摘要
本发明涉及金融风险预测技术领域,具体涉及一种金融风险预测方法、装置、存储介质及设备。方法包括:获取金融数据,提取多模态特征;基于多模态特征,采用基于约束的因果发现算法生成因果图,并采用结构方程模型量化因果强度;采用量化后的因果图作为反事实生成对抗网络的约束,生成反事实场景并分析风险传导路径;基于多模态特征、因果图以及风险传导路径对因果图神经网络模型进行训练;并进行可解释性分析以及风险监控。本发明的技术方案,可精准构建金融风险因果关联,生成反事实场景明晰传导路径,经可解释分析与监控,提升风险预测准确性、可解释性,助力及时防控金融风险,增强金融系统稳定性与风险应对能力。
技术关键词
多模态特征
神经网络模型
结构方程模型
生成对抗网络
跨模态融合特征
金融
微观结构特征
风险
场景
注意力
计算机
最大化算法
蒙特卡洛方法
转移概率矩阵
数据输入模块
可读存储介质
归因
系统为您推荐了相关专利信息
信用风险预测方法
股票行情数据
信息编码器
斯皮尔曼相关系数
神经网络模型
配电智能终端
状态监测方法
矩阵
网络带宽利用率
多模态特征
输出特征
积层
电子元器件
模块
卷积神经网络模型
赣南脐橙
网络结构
多模态特征融合
特征金字塔
多模态传感器