[发明专利]一种抗时变性模型的优化方法、系统、设备及可读存储介质

说明书

本发明公开了一种抗时变性模型的优化方法、系统、设备及可读存储介质，属于金融安全技术领域，包括：基于高频因子构建混频模型；检验混频模型中的因子分布是否改变；依据改变的因子分布，对混频模型进行在线更新。本发明通过提出高频因子混频模型和自适应建模框架，有效解决金融规律时变性对预测模型的影响问题，同时有效避免了风险预测模型的滞后性，提高了模型随金融规律改变而及时适配的能力。基于该框架，可以实现对宏观经济指标、中观行业景气、微观企业营收波动等经济金融标的的有效预测，并有效进行动态风险预警。

技术领域

本发明属于金融安全技术领域，涉及一种抗时变性模型的优化方法、系统、设备及可读存储介质。

背景技术

经济金融安全是国家安全的重要组成部分，也是国家安全的前提条件和重要保障。系统性金融风险具有广泛性和传染性，风险会覆盖各类经济及金融领域，并通过各类金融业务传染至非金融企业，并最终演变为系统性经济金融危机。传统预判经济金融风险的方式主要是依靠专家经验结合统计学分析完成，这种方法大多默认统计规律具有时不变性。由于经济金融数据普遍存在规律时变性，使得传统方法无法有效解决规律时变性带来的预测不准的问题，从而严重影响金融风险研判效果。

发明内容

本发明的目的在于解决现有技术中的问题，提供一种抗时变性模型的优化方法、系统、设备及可读存储介质。

为达到上述目的，本发明采用以下技术方案予以实现：

一种抗时变性模型的优化方法，包括以下步骤：

基于高频因子构建混频模型，所述构建混频模型具体包括：通过因子变频和混频建模；所述因子变频为将高频因子按时间周期汇聚成低频因子；通过因子变频后，高频因子被转化为低频因子，与原有的低频因子联合建模；所述混频建模为基于不同拼读的因子构建EMD-MIDADS模型；所述构建EMD-MIDADS模型，具体包括：对基于自适应节点B-样本进行EMD分解；融合EMD模型与MIDAS模型；

检验混频模型中的因子分布是否改变；

依据改变的因子分布，对混频模型进行在线更新，所述在线更新使用贝叶斯在线学习与正则优化的梯度下降联合进行模型的在线更新。

本发明进一步的改进在于：

所述对基于自适应节点B-样本进行EMD分解，包括：

基于带二阶惩罚项的三次样条回归模型，利用GCV交叉验证方法构建样条差值自适应节点确定方法；

带二阶惩罚项的样条回归模型如下：

其中，S(x_i)为样条函数S(⋅)在观测点x_i处的函数值，λ为光滑度惩罚项的惩罚因子；S(⋅)的表达式为在插值点ε=(ε₁,ε₂,…,ε_k)处得到的三次样条函数，ε的确定标准遵循GCV准则；n为观测样本的个数，yi为观测样本的因变量，xi为观测样本的自变量；S''²(xi)为样条函数的二阶导数的平方；

GCV为关于惩罚因子λ和节点个数的函数，表示残差项与模型复杂度的相对率；