本發(fā)明涉及金融數(shù)據(jù)處理分析領(lǐng)域，具體來說是一種基于長(zhǎng)短期記憶模型的外匯市場(chǎng)風(fēng)險(xiǎn)量化和預(yù)警方法。

背景技術(shù)：

1、防范化解系統(tǒng)性風(fēng)險(xiǎn)是金融工作永恒的主題。在外匯市場(chǎng)，匯率波動(dòng)是衡量市場(chǎng)風(fēng)險(xiǎn)的關(guān)鍵指標(biāo)，關(guān)系到外匯市場(chǎng)日常風(fēng)險(xiǎn)監(jiān)測(cè)中市場(chǎng)機(jī)構(gòu)頭寸組合的盯市價(jià)值、風(fēng)險(xiǎn)敞口以及保證金、清算基金要求等風(fēng)險(xiǎn)指標(biāo)的監(jiān)測(cè)和預(yù)警；在違約處置時(shí)，對(duì)及時(shí)、高效地完成違約機(jī)構(gòu)頭寸分割、風(fēng)險(xiǎn)對(duì)沖以及頭寸拍賣等有重要影響，直接關(guān)系到能否快速平穩(wěn)地完成違約處置，防止風(fēng)險(xiǎn)溢出。

2、本發(fā)明提出了一種基于長(zhǎng)短期記憶模型(long?short?term?memory,lstm)的外匯市場(chǎng)風(fēng)險(xiǎn)量化和預(yù)警方法。lstm作為一種先進(jìn)的時(shí)序預(yù)測(cè)模型，能夠有效捕捉外匯市場(chǎng)匯率波動(dòng)的長(zhǎng)期依賴關(guān)系和短期動(dòng)態(tài)變化，為外匯市場(chǎng)風(fēng)險(xiǎn)監(jiān)測(cè)提供了一個(gè)統(tǒng)一的、可擴(kuò)展的分析工具箱。與傳統(tǒng)時(shí)序模型相比，lstm模型在處理匯率波動(dòng)預(yù)測(cè)問題時(shí)展現(xiàn)出更高的準(zhǔn)確性和靈活性，顯著提升了日常風(fēng)險(xiǎn)監(jiān)測(cè)的效率和精度。

3、此外，本項(xiàng)目還引入了lstm模型進(jìn)行劇烈波動(dòng)可能性的判斷，為預(yù)警提供了量化依據(jù)。本發(fā)明綜合運(yùn)用先進(jìn)的數(shù)據(jù)分析技術(shù)，旨在為外匯市場(chǎng)風(fēng)險(xiǎn)管理提供一種更為科學(xué)、系統(tǒng)的解決方案，能夠給金融機(jī)構(gòu)提供一種更好地識(shí)別、計(jì)量和管理外匯市場(chǎng)風(fēng)險(xiǎn)度量方法，幫助相關(guān)市場(chǎng)機(jī)構(gòu)在風(fēng)云變幻的市場(chǎng)環(huán)境中做出及時(shí)而精準(zhǔn)的判斷。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于長(zhǎng)短期記憶模型的外匯市場(chǎng)風(fēng)險(xiǎn)量化和預(yù)警方法，用以通過獲取歷史宏觀和微觀業(yè)務(wù)數(shù)據(jù)，使用模型判斷當(dāng)日匯率波動(dòng)以及是否存在異常波動(dòng)，解決現(xiàn)有匯率監(jiān)測(cè)人員人工判斷存在的數(shù)據(jù)處理復(fù)雜、流程長(zhǎng)和依賴經(jīng)驗(yàn)等問題。

2、為了實(shí)現(xiàn)上述目的，設(shè)計(jì)一種基于長(zhǎng)短期記憶模型的外匯市場(chǎng)風(fēng)險(xiǎn)量化和預(yù)警方法，所述方法如下：

3、s1.獲取影響匯率風(fēng)險(xiǎn)的歷史特征數(shù)據(jù)，并在原始數(shù)據(jù)基礎(chǔ)上進(jìn)行特征衍生和篩選，構(gòu)建數(shù)據(jù)集，具體包括：

