【技术实现步骤摘要】
本专利技术涉及计算机软件，具体涉及一种基于大数据的证券投资风险分析方法及装置。
技术介绍
1、证券投资风险是指在进行证券投资过程中，由于各种不确定性因素的影响，导致投资收益的不确定性和损失的可能性。证券投资风险包括市场风险、信用风险、流动性风险、操作风险、法律风险、政治风险等多种类型。
2、在证券投资中，市场风险是最为主要的风险之一。市场风险是由于证券市场价格波动、市场供需变化、利率变动等因素引起的投资风险，这种风险是证券投资过程中不可避免的。投资者需要通过合理的投资策略和风险管理措施来降低风险。
3、除了市场风险，信用风险也是证券投资中较为常见的风险之一。信用风险是由于借款人或发行人的信用状况发生变化，导致投资者的投资本金或收益无法得到保障的风险。在证券投资中，投资者需要关注发行人的信用评级、财务报表等信息，以及债务人的还款能力和意愿等因素，以降低信用风险。
4、上述风险落到具体投资分析的过程中，规避风险的难点在于：1、需要具备丰富的财务知识来分析公开报表、研报数据；2、需要时刻关注各大平台和消息渠道上的突发性新闻资讯，并从中找到具有价值的内容；3、需要具备证券行情数据敏锐度，根据交易情况判断资金交易的短期紧急风险。综合来，证券投资实操过程中的风险规避需要广博的知识面、高度集中的精神、强大的数字直觉。毫无疑问，对于大多数投资者来说难度巨大。
技术实现思路
1、针对现有技术中的技术缺陷，本专利技术实施例的目的在于提供一种基于大数据的证券投资风险分
2、为实现上述目的，第一方面，本专利技术实施例提供了一种基于大数据的证券投资风险分析方法，包括：
3、获取信息数据，所述信息数据包括新闻资讯数据、公司财务数据和资金数据；
4、对所述信息数据进行加工处理，获取目标数据；
5、将所述目标数据输入预先训练的风险识别模型中进行风险识别，获得风险识别结果，所述风险识别结果包括基本面风险识别结果、消息面风险识别结果和资金面风险识别结果；
6、根据所述风险识别结果按照预设规则生成风险提醒信息。
7、进一步，所述风险识别模型包括基本面风险提醒模型、消息面风险提醒模型和资金面风险提醒模型。
8、进一步，对所述新闻资讯数据进行加工，获取第一目标数据，所述第一目标数据为所述新闻资讯数据包含的目标公司、事件和语义情绪；其中，
9、采用自然语言处理技术对所述新闻资讯数据进行语义分析，获取所述新闻资讯数据中包含的目标公司和事件；
10、将所述新闻资讯数据输入预先训练的情感分析模型进行情感识别，获得所述语义情绪。
11、进一步，所述语义情绪为积极、消极或中立。
12、进一步，将所述第一目标数据输入消息面风险提醒模型进行消息面风险识别，获得消息面风险识别结果，包括：
13、根据所述所述新闻资讯数据中包含的目标公司和事件使用聚类方法搜寻相似新闻，获取热点新闻，并判断所述热点新闻的正负面；
14、根据产业链上下游关系，对于所述新闻资讯数据中包含的目标公司和事件按照产业链推导，寻找受影响到的上游公司和下游公司；
15、根据所述新闻资讯数据的语义情绪和热点新闻的正负面，生成针对所述目标公司、上游公司和下游公司的消息面风险识别结果。
16、进一步，对所述公司财务数据进行加工，获取第二目标数据，包括：
17、对所述公司财务数据进行分析，计算衍生财务指标和虚资产占比，将所述衍生财务指标和虚资产占比作为第二目标数据。
18、进一步，将所述第二目标数据输入基本面风险提醒模型进行基本面风险识别，获得基本面风险识别结果，包括：
19、对所述第二目标数据进行横向行业对比和纵向产业链对比，对所述衍生财务指标和虚资产占比进行排名获得当前排名结果；
20、将当前排名结果与上期排名结果进行对比，计算排名差值，对所述排名差值进行评级；
21、根据评级等级生成对应的基本面风险识别结果。
22、进一步，对所述资金数据进行加工，获取第三目标数据，包括：
23、分析所述资金数据获取交易数据、量化因子和行情以作为所述第三目标数据。
24、进一步，将所述第三目标数据输入资金面风险提醒模型进行资金面风险识别，获得资金面风险识别结果，包括：
25、根据所述行情重建盘口；
