本發(fā)明涉及數(shù)據(jù)資產(chǎn)管理與監(jiān)測，尤其涉及一種基于人工智能技術(shù)的數(shù)據(jù)資產(chǎn)管理與監(jiān)測方法。

背景技術(shù)：

1、隨著信息技術(shù)的發(fā)展，數(shù)據(jù)在各個行業(yè)中的應(yīng)用越來越廣泛，尤其是在資產(chǎn)管理領(lǐng)域，數(shù)據(jù)已經(jīng)成為推動決策和優(yōu)化管理的重要資源。傳統(tǒng)的資產(chǎn)管理方法依賴于人工判斷和固定規(guī)則，無法處理大量的實時數(shù)據(jù)，容易出現(xiàn)滯后性和主觀性問題，導(dǎo)致決策效率低下。同時，隨著數(shù)據(jù)量的激增，傳統(tǒng)的資產(chǎn)管理系統(tǒng)難以有效處理和分析這些數(shù)據(jù)，無法提供全面、準(zhǔn)確的資產(chǎn)狀態(tài)監(jiān)測和風(fēng)險預(yù)警功能。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明目的在于提供一種基于人工智能技術(shù)的數(shù)據(jù)資產(chǎn)管理與監(jiān)測方法，以對數(shù)據(jù)資產(chǎn)提供高效、安全和可靠的管理與監(jiān)測。

2、本發(fā)明公開了一種基于人工智能技術(shù)的數(shù)據(jù)資產(chǎn)管理與監(jiān)測方法，該方法包括以下步驟：

3、s1、采集來自多個數(shù)據(jù)源的資產(chǎn)數(shù)據(jù)，所述資產(chǎn)數(shù)據(jù)包括實時資產(chǎn)數(shù)據(jù)和歷史資產(chǎn)數(shù)據(jù)；

4、s2、對采集到的資產(chǎn)數(shù)據(jù)執(zhí)行預(yù)處理操作，所述預(yù)處理操作包括數(shù)據(jù)清洗、標(biāo)準(zhǔn)化；

5、s3、通過機(jī)器學(xué)習(xí)算法對執(zhí)行預(yù)處理操作后的數(shù)據(jù)進(jìn)行分析，生成資產(chǎn)管理模型；

6、s4、基于所述資產(chǎn)管理模型實時監(jiān)測資產(chǎn)的狀態(tài)，并執(zhí)行風(fēng)險預(yù)測，得到預(yù)測結(jié)果；

7、s5、基于所述預(yù)測結(jié)果，生成資產(chǎn)管理決策建議，并執(zhí)行相應(yīng)資產(chǎn)管理操作。

8、進(jìn)一步地，所述機(jī)器學(xué)習(xí)算法包括支持向量機(jī)算法；

9、在生成資產(chǎn)管理模型的過程中，確定資產(chǎn)管理目標(biāo)；其中，所述資產(chǎn)管理目標(biāo)至少包括資產(chǎn)收益目標(biāo)、資產(chǎn)風(fēng)險目標(biāo)以及資產(chǎn)流動性目標(biāo)；

10、對資產(chǎn)管理目標(biāo)執(zhí)行多目標(biāo)優(yōu)化操作，對每個目標(biāo)分配對應(yīng)權(quán)重；

11、提取資產(chǎn)數(shù)據(jù)的非線性特征，基于所述非線性特征對多個核函數(shù)進(jìn)行加權(quán)組合，并自動調(diào)整不同核函數(shù)的權(quán)重，得到自適應(yīng)核函數(shù)；

12、基于所述自適應(yīng)核函數(shù)構(gòu)建支持向量機(jī)模型，并對支持向量機(jī)模型的系數(shù)和核函數(shù)的權(quán)重進(jìn)行正則化處理，將所述支持向量機(jī)模型作為資產(chǎn)管理模型。

13、進(jìn)一步地，所述步驟s3還包括通過增量學(xué)習(xí)算法動態(tài)更新資產(chǎn)管理模型，具體包括：

14、根據(jù)采集的新資產(chǎn)數(shù)據(jù)計算新的支持向量，基于新的支持向量更新模型的支持向量集，并調(diào)整拉格朗日乘子；

15、基于新資產(chǎn)數(shù)據(jù)的增量特征，重新計算模型參數(shù)，并更新模型參數(shù)；

16、提取新資產(chǎn)數(shù)據(jù)的非線性特征，根據(jù)新資產(chǎn)數(shù)據(jù)的非線性特征優(yōu)化核函數(shù)的權(quán)重。

