[发明专利]融合网络特征的神经网络预测金融数据的方法

说明书

本发明公开了一种融合网络特征的神经网络预测金融数据的方法，包括：S1：数据采集；S2：数据集预处理；S3：利用企业股价时间序列数据构建企业关系复杂网络；S4：利用Louvain算法对网络进行社区划分得到节点的社区性质；S5：根据企业相关性网络，利用PageRank算法企业相关性网络中节点的重要性进行计算，得到节点的PageRank值；S6：根据相应的指标，对静态数据进行二次计算，构建因变量数据；S7：利用神经网络算法对企业收入能力预测评估。本发明最终预测结果精度较高，增强了评估工作的客观性、科学性和准确性，解决了企业价值评估工作时收入预测中缺乏定量分析的问题，降低分析师在收入预测时主观因素的影响，提高评估工作的客观性和可解释性。

技术领域

本发明涉及一种复杂网络与金融数据挖掘技术，尤其是一种融合网络特征的神经网络预测金融数据的方法。

背景技术

传统的商业投资中，分析师对企业未来收入的判断通常建立在定性分析的基础上，不同分析师的预测差异较大，这导致评估结果很大程度上受分析师的专业水平影响，且准确性难以控制。随着信息化时代的到来，互联网金融行业经历了翻天覆地的变化，以互联网、云计算、大数据、人工智能及区块链为核心的信息技术迅猛发展，正在大规模应用于经济社会各个领域，成为推动各行各业转型升级的重要驱动力。通过算法对社会中各类数据进行处理，能有效地为决策者提供参考信息并辅助决策。资产评估行业作为市场经济的重要参与者，在面对海量数据时，利用大数据构建收入预测模型辅助分析师决策，提供可借鉴的估值预测情况已成为行业中新兴的解决方案。

传统分析师对企业未来收入的判断通常建立在定性分析的基础上，不同分析师的预测差异较大，这导致评估结果很大程度上受分析师的专业水平影响，且这类影响很难控制。

中国专利申请CN201910237356.X提出了一种上市企业投资价值量化计算方法，首先获取目标企业的财务数据，得到分类结果，再根据对上市企业投资价值的影响因子所占权重所形成的预设算法对所述分类结果进行计算,获取投资价值量化计算结果。

中国专利申请CN201810742756.1提出了一种收入预测方法，通过获取待预测群体中每个用户在预测周期内对目标对象执行操作的相关信息，确定该用户对目标对象执行操作的相关特征所对应的特征值，再根据每种渠道的相关特征所对应的群体特征值以及预先训练的渠道收入预测模型，对每种渠道下目标对象的收入进行预测。

中国专利申请CN202010081874.X提出了一种基于纵向联邦学习，构建各自的本地评估模型，确定待评估企业的投资价值,从而对企业做出全面、可靠的评估结果。

以上的这些专利申请虽然能在一定程度上评估企业的价值，但是有以下几个缺点。第一，没有在整个市场的角度上对待预测企业进行评估，预测模型相对片面。第二，评估模型没有考虑企业之间的关联性，比如企业间有很强的内聚性。第三，这些评估模型的参数仅仅是在常见数据上进行二次计算，且没有考虑到企业的层级性。

发明内容

本发明的目的是为克服上述现有技术的不足，提供一种融合网络特征的神经网络预测金融数据的方法，利用企业股价时间序列数据构建了企业关系复杂网络，并将整个企业网络按照聚类思想划分为社区，利用PageRank算法量化企业在复杂网络中的重要程度，最后结合财务指标利用神经网络算法对企业收入进行预测。

为实现上述目的，本发明采用下述技术方案：

一种融合网络特征的神经网络预测金融数据的方法，包括以下步骤：

S1：数据采集，包括动态数据和静态数据；

S2：数据集预处理，包含对数据缺失值和异常值处理；

S3：利用企业股价时间序列数据构建企业关系复杂网络；

S4：利用Louvain算法(即社交网络挖掘之大规模网络的社区发现算法)对网络进行社区划分得到节点的社区性质；