4、s1.1.通過萬得數(shù)據(jù)庫獲取國內(nèi)外宏觀經(jīng)濟(jì)數(shù)據(jù)、微觀匯率數(shù)據(jù)、微觀流動(dòng)性數(shù)據(jù)、微觀市場(chǎng)情緒數(shù)據(jù)；

5、s1.2.根據(jù)中國一攬子貨幣政策中貨幣所占份額選取重要貨幣，包括人民幣(cny)，美元(usd)，澳元(aud)，歐元(eur)，英鎊(gbp)，港元(khd)，日元(jpy),韓元(krw)，盧布(rub)，泰元(thb)，構(gòu)成重要貨幣集合c，表示如下：

6、c＝{cny,usd,aud,eur,gbp,hkd,jpy,krw,rub,thb}

7、s1.3.基于選取的重要貨幣集合構(gòu)建外匯市場(chǎng)特征矩陣如下：

8、

9、mi為構(gòu)建的外匯市場(chǎng)特征矩陣，矩陣大小為m×n,m表示選取的貨幣種類數(shù)量,n表示選取的天數(shù)，表示t0時(shí)刻cny的貨幣特征，可以表示cny在時(shí)間t0至tn的特征趨勢(shì)；

10、s1.4.在原始數(shù)據(jù)的基礎(chǔ)上進(jìn)行特征衍生，對(duì)所選取的原始數(shù)據(jù)利用后值減前值與后值除以前值的方式進(jìn)行特征衍生，分別以_diff與_div后綴表示；

11、s1.5.基于皮爾遜相關(guān)系數(shù)選擇相關(guān)性強(qiáng)的特征；

12、s2.構(gòu)建穩(wěn)定算子和誤差糾正算子，計(jì)算調(diào)整系數(shù)，避免高權(quán)重貨幣自身劇烈波動(dòng)造成風(fēng)險(xiǎn)預(yù)警失準(zhǔn)，具體包括：

13、s2.1.設(shè)計(jì)穩(wěn)定算子，表征貨幣在連續(xù)時(shí)間內(nèi)的波動(dòng)，定義如下:

14、

15、其中m表示幣種數(shù)量，c表示具體幣種，t表示第t天，表示貨幣c第t天的指數(shù)估計(jì)值；

16、s2.2.設(shè)計(jì)誤差糾正算子，表征預(yù)測(cè)誤差，計(jì)算過程為:

17、

18、其中m表示幣種數(shù)量，n表示統(tǒng)計(jì)多少天，c表示具體的幣種，t表示第t天，表示第t天幣種c的真實(shí)匯率，表示第t天幣種c的估計(jì)匯率，

19、誤差糾正算子的輸入包括匯率矩陣實(shí)際值和匯率矩陣估計(jì)值，

20、

21、me為匯率矩陣實(shí)際值，矩陣大小為表示從m種貨幣中任意組合兩種，n表示連續(xù)天數(shù),表示第t0天cny對(duì)usd的真實(shí)匯率；

22、

23、me表示匯率矩陣估計(jì)值，矩陣大小為表示從m種貨幣中任意組合兩種，n表示連續(xù)天數(shù),表示第t0天a對(duì)b的估計(jì)匯率，其中貨幣a兌換貨幣b的估計(jì)值為

24、s2.3.計(jì)算調(diào)整系數(shù)，調(diào)整后誤差為指數(shù)波動(dòng)誤差系數(shù)乘上指數(shù)波動(dòng)系數(shù)與匯率估計(jì)誤差乘上匯率估計(jì)誤差系數(shù)的兩積之和，公式表示如下：

25、error＝weightwave*errorwave+weightexchange*errorexchange

26、s3.構(gòu)建樣本和匯率預(yù)測(cè)lstm模型，基于歷史數(shù)據(jù)預(yù)測(cè)匯率變化，訓(xùn)練和評(píng)估匯率預(yù)測(cè)模型，具體包括：