17、進(jìn)一步地，所述步驟s3還包括在資產(chǎn)管理模型的訓(xùn)練過程中執(zhí)行算法公平性評估操作。

18、進(jìn)一步地，所述算法公平性評估操作具體包括：

19、定義公平性指標(biāo)，所述指標(biāo)包括平等機(jī)會指標(biāo)、均衡誤差率、群體公平指標(biāo)；

20、建立多層次公平評估機(jī)制，包括資產(chǎn)類別層次、時間維度以及客戶群體層次，每個層次為一個組別；

21、根據(jù)不同組別之間的因果關(guān)系構(gòu)建因果關(guān)系圖；

22、在資產(chǎn)管理模型每次迭代時，根據(jù)定義的公平性指標(biāo)以及因果關(guān)系圖動態(tài)評估模型在各個組別上表現(xiàn)的公平值，并將實時評估結(jié)果反饋到模型訓(xùn)練過程中，根據(jù)評估結(jié)果動態(tài)調(diào)整模型的訓(xùn)練參數(shù)。

23、進(jìn)一步地，所述方法還包括：

24、對每個組別的資產(chǎn)數(shù)據(jù)進(jìn)行風(fēng)險評估，并根據(jù)風(fēng)險評估結(jié)果進(jìn)行風(fēng)險等級劃分；

25、根據(jù)每個組別的資產(chǎn)數(shù)據(jù)的風(fēng)險等級，初步對每個組別的資產(chǎn)數(shù)據(jù)分配差分隱私的隱私預(yù)算；

26、在模型訓(xùn)練的每個迭代過程中，實時監(jiān)控數(shù)據(jù)特性和模型的學(xué)習(xí)進(jìn)程，確定當(dāng)前訓(xùn)練階段對隱私保護(hù)的需求；

27、根據(jù)實時監(jiān)控結(jié)果和數(shù)據(jù)的風(fēng)險等級，自適應(yīng)調(diào)整噪聲注入的強(qiáng)度和方式；

28、在每個訓(xùn)練迭代結(jié)束時，基于模型的表現(xiàn)和當(dāng)前隱私保護(hù)的效果進(jìn)行實時反饋和分析，評估當(dāng)前的隱私保護(hù)是否達(dá)到預(yù)設(shè)值；

29、在未達(dá)到預(yù)設(shè)值的情況下，動態(tài)調(diào)整隱私預(yù)算的分配和噪聲注入策略。

30、進(jìn)一步地，所述步驟s2包括通過數(shù)據(jù)增強(qiáng)算法執(zhí)行數(shù)據(jù)預(yù)處理操作。

31、進(jìn)一步地，所述通過數(shù)據(jù)增強(qiáng)算法執(zhí)行數(shù)據(jù)預(yù)處理操作具體包括：

32、基于已有的歷史資產(chǎn)數(shù)據(jù)通過隨機(jī)增加價格波動的幅度或改變市場波動的周期，生成新的資產(chǎn)價格序列，作為新的訓(xùn)練數(shù)據(jù)樣本；

33、基于仿真的數(shù)據(jù)增強(qiáng)技術(shù)模擬市場的極端情況，生成極端市場條件下的資產(chǎn)數(shù)據(jù)，作為新的訓(xùn)練數(shù)據(jù)樣本。

34、進(jìn)一步地，所述步驟s5執(zhí)行相應(yīng)資產(chǎn)管理操作之前還包括建立人工干預(yù)的復(fù)核機(jī)制，當(dāng)生成資產(chǎn)管理決策建議與預(yù)期不符時，由專家進(jìn)行審查和調(diào)整。

