱的风险预警方法及存储介质,利用大数据的便利性,最大限度的获取到了金融异构信息,随后通过统一的信息处理得到标准化的多份结构化数据,并建立股票知识图谱,从而通过股票知识图谱了解各个行业中各个个股的关联性,使得数据分析更为全面,进而提高风险预警的准确率;随后,针对股票行情的实时变化,根据动态权重算法计算动态的权重,实时更新对应与每一行业的多因子风险控制模型,从而使得风险排序列表处于动态修正的状态,紧跟股票交易变化趋势,进一步提高风险预警的准确率;最后,针对不同的用户输出个性化的风险预警,从而可降低用户的操作难度、贴合用户的实际需求。
Description
技术领域
本发明涉及金融数据分析技术领域,尤其涉及一种基于知识图谱的风险预警方法及存储介质。
背景技术
知识图谱(Knowledge Graph),在图书情报界称为知识域可视化或知识领域映射地图,是显示知识发展进程与结构关系的一系列各种不同的图形,用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。
知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合,并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。它能为学科研究提供切实的、有价值的参考。
股票至今已有将近400年的历史,它伴随着股份公司的出现而出现。随着企业经营规模扩大与资本需求不足要求一种方式来让公司获得大量的资本金。于是产生了以股份公司形态出现的,股东共同出资经营的企业组织。股份公司的变化和发展产生了股票形态的融资活动;股票融资的发展产生了股票交易的需求;股票的交易需求促成了股票市场的形成和发展;而股票市场的发展最终又促进了股票融资活动和股份公司的完善和发展
目前,随着股票市场的发展,股票市场的大盘走势通常反映为股票价格指数的变化,但现有的股票预测、推荐方法是通过人为单纯从股票价格指数本身预测大盘走势,并调整交易状态。但是,人工的预测依赖于经验,过于主观导致敏感度较差,往往会出现误判。
发明内容
本发明提供一种基于知识图谱的风险预警方法及存储介质,解决了现有的股票预测、推荐技术过于主观敏感度较差,导致预测准确率较低的技术问题。
为解决以上技术问题,本发明提供一种基于知识图谱的风险预警方法,包括步骤:
S1、获取金融异构信息并根据预设策略进行统一的信息处理,整合得到对应的多份结构化数据;
S2、根据多份所述结构化数据建立股票知识图谱;
S3、根据动态权重算法及所述股票知识图谱,更新多因子风险控制模型;
S4、在所述多因子风险控制模型的基础上,计算每一个股的风控值;
S5、根据所述风控值对所述个股进行股票排序,输出风险排序列表;
S6、根据所述风险排序列表对用户进行个性化的风险预警。
本基础方案利用大数据的便利性,最大限度的获取到了金融异构信息,随后通过统一的信息处理得到标准化的多份结构化数据,不仅覆盖了金融领域中的绝大部分数据以此保证预警的客观,还使得数据更为清晰、简洁,从而便于数据的分析及用户的查看;根据结构化数据建立股票知识图谱,可通过股票知识图谱了解各个行业中各个个股的关联性,使得数据分析更为全面,进而提高风险预警的准确率;随后,针对股票行情的实时变化,根据动态权重算法计算动态的权重,实时更新对应与每一行业的多因子风险控制模型,从而使得风险排序列表处于动态修正的状态,紧跟股票交易变化趋势,进一步提高风险预警的准确率;最后,针对不同的用户输出个性化的风险预警,从而可降低用户的操作难度、贴合用户的实际需求。
在进一步的实施方案中,所述步骤S1包括:
S11、通过行情获取和/或网络爬虫获取金融异构信息;
S12、采用信息抽取技术处理所述金融异构信息,获取每一支个股相关的行业信息及其它基本信息,并根据标准格式整合得到对应的结构化数据。
本方案采用行情获取、网络爬虫等多种信息获取手段,充分的利用了大数据网络化、数据化的便利性,尽可能更为全面的获取更多的金融异构信息,通过数据的全面性来提高数据的准确率,进而保证输出判断的公正、客观;采用信息抽取技术处理金融异构信息,提取其中的关键信息,并根据标准格式整合得到结构化数据,可有效减少冗余数据、提高数据的可读性。
在进一步的实施方案中,所述步骤S2包括:
S21、根据所述结构化数据中的行业属性,确定其所对应的个股的所属行业;
S22、整合每一行业中所有的所述结构化数据,建立股票知识图谱。
本方案根据结构化数据中的行业属性,确定其所对应的个股的所属行业,进而为每一个行业构建股票行业知识图谱(即股票知识图谱),以行业为单位,通过股票知识图谱将每一个股的数据进行关联,在分析数据时考虑的更为全面从而可进一步提高数据的分析的准确率。
在进一步的实施方案中,所述步骤S3包括:
S31、根据所述股票知识图谱,定时获取每一所述行业中每一所述个股在预设时间段内的历史数据;
S32、从所述历史数据中,获取每一属性因子为不同权重时对应的风控准确率,进而根据所述风控准确率计算所述属性因子的目标权重;
S33、整合所有所述属性因子的目标权重,并实时更新到对应的多因子风险控制模型中。
