[发明专利]关联网络的影响传播分析和模式识别方法、系统、设备

说明书

本发明涉及关联网络的影响传播分析和模式识别方法、系统、设备，包括以下步骤：输入动态关联网络信息，以形成动态关联网络；所述动态关联网络包括动态节点集合V(t)、动态节点的关联边集合E(t)；获取所述动态关联网络在设定的最大传播度数内的关联路径；根据所述关联路径提取对应节点的类别和关联边的类别，获取关联路径类别；根据关联路径类别，以时间点t为基础，通过节点的数值型属性A，计算有关联边的各节点类别之间的影响传播溢出效应系数。本发明结合时间相关的溢出效应分析方法与复杂网络的动态影响传播机制，实现对类别值波动带来的影响时变传播规律进行刻画，拓展了对复杂网络信息传导机制进行分析的维度。

技术领域

本发明涉及复杂网络分析技术领域，特别涉及关联网络的影响传播分析和模式识别方法、系统、设备，包括一种针对动态关联网络进行影响传播的分析方法、传播模式的识别方法、影响传播和模式识别的系统、电子设备。

背景技术

随着全球经济一体化的推进，贸易、投资、生产等经济和金融领域之间的依赖程度越来越紧密。金融领域的风险动态传播过程是很多研究的重点，包括从金融风险的动态传播过程中提炼出具有重复性和稳定性的节点间传导规律，以及在异质信息网络的基础上，通过对不同类别影响传导过程进行归类刻画，从而为对应风险防控策略的制定提供建议。进一步地，随着宏观市场环境发生变化，金融风险在不同时期的主导信息动态传播模式也会对应产生变化。

目前，随着基于复杂网络分析方法的兴起，将计量经济学和复杂网络分析方法在金融场景下的融合有了越来越多的切入点。比如将金融领域中企业金融资产视作具有属性信息的关联网络节点，将不同企业金融资产价值形成时间序列的关联关系作为节点间的边，进而可以将金融市场通过“节点”与“边”的关联，抽象为金融网络。通过关联网络的构建可以展示金融系统内部各主体间复杂的相互作用，实现从更加宏观的角度分析金融系统的特性。比如，从分析金融系统网络价格联动机制的角度出发，现有建模分析方法包括：基于资产价值相关关系、基于因果关系，以及基于自回归条件异方差模型等等。

但是，目前将基于时间序列的影响传播分析与复杂网络数据相结合的方法还没有，现实中影响的传播与时间序列很相关；比如金融风险或者供应链相关原材料和生产成品的价格的主导信息动态传播模式会跟随传播路径的变化而变化。但是，目前对关联网络中节点间互相影响的动态传播方法以及对不同类别传播路径的传导方式识别有限，没有准确和高效率的判断手段，以至于在分析相关应用领域关联网络影响动态传播规律和模式时受限，影响此类应用领域的数据分析能力和处理效率。

发明内容

本发明的目的在于提出可基于时间变化的风险传播分析与复杂网络数据项结合的方法，提供一种针对动态关联网络进行影响传播的分析方法、传播模式的识别方法、影响传播和模式识别的系统、电子设备。

为了实现上述发明目的，本发明实施例提供了以下技术方案：

针对动态关联网络进行影响传播的分析方法，包括以下步骤：

输入动态关联网络信息，以形成动态关联网络；所述动态关联网络包括动态节点集合V(t)、动态节点的关联边集合E(t)；所述动态关联网络信息为金融信息，所述动态节点集合V(t)中的节点为企业、机构、单位或个人；所述关联边集合E(t)中的关联边为企业、机构、单位和个人之间的关联关系；

获取所述动态关联网络在设定的最大传播度数内的关联路径；

根据所述关联路径提取对应节点的类别和关联边的类别，获取关联路径类别；

根据关联路径类别，以时间点t为基础，通过节点的数值型属性A，计算有关联边的各节点类别之间的影响传播溢出效应系数，所述影响传播溢出效应系数代表在属性A上，节点类别C_i的波动在对应关联边类别上对节点类别C_j所造成的影响。