27、s3.1.將歷史匯率數(shù)據(jù)樣本以3:1比例拆分為訓(xùn)練集和測(cè)試集，其中特征x為t日到t+30日所有有效特征數(shù)據(jù)，標(biāo)簽y為t+31日真實(shí)匯率；

28、s3.2.模型選擇2層lstm模型，使用mseloss，輸入數(shù)據(jù)為t日到t+30日所有有效特征數(shù)據(jù)，模型輸出為t+31日預(yù)測(cè)匯率，模型參照值為t+31日真實(shí)匯率；

29、s3.3.基于訓(xùn)練集和測(cè)試集進(jìn)行模型訓(xùn)練和評(píng)估，優(yōu)化模型參數(shù)，降低模型預(yù)測(cè)誤差；

30、s4.檢驗(yàn)匯率預(yù)測(cè)lstm模型的結(jié)果并判斷是否進(jìn)行風(fēng)險(xiǎn)預(yù)警，具體包括：

31、s4.1.計(jì)算指數(shù)拐點(diǎn)，構(gòu)成指數(shù)拐點(diǎn)集合

32、setindexchangepoint＝{datet,if|it+1-it|>thresholdindexchangepoint}

33、該過程表示將統(tǒng)計(jì)超過指數(shù)拐點(diǎn)閾值的日期集合步驟；

34、s4.2.計(jì)算投放量拐點(diǎn)，構(gòu)成投放量拐點(diǎn)集合

35、setsupplychangepoint＝{datet,if|st+1-st|>thresholdsupplychangepoint}

36、該過程表示將統(tǒng)計(jì)超過投放量拐點(diǎn)閾值的日期集合；

37、s4.3.計(jì)算波動(dòng)拐點(diǎn)配準(zhǔn)得分

38、score拐點(diǎn)配準(zhǔn)得分＝len(set指數(shù)拐點(diǎn)∩set投放量拐點(diǎn))/len(set指數(shù)拐點(diǎn))

39、該過程表示將指數(shù)拐點(diǎn)日期集合與投放量拐點(diǎn)集合的交集占比；

40、s4.4.波動(dòng)拐點(diǎn)配準(zhǔn)得分絕對(duì)值大于0.015表明外匯市場(chǎng)有出現(xiàn)波動(dòng)風(fēng)險(xiǎn)，進(jìn)行預(yù)警，否則不預(yù)警。

41、優(yōu)選的，本發(fā)明所述方法步驟s3.3具體如下：訓(xùn)練過程中，基于測(cè)試集使用反向傳播算法對(duì)模型預(yù)測(cè)的輸出結(jié)果和原始的真實(shí)結(jié)果進(jìn)行誤差計(jì)算，基于減少誤差的目標(biāo)做模型參數(shù)迭代更新，在迭代過程中選擇最佳一組模型參數(shù)，使得模型預(yù)測(cè)誤差最小，完成匯率模型的訓(xùn)練，評(píng)估過程中，基于訓(xùn)練好的模型參數(shù)帶入測(cè)試集進(jìn)行誤差評(píng)估計(jì)算，保證模型在測(cè)試集上誤差表現(xiàn)和訓(xùn)練集上基本一致。

42、本發(fā)明同現(xiàn)有技術(shù)相比，其優(yōu)點(diǎn)在于：

43、通過獲取歷史業(yè)務(wù)數(shù)據(jù)，包括但不限于匯率收盤價(jià)、美元指數(shù)、日元匯率、再按匯率收盤價(jià)、離岸匯率收盤價(jià)、納斯達(dá)克綜合指數(shù)、金價(jià)、新興市場(chǎng)貨幣指數(shù)、匯率最高價(jià)、匯率最低價(jià)、匯率中間價(jià)、在岸匯率與離岸匯率價(jià)差，即可利用本發(fā)明中的模型判斷當(dāng)日匯率波動(dòng)以及是否存在異常波動(dòng)的風(fēng)險(xiǎn)。