本方案以预设时间段内的历史数据为依据,以风控准确率为参照值,实时地对每一所述行业中每一属性因子的最佳权重进行计算,获取最接近当前时局的多因子风险控制模型,通过定时更新、动态调整,从而紧跟时事、贴合时局,不仅提高了系统智能化程度和工作效率,还使得预警更具实时性和准确性,为用户提供更精准的股票风险预警。
在进一步的实施方案中,在所述步骤S4中:所述多因子风险控制模型为,对每一行业中影响所述个股的风控值的属性因子分配对应的权重,进而整合所有所述属性因子及对应的权重得到多因子风险控制模型。
在进一步的实施方案中,所述步骤S5具体为:获取每一所述行业所对应的所述个股的所述风控值,以所述风控值为标准对所述个股进行排序,结合所述结构化数据输出对应每一所述行业的股票风险排序列表。
在进一步的实施方案中,所述步骤S6包括:
S61、以用户应用数据为基础,基于知识推理技术判断用户行业偏好;
S62、根据所述用户行业偏好推送对应的所述风险排序列表,并进行风险预警。
在进一步的实施方案中,所述用户应用数据为历史数据或当前输入数据;所述历史数据或所述当前输入数据包括用户选取的量化因子以及操作偏好。
本方案以知识推理技术为核心,分析用户的应用数据,从而智能化地判断每一用户的用户行业偏好,在此基础上,优先向用户推送其感兴趣的股票行业的风险排序列表,并及时地向用户进行风险预警,从而降低用户受损的风险,提高用户的使用体验。
在进一步的实施方案中,所述金融异构信息包括时间序列数据和文本信息;其中,所述时间序列数据包括股票交易数据;所述文本信息包括行业新闻、事件信息、政策信息,以及个股公司公告信息、网站公布信息。
本发明还提供一种存储介质,其上存储有计算机程序,所述计算机程序用于实现上述一种基于知识图谱的风险预警方法。其中,存储介质可以是磁碟、光盘、只读存储器(Read Only Memory,ROM)或者随机存取器(Random Access Memory,RAM)等。
附图说明
图1是本发明实施例提供的一种基于知识图谱的风险预警方法的工作流程图。
具体实施方式
下面结合附图具体阐明本发明的实施方式,实施例的给出仅仅是为了说明目的,并不能理解为对本发明的限定,包括附图仅供参考和说明使用,不构成对本发明专利保护范围的限制,因为在不脱离本发明精神和范围基础上,可以对本发明进行许多改变。
实施例1
本发明实施例提供的一种基于知识图谱的风险预警方法,如图1所示,在本实施例中,包括步骤S1~S6:
S1、获取金融异构信息并根据预设策略进行统一的信息处理,整合得到对应的多份结构化数据,包括步骤S11~S12:
S11、通过行情获取和/或网络爬虫获取金融异构信息;
在本实施例中,金融异构信息包括时间序列数据和文本信息;其中,时间序列数据包括股票交易数据;文本信息包括行业新闻、事件信息、政策信息,以及个股公司公告信息、网站公布信息。
S12、采用信息抽取技术处理金融异构信息,获取每一支个股相关的行业信息及其它基本信息,并根据标准格式整合得到对应的结构化数据。
在本实施例中,信息抽取(Information Extraction:IE)是把文本里包含的特定信息进行结构化处理,变成表格一样的组织形式。其中,特定信息由系统设计时定下的领域范围而定。
本实施例采用行情获取、网络爬虫等多种信息获取手段,充分的利用了大数据网络化、数据化的便利性,尽可能更为全面的获取更多的金融异构信息,通过数据的全面性来提高数据的准确率,进而保证输出判断的公正、客观;采用信息抽取技术处理金融异构信息,提取其中的关键信息,并根据标准格式整合得到结构化数据,可有效减少冗余数据、提高数据的可读性。
S2、根据多份结构化数据建立股票知识图谱,包括步骤S21~S22:
S21、根据结构化数据中的行业属性,确定其所对应的个股的所属行业;
S22、整合每一行业中所有的结构化数据,建立股票知识图谱(知识图谱的建立为公知常识,在本实施例中不再赘述)。
知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合,并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。
本实施例根据结构化数据中的行业属性,确定其所对应的个股的所属行业,进而为每一个行业构建股票行业知识图谱(即股票知识图谱),以行业为单位,通过股票知识图谱将每一个股的数据进行关联,在分析数据时考虑的更为全面从而可进一步提高数据的分析的准确率。
S3、根据动态权重算法及股票知识图谱,更新多因子风险控制模型,包括步骤S31~S33:
S31、根据所述股票知识图谱,定时获取每一行业中每一个股在预设时间段内的历史数据;
此预设时间段可根据实际的时事变化进行设置,例如时局多变时,可将预设时间段设置为一个月,而若是时局平稳则将预设时间段设置为3个月。
S32、从历史数据中,获取每一属性因子为不同权重时对应的风控准确率,进而根据风控准确率计算属性因子的目标权重;
S33、整合所有属性因子的目标权重,并实时更新到对应的多因子风险控制模型中。
