[发明专利]基于卷积神经网络与注意力机制的金融时间序列处理方法

权利要求书

1.基于卷积神经网络与注意力机制的金融时间序列处理方法，其特征在于，包括以下步骤：

S1：首先通过金融产品录入系统对相关金融产品进行录入，然后由金融产品分类系统对该金融产品进行分类；

S2：由金融风险分析系统根据对金融产品的分类，采用适用其的方法进行风险分析，并通过风险诊断系统得出诊断结果；

S3：在进行风险分析的同时还可以根据对该金融产品的分类，而由风险数据库中提取适用其的常见风险模型，并通过智能对比系统进行对比，最后通过风险诊断系统得出诊断结果；

S4：同时还可以由人工分析系统进行人工分析，并由风险诊断系统得出相应的人工诊断结果；

S5：当确定得出诊断结果后可以由风险数据库进行储存，并增加该风险的权重，而得不出诊断结果则通过分析诊断系统借助卷积神经网络学习系统对其进行缝隙并得出结果，然后该结果可以由风险数据库进行储存；

S6：卷积神经网络学习系统分别与风险数据库以及风险诊断系统连接，可以向风险诊断系统或者风险数据库中提出风险模型，并通过其自身连接的模型训练系统对自身进行训练，而方便进行自主学习。

2.根据权利要求1所述的基于卷积神经网络与注意力机制的金融时间序列处理方法，其特征在于，所述卷积神经网络学习系统还连接有注意力机制系统。

3.根据权利要求2所述的基于卷积神经网络与注意力机制的金融时间序列处理方法，其特征在于，所述注意力机制系统用于在卷积神经网络学习系统对金融产品进行风险诊断时提高其精准度，以及在模型训练系统进行训练时，提高训练的精确度与效率。

4.根据权利要求1所述的基于卷积神经网络与注意力机制的金融时间序列处理方法，其特征在于，所述风险数据库还可以接收来自大数据中的各种金融产品风险模型。

5.根据权利要求1所述的基于卷积神经网络与注意力机制的金融时间序列处理方法，其特征在于，所述金融风险分析系统内包含有多中金融产品的分析诊断算法。