[发明专利]基于主成分分析与反向传播神经网络的内幕交易辨别方法在审
| 申请号： | 201910472187.8 | 申请日： | 2019-05-31 |
| 公开（公告）号： | CN110189227A | 公开（公告）日： | 2019-08-30 |
| 发明（设计）人： | 邓尚昆;王晨光;李冬艳;曹成航;南博阳 | 申请（专利权）人： | 三峡大学 |
| 主分类号： | G06Q40/04 | 分类号： | G06Q40/04;G06K9/62 |
| 代理公司： | 宜昌市三峡专利事务所 42103 | 代理人： | 成钢 |
| 地址： | 443002 *** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于主成分分析与反向传播神经网络的内幕交易辨别方法，采用主成分分析降维，获得内幕交易的特征指标集的主成分；构建内幕交易神经网络识别模型，利用主成分数据集进行训练；获取测试目标，将测试目标的主成分数据集作为神经网络识别模型的输入，经神经网络识别模型得出是否内幕交易的结果。本发明采用弹性反向传播神经网络针对内幕交易与特征指标的非线性关系建模，利用证券市场的相关数据对神经网络模型进行训练，建立的弹性反向传播神经网络模型可对证券市场的内幕交易进行准确的识别。 | ||
| 搜索关键词： | 交易 反向传播神经网络 神经网络识别 主成分分析 测试目标 成分数据 特征指标 证券市场 反向传播神经网络模型 辨别 主成分分析降维 神经网络模型 非线性关系 构建 建模 | ||
【主权项】：
1.基于主成分分析与反向传播神经网络的内幕交易辨别方法，其特征在于，包括以下步骤，步骤1：获取不同时间窗口期下的内幕交易样本数据集；步骤2：采用主成分分析降维，获得特征指标集的主成分和样本数据集的主成分数据集；步骤3：构建内幕交易神经网络识别模型，利用主成分数据集进行训练；步骤4：获取测试目标，根据特征指标集的主成分对测试目标的数据集处理得到测试目标的主成分数据集；步骤5：将测试目标的主成分数据集作为神经网络识别模型的输入，经神经网络识别模型得出是否内幕交易的结果；步骤6：事后监管验证识别结果是否正确；步骤6.1：若识别结果正确，则执行步骤8；步骤6.2：若识别结果不正确，则执行步骤7；步骤7：将测试目标数据集及是否内幕交易的结果加入样本数据集，并训练更新神经网络识别模型；步骤8：判断是否有下一测试目标；步骤8.1：若有下一测试目标，则执行步骤4；步骤8.2：若没有下一测试目标，则结束。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于三峡大学，未经三峡大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910472187.8/，转载请声明来源钻瓜专利网。