26、根据所述盘口和交易数据获取高频因子，所述高频因子包括资金聪明度、资金持续度、资金强度和博弈状态；
27、对所述量化因子进行因子检验，获得因子相关性；
28、根据所述高频因子和因子相关性生成资金面风险识别结果。
29、第二方面，本专利技术实施例还提供了一种基于大数据的证券投资风险分析装置，包括：
30、信息数据获取模块，用于获取信息数据，所述信息数据包括新闻资讯数据、公司财务数据和资金数据；
31、目标数据获取模块，用于对所述信息数据进行加工处理，获取目标数据；
32、风险识别模块，用于将所述目标数据输入预先训练的风险识别模型中进行风险识别，获得风险识别结果，所述风险识别结果包括基本面风险识别结果、消息面风险识别结果和资金面风险识别结果；
33、风险提醒模块，用于根据所述风险识别结果按照预设规则生成风险提醒信息。
34、实施本专利技术实施例提供的方法，通过人工智能和大数据技术，通过对公开报表和研报数据进行基本面分析，提取关键隐蔽性财务指标，如虚资产、递延性成本，结合常规基本面常规指标，如负债情况、经营情况，为用户提供具有高暴雷，高隐患的基本面风险提醒；
35、通过对互联网权威新闻资讯的处理，以突发性新闻为主，结合频繁重复消息，对上市公司进行消息面风险提醒和紧急提醒；
36、通过对各大交易所的l1、l2数据进行实时处理，分析单笔大宗交易、大规模集中交易等特殊情况，对上市公司股票的资金面提供强短期风险紧急提醒。
37、以上三者可以相互结合，形成综合风险提醒，充分提高风险提醒紧急提醒的准确度，从而降低用户的股票投资风险、提高机构的评估准确度、提升监管单位的监管效率。
本文档来自技高网...【技术保护点】
1.一种基于大数据的证券投资风险分析方法，其特征在于，包括：
2.如权利要求1所述的一种基于大数据的证券投资风险分析方法，其特征在于，所述风险识别模型包括基本面风险提醒模型、消息面风险提醒模型和资金面风险提醒模型。
3.如权利要求2所述的一种基于大数据的证券投资风险分析方法，其特征在于，对所述新闻资讯数据进行加工，获取第一目标数据，所述第一目标数据为所述新闻资讯数据包含的目标公司、事件和语义情绪；其中，
4.如权利要求3所述的一种基于大数据的证券投资风险分析方法，其特征在于，所述语义情绪为积极、消极或中立。
5.如权利要求4所述的一种基于大数据的证券投资风险分析方法，其特征在于，将所述第一目标数据输入消息面风险提醒模型进行消息面风险识别，获得消息面风险识别结果，包括：
6.如权利要求2所述的一种基于大数据的证券投资风险分析方法，其特征在于，对所述公司财务数据进行加工，获取第二目标数据，包括：
7.如权利要求6所述的一种基于大数据的证券投资风险分析方法，其特征在于，将所述第二目标数据输入基本面风险提醒模型进行基
8.如权利要求2所述的一种基于大数据的证券投资风险分析方法，其特征在于，对所述资金数据进行加工，获取第三目标数据，包括：
9.如权利要求8所述的一种基于大数据的证券投资风险分析方法，其特征在于，将所述第三目标数据输入资金面风险提醒模型进行资金面风险识别，获得资金面风险识别结果，包括：
10.一种基于大数据的证券投资风险分析装置，其特征在于，包括：
...【技术特征摘要】
1.一种基于大数据的证券投资风险分析方法，其特征在于，包括：
2.如权利要求1所述的一种基于大数据的证券投资风险分析方法，其特征在于，所述风险识别模型包括基本面风险提醒模型、消息面风险提醒模型和资金面风险提醒模型。
3.如权利要求2所述的一种基于大数据的证券投资风险分析方法，其特征在于，对所述新闻资讯数据进行加工，获取第一目标数据，所述第一目标数据为所述新闻资讯数据包含的目标公司、事件和语义情绪；其中，
4.如权利要求3所述的一种基于大数据的证券投资风险分析方法，其特征在于，所述语义情绪为积极、消极或中立。
5.如权利要求4所述的一种基于大数据的证券投资风险分析方法，其特征在于，将所述第一目标数据输入消息面风险提醒模型进行消息面风险识别，获得消息面风险识别...
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。