在本实施例中,针对每一个行业,预先在多因子风险控制模型中,给每个属性因子初始化分配不同的权重,随后对以上权重分配计算风控准确率,根据权重与风控准确率的关系计算对应属性因子的目标权重,整合这个行业中所有属性因子的目标权重即可确定预测出适用于当前的多因子风险控制模型。具体的,可通过应用统计分析方法(如相关分析、逐步回归分析、主成分分析等方法)研究各个属性因子之间的相关性,选择最佳的属性因子子集合,从而动态设置权值将属性因子进行排序(根据权重排序),以提高属性因子的泛化能力,动态地更新多因子风险控制模型。
本实施例以预设时间段内的历史数据为依据,以风控准确率为参照值,实时地对每一行业中每一属性因子的最佳权重进行计算,获取最接近当前时局的多因子风险控制模型,通过定时更新、动态调整,从而紧跟时事、贴合时局,不仅提高了系统智能化程度和工作效率,还使得预警更具实时性和准确性,为用户提供更精准的股票风险预警。
S4、在更新后的多因子风险控制模型的基础上,计算每一个股的风控值。
在本实施例中,多因子风险控制模型为,对每一行业中影响个股的风控值的属性因子分配对应的权重,进而整合所有属性因子及对应的权重得到多因子风险控制模型。
S5、根据风控值对个股进行股票排序,输出风险排序列表,具体为:获取每一行业所对应的个股的风控值,以风控值为标准对个股进行排序,结合结构化数据输出对应每一行业的股票风险排序列表。
S6、根据风险排序列表对用户进行个性化的风险预警,包括步骤S61~S62:
S61、以用户应用数据为基础,基于知识推理技术判断用户行业偏好;
S62、根据用户行业偏好推送对应的风险排序列表,并进行风险预警。
用户应用数据为历史数据或当前输入数据;历史数据或当前输入数据包括用户选取的量化因子以及操作偏好。
本实施例以知识推理技术为核心,分析用户的应用数据,从而智能化地判断每一用户的用户行业偏好,在此基础上,优先向用户推送其感兴趣的股票行业的风险排序列表,并及时地向用户进行风险预警,从而降低用户受损的风险,提高用户的使用体验。
本发明实施例利用大数据的便利性,最大限度的获取到了金融异构信息,随后通过统一的信息处理得到标准化的多份结构化数据,不仅覆盖了金融领域中的绝大部分数据以此保证预警的客观,还使得数据更为清晰、简洁,从而便于数据的分析及用户的查看;根据结构化数据建立股票知识图谱,可通过股票知识图谱了解各个行业中各个个股的关联性,使得数据分析更为全面,进而提高风险预警的准确率;随后,针对股票行情的实时变化,根据动态权重算法计算动态的权重,实时更新对应与每一行业的多因子风险控制模型,从而使得风险排序列表处于动态修正的状态,紧跟股票交易变化趋势,进一步提高风险预警的准确率;最后,针对不同的用户输出个性化的风险预警,从而可降低用户的操作难度、贴合用户的实际需求。
实施例2
本发明实施例还提供一种存储介质,其上存储有计算机程序,计算机程序用于实现上述实施例1提供的一种基于知识图谱的风险预警方法。其中,存储介质可以是磁碟、光盘、只读存储器(Read Only Memory,ROM)或者随机存取器(Random Access Memory,RAM)等。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (10)
1.一种基于知识图谱的风险预警方法,其特征在于,包括步骤:
S1、获取金融异构信息并根据预设策略进行统一的信息处理,整合得到对应的多份结构化数据;
S2、根据多份所述结构化数据建立股票知识图谱;
S3、根据动态权重算法及所述股票知识图谱,更新多因子风险控制模型;
S4、在所述多因子风险控制模型的基础上,计算每一个股的风控值;
S5、根据所述风控值对所述个股进行股票排序,输出风险排序列表;
S6、根据所述风险排序列表对用户进行个性化的风险预警。
2.如权利要求1所述的一种基于知识图谱的风险预警方法,其特征在于,所述步骤S1包括:
S11、通过行情获取和/或网络爬虫获取金融异构信息;
S12、采用信息抽取技术处理所述金融异构信息,获取每一支个股相关的行业信息及其它基本信息,并根据标准格式整合得到对应的结构化数据。
3.如权利要求1所述的一种基于知识图谱的风险预警方法,其特征在于,所述步骤S2包括:
S21、根据所述结构化数据中的行业属性,确定其所对应的个股的所属行业;
S22、整合每一行业中所有的所述结构化数据,建立股票知识图谱。
4.如权利要求3所述的一种基于知识图谱的风险预警方法,其特征在于,所述步骤S3包括:
S31、根据所述股票知识图谱,定时获取每一所述行业中每一所述个股在预设时间段内的历史数据;
S32、从所述历史数据中,获取每一属性因子为不同权重时对应的风控准确率,进而根据所述风控准确率计算所述属性因子的目标权重;
S33、整合所有所述属性因子的目标权重,并实时更新到对应的多因子风险控制模型中。
5.如权利要求1所述的一种基于知识图谱的风险预警方法,其特征在于,在所述步骤S4中:所述多因子风险控制模型为,对每一行业中影响所述个股的风控值的属性因子分配对应的权重,进而整合所有所述属性因子及对应的权重得到多因子风险控制模型。
6.如权利要求4所述的一种基于知识图谱的风险预警方法,其特征在于,所述步骤S5具体为:获取每一所述行业所对应的所述个股的所述风控值,以所述风控值为标准对所述个股进行排序,结合所述结构化数据输出对应每一所述行业的股票风险排序列表。
