【技术实现步骤摘要】
基于人工智能的时间线证券资产管理系统
[0001]本专利技术创造涉及证券大数据领域，具体涉及基于人工智能的时间线证券资产管理系统。
技术介绍
[0002]随着现代人工智能的快速发展以及金融在社会的不断渗透，证券交易在金融领域占有越来越重要的地位，并且也已经渗透到我们生活中的方方面面，每天都有数以万计的证券交易，从而产生非常多的证券资产数据，对于这么庞大的数据量，无法再用传统的数据存储和管理方式，效率低、保密性差，面对大量的文件和数据，无论是对数据查找，还是对于系统的更新和维护都带来了不少的麻烦，并且目前人工智能对人类生产生活的影响日益加深，利用人工智能对时间线证券资产数据进行管理，不仅可以向管理方提供更多的可查询化信息，方便证券交易的资产分析和存储，更好的推动时间线证券资产交易和有效发展，同时也能更好的保护用户的证券资产交易数据。
[0003]当前，证券资产大数据主要在各金融交易机构不同的信息系统中，这些数据具有冗余程度高和耦合性差的特点，同时，由于证券资产大数据特有的多源、高维和异构特点，使得在证券资产大数据提取与应用过程中很难对这些证券资产数据进行有效的分析，更难有效挖掘体现证券资产大数据蕴含的潜在价值，对证券资产大数据进行分类，将同类别的证券资产数据归为一类，能够有效的降低证券资产大数据的复杂度，为证券资产数据后续的有效保护和分析应用提供支持，SVM向量机分类算法能够根据历史分类和全局分类，对大量的数据集内在信息进行有意义的划分，克服了分类结果的绝对化，使得分类结果更加符合证券资产的实际需求，但在采用S...
【技术保护点】
【技术特征摘要】
1.基于人工智能的时间线证券资产管理系统，包括时间线证券资产数据获取端、证券资产数据管理端和时间线证券资产数据存储端，时间线证券资产数据获取端用于获取证券资产数据，并将获取的证券资产数据输入证券资产数据管理端，证券资产数据管理端包括证券资产数据分类模块、证券资产数据处理模块和证券资产数据标记模块，证券资产数据分类模块用于对时间线证券资产数据获取端输入的证券资产数据进行分类，并将分类后的证券资产数据输入证券资产数据处理模块，由证券资产数据处理模块对接收到的证券资产数据进行检测处理，当检测到所述证券资产数据时，证券资产数据标记模块立即对证券资产数据进行标记，并将标记后的数据类集合分别输入给时间线证券资产数据存储端进行存储，当检测到所述证券资产数据中存在新的证券资产数据时，证券资产数据分类模块调取证券资产数据标记模块新建一个类存储该新识别的证券资产数据和其接收到的证券资产数据组成一个数据集，并对该数据集中的证券资产数据进行分类处理，从而确定各类集合中证券资产数据的完善，最后将所述类集合分别全部输入时间线证券资产数据存储端进行存储，时间线证券资产数据存储端对其接收到的类集合和其现有的类集合进行检测，将拥有相同疾病标签的类集合进行合并，并去除合并后的类集合中重复的证券资产数据。2.根据权利要求1所述的基于人工智能的时间线证券资产管理系统，其特征在于，证券资产数据分类模块用于对时间线证券资产数据获取端输入的证券资产数据进行数据预处理和分类处理。3.根据权利要求1所述的基于人工智能的时间线证券资产管理系统，其特征在于，证券资产数据处理模块采用SVM分类算法对时间线证券资产数据进行分类处理，并采用SSD目标处理算法对用SVM算法进行分类后的时间线证券资产数据进行标记处理并存储。4.根据权利要求3所述的基于人工智能的时间线证券资产管理系统，其特征在于，在采用SSD目标处理算法对SVM分类算法分类后的时间线证券资产数据进行标记处理并存储时，采用下列方式确定分类方式：(1)对证券资产数据中各类数据的历史分类情况和全局分类情况进行分类处理；(2)根据资产数据的历史分类和全局分类结果标记处理并存储相关资产数据。5.根据权利要求4所述的基于人工智能的时间线证券资产管理系统，其特征在于，为了对SVM分类算法进行寻优，采用下列步骤对种群中的粒子进行更新：步骤(1)：在种群中所有粒子完成每次更新后，根据更新结果对搜索空间中的粒子进行区域划分；步骤(2)：在各区域中选取部分粒子进行全局预更新，并根据全局预更新结果确定各区域中剩余粒子的更新方式。6.根据权利要求5所述的基于人工智能的时间线证券资产管理系统，其特征在于，在种群中所有粒子完成每次更新后，根据更新结果对搜索空间中粒子进行区域划分，具体为：给定t时刻的区域划分值d(t)，设置d(t)的值为：其中，X
z
(t)表示种群中粒子z在t时刻的位置，X
z，1
(t)表示当前种群中距离粒子z最近的粒子的位置，N表示种群中的粒子总数，设Ω
