[发明专利]一种关键风险因子识别方法、装置、移动终端及存储介质

权利要求书

1.一种关键风险因子识别方法，其特征在于，包括：

根据历史统计期内的现货市场出清价格曲线，获取多个同段曲线并生成同段曲线集合；其中，所述同段曲线为所述历史统计期内同一时段的现货市场出清价格曲线；

根据分段双向夹逼模型计算所述同段曲线集合中每一同段曲线分别与基准价格分段曲线之间的分段曲线形态相似性；

根据所述分段曲线形态相似性生成整体相似性，并根据所述整体相似性进行聚类分析，生成聚类分析结果；

根据所述聚类分析结果识别关键风险因子。

2.根据权利要求1所述的一种关键风险因子识别方法，其特征在于，还包括：获取基准价格分段曲线，具体为：

将所述历史统计期内的现货市场出清价格曲线进行归一化处理，生成归一化后的第一曲线集合；

从所述第一曲线集合中选择任意一条曲线作为基准价格曲线；

根据所述基准价格曲线获取所述基准价格分段曲线。

3.根据权利要求2所述的一种关键风险因子识别方法，其特征在于，所述根据分段双向夹逼模型计算所述同段曲线集合中每一同段曲线分别与基准价格分段曲线之间的分段曲线形态相似性，具体为：

根据曲线下移系数、曲线上移系数、所述基准价格分段曲线以及所述同段曲线集合中任一同段曲线，设置所述分段双向夹逼模型的约束条件和目标函数；

求解所述约束条件下的所述目标函数，得到所述同段曲线集合中每一同段曲线分别与所述基准价格分段曲线之间的分段曲线形态相似性。

4.根据权利要求3所述的一种关键风险因子识别方法，其特征在于，所述根据所述分段曲线形态相似性生成整体相似性，并根据所述整体相似性进行聚类分析，生成聚类分析结果，具体为：

根据所述分段曲线形态相似性，生成相似性集合；

根据所述分段双向夹逼模型和所述相似性集合，计算整体相似性；其中，所述整体相似性指所述第一曲线集合中所述基准价格曲线与非基准价格曲线之间的相似性；

根据整体相似性进行聚类分析，生成所述聚类分析结果。

5.根据权利要求4所述的一种关键风险因子识别方法，其特征在于，所述根据整体相似性进行聚类分析，生成所述聚类分析结果，具体为：

根据所述整体相似性生成相似性向量集；

根据预设邻域元素数目，从所述相似性向量集中获取未处理向量和核心向量；

计算所述未处理向量和所述核心向量之间的马氏距离；

根据所述马氏距离将密度相连的所述未处理向量归为同一簇类，并将密度相连的所述未处理向量和所述核心向量标记为已处理向量；

根据所述马氏距离将密度不相连的所述未处理向量标记为未分类向量；

根据所述已处理向量和所述未分类向量生成多个所述聚类分析结果；其中，所述已处理向量归属于不同簇类。

6.根据权利要求5所述的一种关键风险因子识别方法，其特征在于，所述根据所述聚类分析结果识别关键风险因子，具体为：

获取不同簇类下的所述已处理向量中的第一风险因子；

若所述第一风险因子的日差异数值大于预设阈值，判定所述第一风险因子为所述关键风险因子。

7.根据权利要求6所述的一种关键风险因子识别方法，其特征在于，还包括：

获取同一簇类下的所述已处理向量中的第二风险因子；

若所述第二风险因子的日差异数值大于所述预设阈值，判定所述第二风险因子为所述关键风险因子。