[发明专利]一种基于粒子群算法的人工智能金融风险度量方法

权利要求书

1.一种基于粒子群算法的人工智能金融风险度量方法，其特征在于，包括：

S1、确定第一阶段的风险程度和第二阶段的风险程度；

S2、初始化种群；

S3、确定各个粒子最优位置和粒子群中最优粒子的位置；

S4、更新粒子权重；

S5、更新粒子的变异率；

S6、更新各个粒子的速度和位置；当更新后的粒子的变异率较随机生成的数大时，通过优化变异公式更新位置，当更新后的粒子的变异率较随机生成的数小时，通过标准位置更新公式进行更新位置；

S7、计算粒子电荷量和作用力；

S8、重新计算粒子最优位置；

S9、比较确定的重新计算的粒子最优位置，确定较优的位置；

S10、判断是否满足停止条件，如果满足停止迭代条件或者达到最大迭代次数，输出最优解，即第三阶段的控制力度；否则转到S4，继续迭代；

S11、根据所述第一阶段的风险程度、第二阶段的风险程度和第三阶段的控制力度通过金融风险系统的动力学约束和目标函数获得金融风险度量结果。

2.根据权利要求1所述的基于粒子群算法的人工智能金融风险度量方法，其特征在于，

所述S2中，初始化种群包括：初始化粒子群大小，各个粒子的位置和速度，权重以及确定最大迭代次数，确定粒子的变异率。

3.根据权利要求1所述的基于粒子群算法的人工智能金融风险度量方法，其特征在于，

所述S4中，更新粒子权重时，根据如下公式确定粒子的权重：

上述公式中，ω(t)表示第t次迭代的权重，ω_max表示随机权重的最大值，T_max表示最大迭代次数，t表示当前迭代次数，ω_min表示随机权重的最小值，rand()表示[0,1]范围内均匀分布的随机数，σ表示方差，randn()表示正态分布的随机数。

4.根据权利要求1所述的基于粒子群算法的人工智能金融风险度量方法，其特征在于，

所述S5中，更新粒子的变异率，所述变异率的计算公式为：

上述公式中，p_m表示更新后的变异率，p_m,min表示最小变异率，p_m,max表示最大变异率，t表示当前迭代次，T_max表示最大迭代次数。

5.根据权利要求1所述的基于粒子群算法的人工智能金融风险度量方法，其特征在于，

所述S6中，更新各个粒子的速度时，其速度更新公式为：

上述公式中，表示第t次迭代更新的第i个粒子速度，ω(t)表示第t次迭代的权重，表示第t-1次迭代更新的第i个粒子速度，c₁表示粒子影响因子，rand()表示[0,1]范围内均匀分布的随机数，p_best(i)表示第i个粒子的最优位置，x_gbest表示粒子群中最优粒子的位置，表示第t-1次迭代更新的第i个粒子的位置。