一种基于RGNN-Crossformer融合架构的产业链金融风险预测方法

本发明公开了一种基于RGNN‑Crossformer融合架构的产业链金融风险预测方法，包括数据预处理模块，关系提取模块、特征嵌入模块和最终预测模块。首先针对金融数据高噪音，缺失严重的问题，本发明使用函数型数据分析方法对原始数据进行预处理，继而通过数据驱动方法和文本驱动方法构建产业链上下游企业关联网络，然后在深度学习预测模型的特征提取部分引入路由机制和图神经网络，帮助模型学习来自不同信息源的企业风险关联结构，并最终构建了考虑企业关联关系的金融风险预测模型RGNN‑Crossformer。实验结果表明，所构建RGNN‑Crossformer模型的预测效果要显著优于多种前沿金融风险预测模型。其中，所采用路由机制和图神经网络模块有助于模型同时学习数据内部依赖和外部关联特征，提升模型的性能和稳健性。