《以人工智能算法监测预警的金融风控大数据平台建设》
本文是关于人工智能和金融类本科论文怎么写跟大数据平台方面毕业论文的格式范文.
摘 要 近年来,受经济下行、商事制度改革过渡期、群众金融知识普遍缺乏等因素影响,非法集资犯罪手段不断翻新,支付方式更加多元,扩散速度不断加快,犯罪活动周期大大缩短,非法集资案件持续呈高发趋势.通过大数据、人工智能等技术建立企业金融风险监测预警大数据平台,以构建立体化、社会化、信息化的监测预警体系,及早引导、规范、处置非法集资行为,遏制非法集资高发势头,已成为当前防范和打击非法集资的必要手段.
关键词 金融知识;非法集资;支付方式
1 背景
随着国家对金融市场管控政策的不断调整以及互联网金融的快速发展,非法集资项目推介的主渠道向线上转移,犯罪手段不断翻新,支付方式更加多元,扩散速度不断加快,犯罪活动周期大大缩短,且不断向新的行业、领域蔓延.涉案公司基本处于“无前置审批”、“无行业标准”、“无准入门槛”、“无规范性文件管理”的“四无”状态,呈作案手段电子化、网络化,传播途径多样化,行业分布广泛化等特点,隐蔽性极强,很难提前发现,给打击非法集资工作带来了新困局.
据处置非法集资部际联席会议（简称联席会议）办公室统计,2018年全国新发非法集资案件5693起,同比增长12.7%;涉案金额3542亿元,同比增长97.2%,达历年峰值.案件集中于东部经济发达地区和部分中部省市.投融资机构、互联网金融平台、私募基金、商业零售等领域风险突出,新发案件占总数的44.2%,涉案金额占总额的65%.新发互联网集资案件数占比30%,涉案金额和人数分别占到69%和86%.
2 现状及问题
当今非法集资手段出现电子化、网络化、传播途径多样化、行业分布的广泛化等特点,面对互联网时代非法集资出现的新特点、新趋势、新手段,传统的防范监管模式已经不能适应,无法在出现风险苗头时及早发现并有效处置,基本都在案发后被动地打击处置.金融监管主要以被动监测为主,监管部不能及时发现企业非法集资行为.加之企业非法集资行为的识别、预警、发现、处置,涉及多个部门,目前没有高效手段进行整合.实现省、市、县、街道（乡镇）"四级联动".构建一个高效的主动监督、全社会的广泛参与、处置有序的金融风险防范平台成为当务之急.
3 建设内容
以大数据和云计算为技术支撑,通过技术创新和模式创新,对企业实时监测,从线下基础数据信息等多个维度进行全方位分析、按照风险指数分级预警,利用风险防控关口前移,做到早识别、早预警、早发现、早处置;以人工智能粗糙模糊神经网络模型（RST-FNN）于金融风险预警平台的运用,提高工作效率节约金融风险防范和处置成本,实现主动发现风险、评估风险、固化证据、判断趋势、及时干预和联合打击六大目标.坚决守住不发生区域性、系统性金融风险的底线,推动地方金融治理由传统的被动监管、粗放监管、突发式应对向主动监管、精准监管和协同监管模式转变.使非法集资案件高发频发势头得到遏制,存量风险及时有效化解,增量风险逐步减少,非法集资监测到位,预警及时,防范得力.切实维护金融秩序和社会稳定,以及人民群众财产安全.
4 平台框架
平台框架按照信息化项目建设的结构层次进行划分,分为基础层、支撑层、应用层三个层次.
应用层：通常信息化建设的表现层就是软件应用界面,或者是业务操作子系统,但是平台的应用层除了本平台之外,还需要建设一个对外服务的接口,实现企业金融风险的引导、规范和处置.
支撑层：数据管理层通过数据采集、数据存储、数据处理、数据分析和数据挖掘包括企业基本信息,互联网舆情数据,招聘数据,财务数据等形成数据库.以及基于数据存储的标准、规范等.
