[发明专利]基于随机森林与朴素贝叶斯模型的内幕交易识别方法

权利要求书

1.基于随机森林与朴素贝叶斯模型的内幕交易识别方法，其特征在于，具体步骤如下，

步骤1：获取不同事件时间窗口期下的内幕交易样本数据集；

步骤2：采用随机森林模型筛选构建特征指标集；

步骤3：根据筛选出的特征指标集构建内幕交易的贝叶斯识别模型；

步骤4：获取测试目标并构建测试目标数据集；

步骤5：采用贝叶斯识别模型进行内幕交易识别，得出是否内幕交易的结果；

步骤6：事后监管验证内幕交易识别结果是否正确；

步骤6.1：若事后监管验证内幕交易识别结果正确，则执行步骤8；

步骤6.2：若事后监管验证内幕交易识别结果不正确，则执行步骤7；

步骤7：将测试目标数据集及是否内幕交易的结果加入样本数据集并训练更新贝叶斯识别模型；

步骤8：判断是否有下一测试目标；

步骤8.1：若有下一测试目标，则执行步骤4；

步骤8.2：若没有下一测试目标，则结束。

2.根据权利要求1所述的基于随机森林与朴素贝叶斯模型的内幕交易识别方法，其特征在于，步骤2中，所述随机森林算法的参数采用拟牛顿法结合遗传算法的寻优方法确定，拟牛顿法结合遗传算法的寻优方法包括如下步骤，

步骤1：确定群体规模N、交叉概率p_c、变异概率p_s、遗传算法目标适应度阈值η；

步骤2：进行遗传算法迭代，得到下一代群体；

步骤3：计算当前群体平均适应度η'；

步骤4：判断是否η'＜η；

步骤4.1：若η'＜η，则执行步骤5；

步骤4.2：若η'＜η不成立，则执行步骤2；

步骤5：记录最优染色体数值；

步骤6：将遗传算法得到的迭代结果作为拟牛顿迭代的初始值；

步骤7：进行拟牛顿迭代；

步骤8：判断是否达到预设精度；

步骤8.1：若未达到预设精度，执行步骤7；

步骤8.2：若达到预设精度，则结束。

3.根据权利要求1或2所述的基于随机森林与朴素贝叶斯模型的内幕交易识别方法，其特征在于，步骤2中，所述筛选构建特征指标集，利用随机森林模型中的Gini系数进行特征指标的重要度计算，根据重要性评分选取最佳的特征指标组合。