7.如权利要求1所述的一种基于知识图谱的风险预警方法,其特征在于,所述步骤S6包括:
S61、以用户应用数据为基础,基于知识推理技术判断用户行业偏好;
S62、根据所述用户行业偏好推送对应的所述风险排序列表,并进行风险预警。
8.如权利要求7所述的一种基于知识图谱的风险预警方法,其特征在于:所述用户应用数据为历史数据或当前输入数据;所述历史数据或所述当前输入数据包括用户选取的量化因子以及操作偏好。
9.如权利要求1所述的一种基于知识图谱的风险预警方法,其特征在于:所述金融异构信息包括时间序列数据和文本信息;其中,所述时间序列数据包括股票交易数据;所述文本信息包括行业新闻、事件信息、政策信息,以及个股公司公告信息、网站公布信息。
10.一种存储介质,其上存储有计算机程序,其特征在于:所述计算机程序用于实现权利要求1-9所述的一种基于知识图谱的风险预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110717681.3A CN113592641A (zh) | 2021-06-28 | 2021-06-28 | 一种基于知识图谱的风险预警方法及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110717681.3A CN113592641A (zh) | 2021-06-28 | 2021-06-28 | 一种基于知识图谱的风险预警方法及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113592641A true CN113592641A (zh) | 2021-11-02 |
Family
ID=78244767
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110717681.3A Pending CN113592641A (zh) | 2021-06-28 | 2021-06-28 | 一种基于知识图谱的风险预警方法及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113592641A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114612018A (zh) * | 2022-05-11 | 2022-06-10 | 中国南方电网有限责任公司 | 一种内控风险监测方法、系统和可读存储介质 |
CN114820191A (zh) * | 2022-05-10 | 2022-07-29 | 中科柏诚科技(北京)股份有限公司 | 人工智能股票系统应用方法 |
CN115391670A (zh) * | 2022-11-01 | 2022-11-25 | 南京嘉安网络技术有限公司 | 一种基于知识图谱的互联网行为分析方法与系统 |
-
2021
- 2021-06-28 CN CN202110717681.3A patent/CN113592641A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114820191A (zh) * | 2022-05-10 | 2022-07-29 | 中科柏诚科技(北京)股份有限公司 | 人工智能股票系统应用方法 |
CN114612018A (zh) * | 2022-05-11 | 2022-06-10 | 中国南方电网有限责任公司 | 一种内控风险监测方法、系统和可读存储介质 |
CN115391670A (zh) * | 2022-11-01 | 2022-11-25 | 南京嘉安网络技术有限公司 | 一种基于知识图谱的互联网行为分析方法与系统 |
CN115391670B (zh) * | 2022-11-01 | 2023-04-07 | 南京嘉安网络技术有限公司 | 一种基于知识图谱的互联网行为分析方法与系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113592641A (zh) | 一种基于知识图谱的风险预警方法及存储介质 | |
Banasik et al. | Sample selection bias in credit scoring models | |
Hassani et al. | Forecasting the price of gold | |
US20060242040A1 (en) | Method and system for conducting sentiment analysis for securities research | |
Piñeiro-Chousa et al. | Examining the influence of stock market variables on microblogging sentiment | |
