公开(公告)号：CN110210974A

公开(公告)日：2019-09-06

申请号：CN201910472328.6

申请日：2019-05-31

Applicant: 三峡大学

Inventor： 邓尚昆 ,  王晨光 ,  粟智豪 ,  王明月

IPC: G06Q40/04 ,  G06K9/62 ,  G06N3/00

Abstract: 一种基于粒子群优化增量支持向量机的内幕交易辨别方法，首先收集内幕交易相关的样本数据及其特征指标作为样本数据集；然后利用粒子群优化算法优化参数后的支持向量机对样本数据集进行学习和分类，并确定最优的分类面和分类向量，获得测试目标并收集测试目标数据集，根据最优分类面对测试目标的特征指标进行估计并分类，判断样本是否存在内幕交易。本发明建立了股票市场内幕交易行为自动识别模型，实现了对测试目标是否存在内幕交易进行准确识别；其中，采用粒子群优化算法对支持向量机进行优化，提高了支持向量机分类器的准确率；将违背原决策函数的KKT条件的样本和相应分类结果加入到原样本数据集形成新的样本数据集，实现模型的自动更新学习。

公开(公告)号：CN110189035A

公开(公告)日：2019-08-30

申请号：CN201910470749.5

申请日：2019-05-31

Applicant: 三峡大学

Inventor： 邓尚昆 ,  王晨光 ,  徐乔林 ,  危晨阳 ,  王明月

IPC: G06Q10/06 ,  G06Q40/04 ,  G06K9/62

Abstract: 本发明公开了一种基于 均值聚类与KNN算法的内幕交易识别方法，获取不同事件时间窗口期下的内幕交易样本数据集；将样本数据集进行 均值聚类分为不同的子数据集；选择离测试目标最近的聚类中心对应的子数据集，采用KNN算法得出是否内幕交易的结果。本发明基于 均值聚类，建立多个聚类，选择距离测试目标最近的聚类中心对应的聚类的样本进行相似程度比较并确定类别，很好地解决了内幕交易股票各种原因造成特征指标差异较大而不能被有效识别的难题，提高了内幕交易的判别正确率。