在金融科技中基于人工智能算法的风险特征因子筛选框架的建立和在期货价格趋势预测相关的特征因子刻画的应用

作者：袁先智; 周云鹏^*; 刘海洋^*; 严诚幸^*; 钱国骐; 钱晓松; 汪冬华; 李志勇; 李祥林; 林健武; 沈思丞; 曾途

来源：安徽工程大学学报, 2020, 35(04): 1-13.

DOI：10.3969/j.issn.2095-0977.2020.04.001

• 大数据
• 吉布斯(Gibbs)随机搜索算法
• 特征筛选
• 关联方
• 价格趋势变化

研究的目的是建立对影响大宗商品期货价格变化趋势的关联风险特征因子的提取框架和配套的推断逻辑原理。具体来讲,以金融科技中大数据概念为出发点,利用人工智能中的吉布斯随机搜索(Gibbs Sampling)算法为工具,全面地陈述如何提取高度关联大宗商品期货价格变化的风险特征因子的流程和配套的逻辑原理,即采用(在马尔科夫链蒙特卡洛(MCMC)框架下)人工智能中的吉布斯随机抽样算法,结合OR值(Odds Ratio)作为关联分类和验证标准,实现从大量风险因子的数据中提取与大宗商品期货(铜)价格趋势变化相关的特征因子并进行分类,从而可用于构建支持期货价格趋势变化分析的特征指标。实证分析结果表明,该特征提取方法能够比较有效地刻画大宗商品期货(铜)价格的趋势变化,为业界进行大宗期货交易和风险对冲的管理提供了一种新的分析维度。另外,从影响价格趋势变化的特征因子中筛选出高度关联的特征指标的大数据分析方法,是与过去文献中对价格趋势分析的不同之处和创新点。

• 单位
  金融学院; 成都数联铭品科技有限公司; 上海立信会计金融学院; 清华大学深圳国际研究生院; 西南财经大学; 华东理工大学; 苏州大学