基于主成分分析与反向传播神经网络的内幕交易辨别方法技术

本发明专利技术公开了一种基于主成分分析与反向传播神经网络的内幕交易辨别方法，采用主成分分析降维，获得内幕交易的特征指标集的主成分；构建内幕交易神经网络识别模型，利用主成分数据集进行训练；获取测试目标，将测试目标的主成分数据集作为神经网络识别模型的输入，经神经网络识别模型得出是否内幕交易的结果。本发明专利技术采用弹性反向传播神经网络针对内幕交易与特征指标的非线性关系建模，利用证券市场的相关数据对神经网络模型进行训练，建立的弹性反向传播神经网络模型可对证券市场的内幕交易进行准确的识别。

Insider Trading Identification Method Based on Principal Component Analysis and Back Propagation Neural Network

【技术实现步骤摘要】
基于主成分分析与反向传播神经网络的内幕交易辨别方法
本专利技术属于证券市场监管领域，具体涉及一种基于主成分分析与反向传播神经网络的内幕交易辨别方法。
技术介绍
随着中国证券市场的不断发展，形形色色的证券欺诈行为也随之产生。而其中内幕交易行为数量较大、对证券交易公平性影响恶劣。内幕交易主体构成的日益多元化、其交易形式具有多样化、隐蔽化等特点，使监管部门很难高效快速的进行内幕交易的准确识别。在我国证券市场内幕交易案件当中，资产重组型内幕交易数量占比较大，造成的负面影响也较大。本专利技术提出了一种基于主成分分析与反向传播神经网络的内幕交易辨别方法。主成分分析法PCA(PrincipalComponentAnalysis)是一种线性降维方法，它特别适合样本数据集中包含较多的特征，并且这些特征之间存在彼此冗余相关的情况。主成分分析法通过将特征集缩减成一小部分能代表原始特征集最主要变化的主要特征分量，来实现高维数据向低维数据空间的映射。弹性反向传播神经网络是基于局部自适应调整策略的误差反馈学习网络。弹性反向传播神经网络的反向传播算法根据误差能量函数梯度变化赋予权重与偏移以单独的调整步长。这与采用本文档来自技高网...

【技术保护点】
1.基于主成分分析与反向传播神经网络的内幕交易辨别方法，其特征在于，包括以下步骤，步骤1：获取不同时间窗口期下的内幕交易样本数据集；步骤2：采用主成分分析降维，获得特征指标集的主成分和样本数据集的主成分数据集；步骤3：构建内幕交易神经网络识别模型，利用主成分数据集进行训练；步骤4：获取测试目标，根据特征指标集的主成分对测试目标的数据集处理得到测试目标的主成分数据集；步骤5：将测试目标的主成分数据集作为神经网络识别模型的输入，经神经网络识别模型得出是否内幕交易的结果；步骤6：事后监管验证识别结果是否正确；步骤6.1：若识别结果正确，则执行步骤8；步骤6.2：若识别结果不正确，则执行步骤7；步骤7...

【技术特征摘要】
1.基于主成分分析与反向传播神经网络的内幕交易辨别方法，其特征在于，包括以下步骤，步骤1：获取不同时间窗口期下的内幕交易样本数据集；步骤2：采用主成分分析降维，获得特征指标集的主成分和样本数据集的主成分数据集；步骤3：构建内幕交易神经网络识别模型，利用主成分数据集进行训练；步骤4：获取测试目标，根据特征指标集的主成分对测试目标的数据集处理得到测试目标的主成分数据集；步骤5：将测试目标的主成分数据集作为神经网络识别模型的输入，经神经网络识别模型得出是否内幕交易的结果；步骤6：事后监管验证识别结果是否正确；步骤6.1：若识别结果正确，则执行步...

【专利技术属性】
技术研发人员：邓尚昆，王晨光，李冬艳，曹成航，南博阳，
申请(专利权)人：三峡大学，
类型：发明
国别省市：湖北,42