股票交易中的异常行为检测与风险防控方法及系统

本申请涉及机器学习技术领域，具体涉及一种股票交易中的异常行为检测与风险防控方法及系统。该方法包括：采集股票交易数据，构成特征集和特征序列；挑选训练集，构建其中的特征子集，基于特征子集中特征值在不同数据中的频率和数据特征的特征值计算数据特征的信息熵；基于信息熵差异计算特征子集的异常信息量；抽取特征子集构成特征序列，基于特征序列的重复度和异常信息量计算特征序列的目标函数，获取最优特征序列和最优适应度；基于其构建决策树，根据最优适应度和数据特征在决策树中出现的频率对决策树加权获取分类模型的决策值；并完成异常检测。本申请提高对股票交易中异常行为检测的准确率。