基础层：基于现有电子政务外和政府数据基础平台.
5 人工智能算法
将粗糙集理论（RST）[1]与模糊神经网络（FNN）相结合的技术对现存的人工智能算法进行改进和优化.粗糙集理论能有效地分析不精確、不一致不完整等各种不完备的信息,对数据进行分析和推理,揭示潜在的规律.模糊神经网络同时具有神经网络和模糊逻辑的优点,其具有很好的学习能力,采用并行分布处理方法使得快速进行大量运算成为可能,并且能够同时处理定量、定性知识.以粗糙集模糊神经网络（RST-FNN）模型[2]应用于金融风险预警平台,预警非法集资企业.粗糙集的知识约简对平台数据具有去噪消冗,弥补了平台指标体系对模糊神经网络的“维数爆炸”灾难.应用结果表明,该模型在平台预测准确性较高,利用粗糙集理论对模糊神经网络的输入数据进行预处理,提取其中的关键成分作为神经网络的输入以及初始规则的组成元素,可以简化神经网络的拓扑结构,且具有结构精简、收敛速度快及泛化能力强、提高训练样本、缩短训练时间等特点.
6 核心数据库及应用模型建设
根据监测范围,以全国企业法人库为基础,结合微博、微信、贴吧、媒体等互联网全量舆情数据,构建核心数据库,对企业进行穿透分析,分析异地非法集资的企业股东、高管等关联关系,对企业经营活动进行动态监测.建立“人工智能风险监测模型”,可以对行业领域风险排查、监测预警和集中整治提供数据支撑.
通过完善基础应用,打通、融合横向数据源,整合各类信息资源,利用机器学习、自然语言处理、神经网络技术,构建企业金融风险指数分析模型,从海量数据中筛选出与企业金融风险高度相关的几类指标,构建“风险指数”模型.“风险指数”分数越高,该企业风险就越高.通过全方位的风险模型监测,对疑似金融风险企业进行分级预警,构筑金融风险防控体系.
7 风险处置对接
平台根据设置的预警阀值进行自动预警,以短信方式通知监管专员.监管专员可查看信息列表,根据风险详情及工作经验判断该预警是否派单给相关部门排查.若派单排查,平台自动发送短信到相关单位管理员手机,接收任务上门排查,根据排查情况报送平台,监管专员依据情况处置.
8 成果
金融风险监测预警平台通过机器学习、自然语言处理、神经网络技术,构建非法集资风险指数分析模型,通过人工智能、机器学习从海量数据中筛选出与企业非法集资风险高度相关的几类指标,建立“风险指数”模型,构建全方位、及时的非法集防控体系.相比同类平台,有明显的技术优势和实用应用效果.
区域企业金融风险监测预警大数据平台的建成,实现了立体化、社会化、信息化监测预警机制,加强信息监测和分析研判,及时掌握苗头性、敏感性信息和线索,科学防范,早识别、早预警、早发现、早处置,着力防范化解金融风险.
参考文献
[1] Pawlak Z.Rough sets[J].International Journal of Computer and Information Science,1982,（11）：341-356.
[2] 黄福员.金融风险预警的RST-FNN模型研究[J].人工智能,2013, （31）：7078-7082,7095.
作者简介：
高翔（1979-）,男;学历：硕士,职称：中级工程师,现就职单位：长沙市天心阁大数据研究院（人工智能信息中心）,研究方向：电子系统工程.
本文总结,这篇文章为一篇适合大数据平台论文写作的大学硕士及关于人工智能和金融本科毕业论文，相关人工智能和金融开题报告范文和学术职称论文参考文献.
人工智能和金融引用文献:
[1] 人工智能和金融本科论文开题报告范文 关于人工智能和金融方面在职研究生论文范文8000字
[2] 人工智能和金融本科论文怎么写 关于人工智能和金融方面毕业论文模板范文8000字
[3] 人工智能和金融专科毕业论文范文 人工智能和金融类论文如何写2500字
