[发明专利]一种基于知识图谱的前瞻因子筛选方法及其系统

权利要求书

1.一种基于知识图谱的前瞻因子筛选方法，其特征在于，包括以下步骤：

通过第一企业信息获得企业产业链图谱，所述产业链图谱包括：企业原材料和主营产品；

对当前产业链图谱中的节点进行扩展，扩展出原材料生成企业及其相关的原材料和主营产品；扩展主营产品需求企业及其相关的原材料和主营产品；

将扩展的企业产业链图谱中原材料和主营产品节点提取，作为关键词，该关键词反映了企业产业链上下游原材料和主营产品关系；

通过将关键词与指标进行模糊匹配，获得候选指标列表；

通过第二企业信息和指标对应的指标值进行相关性计算，获得指标相关性，指标在列表中的位置反应了指标与第二企业信息的相关程度；

通过将指标相关性进行去共线性计算，获得企业前瞻因子。

2.根据权利要求1所述的方法，其特征在于，所述通过将关键词与指标进行模糊匹配，获得候选指标列表步骤；包括：

拆分关键词为单元概念，将拆分的单元组成的向量与指标拆分组成的向量进行逻辑与运算,根据运算结果确定候选指标；拆分原则是拆分的最小单元为已有的金融领域关键词列表中的关键词；所述候选列表中只包含候选指标所在的行业和候选指标的名字信息。

3.根据权利要求1所述的方法，其特征在于，所述通过第二企业信息和指标对应的指标值进行相关性计算，获得指标相关性步骤；包括：

利用皮尔斯相关系数进行相关性计算，计算公式如下：

其中X，Y为代分析的两个时间序列，N为时间序列长度。

4.根据权利要求1所述的方法，其特征在于，所述通过将指标相关性进行去共线性计算，获得企业前瞻因子步骤；包括：

利用单因素方差分析也称为F检验进行去共线性计算，检验统计量是F统计量，用于比较样本之间的均方误差(MS_B)和样本内部的均方误差(MS_W)；可以使用以下公式计算此F统计量：

其中：

k是分组数量，n_T是总的时间序列长度。

5.根据权利要求1所述的方法，其特征在于，所述第一企业信息为企业名称，所述第二企业信息为企业营业收入。

6.一种基于知识图谱的前瞻因子筛选系统，其特征在于，该系统包括：

第一处理单元，用于通过第一企业信息获得企业产业链图谱，所述产业链图谱包括：企业原材料和主营产品；

第二处理单元，用于对当前产业链图谱中的节点进行扩展，扩展出原材料生成企业及其相关的原材料和主营产品；扩展主营产品需求企业及其相关的原材料和主营产品；

第三处理单元，用于将扩展的企业产业链图谱中原材料和主营产品节点提取，作为关键词，该关键词反映了企业产业链上下游原材料和主营产品关系；

第四处理单元，用于通过将关键词与指标进行模糊匹配，获得候选指标列表；

第五处理单元，用于通过第二企业信息和指标对应的指标值进行相关性计算，获得指标相关性，指标在列表中的位置反应了指标与第二企业信息的相关程度；

第六处理单元，通过将指标相关性进行去共线性计算，获得企业前瞻因子。

7.根据权利要求6所述的系统，其特征在于，所述第四处理单元，具体用于拆分关键词为单元概念，并进行逻辑与运算；拆分原则是拆分的最小单元为已有的金融领域关键词列表中的关键词；所述候选列表中只包含候选指标所在的行业和候选指标的名字信息。

8.根据权利要求6所述的系统，其特征在于，所述第五处理单元，具体用于利用皮尔斯相关系数进行相关性计算，计算公式如下：

其中X，Y为代分析的两个时间序列，N为时间序列长度。