【技术实现步骤摘要】
本专利技术涉及强化学习领域，特别涉及一种风险场景的预测方法、模型训练方法、系统、设备和介质。
技术介绍
1、在金融领域，随着数据科学和人工智能技术的进步，快速准确预测风险场景变得越来越重要。风险场景预测涉及分析金融指标以识别那些可能对金融市场、投资回报或整体经济状况产生负面影响的事件。传统的风险预测方法通常是基于复杂的算法处理大量的金融指标，这些方法虽然能够提供一定的风险评估，但面临模型泛化能力不足的问题，尤其是在遇到新的市场变化时，其预测准确性和可靠性往往难以满足高速发展的金融市场需求。因此，需要提供一种风险场景的预测方法、模型训练方法、系统、设备和介质。
技术实现思路
1、本专利技术提供一种风险场景预测模型的训练方法。以解决现有技术中无法用金融指标数据准确预测潜在的风险场景的问题。
2、本专利技术提供的一种风险场景预测模型的训练方法，包括：获取金融指标集和与之对应的风险场景集；将所述金融指标集输入至预训练的教师模型，获得各类风险场景的教师预测概率集；对各类风险场景的教师预测...
【技术保护点】
1.一种风险场景预测模型的训练方法，其特征在于，所述训练方法包括：
2.根据权利要求1所述的风险场景预测模型的训练方法，其特征在于，所述教师模型的预训练过程包括：
3.根据权利要求1所述的风险场景预测模型的训练方法，其特征在于，所述对各类风险场景的教师预测概率集进行聚类，获得各类风险场景的质心，并基于所述金融指标集和各质心的距离，得到第一预测风险场景集，包括：
4.根据权利要求1所述的风险场景预测模型的训练方法，其特征在于，所述依据所述学生预测概率集的概率分布熵、第二预测风险场景集和所述第一预测风险场景集的差异度、所述第一预测风险场...
【技术特征摘要】
1.一种风险场景预测模型的训练方法，其特征在于，所述训练方法包括：
2.根据权利要求1所述的风险场景预测模型的训练方法，其特征在于，所述教师模型的预训练过程包括：
3.根据权利要求1所述的风险场景预测模型的训练方法，其特征在于，所述对各类风险场景的教师预测概率集进行聚类，获得各类风险场景的质心，并基于所述金融指标集和各质心的距离，得到第一预测风险场景集，包括：
4.根据权利要求1所述的风险场景预测模型的训练方法，其特征在于，所述依据所述学生预测概率集的概率分布熵、第二预测风险场景集和所述第一预测风险场景集的差异度、所述第一预测风险场景集和所述风险场景集之间的差异度、所述教师预测概率集和所述学生预测概率集的差异度，计算总差异度，包括：
5.根据权利要求4所述的风险场景预测模型的训练方法，其特征在于，所述自标记损失为其中，k为风险场景的类别总量，为自标记损失，δk(φs(xj))为学生模型φs针对第j个样本xj预测属于风险类别k的概率，x为金融指标集，为x对...
【专利技术属性】
技术研发人员：万展翼，杨帆，李鸿明，刘敏睿，周浩伟，孙帅，卫星，赵冲，陆阳，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：
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。