US11587172B1 (en) | Methods and systems to quantify and index sentiment risk in financial markets and risk management contracts thereon | |
US20150142520A1 (en) | Crowd-based sentiment indices | |
US20210233177A1 (en) | Method and apparatus for determining inventor impact | |
Güngör-Demirci et al. | Measuring water utility performance using nonparametric linear programming | |
US11080639B2 (en) | Intelligent diversification tool | |
Floyd et al. | A multi-criteria decision analysis technique for stochastic task criticality in project management | |
Trichilli et al. | Googling investor’s sentiment: powerful measure in conventional and Islamic MENA financial markets | |
US20210225529A1 (en) | Apparatuses, computer-implemented methods, and computer program products for improved monitored building environment monitoring and scoring | |
Md Reza et al. | Trade (exports) as an opportunity for Bangladesh: A VECM analysis | |
CN111369344A (zh) | 一种动态生成预警规则的方法和装置 | |
Todorova | Volatility estimators based on daily price ranges versus the realized range | |
US10740772B2 (en) | Systems and methods for forecasting based upon time series data | |
Liu et al. | Navigating the Environmental, Social, and Governance (ESG) landscape: constructing a robust and reliable scoring engine-insights into Data Source Selection, Indicator Determination, Weighting and Aggregation Techniques, and Validation Processes for Comprehensive ESG Scoring Systems | |
Höglund et al. | Outsourcing of accounting tasks and tax management: evidence from a corporate tax rate change | |
Zhong et al. | Influence of artificial intelligence applications on total factor productivity of enterprises—evidence from textual analysis of annual reports of Chinese-listed companies | |
CN111161076A (zh) | 金融市场产品的推送方法及装置 | |
Evans et al. | Volatility forecasts: the role of asymmetric and long-memory dynamics and regional evidence | |
EP3391252A1 (en) | Systems and methods for forecasting based upon time series data | |
Sorić | Assessing the sensitivity of consumption expenditure to inflation sentiment in post-communist economies | |
Sinha et al. | Financial market and growth: Evidence from post-reforms India |
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 |