基于人工智能的期货交易风险评估与预警方法OA
随着期货市场交易复杂性和系统性风险的不断攀升,传统规则驱动的监管手段已难以有效识别高风险的交易行为。为此,面向期货行业交易风险预警与市场监管的实际需求,提出一种基于人工智能的期货交易风险评估与预警方法(Fut-GAT-LSTM)。首先,结合期货交易特点,筛选可能引发市场动荡的多维度交易特征,针对不同的特征类型设计了不同的交易特征嵌入方法,并将嵌入的特征数据转换为时间序列图结构;随后,通过图注意力网络(GAT)建模交易图内部的空间依赖关系,利用双向长短期记忆网络(BiLSTM)提取交易行为随时间演化的动态特征,并基于交叉熵损失进行有监督训练;最后,通过训练后的模型计算每个交易节点的风险评分,并利用动态阈值进行交易风险的预警。使用某大型期货公司提供的两组数据开展实验,结果显示所提模型在AUC值、F1-score等关键指标上均显著优于传统分类模型和神经网络基线方法,在强平风险和市场动荡风险检测任务中均表现出优异的性能。该方法为构建精准、高效、可扩展的智能期货市场监管系统提供了新思路,具有良好的实际应用价值与推广前景。
常飞;王俊杰;胡毅;乔焰;翁振昊;郭金胜;刘奕博;李萌
徽商期货有限责任公司,安徽合肥230002合肥工业大学计算机与信息学院,安徽合肥230601徽商期货有限责任公司,安徽合肥230002合肥工业大学计算机与信息学院,安徽合肥230601 合肥工业大学大数据知识工程教育部重点实验室,安徽合肥230601合肥工业大学计算机与信息学院,安徽合肥230601合肥工业大学计算机与信息学院,安徽合肥230601合肥工业大学计算机与信息学院,安徽合肥230601合肥工业大学计算机与信息学院,安徽合肥230601 合肥工业大学大数据知识工程教育部重点实验室,安徽合肥230601
管理科学
人工智能期货交易风险评估图注意力机制双向长短期记忆网络
《网络与信息安全学报》 2026 (1)
P.151-163,13
中国证监会科技监管研究课题(No.HSQHJSZX-2025-01)国家自然科学基金(No.62572168,No.62372149,No.U23A20303)安徽省自然科学基金(No.2508085MF151)大数据知识工程教育部重点实验室开放课题(No.BigKEOpen2025-04)。
评论