[发明专利]一种行业风险指标体系风险指数生成方法及系统

说明书

本发明特别涉及一种行业风险指标体系风险指数生成方法及系统。该行业风险指标体系风险指数生成方法及系统，首先设定行业风险指标关联，并判断级别指标要素的合理性以及是否已经列举完全，形成行业风险指标体系；然后构建BP神经网络模型，并利用BP神经网络模型得到指标参数造成的风险的参数值，对指标要素的风险值进行计算，并将计算值存入指数存储模块。该行业风险指标体系风险指数生成方法及系统，基于行业经验和专家知识，采用迭代法确定行业风险指标体系，并使用BP神经网络模型计算指标要素风险值，克服了线性方程在计算指标要素风险值时的不合理性，并基于风险要素值最终计算得出该行业风险指数，提升了行业风险指数的准确性和合理性。

技术领域

本发明涉及数据处理技术领域，特别涉及一种行业风险指标体系风险指数生成方法及系统。

背景技术

随着经济社会不断发展，尤其随着信息技术在行业融合、交叉发展方面作用的凸显，在各行业获得快速发展的同时，也逐渐面临更多的不可控风险。而目前对行业风险分析较多关注于发展趋势等定性分析方面，分析手段不统一、不合理，缺乏合理、有效的指标体系和量化的指数来进行行业风险确定，从而导致无法更为直观和准确的对行业的风险进行干预。

同时，对于指标要素对应风险值的计算，传统的都是采用线性方程的方式来进行，而由于很多的指标要素与风险值并非线性对应关系，导致计算得出的风险值存在一定的误差。

基于此，本发明设计了一种行业风险指标体系风险指数生成方法及系统。

发明内容

本发明为了弥补现有技术的缺陷，提供了一种简单高效的行业风险指标体系风险指数生成方法及系统。

本发明是通过如下技术方案实现的：

一种行业风险指标体系风险指数生成方法，其特征在于：包括以下步骤：

第一步，生成行业风险指标体系

首先设定行业风险指标关联，并判断级别指标要素的合理性以及是否已经列举完全，若合理并已经列举完全，则进行迭代次数判断，确认行业风险指标体系各级要素，形成行业风险指标体系；

第二步，构建BP神经网络模型，并利用BP神经网络模型得到指标参数造成的风险的参数值

构造输入层神经元个数与生成的行业风险指标体系最后一级指标要素数一致的BP神经网络模型，并采用批量指标要素数据，通过线下方式对BP神经网络模型进行训练；然后，将指标参数输入训练好的BP神经网络模型，利用BP神经网络模型得到指标参数造成的风险的参数值；

第三步，计算生成各指标要素的风险指数

利用训练好的BP神经网络模型输出的参数值，对指标要素的风险值进行计算，并将计算值存入指数存储模块。

所述第一步中，根据输入的行业信息，设定关联的指标级数并设定初始指标；由行业专家组建的行业专家委员会判断级别指标要素的合理性以及是否已经列举完全，若不合理或没有列举完全，则继续对指标要素的合理性进行调整、并继续补充完善该级别指标要素；

若合理并已经列举完全，则判断该级别指标是否是最后一级指标，若不是，则进入下一级指标要素生成过程；若是，则对指标要素及指标体系进行存储。

所述第二步中，行业风险指标体系包括n级，且最后一级指标要素包括m个指标参数时，BP神经网络模型的输入层包括m个神经元，中间层包括m+2个神经元，输出层包括3个神经元；

所述输入层的每个神经元负载1个指标参数，所述输出层的3个神经元分别代表基于该级指标参数输入值经计算得出的指标参数造成的风险的危害性、可能性和可控性。

所述第三步中，指标要素的风险值P计算公式如下：