35、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為：

36、本發(fā)明基于人工智能技術(shù)對數(shù)據(jù)資產(chǎn)進(jìn)行管理與監(jiān)測，通過支持向量機(jī)算法以及從不同源獲取的資產(chǎn)數(shù)據(jù)進(jìn)行模型構(gòu)建與訓(xùn)練，生成資產(chǎn)管理模型，使得基于資產(chǎn)管理模型可以對資產(chǎn)數(shù)據(jù)進(jìn)行分析，并輸出有效的資產(chǎn)管理建議，從而實現(xiàn)高效、可靠、智能的數(shù)據(jù)資產(chǎn)管理。

技術(shù)特征：

1.一種基于人工智能技術(shù)的數(shù)據(jù)資產(chǎn)管理與監(jiān)測方法，其特征在于，所述方法包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于人工智能技術(shù)的數(shù)據(jù)資產(chǎn)管理與監(jiān)測方法，其特征在于，所述機(jī)器學(xué)習(xí)算法包括支持向量機(jī)算法；

3.根據(jù)權(quán)利要求2所述的基于人工智能技術(shù)的數(shù)據(jù)資產(chǎn)管理與監(jiān)測方法，其特征在于，所述步驟s3還包括通過增量學(xué)習(xí)算法動態(tài)更新資產(chǎn)管理模型，具體包括：

4.根據(jù)權(quán)利要求3所述的基于人工智能技術(shù)的數(shù)據(jù)資產(chǎn)管理與監(jiān)測方法，其特征在于，所述步驟s3還包括在資產(chǎn)管理模型的訓(xùn)練過程中執(zhí)行算法公平性評估操作。

5.根據(jù)權(quán)利要求4所述的基于人工智能技術(shù)的數(shù)據(jù)資產(chǎn)管理與監(jiān)測方法，其特征在于，所述算法公平性評估操作具體包括：

6.根據(jù)權(quán)利要求5任一項所述的基于人工智能技術(shù)的數(shù)據(jù)資產(chǎn)管理與監(jiān)測方法，其特征在于，，所述算法公平性評估操作具體還包括：

7.根據(jù)權(quán)利要求6任一項所述的基于人工智能技術(shù)的數(shù)據(jù)資產(chǎn)管理與監(jiān)測方法，其特征在于，所述方法還包括：

8.根據(jù)權(quán)利要求1所述的基于人工智能技術(shù)的數(shù)據(jù)資產(chǎn)管理與監(jiān)測方法，其特征在于，所述步驟s2包括通過數(shù)據(jù)增強(qiáng)算法執(zhí)行數(shù)據(jù)預(yù)處理操作。

9.根據(jù)權(quán)利要求8所述的基于人工智能技術(shù)的數(shù)據(jù)資產(chǎn)管理與監(jiān)測方法，其特征在于，所述通過數(shù)據(jù)增強(qiáng)算法執(zhí)行數(shù)據(jù)預(yù)處理操作具體包括：

10.根據(jù)權(quán)利要求1所述的基于人工智能技術(shù)的數(shù)據(jù)資產(chǎn)管理與監(jiān)測方法，其特征在于，所述步驟s5執(zhí)行相應(yīng)資產(chǎn)管理操作之前還包括建立人工干預(yù)的復(fù)核機(jī)制，當(dāng)生成資產(chǎn)管理決策建議與預(yù)期不符時，由專家進(jìn)行審查和調(diào)整。

技術(shù)總結(jié)
本發(fā)明涉及數(shù)據(jù)資產(chǎn)管理與監(jiān)測技術(shù)領(lǐng)域，公開了一種于人工智能技術(shù)的數(shù)據(jù)資產(chǎn)管理與監(jiān)測方法，基于人工智能技術(shù)對數(shù)據(jù)資產(chǎn)進(jìn)行管理與監(jiān)測，通過支持向量機(jī)算法以及從不同源獲取的資產(chǎn)數(shù)據(jù)進(jìn)行模型構(gòu)建與訓(xùn)練，生成資產(chǎn)管理模型，使得基于資產(chǎn)管理模型可以對資產(chǎn)數(shù)據(jù)進(jìn)行分析，并輸出有效的資產(chǎn)管理建議，從而實現(xiàn)高效、可靠、智能的數(shù)據(jù)資產(chǎn)管理。

技術(shù)研發(fā)人員：胡國江,歐俊利,杜俊強(qiáng),厲紫陽,鄭桐科,王一輝,趙夢琦
受保護(hù)的技術(shù)使用者：浙江圖岳控股有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9