[发明专利]风险识别方法、风险识别装置、电子设备及其存储介质

权利要求书

1.一种由电子设备执行的风险识别方法，包括：

响应于风险识别请求，调用数据库接口；

通过所述数据库接口，从目标数据库中获取预先存储的与所述动态市场行为相关的目标变量集合，其中，所述目标变量合集包括表征影响所述动态市场行为的多个变量数据；

通过所述电子设备的处理器，基于预设聚类方法对所述目标变量集合进行聚类处理，得到多个类别的变量集合，其中，每个所述类别表征一种风险类别；

根据所述多个类别的变量集合，构建类别距离矩阵；

利用多分类支持变量机迭代地处理所述类别距离矩阵，识别得到风险结果，其中，所述风险结果包括每个所述变量数据对应的风险划分结果，所述风险划分结果表征所述动态市场行为对所述变量数据的影响程度。

2.根据权利要求1所述的方法，其中，所述获取预先存储的与所述动态市场行为相关的目标变量集合，包括：

获取预设时间段内与所述动态市场行为相关的多个初始变量数据；

基于斯皮尔曼相关性检验方法，对多个所述初始变量数据进行筛选，得到多个筛选后的目标变量数据；

根据多个所述筛选后的目标变量数据构建所述目标变量集合。

3.根据权利要求2所述的方法，其中，所述基于斯皮尔曼相关性检验方法，对多个所述初始变量数据进行筛选，得到多个筛选后的目标变量数据，包括：

基于预设删除规则，对多个所述初始变量数据进行初步筛选，得到多个中间变量数据，其中，所述预设删除规则包括对空数据和异常数据进行剔除；

针对任意两个所述中间变量数据，利用所述斯皮尔曼相关性检验方法计算两个所述中间变量数据之间的相似性分数；

在所述相似性分数满足分数阈值的情况下，将两个所述中间变量数据确定为两个所述目标变量数据。

4.根据权利要求1所述的方法，其中，所述基于预设聚类方法对所述目标变量集合进行聚类处理，得到多个类别的变量集合，包括：

利用自组织特征映射神经网络迭代地对所述目标变量集合和权重矩阵进行处理，得到多个第j目标变量；

在迭代次数满足次数阈值的情况下，根据与每个所述第j目标变量对应的欧氏距离，对多个所述第j目标变量进行分类，得到多个类别的变量集合。

5.根据权利要求4所述的方法，其中，所述利用自组织特征映射神经网络迭代地对所述目标变量集合和权重矩阵进行处理，得到多个第j目标变量，包括：

在第i次迭代且i＝1的情况下，基于所述自组织特征映射神经网络，分别对所述目标变量集合和权重矩阵进行归一化处理，得到新的目标变量集合和新的权重矩阵，其中，所述目标变量集合中的变量与所述权重矩阵中的权重具有映射关系；

针对所述目标变量集合中的每个变量，根据所述变量和对应的权重计算所述欧氏距离；

将欧氏距离最小的变量确定为所述第j目标变量；

根据所述新的权重矩阵、迭代次数、和所述新的目标变量集合对所述新的权重矩阵和与所述目标变量对应的邻域节点集合进行更新，得到更新后的权重矩阵和更新后的邻域节点集合；

在第i次迭代且i≠1的情况下，利用自组织特征映射神经网络迭代地对所述新的目标变量集合、更新后的权重矩阵进行归一化和欧氏距离的计算处理，以得到多个所述第j目标变量，并对更新后的邻域节点集合进行迭代更新。

6.根据权利要求1所述的方法，每个类别的变量集合具有对应的标签；

其中，所述根据所述多个类别的变量集合，构建类别距离矩阵，包括：

计算任意两个类别的变量集合之间的类别中心距离和类别最小距离，其中，所述类别最小距离表征两个类别内变量之间的最小距离；

根据多个所述标签、所述类别中心距离和所述类别最小距离，构建所述类别距离矩阵。