r
(t)表示t时刻对搜索空间中粒子进行区域划分所得的第r个区域，则区域Ω
r
(t)中包含的粒子采用下列步骤在搜索空间中确定：步骤(1)：在种群中未划分区域的粒子中选取区域Ω
r
(t)的起始粒子：令P
′
(t)表示t时
刻种群中已经划分区域的粒子集合，P
″
(t)表示t时刻种群中未划分区域的粒子集合，计算集合P
″
(t)中各粒子在t时刻的区域代表性系数：设s∈P
″
(t)，定义Q
s
(t)表示集合P
″
(t)中粒子s在t时刻的区域代表性系数，则Q
s
(t)的计算公式为：其中，K
sa
(t)为t时刻用于粒子s和粒子a之间的位置判断函数，且X
s
(t)和X
a
(t)分别用于表示粒子s和粒子a在t时刻的位置，N
″
P
(t)表示集合P
″
(t)中粒子的总数；在当前集合P
″
(t)中选取具有最大区域代表性系数的粒子为区域Ω
r
(t)的起始粒子，或者当集合P
″
(t)中粒子的区域代表性系数都相同时，则在集合P
″
(t)中随机选取一个粒子作为区域Ω
r
(t)的起始粒子，并将选取的起始粒子加入区域Ω
r
(t)中；步骤(2)：继续在种群中未划分区域的粒子中选取粒子加入区域Ω
r
(t)中：当集合P
″
(t)中存在粒子和区域Ω
r
(t)的起始粒子之间的欧式距离小于等于d(t)时，则将该粒子加入区域Ω
r
(t)中，当集合P
″
(t)中粒子和区域Ω
r
(t)的起始粒子之间的欧式距离都大于d(t)时，则停止在种群未划分区域的粒子中选取粒子加入区域Ω
r
(t)中，此时，区域Ω
r
(t)中的粒子即为区域Ω
r
(t)最终所包含的粒子，连接区域Ω
r
(t)所包含粒子中的最外围粒子所形成的区域即为Ω
r
(t)的区域范围；当此时集合P
″
(t)中仍然存在未划分区域的粒子时，则继续采用步骤(1)和步骤(2)中的方式对种群中未划分区域的粒子进行区域划分，从而获得第(r+1)个区域，当此时集合P
″
(t)中不存在未划分区域的粒子时，则停止对搜索空间中粒子进行区域划分。7.根据权利要求6所述的基于人工智能的时间线证券资产管理系统，其特征在于，在各区域中选取部分粒子进行全局预更新，并根据全局预更新结果确定各区域中剩余粒子的更新方式，具体为：(1)在各区域中选取部分粒子进行(t+1)时刻的全局预更新：设Ω
r
(t)表示t时刻对搜索空间中粒子进行区域划分所得的第r个区域，N
r
(t)表示区域Ω
r
(t)中的粒子数，则在区域Ω
r
(t)中随机选取个粒子采用下列方式进行(t+1)时刻的全局预更新：个粒子采用下列方式进行(t+1)时刻的全局预更新：其中，设i∈Ω
r
(t)，和分别用于表示粒子i在(t+1)时刻在第k维度的位置和速度，设X
i
(t+1)表示粒子i在(t+1)时刻的位置，则(t+1)表示粒子i在(t+1)时刻的位置，则其中，和分别用于表示粒子i在(t+1)时刻在第1维度、第2维度和第D维度的位置，D表示搜索空间的维度，和分别用于表示粒子i在t时刻在第k维度的位置和速度，rand
i
为随机产生的一个[0，1]范围内的随机数，表示粒子i在t时刻在第k维度的加速度，且M
i
(t)表示
t时刻粒子i的惯性质量，表示粒子i在t时刻在第k维度上受种群中其他粒子的引力合力，且rand
l
为随机产生的一个[0，1]范围内的随机数，N表示种群中的粒子数，表示t时刻粒子i在第k维度上受到粒子l的引力，且表示t时刻粒子i在第k维度上受到粒子l的引力，且G(t)表示t时刻的万有引力常数，M
l
(t)表示粒子l在t时刻的惯性质量，R
il
(t)表示t时刻粒子i和粒子l之间的欧式距离，ε为一个常数，用于保证分母不为0，表示粒子l在t时刻在第k维度的位置；(2)根据全局预更新结果确定各区域中剩余粒子的更新方式：令L
′
r
(t)表示区域Ω
r
(t)中进行了(t+1)时刻全局预更新的粒子集合，L
″
r
(t)表示区域Ω
r
(t)中未进行(t+1)时刻全局预更新的粒子集合，设N
″
r
(t)表示集合L
″
r
(t)中的粒子数，当N
″
r
(t)＞0时，定义U
′
r
(t)为区域Ω
r
(t)中粒子的全局预更新收益值，将U
′
r
(t)的计算公式设置为：在上述计算公式中，H
b
(t+1)为用于粒子b在(t+1)时刻的寻优判断函数，且其中，fit
b
(t+1)和fit
b
(t)分别用于表示粒子b在(t+1)和t时刻的适应度值，N
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。