[发明专利]一种智能双渔网风险控制方法及装置

说明书

技术领域

本发明涉及互联网舆情监控，传染病传播扩散途径，金融衍生品交易等范畴，包括舆情控制，传染病爆发预测与监控，金融衍生品量化交易等技术领域，特别涉及一种智能双渔网风险控制方法及装置。

背景技术

论坛中的某个话题一旦被极化往往会形成一个新的观点被传播，新闻中的部分负面消息一旦被某些意见领袖转发或评论往往形成对某事件的舆情，2003年SARS传染病的扩散导致某些股票暴涨，这些看起来毫不相关的事件其实都有着相似的数据特征，比如某些词在短时间内的高频出现，大数据的重要特征不是之前小数据时代注重数据之间的因果关系，大数据更注重数据之间的相关关系。本发明以高频行情数据(实时数据)和用户行为数据(历史数据)作为研究对象，不仅能挖掘这两种数据之间的相关关系，同时还能通过机器自学习算法用一种数据的数据特征来引导并控制另外一种数据，以便起到柔性控制的效果，而不是简单粗暴的直接阻断或删除信息源。另外，删除信息源也是事后应对措施，并非在舆情开始或中间阶段就开始逐步引导并控制，金融风险实施例就是讲如何识别这两种数据的相互关系和引导并控制相关数据的变动。这种方法同样适合在舆情控制和传染病传播的开始及中间阶段，因为他们的数据维度和数据特征是相同的。

舆情控制有几个技术难点，第一、在舆情扩散之前我们很难知道那个话题会被极化，比如今天同时播报了100条新闻，或者某论坛今天有1000个帖子，但是在新闻被扩散之前或帖子被反复顶之前，我们不知道那个新闻或者帖子会成为大家讨论的热点，换句话说要提高识别热点新闻或话题的准确率是比较困难的，第二、如果我们打算控制某个话题或者新闻的传播，不让某话题被广泛传播，传统的做法是直接删除信息源或控制转发数量，但是这样做会遇到2个问题，1、信息源往往是多个信息源而且可能变异，比如换个标题，内容还是一样或者修改部分内容和标题，这样删除信息源就比较困难，2、控制转发数量目前看到的是出相关法律来制裁转发的人，但这样的缺点是：高压手段相对比较粗暴，而且用计算机程序模拟出虚拟人来转发也是很容易的。总结起来，删除信息源还是控制转发数量的技术难点其实是如何可以把高频数据转化为低频数据。对于这两个问题，本发明方法用金融风险实施例来讲解，之所以用金融风险实施例来讲解，是因为金融行业的高频数据与舆情或传染病传播的高频数据无论在数据维度或者数据特征上几乎一样，而金融行业的某些高频交易策略部分解决了“控制”高频数据的方法，但不完全，因为,虽然高频交易策略的优点在于通过减少交易持仓时间增加交易频率来减小风险，获得更多的收益，但是缺点是准确率要求高，而这跟舆情控制中如何提高话题极化的准确率是一样的，但准确率并不是容易获得提升的。

发明内容

本发明提供的这种方法，原则上也是通过减少交易时间增加交易频率来达到减少风险增加收益的效果，但它不需要提高准确率，而是通过机器算法把准确率或其他的硬指标参数转化成了软指标参数(比如全局最优参数K值和局部最优参数α和β)，并提升内部性能的参数值(比如N值)，使得高频数据“矮化”成低频数据，从而达到识别并控制舆情或传染病传播的速度和范围。

针对现有技术的不足，本发明一种智能双渔网风险控制装置，包括：

初始化模块，用于获取历史数据，对所述历史数据进行初始化，生成初始化数据，通过风险双向转换策略分别训练风险模型1与风险模型2，当实时数据出现所述初始化数据中触发点时，若为负，则进入所述风险模型1，若为正，则进入所述风险模型2；

判断模块，用于根据风险判断装置1与风险判断装置2，判断是否需要再次进入所述风险双向转换策略，根据风险判断装置3调整输出值，使得收益风险比越高越好。

所述的智能双渔网风险控制装置，所述风险模型1的公式为：